KI-Modell je nach Aufgabe auswählen und Kosten senken

Kurz gesagt: Lass ein leistungsstarkes Modell nachdenken und ein einfacheres die Ausführung übernehmen. Überlasse die Planung und komplexe Entscheidungen einem Spitzenmodell (GPT-6 Astra, Claude Fable 5.1 oder Claude Opus 5.5), lass ein Modell der mittleren Leistungsklasse nach einem fertigen Plan arbeiten und übertrage Routineaufgaben und Hintergrundaufrufe von Agenten dem günstigsten Modell, das sie bewältigen kann. Prüfe gleichzeitig das Ergebnis: Je günstiger das Modell, desto sorgfältiger musst du seine Arbeit kontrollieren; sonst verschwinden die Einsparungen durch Nacharbeit.

Unten steht eine Tabelle „Aufgabe → Modell“, die der ursprüngliche Autor am 23. September 2026 in einem öffentlichen Repository veröffentlicht hat. Die darin aufgeführten Hauptmodelle sind seine persönliche Auswahl auf Grundlage seiner Arbeitserfahrung. Für diese Tabelle wurde kein Vergleichstest durchgeführt, und dieselben Ergebnisse sind für andere Aufgaben nicht garantiert. Die meisten günstigeren Optionen habe ich anhand öffentlicher Rankings und der Empfehlungen der Entwickler ausgewählt; Opus 5.5 für Code beruht ebenfalls auf meiner Erfahrung. Die Preise im Originalmaterial wurden anhand der offiziellen Seiten von OpenAI und Anthropic mit Stand vom 23.09.2026 geprüft.

Weitere Hinweise zur Arbeit mit Ailoot findest du in der Dokumentation.

Warum es teuer ist, für alles ein Modell zu verwenden#

Wenn du Tokens über eine API bezahlst, kostet jede Aufgabe, die mit einem Spitzenmodell erledigt wird, den Spitzenpreis – auch wenn ein einfacheres Modell ausgereicht hätte. Bei einem Abonnement solltest du die Limits deines Tarifs und des gewählten Modells berücksichtigen: Prüfe sie auf der Tarifseite. Wie die Limits eines Claude-Abonnements funktionieren und wodurch sie aufgebraucht werden, erfährst du im separaten Artikel Wie du die Claude-Code-Limits nicht an einem Tag aufbrauchst. In diesem Artikel geht es darum, ein Modell für eine konkrete Aufgabe auszuwählen.

Offizielle API-Preise pro 1 Million Tokens mit Stand vom 23.09.2026:

Nehmen wir einen hypothetischen Agentenlauf mit 100.000 Eingabe-Tokens und 10.000 Ausgabe-Tokens. Dies ist ein Rechenbeispiel mit den Grundpreisen ohne Caching und keine Messung einer realen Aufgabe. Ein solcher Lauf kostet auf GPT-6 Astra oder Fable 5.1 etwa $1,5, auf Opus 5.5 $0,6, auf Sonnet 5 oder GPT-6 Sol $0,3, auf Haiku 4.5 $0,15 und auf GPT-6 Luna $0,015. In dieser Berechnung unterscheiden sich das Spitzenmodell und das günstigste Modell um den Faktor hundert. Wie du die Kosten eines solchen Laufs anhand deiner eigenen Mengen berechnest, erfährst du unter So berechnest du den API-Tokenverbrauch.

Zwei Hinweise zu den Preisen. Bei GPT-6-Modellen werden Anfragen mit mehr als 272.000 Eingabe-Tokens vollständig zu einem höheren Tarif abgerechnet: Die Eingabe kostet das Doppelte, die Ausgabe das Eineinhalbfache. Batch-Anfragen kosten sowohl bei OpenAI als auch bei Anthropic die Hälfte des Standardpreises.

Die Regel: mit einem leistungsstarken Modell denken, mit einem günstigen ausführen#

Die weitere Arbeit hängt vom Plan ab. Deshalb spare ich dort nicht und verwende das leistungsstärkste Modell. Ein einfacheres Modell kann auf Grundlage eines fertigen Plans schreiben, Daten sammeln, Chats umbenennen und Gespräche komprimieren.

Bei der Modellauswahl befolge ich außerdem drei weitere Regeln:

1. Je günstiger das Modell, desto sorgfältiger musst du seine Arbeit prüfen. Auch die Prüfung kostet deine Zeit.
2. Vergleiche den Preis eines fertigen Ergebnisses, nicht den einer einzelnen Anfrage. Opus 5.5 ist beispielsweise bei Ein- und Ausgabe 2,5-mal günstiger als Fable 5.1. Wenn Nacharbeit dazu führt, dass Opus für eine Aufgabe dreimal so viele Eingabe- und Ausgabe-Tokens verwendet, kostet es am Ende mehr. Deine Prüfzeit kommt als zusätzliche Kosten zu den Tokens hinzu. Im Artikel Welcher KI-Agent ist günstiger: Kosten einer gelösten Aufgabe wird erklärt, wie sich die Kosten eines Ergebnisses berechnen lassen.
3. Wenn ein Modell nicht zu dir passt, probiere ein anderes aus. Es gibt keinen eindeutigen Sieger; jedes Modell hat Stärken und Einschränkungen.

Die Wahl eines Modells ist ein Teil der Arbeit mit einem KI-Agenten.

Tabelle: Aufgabe → Modell#

In der Spalte „Hauptmodell“ stehen die Modelle, die ich selbst verwende. In der nächsten Spalte sind Alternativen aufgeführt, von denen die meisten anhand öffentlicher Rankings und Empfehlungen der Entwickler ausgewählt wurden. Opus 5.5 wähle ich für Code ebenfalls aufgrund persönlicher Erfahrung. Prüfe die Ergebnisse eines günstigeren Modells sorgfältiger. Für die Routineoptionen gelten unterschiedliche Zahlungsmodelle, daher ist diese Wahl nicht unbedingt günstiger.

Strategie und Planung. Ein Fehler im Plan kann sich auf spätere Schritte auswirken. Hier verwende ich das leistungsstärkste Modell. GPT-6 Sol ist eine günstigere Option: OpenAI empfiehlt es für komplexen Code und Agentenszenarien.

Code. Für Code verwende ich Fable 5.1. Anthropic empfiehlt jedoch, bei den meisten Aufgaben mit Opus 5.5 zu beginnen und Fable 5.1 für anspruchsvolles Schlussfolgern und lang laufende Agentenaufgaben zu verwenden oder wenn Opus mit hohem Schlussfolgerungsniveau die Aufgabe nicht bewältigen kann. Über die API kostet Opus 5.5 2,5-mal weniger; meiner Erfahrung nach ist auch die Arbeit damit günstiger. Wenn der Plan fertig ist, kann ein günstigeres Modell ihn umsetzen. Einen ausführlichen Vergleich der beiden Spitzenmodelle für Code findest du unter GPT-6 Astra oder Claude Fable 5.1: Welches solltest du wählen?.

Schreiben. Wenn ein Text für einen Kunden bestimmt ist, verwende ich ein leistungsstarkes Modell. Sonnet 5 ist eine günstigere Option: Anthropic bezeichnet es als die beste Balance aus Geschwindigkeit und Intelligenz. Prüfe seine Ergebnisse sorgfältiger.

Zahlen und Finanzen. Auch hier verwende ich ein leistungsstarkes Modell. Das ist meine Wahl auf Grundlage meiner Arbeitserfahrung und nicht das Ergebnis eines Vergleichstests. Aber auch ein leistungsstarkes Modell macht eine Prüfung nicht überflüssig: Vergleiche die Zahlen mit der Primärquelle. Übermittle keine Finanz- oder personenbezogenen Daten an kostenlose Tarife, deren Bedingungen die Nutzung deiner Daten erlauben.

Suche und Recherche. Für einfache Aufgaben und die Suche verwende ich Sonnet 5; das beruht auf meiner Erfahrung. GPT-6 Luna ist eine günstigere Option: OpenAI empfiehlt es für repetitive Aufgaben mit hohem Volumen.

Routineaufgaben. Routineaufgaben wiederholen sich häufig, sodass sich die Kosten einzelner Läufe summieren. Ich verwende Kimi K3 mit einem Kimi-Code-Abonnement. DeepSeek Flash ist eine Option mit Abrechnung über die API. Dies sind unterschiedliche Zahlungsmodelle; welches günstiger ist, hängt von deinem Volumen ab.

Wo ich nicht spare#

Diese Regeln beruhen auf meiner Praxis. Ich habe sie nicht in einer Vergleichsstudie getestet.

• Planung und Architektur. Ein Fehler im Plan kann sich auf spätere Schritte auswirken.
• Zahlen und Finanzen. Hier verwende ich ein leistungsstarkes Modell und prüfe die Zahlen dennoch anhand der Primärquelle.
• Prüfung des Ergebnisses. Je günstiger das Modell war, das die Aufgabe erledigt hat, desto sorgfältiger musst du seine Arbeit prüfen.

Die Gesprächskomprimierung bestimmt, woran sich ein Agent aus einem langen Gespräch erinnert; ein zu schwaches Modell kann wichtige Informationen verlieren. Du kannst die Komprimierung einem günstigen Modell übertragen, solltest ihre Qualität aber anhand deiner eigenen Aufgaben prüfen.

So überträgst du Hintergrundaufgaben von Hermes Agent auf ein günstiges Modell#

Zusätzlich zu seiner Hauptarbeit erledigt ein Agent Hilfsaufgaben: Chat-Titel erstellen, lange Gespräche komprimieren, Bilder analysieren und entscheiden, ob ein Befehl automatisch genehmigt werden kann. In Hermes Agent werden diese als Hilfsaufgaben bezeichnet. Standardmäßig ist jede davon auf auto gesetzt: Dein Hauptmodell übernimmt sie. Wenn das Hauptmodell ein Spitzenmodell ist und du über die API bezahlst, werden auch Hilfsaufgaben zum Spitzenpreis abgerechnet.

Für die Befehlsfreigabe im smart-Modus empfiehlt die Hermes-Dokumentation ein günstiges, schnelles Modell und bezeichnet den Einsatz teurer Modelle als Verschwendung. Für die Kontextkomprimierung und das Zusammenfassen von Webseiten – also ihre kurze Wiedergabe – empfiehlt sie ebenfalls ein schnelles statt eines teuren Schlussfolgerungsmodells.

Schritte:

1. Verbinde vorher einen Anbieter für das günstige Modell und hinterlege einen Schlüssel. Laut Hermes-Dokumentation wird bei Zuweisung eines Anbieters ohne Schlüssel zu einer Aufgabe auf die Standardoption zurückgegriffen, und eine Warnung wird in das Protokoll agent.log geschrieben. Im auto-Modus überspringt Hermes die Aufgabe mit einer Warnung und wechselt nicht zu anderen verbundenen Anbietern, wenn das Hauptmodell sie nicht ausführen kann und keine Fallback-Kette eingerichtet ist.
2. Öffne das Hermes-Webpanel und gehe zu Models → Model Settings → Auxiliary tasks → Configure. Klicke in der Zeile der gewünschten Aufgabe (zum Beispiel Compression, Title Gen, Vision) auf Change, wähle einen Anbieter und ein Modell und klicke dann auf Switch. Die Hermes-Dokumentation nennt stattdessen eine Schaltfläche Show auxiliary; die Bezeichnungen hängen von der Version ab.
3. Oder trage dieselben Einstellungen in ~/.hermes/config.yaml ein. Beispiel aus der Hermes-Dokumentation: Bildanalyse (vision) mit einem schnellen Modell.

Anleitungen zu Tools in der Ailoot-Dokumentation finden

Für Chat-Titel empfiehlt die Dokumentation, ein schnelles Modell festzulegen oder auxiliary.title_generation.prefer_fast_model: true zu setzen. Hermes wählt dann ein schnelles Modell von deinem Anbieter aus.

4. Öffne eine neue Sitzung. Modelländerungen gelten nur für neue Sitzungen; bereits geöffnete Chats verwenden weiterhin die alten Einstellungen. Wenn du config.yaml manuell bearbeitet hast und eine neue Sitzung die Einstellung nicht übernommen hat, starte Hermes neu.

So prüfst du es. In der Aufgabenzeile sollte provider · model statt auto (use main model) stehen. Wenn dort weiterhin auto steht, verwendet die Aufgabe noch das Hauptmodell. Um alle Aufgaben wieder auf das Hauptmodell zurückzustellen, klicke auf Reset all to auto.

Für Hintergrundaufgaben führt die Tabelle GPT-6 Luna, Gemini 3.8 Flash, DeepSeek Flash und Claude Haiku 4.5 auf. Wähle unter den Anbietern aus, die du bereits verbunden hast. Wenn du OpenAI-Modelle über einen ChatGPT-/Codex-Abonnementanbieter verbindest und GPT-6 Sol sowie GPT-6 Luna noch nicht in deinen Hermes-Modellen aufgeführt sind, empfiehlt die Tabelle GPT-5.6 Sol oder GPT-5.6 Luna. Laut der Anthropic-Seite wird Haiku 4.5 frühestens am 15. Oktober 2026 eingestellt. Ein genaues Datum gibt es nicht; prüfe daher vorher den Status.

Was die Tabelle nicht enthält#

• Prozentuale Einsparungen. Ich habe sie nicht gemessen. Wie viel du sparst, hängt von deinen Aufgaben und den ausgewählten Modellen ab.
• Genaue Nutzung der Abonnementlimits. Die Hermes-Dokumentation beschreibt nicht genau, wie Anfragen von Hermes die Limits eines ChatGPT-Abonnements nutzen.
• Unveränderliche Preise. Modelle und Tarife ändern sich. Prüfe vor dem Kauf die offiziellen Seiten.

Was du heute tun kannst#

1. Liste drei oder vier Arten von Aufgaben auf, die du deinem Agenten am häufigsten gibst.
2. Überlege bei jeder Aufgabe: Muss das Modell nachdenken oder einen fertigen Plan umsetzen?
3. Behalte ein Spitzenmodell fürs „Denken“, verwende für die „Ausführung“ ein Modell eine Stufe darunter und für Routinearbeiten das günstigste Modell, das die Aufgabe bewältigen kann.
4. Beginne in Hermes mit Chat-Titeln: Sie lassen sich am einfachsten auf ein günstiges Modell umstellen. Stelle als Nächstes die Kontextkomprimierung um und prüfe anhand deiner eigenen langen Gespräche, ob der Agent wichtige Informationen zu verlieren beginnt.

Weitere Möglichkeiten zur Arbeit mit Modellen findest du bei Ailoot.