FL Pro Consulting KI-Beratung · KI-Magazin · KI in Europa
AuxData · eigene Messung

Wie schnell antworten die Modelle in AuxData?

In AuxData wählst Du für jeden Agenten das Sprachmodell selbst. Welches davon im Büroalltag zügig antwortet und welches Dich warten lässt, steht in keinem Datenblatt. Deshalb messen wir es: dieselben drei Aufgaben, mehrmals am Tag, an jedes Modell.

Letzte Messrunde 16.11.2026, 08:00 Uhr · 25 Runden seit 11.11.2026

Die Messwerte

Tempo aus unserer eigenen Messung in AuxData, dazu, wie gut das Modell laut Artificial Analysis abschneidet. Im Fokus stehen die aktuellen Modelle, Mistral Medium dient als Referenz. Darunter lassen sich alle Modelle einzeln und alle Messrunden aufklappen.

ModellAnbieterRechenortMessungenAusfälleTypisch (Median)9 von 10 unterLängsteIndex (AA)Denkstufe (voreingestellt)
DeepSeek V4.1 FlashMistralFrankreich72–1,3 s2,6 s15,0 s18,5denkt nicht
Mistral SmallMistralFrankreich72–1,8 s2,4 s4,4 s≈ 3,0denkt nicht
Mistral Medium 3.5MistralFrankreich39–1,9 s2,4 s3,7 s4,6denkt nicht
Mistral MediumMistralFrankreich72–1,9 s2,4 s4,6 s4,6denkt nicht
GPT-OSS 120BIONOSDeutschland72–3,0 s8,0 s13,7 s3,8denkt kurz
DeepSeek V4 ProTensorX über Requestynicht ausgewiesen3913,0 s7,0 s9,5 s12,6denkt nicht
MiniMax M3TensorX über Requestynicht ausgewiesen3913,0 s5,8 s7,9 s18,9denkt kurz
Mistral LargeMistralFrankreich30–3,6 s4,7 s6,3 s≈ 4,0denkt nicht
Mistral Small 24BIONOSDeutschland33–5,3 s6,8 s8,6 s≈ 1,0denkt nicht
GLM 5.2TensorX über Requestynicht ausgewiesen3015,4 s8,6 s13,4 s≈ 24,0denkt lange
Mistral Small 3.2OVHcloudFrankreich3315,5 s16,4 s137,2 s≈ 2,0denkt nicht
GLM 5.3MistralFrankreich72–5,6 s15,5 s101,4 s31,7denkt nach
Llama 3.3 70BIONOSDeutschland33–6,3 s8,3 s10,3 s≈ 1,0denkt nicht
GLM 5.3 FlashOpenHippoDeutschland72–8,1 s17,2 s41,3 s27,8denkt nach
DeepSeek V4.1 FlashOpenHippoDeutschland72–9,2 s22,2 s30,1 s32,6denkt nach
GPT-OSS 120BOVHcloudFrankreich30–9,2 s27,8 s56,2 s3,8denkt kurz
GLM 5.3 FlashMistralFrankreich72110,1 s21,8 s49,2 s27,8denkt lange
Qwen 3.8 27BIONOSDeutschland30–14,4 s67,1 s116,3 s20,1denkt lange
Qwen 3.8 27BOVHcloudFrankreich30614,7 s128,6 s161,9 s20,1denkt kurz
Kimi K3TensorX über Requestynicht ausgewiesen39117,5 s35,8 s44,5 s17,4denkt nach
Mistral Large 4MistralFrankreich39–17,5 s44,1 s98,6 s26,1denkt lange
Qwen 3.8 27BOpenHippoDeutschland30221,8 s46,7 s55,4 s20,1denkt lange
Qwen 3.5 397BOVHcloudFrankreich301130,6 s73,8 s75,2 s≈ 12,0denkt lange
Qwen 3.5 397BIONOSDeutschland30840,8 s85,9 s126,3 s≈ 12,0denkt lange

Mit JavaScript erscheinen hier die aufklappbare Übersicht, der Vergleich mit dem Intelligenz-Index und alle Messrunden. ≈ = eigene Schätzung.

So wird gemessen

Jede Runde stellt jedem Modell dieselben drei Aufgaben aus dem Büroalltag und stoppt die Zeit bis zur fertigen Antwort.

AUFGABE 1

Kurzfrage

Der Unterschied zwischen Abmahnung und Kündigung in höchstens vier Sätzen.

AUFGABE 2

E-Mail schreiben

Eine höfliche, bestimmte Mahnung an einen Lieferanten mit Betreff, etwa 120 Wörter.

AUFGABE 3

Protokoll zusammenfassen

Ein Besprechungsprotokoll in drei Sätzen und einer Aufgabenliste mit Person, Aufgabe und Termin.

TAKT

Dreimal am Tag

Werktags um 8, 12 und 16 Uhr, am Wochenende um 12 Uhr. So zeigt sich, ob ein Modell zu bestimmten Zeiten langsamer wird.

Was die Zahlen sagen und was nicht

  • Gemessen wird das Tempo, nicht die Qualität. Ein schnelles Modell kann sich trotzdem verrechnen oder etwas erfinden. Ob die Antworten für Deine Aufgaben taugen, zeigt nur ein Test mit Deinen eigenen Texten.
  • Der Intelligenz-Index stammt von Artificial Analysis. Das unabhängige Testlabor fasst viele Leistungstests zu einer Zahl zusammen und misst direkt beim Hersteller, nicht in AuxData. Er sagt also etwas über das Modell, nicht über den Anbieter. Wo Artificial Analysis keinen aktuellen Wert hat, steht eine eigene Schätzung mit „≈“ und Begründung. Sie soll nur die Größenordnung zeigen.
  • Manche Modelle denken vor der Antwort nach. Dieses Nachdenken sieht man im Chat nicht, es kostet aber Zeit und Tokens. Wir messen es einmal täglich über die AuxData-Schnittstelle und werten die letzten sieben Tage aus: „denkt nicht“ heißt, die verbrauchten Tokens entsprechen der sichtbaren Antwort, „denkt lange“ heißt das Sechsfache und mehr. Gemessen ist jeweils die Voreinstellung in AuxData. Umstellen lässt sich die Denkstufe dort derzeit nur bei GLM 5.3 (niedrig, hoch, max); alle anderen Modelle laufen fest mit der Voreinstellung des Anbieters. Der Intelligenz-Index gehört jeweils zu der Denkstufe, die zu diesem Verhalten passt. Mit Nachdenken schneidet dasselbe Modell bei Artificial Analysis deutlich besser ab, antwortet aber langsamer.
  • Der Anbieter gehört zum Ergebnis. Dasselbe Modell kann bei zwei Anbietern sehr unterschiedlich schnell sein. Deshalb steht jede Kombination aus Modell und Anbieter in einer eigenen Zeile.
  • Der Rechenort stammt aus den Angaben in AuxData. Bei den Modellen von TensorX über Requesty weist die Schnittstelle keinen Standort aus, deshalb steht dort „nicht ausgewiesen“.
  • Gemessen wird von einem Server in Deutschland über die AuxData-Schnittstelle. Im Chat kommen Wissenssuche und weitere Einstellungen des Agenten hinzu, dort dauert eine Antwort also etwas länger als hier.
  • Nicht jedes Modell wird weiter gemessen. Modelle, die in den ersten Runden oft ausfielen oder sehr langsam waren, laufen nicht mehr mit. Ihre Werte bleiben stehen, der Filter „nur laufend gemessene Modelle“ blendet sie aus.

Welches Modell passt zu Deinen Aufgaben?

Tempo ist nur eine Seite. Im Erstgespräch schauen wir gemeinsam, welche Modelle für Deine Texte und Unterlagen gute Ergebnisse liefern und wie sich das mit Kosten und Datenschutz verträgt.

Tempo: eigene Messung von FL Pro Consulting, keine Angabe der Anbieter oder von AuxData. Intelligenz-Index und Hersteller-Tempo: Artificial Analysis, Stand 16.11.2026. Werte mit ≈ sind eigene Schätzungen. Alle Werte sind Momentaufnahmen und können sich jederzeit ändern.