Offene Modelle auf unserer eigenen Engine: Im EU-Tier nutzt s1-pro mammoth-1 27B von baselabs (MIT); s1-fast und s1-vision nutzen Blink v0.3 26B-A4B (Apache-2.0). Seit dem 5. November 2026: Im EU-Tier wird s1-pro von mammoth-1 (s1-pro-5) beantwortet oder von s1-pro-3 (vLLM-SR d3), wenn mammoth-1 nicht antworten kann. Im Peer-to-Peer-Tier beantwortet es s1-pro-3, mit oder ohne aktivierte Netzwerkverarbeitung. Die feste Kennung s1-pro-5 gibt es nur im EU-Tier. model_version zeigt, welche Version geantwortet hat. vLLM-SR d3 bleibt als s1-pro-3 fest verfügbar; Perplexity Decider v1.1 als s1-pro-2 bis einschließlich 30. November 2026. s1-pro-2 und s1-pro-4 werden am 1. Dezember 2026 eingestellt; s1-pro-3 bleibt mindestens bis einschließlich 27. Januar 2027 verfügbar. Siehe Modell-Lizenzen. Wähle s1-fast für kurze Textentscheidungen. Peer-to-Peer bietet den niedrigsten Preis; im EU-Tier bleibt die Inferenz in der EU. Die Benchmark-Tabelle unten zeigt Referenzergebnisse, keine Werte dieser Modelle. Unsere Entscheidungsmodelle und unser Auto Router (dort als decision-models-router gelistet) sind außerdem auf AntSeed live.
Modellprogramm
REAX 1.3
reax-1.3 · REAX 1.3 von Decision Models · Text · nur EU
REAX ist ein offenes Inferenznetzwerk auf Bittensor Subnet 92; JevBench ist ein Schwesterprojekt. Der offene Trainingswettbewerb verbessert die Entscheidungsmodelle, die das Netzwerk bereitstellt. REAX 1.3 hat zwei Teile, die parallel auf einer GPU laufen; jeder Teil baut auf einem Fine-Tune auf, das ein REAX-Miner trainiert hat (uid 18 und uid 83). Jev-kompatible Schnittstelle, Wahrscheinlichkeiten für jede Option. Nur Text, 1 Frage pro Anfrage, bis zu 28.672 abgerechnete Eingabe-Tokens einschließlich State; längere Eingaben werden abgelehnt, nicht gekürzt. Nur in der EU-Stufe gehostet. 0,400 € je 1 Mio. Eingabe-Tokens, Ausgabe kostenlos.
mammoth-1 27B von baselabs · MIT · FP8 · Text · EU-Tier
Seit dem 5. November 2026 beantwortet mammoth-1 (Revision 61cec44c) s1-pro im EU-Tier. Bis zu drei Textfragen je Aufruf, 8.192 Eingabe-Tokens je Frage. Im EU-Tier wird s1-pro von mammoth-1 (s1-pro-5) beantwortet oder von s1-pro-3 (vLLM-SR d3), wenn mammoth-1 nicht antworten kann. Im Peer-to-Peer-Tier beantwortet es s1-pro-3, mit oder ohne aktivierte Netzwerkverarbeitung. Die feste Kennung s1-pro-5 gibt es nur im EU-Tier. model_version zeigt, welche Version geantwortet hat. mammoth-1 ist aus Qwen3.5-27B des Qwen-Teams (Apache-2.0) nachtrainiert. Nicht mit baselabs, Baseten oder dem Qwen-Team verbunden und nicht von ihnen empfohlen.
s1-pro-3
vLLM-SR d3 · 26B · FP8 · Apache-2.0
Die feste Kennung für vLLM-SR d3 26B (Apache-2.0), in FP8 betrieben. Es beantwortet s1-pro seit dem 12. Oktober 2026; seit dem 5. November 2026 ist es das Peer-to-Peer-Modell und der EU-Fallback. Bis zu drei Fragen je Aufruf, 16.384 Eingabe-Tokens je Frage. Mindestens bis einschließlich 27. Januar 2027 verfügbar. Die Autoren legen die Trainingsdaten nicht offen.
mammoth-1 27B · MIT · FP8 · feste Kennung · nur EU-Tier
Die feste Kennung für mammoth-1 (Revision 61cec44c), nur im EU-Tier. Von Decision Models in FP8 betrieben, bis zu drei Fragen je Aufruf, 8.192 Eingabe-Tokens je Frage. Zum s1-pro-EU-Listenpreis abgerechnet: $0.084 je 1 Mio. Eingabe-Tokens, Ausgabe-Tokens kostenlos. mammoth-1 ist ein offenes Modell unter MIT, nachtrainiert aus Qwen3.5-27B des Qwen-Teams (Apache-2.0). Nicht mit baselabs, Baseten oder dem Qwen-Team verbunden und nicht von ihnen empfohlen.
Perplexity Decider v1.1 27B · NVFP4 · vorheriges s1-pro, feste ID, wird am 1. Dezember 2026 eingestellt
Die feste ID für das Modell, das bis zum 12. Oktober 2026 die Anfragen an s1-pro beantwortet hat: kalibrierte Textentscheidungen auf unserer Engine, mit etwa dem 4,4-fachen Durchsatz des Referenzcodes der Autoren (nicht des gehosteten Dienstes von Perplexity) auf demselben GPU-Modell (von uns am 11. Oktober 2026 gemessen; Methode unter /evidence). In beiden Tarifen verfügbar, abgerechnet zum s1-pro-Listenpreis: $0.080 Peer-to-Peer / $0.084 EU je 1 Mio. Eingabe-Tokens, Ausgabe-Tokens kostenlos. Perplexity Decider v1.1 ist ein offenes Modell unter Apache-2.0, abgeleitet von Qwen3.8-27B von Alibaba Cloud (Apache-2.0). Wird am 1. Dezember 2026 eingestellt; Nachfolger: s1-pro.
Kurze Textentscheidungen mit niedriger Latenz: eine Frage mit bis zu 16 Optionen. Läuft auf einer gebündelten Engine; Wahrscheinlichkeiten identischer Anfragen können sich geringfügig unterscheiden.
s1-vision
Basiert auf Blink v0.3 26B-A4B · NVFP4 · ein Bild
Eine Frage mit einem Bild, bis zu 26 Optionen.
reax-1
REAX 1 von Decision Models · 27B · Text
Unser eigenes offenes Entscheidungsmodell: REAX 1 von Decision Models, eine Feinabstimmung von Perplexity Decider v1.2 von Perplexity (Apache-2.0), abgeleitet von Qwen3.8-27B des Qwen-Teams (Apache-2.0). Nicht mit Perplexity AI oder dem Qwen-Team verbunden und nicht von ihnen empfohlen. Bis zu drei Fragen pro Aufruf, zum s1-pro-Listenpreis abgerechnet. reax-1 verweist immer auf die aktuelle REAX-1-Version. Wir können das Modell hinter dieser ID jederzeit durch eine neuere REAX-Version ersetzen, mit gleicher API und gleichem Preis; wir wechseln nur auf eine Version, die in unseren Messungen mindestens gleich gut abschneidet. Für reproduzierbare Ergebnisse nutze eine datierte ID wie reax-1-20261021; datierte IDs bleiben mindestens 30 Tage verfügbar, nachdem sie nicht mehr aktuell sind.
5. November 2026: s1-pro läuft jetzt im EU-Tier auf mammoth-1 (s1-pro-5). Im EU-Tier wird s1-pro von mammoth-1 (s1-pro-5) beantwortet oder von s1-pro-3 (vLLM-SR d3), wenn mammoth-1 nicht antworten kann. Im Peer-to-Peer-Tier beantwortet es s1-pro-3, mit oder ohne aktivierte Netzwerkverarbeitung. Die feste Kennung s1-pro-5 gibt es nur im EU-Tier. model_version zeigt, welche Version geantwortet hat. Preise unverändert.
Jede Antwort nennt die antwortende Modellversion in model_version und im Header S1-Model-Version. Die eingestellten IDs s1-pro-1, s1-fast-1 und s1-vision-1 werden von den aktuellen Modellen beantwortet. Im EU-Tier wird s1-pro von mammoth-1 (s1-pro-5) beantwortet oder von s1-pro-3 (vLLM-SR d3), wenn mammoth-1 nicht antworten kann. Im Peer-to-Peer-Tier beantwortet es s1-pro-3, mit oder ohne aktivierte Netzwerkverarbeitung. Die feste Kennung s1-pro-5 gibt es nur im EU-Tier. model_version zeigt, welche Version geantwortet hat. Perplexity Decider v1.1 bleibt als s1-pro-2 bis einschließlich 30. November 2026 verfügbar. s1-pro-2 und s1-pro-4 werden am 1. Dezember 2026 eingestellt; s1-pro-3 bleibt mindestens bis einschließlich 27. Januar 2027 verfügbar. Auf Schlüsseln mit aktivierter Peer-to-Peer-Netzwerkverarbeitung kann s1-fast-1 stattdessen von seinem ursprünglichen Modell beantwortet werden (siehe Modelllizenzen). Jede Frage einschließlich ihres States ist je nach Modell auf 8.192 bis 28.672 Eingabe-Tokens begrenzt. Gesamte Modellliste: /models · Lizenz.
Eingestellte Kennungen
s1-llm-auto-router und s1-llm-auto-router-eu sind seit dem 6. November 2026 eingestellt. Der gehostete Routing-Klassifikator ist nicht mehr verfügbar. Dies ersetzt für diese beiden Kennungen die frühere Ankündigung zum 5. Dezember. Für allgemeine Textentscheidungen nutze s1-fast mit einer Frage pro Anfrage. Für die sieben festen Routing-Fragen kannst du die offenen MIT-Gewichte lokal betreiben.
Angekündigt
Feste Kennungen, die eingestellt werden
Seit dem 5. November 2026 läuft s1-pro im EU-Tier auf mammoth-1 (s1-pro-5). s1-fast und s1-vision bleiben bei Blink v0.3. Diese festen Kennungen werden am 1. Dezember 2026 eingestellt und antworten danach mit HTTP 410 model_retired. s1-pro-3 (vLLM-SR d3) bleibt mindestens bis einschließlich 27. Januar 2027 verfügbar. API und Preise unverändert. Mehr unter /de/changelog und Modellversionen.
Die Grenzen werden mit dem Tokenizer des gewählten Modells gezählt, nachdem State, Frageanweisungen und Antwortoptionen zusammengesetzt sind. Das Limit hängt vom Modell ab: 8.192 bis 28.672 Eingabe-Tokens je Frage einschließlich State. Code, Zahlen und IDs brauchen mehr Tokens pro Zeichen als normaler Text. Die Antwort ist eine typisierte Entscheidung, daher gibt es kein separates Ausgabebudget. Der State zählt zum Eingabelimit jeder Frage; die Anfrage insgesamt höchstens 6 MiB.
Modell
Maximale Eingabe-Tokens
Eingabeart
Maximale Fragen pro Anfrage
Maximale Optionen pro Frage
s1-fast / s1-fast-2
16.192
Text
1
16
s1-vision / s1-vision-2
16.192 (das Bild zählt zum Limit)
Bild + Text
1
26
s1-pro
8.192 je Frage einschließlich State
Text
3
64
s1-pro-3 / s1-pro-4
16.384 je Frage einschließlich State
Text
3
64
s1-pro-2 / s1-pro-5 / reax-1 / reax-1-20261021
8.192 je Frage einschließlich State
Text
3
64
reax-1.2 / reax-1.2-20261022
8.192 je Frage einschließlich State
Text Wird eingestellt am 5. Dezember 2026
3
64
reax-1.3
28.672
Text
1
nicht veröffentlicht
Gezählt wird mit dem Tokenizer des jeweiligen Modells über die gesamte Anfrage, so wie das Modell sie sieht (State, Frage, Optionen und die Prompt-Vorlage; Bilder zählen mit). Dieselbe Zahl steht in usage.input_tokens, in GET /v1/models (max_input_tokens) und in Fehlermeldungen.
Zu lang? Du erhältst HTTP 400 invalid_request mit dem Limit (und der genauen Token-Zahl, wo das Modell sie meldet), z. B. „This request has 17,214 input tokens; s1-fast accepts up to 16,192. Shorten the state or the question.“ Nichts wird stillschweigend abgeschnitten.
Viel zu lang? Ein State, dessen kompaktes JSON (samt Umhüllung) mehr als 8 Bytes pro Eingabe-Token des Modelllimits umfasst — 65.536 Bytes bei 8.192 Tokens —, wird zuerst mit HTTP 413 payload_too_large abgelehnt, bevor ein Modell läuft und ohne Berechnung. Behandle 400 und 413 als die beiden Antworten für „Eingabe zu lang“.
Faustregel: etwa 3,5–4 Zeichen pro Token bei englischer Prosa, weniger bei Ziffern und nicht-lateinischem Text. Prüfe usage.input_tokens in einer Antwort, um die Schätzung zu eichen. reax-1.3 führt zwei Modelle aus, die beide deinen Text lesen; sein Limit ist daher eine abgerechnete Zahl: Dein Text zählt etwa doppelt, unter rund 3.000 Tokens etwa dreifach. Was hineinpasst, steht auf der Modellseite.
Wir arbeiten daran, die Limits anzuheben; GET /v1/models zeigt immer den aktuellen Wert.
s1-llm-auto-router ist seit dem 6. November 2026 eingestellt und wird nicht mehr bereitgestellt.
Die eingestellten IDs s1-pro-1, s1-fast-1 und s1-vision-1 werden von den aktuellen Modellen beantwortet und unterliegen denselben Grenzen. Teile größere Eingaben auf mehrere Fragen auf oder kürze den State.
Aktuelle Preise stehen unter /de/pricing. Datierte Decision-Index-Ergebnisse und unsere eigenen Geschwindigkeitsmessungen für s1-pro-3, s1-pro-2, s1-fast und s1-vision stehen unter /evidence (Englisch); Referenzergebnisse aus veröffentlichten Benchmarks und ihre Methoden stehen unter /de/benchmarks.
Zwei Ansätze
Wähle den Ansatz, der zu deinen Daten passt.
Dieselben Modellprofile und dieselbe API-Anfrageform. Die Implementierung hängt von verfügbarer Kapazität ab. Wähle pro API-Schlüssel oder pro Anfrage mit einem Header.
PEER-TO-PEERElastische Kapazität
Peer-to-Peer – Kapazität, die mit deinem Bedarf wächst
Gebaut für weltweite Skalierung. Peer-to-Peer startet auf freier EU-Kapazität. Ist sie ausgelastet, können Schlüssel mit deiner Zustimmung auf angemietete weltweite GPU-Kapazität unabhängiger Hardwareanbieter in verschiedenen Ländern zugreifen, auch außerhalb der EU/des EWR.
Heute
EU-Anfragen haben Vorrang. Aktiviere „Allow worldwide processing“ (weltweite Verarbeitung erlauben) für jeden Schlüssel, der die EU verlassen darf. Ohne Zustimmung bleibt Peer-to-Peer auf EU-Kapazität und kann bei Auslastung warten oder abgelehnt werden. Die Peer-to-Peer-Kapazität hängt davon ab, wie viele Netzwerkanbieter gerade aktiv sind; bei kurzen Lastspitzen kann daher ein wiederholbarer 503-Fehler kommen. Für gleichmäßig hohes Volumen nutze einen EU-Schlüssel. Bestandskunden behalten die Verarbeitung ausschließlich in der EU, sofern sie nicht zustimmen. Unser Gateway protokolliert keine Inhalte; auf Schlüsseln mit dem gesonderten Opt-in für Netzwerkverarbeitung können unabhängige Anbieter des Peer-to-Peer-Netzwerks Inhalte speichern.
Für Teams mit höchsten Datenschutzansprüchen oder strengen EU-Regulierungsanforderungen. EU-Anfragen laufen ausschließlich bei vertraglich gebundenen Betreibern in der EU, und Inferenzdaten verlassen die EU nie. EU-Anfragen haben Vorrang, auch wenn ein Schlüssel weltweite Peer-to-Peer-Verarbeitung erlaubt.
Anmeldung (Google) und Zahlungen (Stripe) übernehmen die Unterauftragsverarbeiter auf unserer Unterauftragsverarbeiter-Seite; sie erhalten nie deine Prompts. Weltweite Peer-to-Peer-Kapazität wird derzeit über Lium (lium.io) angemietet; dessen unabhängige GPU-Anbieter stehen ebenfalls dort. Netzwerkverarbeitung erfordert ein eigenes Opt-in je Schlüssel; unabhängige Anbieter können Inhalte speichern.
Benchmark-Kontext
Mehrere Quellen. Unterschiedliche Aufgaben.
Vergleiche veröffentlichte Referenzwerte mit ihren jeweiligen Versionen, Methoden und Einschränkungen. Werte verschiedener Benchmarks sind keine gemeinsame Rangliste.
Veröffentlichte Ergebnisse des Referenzmodells · fünf gleichwertige Quellen · Stand 30. September 2026; neuere Ausgaben der Benchmarks stehen auf deren eigenen Seiten
Referenzmodell
Decision Index0.2.1Zufallsbereinigter Index / 100Unabhängige Community · apolinario (@multimodalart) auf Hugging Face
Workflow EvalsDatensätze 2026-09-28 · Code 0ac3b8aÜbereinstimmung mit ModellreferenzenTypeSafe · Referenzanbieter
Jev Rerank Bench2026-09-25Datensatz-Mittel nDCG@10 / 1Unabhängiger Autor
JevBench1.5.1Gesamtwertung / 100Derselbe Gründer wie Decision Models
ImageJevBench0.1.4Gesamtwertung / 100Derselbe Gründer wie Decision Models
TypeSafe-ReferenzJev 1.13.0
57,91
67,8
0,670
72,13
Nicht gemessen¹
¹ Nicht gemessen bedeutet: Für dieses Modell wurde keine vergleichbare veröffentlichte Messung verifiziert; es ist kein Nullwert. Die Tabelle zeigt veröffentlichte Ergebnisse des TypeSafe-Referenzmodells, keine Werte der Modelle von Decision Models und keine Messung des Decision-Models-Dienstes.
Hinweis: JevBench und ImageJevBench werden vom Gründer von Decision Models betrieben. Workflow Evals wird von TypeSafe AI veröffentlicht, dem Anbieter des Referenzmodells. Es misst Übereinstimmung mit Modellreferenzen, keine Genauigkeit gegen menschliche Labels. Keine Gesamtwertung bei unvollständiger vergleichbarer Abdeckung. Methode und Quellen →