TokenLab Model Data Center: Live-Modellpreise, Rankings, Trends und Research-Feeds

Das TokenLab Model Data Center ist ein maschinenlesbarer Katalog für Modellpreise, der über eine Live-LLM-Preis-API bereitgestellt wird und Entwicklern direkten programmatischen Zugriff auf aktuelle Anbieter-Tarife und Metadaten bietet.

Modellmärkte bewegen sich schneller als Redaktionspläne. Eine im Mai geschriebene Preisseite ist im Juli oft schon veraltet. Ein „Best-Modell“-Ranking aus dem letzten Quartal kann drei neue Veröffentlichungen und eine Einstellung übersehen haben.

Genau diese Diskrepanz ist der Grund, warum TokenLab ein Model Data Center anstelle eines weiteren statischen Vergleichsartikels erstellt hat. Es ist eine öffentliche Oberfläche – Seiten für Menschen, JSON und Markdown für Maschinen –, die bei jeder getätigten Aussage eine Quellenangabe und ein Beobachtungsdatum enthält.

Dieser Artikel erklärt, was das Model Data Center ist, was es nicht ist und wie Sie es nutzen können, bevor Sie einen Modellvergleich schreiben, einen Agenten anbinden oder eine Preisentscheidung in Produktionscode implementieren.

Wichtige Erkenntnisse

• Das Model Data Center ist eine öffentliche Datenschicht, die auf fünf für Leser optimierte Seiten und vier maschinenlesbare Endpunkte aufgeteilt ist.
• Jeder Datensatz enthält einen generatedAt- und observedAt-Zeitstempel sowie ein sourcePolicy-Feld, damit Sie wissen, ob eine Zahl vom Anbieter gemeldet wurde, aus dem TokenLab-Katalog stammt oder ein Referenzsignal wie ein Leaderboard ist.
• Katalogdaten, Trend-Snapshots und Research-Interpretationen werden bewusst als separate Oberflächen geführt – sie beantworten unterschiedliche Fragen und sollten nicht vermischt werden.
• Das öffentliche JSON ist darauf ausgelegt, verifizierte Fakten zu teilen, keine internen Implementierungsdetails.
• Nichts davon ersetzt die offizielle Dokumentation der Anbieter für exakte Preise, Lebenszyklen oder Sicherheitsaussagen. Betrachten Sie es als schnellen, datierten Ausgangspunkt und verifizieren Sie die Daten anschließend an der Quelle.

Den vollständigen Datensatz und Details zum Schema finden Sie im TokenLab Model Data Center.

Warum ein dediziertes Data Center und kein weiterer Blog-Beitrag?

Ein Blog-Beitrag ist eine Momentaufnahme mit einem Veröffentlichungsdatum. Ein Data Center ist eine Live-Oberfläche mit einem Aktualisierungsrhythmus und einer Richtlinie dafür, was als Wahrheit gilt.

Diese Unterscheidung ist für drei Gruppen von Lesern wichtig:

Entwickler, die diese Woche ein Modell für ein Feature auswählen müssen, nicht im letzten Quartal. Sie benötigen aktuelle Kontextfenster, Modalitätsunterstützung und Preise pro Million Token, ohne fünf Changelogs der Anbieter lesen zu müssen.

Agenten und Crawler, die strukturiertes JSON benötigen, das sie ohne das Parsen von Fließtext verarbeiten können. Ein Agent, der die Kosten für Input-Token über Anbieter hinweg vergleicht, sollte nicht raten müssen, welcher Absatz in einem Blog-Beitrag noch korrekt ist.

Research-Leser, die die Begründung hinter einem Ranking verstehen wollen – warum ein Modell auf- oder abgestiegen ist, was die Kompromisse sind – und nicht nur eine Zahl sehen möchten.

TokenLab teilt diese Bedürfnisse auf verschiedene Seiten auf, anstatt zu versuchen, alle drei aus einem einzigen Dokument zu bedienen. Das ist die grundlegende Designentscheidung hinter dem Model Data Center.

Wofür die einzelnen Seiten gedacht sind

Das Model Data Center besteht nicht aus einer einzigen Seite, sondern aus fünf, die jeweils eine andere Frage beantworten.

Models – der Einstiegspunkt

tokenlab.sh/en/models ist das für Menschen lesbare Verzeichnis: was TokenLab auflistet, organisiert nach Anbieter und Kategorie. Beginnen Sie hier, wenn Sie stöbern statt abfragen möchten.

Data – die Katalogansicht

tokenlab.sh/en/models/data ist der strukturierte Katalog: Modell-IDs, Anbieter, Kontextlängen, Modalitäten und Preisfelder, die für einen direkten Vergleich aufbereitet sind. Dies ist die Seite, auf die Sie verweisen sollten, wenn Sie einen spezifischen Fakt über ein bestimmtes Modell benötigen.

Trends – die Bewegungsansicht

tokenlab.sh/en/models/trends verfolgt, wie sich der Katalog im Laufe der Zeit verändert – neue Einträge, Preisverschiebungen, Aktivitäten der Anbieter. Dies beantwortet die Frage „Was hat sich geändert“ und nicht „Was ist aktuell wahr“.

Research – die Interpretationsansicht

tokenlab.sh/en/models/research ist der Ort, an dem TokenLab Begründungen liefert: warum ein Ranking sich verschoben hat, was eine Preisänderung impliziert, wo Quellen sich widersprechen. Betrachten Sie dies als Analyse, nicht als Rohdaten.

Rankings – die Vergleichsansicht

tokenlab.sh/en/models/rankings zeigt geordnete Vergleiche – nach Preis, Kontextfenster, Kategorie – die aus demselben zugrunde liegenden Katalog wie die Datenseite erstellt wurden, aber für das Ranking statt für die Suche organisiert sind.

Die Trennung ist beabsichtigt. Wenn Sie „was sich diese Woche geändert hat“ mit „was heute wahr ist“ vermischen, zitieren Sie am Ende veraltete Trend-Deltas als aktuelle Fakten. Das Getrennt-Halten von Trends, Katalogdaten und Research vermeidet diesen Fehler.

Die maschinenlesbare Ebene

Seiten sind für Menschen. Die folgenden vier Endpunkte sind für alles gedacht, das JSON oder Markdown parst – Agenten-Pipelines, interne Tools oder ein Skript, das vor einem Deployment die Preise prüft.

Endpunkt	Format	Primäre Nutzung
/model-data/catalog.json	JSON	Vollständiger Modellkatalog: IDs, Anbieter, Kontext, Modalität, Preisfelder
/model-data/latest.json	JSON	Aktuellster Snapshot, Generierungs-Zeitstempel, Katalog-Hash
/model-data/trends.json	JSON	Zeitreihen-Deltas für Preis- und Listungsänderungen
/model-data/summary.md	Markdown	Für Menschen und LLMs lesbare Zusammenfassung, geeignet für direkte Zitate in generiertem Text

Das TokenLab Model Data Center programmatisch abfragen

Bevor Sie diese Daten in Pipelines oder Agenten integrieren, prüfen Sie die Felder generatedAt, observedAt und catalogHash, um zu verstehen, wann der Katalog erstellt wurde und ob er sich seit Ihrem letzten Abruf geändert hat. Gehen Sie nicht davon aus, dass der Feed in Echtzeit aktualisiert wird; prüfen Sie immer diese Felder, anstatt sich auf ein angenommenes Aktualisierungsintervall zu verlassen.

curl -s https://tokenlab.sh/model-data/latest.json | jq '{
  generatedAt: .generatedAt,
  observedAt: .observedAt,
  catalogHash: .catalogHash
}'

Vergleichen Sie den catalogHash über verschiedene Anfragen hinweg, um tatsächliche Inhaltsänderungen zu erkennen, und nutzen Sie generatedAt/observedAt, um die Datenfrische zu beurteilen, bevor Sie Preisentscheidungen in automatisierten Systemen treffen.

Jede Antwort enthält einen konsistenten Satz an Feldern: schemaVersion, generatedAt, observedAt, catalogHash, sourcePolicy, stats, models, series, providers und trends. Wenn Sie Automatisierungen für diese Endpunkte bauen, sind schemaVersion und catalogHash die beiden Felder, die Sie prüfen sollten, bevor Sie einer zwischengespeicherten Kopie vertrauen – eine Versionsänderung oder ein geänderter Hash bedeuten, dass sich die Struktur oder der Inhalt seit Ihrem letzten Abruf geändert hat.

Das Feld sourcePolicy sollte genau gelesen werden. Es unterscheidet drei Stufen: Anbieterdokumentation (die vertrauenswürdigste Quelle für exakte Preise und Lebenszyklus-Fakten), den eigenen Katalog von TokenLab (was TokenLab öffentlich darstellen kann) und Referenzsignale (Leaderboards und Rankings von Drittanbietern, nützlich für die relative Positionierung, aber nicht für Preiswahrheiten). Jedes nachgelagerte Tool, das diese Unterscheidung ignoriert, läuft Gefahr, einen Leaderboard-Score als offiziellen Preis zu zitieren.

Was das öffentliche JSON bewusst auslässt

Der öffentliche Datenvertrag ist bewusst begrenzt: Er enthält nur die Modellfakten, die für die Integration benötigt werden – IDs, Preise und Modalitätsunterstützung – und lässt interne Betriebsdetails aus, die nicht Teil dieses Vertrags sind. Wenn Sie nach dem „Wie“ hinter den Kulissen von TokenLab suchen, ist dies nicht die richtige Oberfläche dafür, und das soll sie auch nicht sein. Das Model Data Center veröffentlicht das, was sicher und nützlich ist, um es öffentlich zu teilen – aktuelle Modellfakten –, nicht interne Betriebsdetails.

Aktuelle Modellfakten korrekt lesen

Der Katalog ist nur nützlich, wenn Sie die Daten und Quellen zusammen mit den Zahlen lesen. Hier ist ein kleines, zum Zeitpunkt der Beobachtung aktuelles Beispielset, das aus denselben Feldern stammt, die der öffentliche Katalog bereitstellt: Modell-ID, Anbieter, Kontextlänge, Modalität und Preis pro Million Token.

Modell	Anbieter	Kontext	Modalität	Input / Output (USD pro M Token)
Claude Sonnet 5	Anthropic	1.000.000	text+image+file→text	$2 / $10
Gemini 3.5 Flash	Google	1.048.576	text+image+file+audio+video→text	$1.50 / $9
DeepSeek V4 Pro	DeepSeek	1.048.576	text→text	$0.435 / $0.87
DeepSeek V4 Flash	DeepSeek	1.048.576	text→text	$0.09 / $0.18
GLM-5.2	Z.ai	1.048.576	text→text	$0.909 / $2.856
Kimi K2.7 Code	MoonshotAI	262.144	text+image→text	$0.74 / $3.50

Einige Dinge fallen in einer solchen Tabelle sofort auf, und genau das soll das Data Center schnell sichtbar machen:

• Die Größe des Kontextfensters korreliert nicht direkt mit dem Preis. DeepSeek V4 Pro und Gemini 3.5 Flash liegen beide bei oder über 1 Mio. Token Kontext, jedoch bei sehr unterschiedlichen Preispunkten.
• Die Breite der Modalitäten (Text vs. Text+Bild vs. multimodal) ist eine separate Achse zu den Kosten – eine längere Liste an Modalitäten bedeutet nicht automatisch einen höheren Preis pro Token.
• Auf Programmierung spezialisierte Modelle wie Kimi K2.7 Code haben andere Preis- und Kontext-Kompromisse als allgemeine Chat-Modelle, selbst innerhalb eines ähnlichen Bereichs der Kontextlänge.

Keine dieser Beobachtungen ersetzt das Lesen der eigenen Dokumentation des Anbieters, bevor Sie Preisannahmen in einen Vertrag oder ein Abrechnungsmodell aufnehmen. Sie sind ein erster Vergleich, kein abschließender.

Eine praktische Checkliste, bevor Sie einen Modellfakt zitieren

Verwenden Sie diese Liste, bevor Sie einen Modellpreis, ein Kontextfenster oder ein Ranking in einen Vergleichsbeitrag, ein kundenseitiges Dokument oder eine Agentenlogik einfügen.

1. Prüfen Sie das Beobachtungsdatum. Jeder Datensatz enthält observedAt und generatedAt. Wenn eines davon für Ihren Anwendungsfall mehr als ein paar Tage alt ist, betrachten Sie die Zahlen als Ausgangspunkt, nicht als endgültige Antwort.
2. Identifizieren Sie die Quellenebene. Handelt es sich um einen von Anbietern dokumentierten Fakt, einen TokenLab-Katalogeintrag oder ein Referenzsignal wie ein Leaderboard? Referenzsignale dienen der relativen Positionierung, nicht der exakten Preisgestaltung.
3. Trennen Sie Katalog von Trend. Ein Trend-Delta („Preis ist diesen Monat um 20 % gefallen“) ist nicht dieselbe Aussage wie ein Katalogfakt („aktueller Preis ist $X“). Zitieren Sie die richtige Oberfläche für die richtige Aussage.
4. Prüfen Sie catalogHash vor dem Caching. Wenn Sie /model-data/catalog.json nach einem Zeitplan abrufen, vergleichen Sie den Hash, bevor Sie davon ausgehen, dass Ihre zwischengespeicherte Kopie noch aktuell ist.
5. Verifizieren Sie Preis- und Lebenszyklus-Aussagen anhand offizieller Dokumente. Das Data Center ist schnell und strukturiert. Es ist kein Ersatz für die Preisseite eines Anbieters, wenn Geld oder Verträge im Spiel sind.
6. Notieren Sie Unstimmigkeiten, mitteln Sie sie nicht weg. Wenn ein Leaderboard-Signal und ein Katalogfakt widersprüchlich sind, ist diese Unstimmigkeit selbst eine Information. Berichten Sie darüber, anstatt stillschweigend eine der beiden auszuwählen.

Wo dies neben Anbieter-Dokumenten steht

Das Model Data Center existiert, weil verstreute Anbieter-Dokumente schwer schnell zu vergleichen sind und Marketing-Seiten nicht für Zitate gebaut sind. Es versucht nicht, eines von beidem zu ersetzen.

Die Anbieterdokumentation bleibt die Quelle der Wahrheit für exakte Preise, Ratenbegrenzungen, Zeitpläne für Abkündigungen und Sicherheitsrichtlinien. Der Katalog und die Trenddaten von TokenLab basieren auf einer dokumentierten Quellenrichtlinie – größtenteils Daten von Drittanbietern sowie die eigene öffentliche Verfügbarkeit –, werden in einem definierten Rhythmus aktualisiert und mit dem Zeitpunkt ihrer Beobachtung gekennzeichnet.

Wenn Sie eine Entscheidung mit finanzieller oder regulatorischer Tragweite treffen müssen – ein Produktions-Preismodell, eine Vertragsbedingung, ein Einsatz in einer regulierten Branche –, nutzen Sie die Seite des Anbieters als letzte Instanz. Nutzen Sie das Model Data Center, um schneller dorthin zu gelangen und Anbieter an einem Ort zu vergleichen.

FAQ

Was ist das TokenLab Model Data Center? Es ist eine öffentliche Sammlung von Seiten und maschinenlesbaren Endpunkten, die aktuelle Fakten zu KI-Modellen präsentieren – Preise, Kontextfenster, Modalität, Anbieter und vergleichende Rankings – mit einer angegebenen Quelle und einem Beobachtungsdatum für jeden Datensatz. Es ist unterteilt in Browser-Seiten (Models, Data, Trends, Research, Rankings) und strukturierte Feeds (Catalog, Latest Snapshot, Trends und eine Markdown-Zusammenfassung).

Welche maschinenlesbaren Modell-Datenendpunkte sind öffentlich? Vier: /model-data/catalog.json für den vollständigen Modellkatalog, /model-data/latest.json für den aktuellsten Snapshot mit Generierungs-Metadaten, /model-data/trends.json für Zeitreihenänderungen und /model-data/summary.md für eine Markdown-Zusammenfassung, die für direkte Zitate geeignet ist.

Wie sollten Entwickler mit Quelldaten und Beobachtungsdaten umgehen? Als Frischesignal, nicht als Garantie für Beständigkeit. Jeder Datensatz enthält generatedAt- und observedAt-Felder. Wenn diese Daten im Verhältnis zu dem Zeitpunkt, an dem Sie sie lesen, alt sind, prüfen Sie die Quelle erneut, bevor Sie sich auf die Zahl verlassen, insbesondere bei Preisen, die sich häufig ändern.

Ersetzt das Model Data Center Anbieter-Dokumente? Nein. Es ersetzt die Notwendigkeit, für einen ersten Überblick manuell verstreute Anbieterseiten zu sammeln und zu vergleichen. Für exakte Preise, Lebenszyklen, Ratenbegrenzungen und Sicherheitsaussagen, die finanzielle oder regulatorische Bedeutung haben, bleibt die offizielle Anbieterdokumentation die Quelle der Wahrheit.

Quellen und Aktualität

Alle Fakten und Endpunktbeschreibungen in diesem Artikel wurden am 09.07.2026 aus den folgenden öffentlichen Quellen beobachtet:

• TokenLab Model Data Center — https://tokenlab.sh/en/models/data
• TokenLab Model Trends — https://tokenlab.sh/en/models/trends
• TokenLab Model Research — https://tokenlab.sh/en/models/research
• TokenLab Model Data Catalog JSON — https://tokenlab.sh/model-data/catalog.json

Die im Vergleichstisch referenzierten Modellpreise, Kontextlängen und Modalitätszahlen spiegeln den aktuellen Snapshot der TokenLab-Modell-Quelle wider, der am 07.07.2026 beobachtet wurde, und können sich gemäß dem im sourcePolicy-Feld des Katalogs dokumentierten Aktualisierungsrhythmus ändern. Verifizieren Sie aktuelle Zahlen anhand der Live-Endpunkte oder der offiziellen Anbieterdokumentation, bevor Sie sie in einem finanziellen oder regulatorischen Kontext verwenden.

Nächste Schritte

Wenn Sie einen Modellvergleich schreiben, beginnen Sie bei /en/models/data für die Katalogansicht und prüfen Sie diese gegen /en/models/rankings für die relative Positionierung.

Wenn Sie einen Agenten oder eine Automatisierung bauen, die über Modellpreise oder Verfügbarkeit urteilen muss, rufen Sie /model-data/latest.json nach einem Zeitplan ab und prüfen Sie den catalogHash, bevor Sie einer zwischengespeicherten Kopie vertrauen.

Wenn Sie die Begründung hinter einer Ranking-Verschiebung statt nur die Zahl wissen möchten, lesen Sie /en/models/research – dort erklärt TokenLab, was sich bewegt hat und warum.

Wenn Sie Kosten gegen Fähigkeiten abwägen, bietet unsere Aufschlüsselung der Gemini API-Preise für Entwickler einen genaueren Blick auf die aktuellen Tarife. Für einen breiteren Vergleich von auf Programmierung fokussierten Modellen, siehe unseren Leitfaden zu den besten KI-Modellen für Programmierung im Jahr 2026.

Beginnen Sie mit der Erkundung des Model Data Center, um aktuelle Modellpreise direkt abzufragen.