Welches KI-Modell für RAG über Ihre Dokumente?
Ein Assistent, der aus Ihren Dokumenten antwortet (RAG): Produktdokumentation, Abläufe, Wissensdatenbank.
DeepSeek V4.1 Flash
- Index
- 155,6
- Preis / Mio. Tokens
- 0,27 € / 1,07 €
- Kosten / 1 Mio.
- ≈ 1.494 €
Auf der Pareto-Linie, Capabilities Index von 155 zu niedrigem Preis: geeignet für die langen Passagen, die bei jeder Frage gelesen werden.
Im Ranking ansehen →Qwen3.8 27B
- Index
- 151,6
- Preis / Mio. Tokens
- Kostenlos (lokal)
Offene Gewichte unter Apache-2.0-Lizenz: Mit einem lokalen Embedding-Modell verlassen weder Dokumente noch Fragen Ihren Server.
Im Ranking ansehen →Claude Sonnet 5.5
- Index
- 164,4
- Preis / Mio. Tokens
- 1,78 € / 8,89 €
- Kosten / 1 Mio.
- ≈ 10.663 €
Auf der Pareto-Linie, mit einem der besten Werte im Capabilities Index: sagt eher „Ich weiß es nicht“, wenn die Passagen die Antwort nicht enthalten.
Im Ranking ansehen →Warum diese Wahl
Bei RAG hängt die Qualität zuerst von der Suche nach den richtigen Passagen ab (Embedding-Modell und Aufteilung der Dokumente), dann vom Modell, das die Antwort schreibt. Jede Frage liest mehrere Tausend Tokens: Der Eingabepreis wiegt schwerer als der Ausgabepreis.
Umsetzen
Privater Chat mit Dokumenten: Ollama, Qdrant, Open WebUI
docker-compose-Stack für einen privaten Chat mit Ihren Dokumenten: Ollama (Modell), Qdrant (Vektordatenbank) und Open WebUI (Oberfläche).
Embeddings multilingual-e5-large für ein deutsches RAG
multilingual-e5-large für ein RAG auf Deutsch: 1024 Dimensionen, 512 Tokens, Präfixe query:/passage: erforderlich, Kosinus-Distanz. MIT-Lizenz.
Daten: Epoch-AI-Index (CC BY 4.0), offizielle Preise der Anbieter zum EZB-Kurs umgerechnet, aktualisiert am 2026-10-19 · Ranking der KI-Modelle: Intelligenz, Benchmarks und Preis