Modellvergleich
Llama 3.2 Instruct 90B (Vision)
vs. Qwen3 235B A22B 2507 (Reasoning)
Vergleich von 2 KI-Modellen · 6 Benchmarks · Meta, Alibaba
Chatten mit Llama & Qwen3Guenstigstes Modell
$0.70/1M
Hoechste Intelligenz
79.0% GPQA
Bestes Coding
23.2 Coding-Index
Preisunterschied
1.0x
Input-Kostenspanne
Composite Indices
Intelligence, Coding, Math
Standard Benchmarks
Academic and industry benchmarks
Benchmark-Sieger
6 Tests
Llama 3.2 Instruct 90B (Vision)
Kein eindeutiger Sieger
Qwen3 235B A22B 2507 (Reasoning)
- GPQA
- MMLU Pro
- HLE
- LiveCodeBench
- MATH 500
- AIME 2025
| Metrik | Me Llama 3.2 Instruct 90B (Vision) | Al Qwen3 235B A22B 2507 (Reasoning) |
|---|---|---|
| Preise pro 1 Mio. Tokens | ||
| Input-Kosten | $0.72/1M | $0.70/1M |
| Output-Kosten | $0.72/1M | $8.40/1M |
| Gemischt (3:1) | $0.72/1M | $2.63/1M |
| Spezifikationen | ||
| Anbieter | Meta | Alibaba |
| Veröffentlichung | 25. Sept. 2024 | 25. Juli 2025 |
| Leistung & Geschwindigkeit | ||
| Durchsatz | 41.1 tok/s | 40.2 tok/s |
| TTFT | 394ms | 1402ms |
| Latenz | 394ms | 51203ms |
| Composite-Indizes | ||
| Intelligenz | 11.9 | 29.5 |
| Coding | — | 23.2 |
| Mathe | — | 91.0 |
| Standard-Benchmarks | ||
| GPQA | 43.2% | 79.0% |
| MMLU Pro | 67.1% | 84.3% |
| HLE | 4.9% | 15.0% |
| LiveCodeBench | 21.4% | 78.8% |
| MATH 500 | 62.9% | 98.4% |
| AIME 2025 | — | 91.0% |
| AIME (Original) | 5.0% | 94.0% |
| SciCode | 24.0% | 42.4% |
| LCR | — | 67.0% |
| IFBench | — | 51.2% |
| TAU-bench v2 | — | 53.2% |
| TerminalBench Hard | — | 13.6% |
Wichtigste Erkenntnisse
Qwen3 235B A22B 2507 (Reasoning) bietet das beste Preis-Leistungs-Verhaeltnis mit $0.70/1M, ideal fuer volumenstarke Anwendungen und kostenbewusste Projekte.
Qwen3 235B A22B 2507 (Reasoning) fuehrt bei Reasoning mit 79.0% GPQA, stark bei komplexen Analysen und Problemlosung.
Qwen3 235B A22B 2507 (Reasoning) erreicht einen 23.2 Coding-Index, und ist damit eine Top-Wahl fuer Softwareentwicklung und Code-Generierung.
Alle Modelle unterstuetzen Kontextfenster von ∞+ Tokens, geeignet fuer lange Dokumente und ausgedehnte Gespraeche.
Wann welches Modell sinnvoll ist
Llama 3.2 Instruct 90B (Vision)
- Allgemeine KI
- Vielseitige Anwendungen
Qwen3 235B A22B 2507 (Reasoning)
- Kostensensitive Anwendungen
- Hohe Verarbeitungslast
- Komplexe Reasoning-Aufgaben
- Forschung und Analyse
- Code-Generierung
- Softwareentwicklung
Made in Europe Chat with 100+ AI Models in one App.
Use Claude, ChatGPT, Gemini alongside with EU-Hosted Models like Deepseek, GLM-5, Kimi K2.5 and many more.
Empfohlene Vergleiche
Beliebte Alternativen
Leitfaden zum KI-Modellvergleich
Vergleichen Sie Large-Language-Modelle (LLMs) direkt nebeneinander mit detaillierten Benchmark-Werten, Preisen und Performance-Metriken. Unser interaktiver Vergleich hilft Ihnen bei der Bewertung von Modellen von OpenAI, Anthropic, Google, Meta, DeepSeek und weiteren Anbietern. In unserer KI-Rangliste finden Sie weitere Modelle.
Composite-Indizes verstehen
- Intelligenz-Index: Aggregierter Wert aus MMLU-Pro, GPQA und HLE - misst allgemeine Reasoning- und Wissensfaehigkeiten
- Coding-Index: Kombinierte Metrik aus LiveCodeBench, SciCode und LiveCodeBench Review - bewertet Programmierfaehigkeit ueber mehrere Sprachen
- Mathe-Index: Kombinierter Wert aus AIME, AIME 2025 und MATH-500 - bewertet mathematisches Reasoning von Schul- bis Wettbewerbsniveau
Wichtige Vergleichsmetriken
- Benchmark-Werte: Standardisierte Tests fuer Intelligenz, Coding, Mathe und Spezialfaehigkeiten - hoehere Prozentwerte bedeuten bessere Leistung
- Preisanalyse: Vergleicht Input- und Output-Tokenkosten - wichtig fuer Budgetplanung und Skalierung
- Performance-Metriken: Durchsatz (Tokens/Sekunde) und Latenzwerte fuer die Echtzeit-Planung
- Kontextfenster: Maximale Token-Kapazitaet fuer Dokumente und Verlauf
So vergleichen Sie KI-Modelle effektiv
Leistung vs. Kosten
Waegen Sie Benchmark-Leistung gegen Tokenkosten ab - Flaggschiffmodelle sind oft 10-15% besser, aber 5-10x teurer als kleinere Alternativen
Aufgabenspezifische Auswahl
Priorisieren Sie passende Indizes: Coding fuer Entwicklung, Mathe fuer STEM, Intelligenz fuer allgemeines Reasoning
Praxistest
Nutzen Sie unsere kostenlose KI-Chat-Oberflaeche um Modelle mit Ihren echten Prompts zu testen, bevor Sie in die API-Integration gehen
Alle Benchmark-Werte, Preisdaten und Performance-Metriken stammen von Artificial Analysis und werden taeglich aktualisiert. Vergleichen Sie Modelle nach Intelligenz, Coding, Mathe, Geschwindigkeit, Kosten oder Veroeffentlichungsdatum in unserer umfassenden KI-Rangliste.