KI-Modelle: Analyse der Fähigkeiten, Architekturen und Familienführer
Das Modell selbst, analysiert: Familien, Architekturen, Trade-offs.
Das Auswahlproblem eines Modells ist ein grundlegend anderes als dessen Ausführung. Laufzeitumgebungen, GPUs und Serving-Stacks beantworten die Frage „Wie führe ich dieses aus?"; dieses Cluster beantwortet die Frage „Welches Modell, und warum dieses?".
Die Seiten in diesem Cluster analysieren Modelle als Artefakte: Wie eine Familie von Generation zu Generation weiterentwickelt wird, was eine Modell-Architektur an den Fähigkeiten des Modells verändert und wo sich die Kompromisse zwischen Quantisierung und Leistungsfähigkeit befinden. Jede Aussage ist an Modell-Karten der Anbieter, unabhängigen Benchmarks oder gemessenen Ausführungen gebunden – Prognosewerte werden als solche gekennzeichnet.
Wo KI-Modelle im Stack einzuordnen sind
Die Website unterteilt die Frage nach dem Modell in drei Ebenen:
| Ebene | Abgedeckter Bereich | Cluster |
|---|---|---|
| Das Modell | Leistungsfähigkeit, Architektur, evolutionäre Entwicklung der Familie, Quantisierung | Sie sind hier |
| Das Serving | Laufzeitumgebungen, GPU-Verwendung, Durchsatz, Kontextverhalten | LLM-Hosting · LLM-Performance |
| Das System | Routing, Speicher, Agenten, Verifikation | KI-Systeme · LLM-Architektur |
Eine Aussage zur Leistungsfähigkeit, die hier getätigt wird (wie viel Inhalt ein 27B denses Modell bei 4-Bit-Qualität speichert, was ein Entscheidungsmodul nach einem einzigen Vorwärtslauf ausgibt), wird zur Eingabe für die Hosting- und Performance-Entscheidungen, die andernorts getroffen werden. Die Cluster sind bewusst getrennt gehalten, damit Benchmarker Tabellen nicht in Architektur-Essays hineinwandern und zurück.
Cluster-Karte
Das Cluster ist jung und wächst durch Dichte, nicht nach einem festen Zeitplan. Was heute existiert:
- Sie sind hier — dieser Abschnitt: Was das Cluster abdeckt und wo seine Grenzen liegen
- Architekturen — Was kommt nach LLMs? Mamba, Diffusion & World Models — die Landschaft jenseits des Transformers: Zustandsraummodelle, Diffusions-Sprachmodelle und JEPA-Weltmodelle, einschließlich der Beweislage für jedes davon
- Familien — Qwen 4: Was bestätigt ist und was es für lokale KI bedeutet — eine Referenzseite für eine Familie, aufgebaut um die generationsbasierte 27B-Benchmark-Ladung, die Flash-Next-Architekturvorankündigung und die Eignung für Consumer-GPUs
Geplante Teilcluster, die angelegt werden, sobald genügend zugehörige Seiten existieren: Benchmarks (Modellübergreifende Vergleiche), Quantisierung (Referenzen zu Bit-Stufen), Embeddings und Reranker (Modelle auf der Abrufeite), Vergleiche (Familie gegen Familie).
Modell-Architekturen
Die Architektur-Analyse fragt, was eine Designänderung an der Leistungsfähigkeit, am Speicherbedarf und am Inferenzverhalten bewirkt — nicht welches Modell diese Woche die Bestenliste anführt. Die Ankerseite behandelt die Kandidaten, die den Transformer ablösen oder ergänzen sollen:
- Zustandsraummodelle (Mamba) — lineare Skalierung mit der Sequenzlänge durch einen komprimierten rekurrenten Zustand
- Diffusions-Sprachmodelle — parallele Token-Generierung statt sequentieller Dekodierung von links nach rechts
- Weltmodelle und JEPA — Vorhersage über Repräsentationen statt über Tokens
Das hybride Muster — Transformer-Attention, wo es seinen Rechtfertigungswert hat, lineare Attention, wo es nicht — ist bereits in gelieferten Modellen vorhanden, und Was kommt nach LLMs? verfolgt sowohl die Forschungslinie als auch die Evidenz aus der Produktion.
Modell-Familien
Familien-Seiten verfolgen eine Modellreihe über Generationen hinweg: Was jede Veröffentlichung verändert hat, welche Benchmark-Gewinne real gegenüber von Anbietern gemeldeten sind und was die nächste Generation für die Hardware bedeutet, die Sie vielleicht bereits besitzen.
Die erste Seite deckt die am häufigsten auf Consumer-GPUs ausgeführte Open-Weight-Familie ab:
- Qwen 4: Was bestätigt ist und was es für lokale KI bedeutet — der bestätigte Roadmap von Alibaba, die Qwen3.5 → 3.6 → 3.8 27B-Benchmark-Ladung, Flash-Next als ausführbare Architektur-Vorschau und die Speicherschwierigkeiten, die ein Qwen 4 27B erreichen wird.
Was nicht hier dazugehört
Grenzziehungsregeln halten das Cluster ehrlich:
- Fragen zum Serving und Tuning — wie schnell ein Modell läuft, wie Kontext eingepasst wird, welche Laufzeitumgebung gewählt wird — gehören in LLM-Performance und LLM-Hosting. Eine Familien-Seite verlinkt auf diese Messungen, anstatt Tok/s-Tabellen zu reproduzieren.
- Die Verwendung von Modellen innerhalb eines Systems — Routing-Ebenen, Speicher, Agenten-Design — gehört in KI-Systeme und LLM-Architektur.
- Modelle auf der Abrufeite — Embeddings und Reranker werden hier als Modelle analysiert, aber ihre Anwendung innerhalb von Pipelines lebt in RAG.
Wie sich dieses Cluster mit den anderen verbindet
- LLM-Performance im Jahr 2026 — die gemessenen Gegenstücke zu den hier getätigten Leistungsfähigkeitsaussagen: die effiziente Frontiere von offenen Modellen und die 16-GB-Benchmark-Seiten wandeln „dieses Modell ist leistungsfähig" in „dieses Modell passt und läuft mit N t/s" um.
- LLM-Hosting im Jahr 2026 — die Entscheidung für Laufzeitumgebung und Infrastruktur, die nach der Modellwahl folgt.
- Was kommt nach LLMs? und die Familien-Seiten verweisen gegenseitig: Architektur-Vorschauen in einer Familie (Flash-Next) sind die kurzfristige Evidenz für die architektonischen Verschiebungen, die die Landschafts-Seite beschreibt.
