GLM vs DeepSeek vs MiniMax: welches Modell wählen

Alle drei sind Open-Weight-Modelle, die über dieselbe OpenAI-kompatible API mit demselben Key verfügbar sind. Sie unterscheiden sich in Kontextgröße, Output-Limit und Preis — und für die meisten Projekte ist genau das entscheidend. Die folgenden Limits gelten Stand 20. Oktober 2026; Preise und Kosten in den weiter unten stehenden Tabellen sind live und zeigen immer die aktuellen Sätze.

Auf einen Blick#

Die Limits stammen aus GET https://api.cheaptokens.dev/v1/models — dieselbe Liste, die auch deine Tools sehen.

Aktuelle Preise (live)#

Diese Tabelle aktualisiert sich automatisch: Sätze pro Million Tokens, Input und Output getrennt — dieselben Daten wie auf der Preisseite. Die OpenRouter-Werte sind die Listenpreise derselben Modelle auf openrouter.ai, die wir zum Vergleich erfassen.

Kosten einer typischen Anfrage#

Bedingungen: eine Anfrage mit 20.000 Input-Tokens und 2.000 Output-Tokens — eine mittelgroße Coding-Frage mit ein paar Dateien im Kontext. Die Tabelle wird aus den aktuellen Preisen berechnet und rechnet sich neu, wenn sich diese ändern; die OpenRouter-Spalte zeigt dieselbe Workload zu den Referenzpreisen, die wir erfassen.

Wie man wählt#

Dies sind Ausgangspunkte basierend auf den obigen Limits und Preisen — keine Benchmark-Ergebnisse: Wir haben keine Qualitätstests der drei Modelle durchgeführt.

• Lange Outputs — ganze Dateien, lange Reports, große Refactorings in einer Antwort: DeepSeek-V4-Flash, das einzige der drei mit einem 32K-Output-Limit.
• Niedrigste Kosten pro Anfrage: siehe Tabelle oben — sie wird neu berechnet, wann immer sich Preise ändern.
• Schweres Reasoning — mehrstufige Änderungen, knifflige Bugs: GLM-5.3-Flash. Es denkt nach, bevor es antwortet; das Reasoning ist ebenfalls generierter Text, also kommen Output-Tokens und Zeit hinzu.
• Agents und Automatisierung: MiniMax-M2.7. Sein Kontext ist der kleinste der drei (200K), also kürze lange Verläufe.
• Sehr langer Kontext — eine große Codebasis oder ein großes Dokumentenset: GLM-5.3-Flash (390K) oder DeepSeek-V4-Flash (380K).

Der zuverlässigste Test ist dein eigener. Eine einfache Methode: notiere die Modell-IDs und das Datum; nimm 10–20 echte Aufgaben aus deiner Arbeit; führe jede durch alle drei Modelle mit demselben Prompt; bewerte Korrektheit, wie gut Anweisungen befolgt wurden, Antwortlänge und Antwortzeit; lies die Token-Zahlen aus usage ab und multipliziere sie mit den aktuellen Sätzen.

Modelle wechseln#

Die API, die Base-URL und der Key sind für alle Modelle gleich — nur das Feld model ändert sich:

import os
from openai import OpenAI

client = OpenAI(base_url="https://api.cheaptokens.dev/v1", api_key=os.environ["CHEAPTOKENS_API_KEY"])

for model in ["zai-org/GLM-5.3-Flash", "deepseek-ai/DeepSeek-V4-Flash-0731", "MiniMaxAI/MiniMax-M2.7"]:
    resp = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": "Summarize the CAP theorem in two sentences."}],
    )
    print(model, resp.usage.prompt_tokens, resp.usage.completion_tokens)
    print(resp.choices[0].message.content, "\n")

Der Katalog ändert sich mit der Zeit: neue Modelle kommen hinzu und manche können vorübergehend nicht verfügbar sein. Bevor du eine ID hart codierst, prüfe GET /v1/models.