EmpirioLabs betreibt mehr als 100 KI-Modelle auf einer API, aus allen großen Laboren und einer langen Liste neuerer. Das macht die Plattform zu einem nützlichen Blickfang auf eine einfache Frage: Da das gesamte Feld auf einem Gesetz zur Verfügung steht und kein Lock-in verfügbar ist, welche Modelle wählen Entwickler tatsächlich?
Wir haben uns die tatsächliche Nutzung auf der Plattform angesehen, um das herauszufinden. Die Antwort ist konsistent und in gewisser Hinsicht wirklich überraschend. Entwickler treffen sich auf eine kleine Gruppe schneller, leistungsfähiger Modelle aus einer neuen Generation von Laboren und wählen sie nach Leistung aus, anstatt nach dem größten Markennamen zu greifen.
Ein Hinweis zur Methode: Jede folgende Abbildung stammt aus realem, aggregiertem Plattformverkehr und wird als Prozentsatz angezeigt. Wo wir über Präferenzen sprechen, normalisieren wir die Nutzung anhand der Anzahl der Modelle, die jeder Hersteller anbietet, sodass die Zahlen widerspiegeln, was die Entwickler wählen, und nicht nur, was im Regal liegt.
Mit 100+ Modellen zur Auswahl bleibt die Nutzung bei einigen wenigen
Das erste Muster in den Daten ist die Konzentration. Entwickler haben ein riesiges Menü vor sich, aber sie breiten sich nicht darüber aus. Von den tatsächlich genutzten Modellen machen die drei beliebtesten 40 % aller Sprachanfragen aus, und die Top Ten machen fast neun von zehn aus. Der lange Schwanz der Modelle existiert und wird etwas genutzt, aber er trägt nur einen kleinen Anteil an echter Arbeit.
Diese Konzentration ist wichtiger, als sie zunächst scheint. Das bedeutet, dass einige wenige Modelle still und leise die Grundlage für die Erwartungen der Entwickler in Bezug auf Qualität, Geschwindigkeit und Preis setzen. Ein neues Modell konkurriert nicht mit dem gesamten Feld. Es konkurriert mit der Shortlist an der Spitze, und wenn es diese Modelle bei einer echten Aufgabe nicht schlagen kann, bleibt es auf dem Papier am Ende, egal wie es auf dem Papier abschneidet.
Die am häufigsten verwendeten Modelle
Bewertet nach dem Anteil aller Sprachgebrauche ist kein einzelnes Modell damit durchgekommen. Die GLM-Modelle von Z.ai, MiniMax M3, Xiaomis MiMo und DeepSeeks schnelle Modelle sind ganz oben angeordnet, wobei jeder einen ähnlichen Anteil nimmt, während der Rest des Katalogs einen langen Schwanz ausfüllt. Das ist eine wettbewerbsfähige Top-Gruppe und kein dominanter Gewinner, was gesund ist: Das bedeutet, Entwickler vergleichen aktiv Optionen, anstatt standardmäßig auf einen einzigen Standard zurückzugreifen.
Der Rohgebrauch wie diese ist nur eine Perspektive auf die Frage. Es zeigt an, wohin das Anfragevolumen geht, was nützlich ist, aber das Volumen kann sich auf eine Handvoll starker Nutzer konzentrieren und zeigt nicht, wie breit ein Modell übernommen wird. Dafür schauen wir uns als Nächstes an, wie viele verschiedene Entwickler jeden Entwickler auswählen, was eine demokratischere Sicht darauf ist, was die Menschen tatsächlich wählen.
Das ist eine Frage der Präferenz, nicht nur der Verfügbarkeit
Es ist fair, sich gegen ein Beliebtheitsranking zu wehren. Wenn ein Katalog in eine bestimmte Richtung tendiert, folgt die Nutzung meist, sodass eine Liste beliebter Modelle einfach widerspiegeln kann, was eine Plattform vorrätig hat. Um echte Präferenz von Verfügbarkeit zu trennen, verglichen wir den Nutzungsanteil jedes Herstellers mit seinem Anteil am Katalog.
Die Lücke zwischen den beiden ist das eigentliche Signal, und sie ist auffällig. Z.ai macht nur einen kleinen Bruchteil der verfügbaren Modelle aus, nimmt aber den größten Anteil an der Nutzung aus. DeepSeek, Moonshot und Xiaomi werden alle viel häufiger genutzt, als es der Katalog vorhersagen würde. Gleichzeitig wird der Hersteller mit bei weitem den meisten verfügbaren Modellen, Alibaba, nur in geringem Umfang genutzt, und eine gut sortierte Amazon-Produktpalette wird kaum angerührt.
Mit anderen Worten: Entwickler nutzen nicht einfach das, was ihnen vorliegt. Sie greifen aktiv nach einem bestimmten Modellset und überspringen andere, die ebenso verfügbar und in manchen Fällen deutlich zahlreicher sind. Verfügbarkeit ist kein Schicksal. Eine große Katalogpräsenz führt nicht zu einer Nutzung, es sei denn, die Modelle verdienen sie bei echter Arbeit, und das ist die Erkenntnis, mit der jedes Modelllabor rechnen sollte.
Eine kleine Gruppe von Laboren besitzt die Nachfrage
Diese demokratischere Sichtweise, die zählt, wie viele Entwickler jeden Hersteller als Standard auswählen, anstatt das rohe Anfragevolumen zu zählen, konzentriert die Nachfrage auf eine kurze Liste. Z.ai führt deutlich, gefolgt von DeepSeek und Moonshot, dicht dahinter Alibaba, Xiaomi und MiniMax. Alle anderen zusammen sind ein kleiner Rest.
Was die Führungskräfte vereint, ist kein Marketingbudget oder ein bekannter Name. Es ist die Bereitschaft, starke, offen verfügbare Modelle in hohem Tempo auszuliefern. Die Labore, die die Aufmerksamkeit der Entwickler gewinnen, sind größtenteils diejenigen, die fähige Modelle veröffentlichen, die Teams kostengünstig inspizieren, anpassen und betreiben können, und sie iterieren schnell genug, um bei steigenden Erwartungen auf der Shortlist zu bleiben.
Geschwindigkeit schlägt Größe
Es herrscht die weitverbreitete Annahme, dass Entwickler das größte und intelligenteste Modell wählen, das sie sich leisten können. Die Nutzungsdaten sagen etwas anderes. Wir haben die Modelle in zwei Gruppen unterteilt: leichte Varianten, also die Flash-, Mini- und Lite-Versionen, die auf Geschwindigkeit und niedrige Kosten ausgerichtet sind, sowie Vollgrößenmodelle. Die Mehrheit der Sprachanfragen geht an die leichtgewichtigen Varianten.
Das ist eine rationale Reaktion darauf, wie echte Anwendungen funktionieren. Die meisten Produktionsaufgaben wie Klassifizierung, Extraktion, Routing, Zusammenfassung und Kurzgenerierung benötigen kein Frontier-Modell, und ein schnelles, kostengünstiges Modell, das in einem Bruchteil der Zeit beantwortet, ist die bessere technische Wahl. Die größeren Modelle werden für die wirklich schwierigen Probleme zurückgehalten, die nicht automatisch erreicht werden. Für Teams, die sowohl ihre Latenzbudgets als auch ihre Rechnungen beobachten, ist dieses Gefühl vertrauenswürdig.
Jenseits des Textes: was Entwickler generieren
Der Gebrauch dreht sich nicht nur um Sprache. Beim Thema Mediengenerierung sind die Muster genauso konzentriert wie beim Text. Die Bilderzeugung läuft fast vollständig über ein einziges Modell. Das Video wird hauptsächlich zwischen Kling und Seedance aufgeteilt. Audioarbeit wird insbesondere von Transkription und nicht von Synthese dominiert, was einiges darüber aussagt, wie Teams heute Audiomodelle nutzen: mehr um bestehende Klänge zu verstehen, als um neue Klänge zu erzeugen.
Die gleiche Regel gilt für jede Modalität. Eine kurze Liste von Modellen erledigt den überwiegenden Großteil der Arbeit, und der Rest des Feldes konkurriert um das, was übrig bleibt.
Was das bedeutet, wenn Sie ein Modell auswählen
Die praktische Lektion, die sich durch all das zieht, ist, pro Aufgabe zu wählen, nicht pro Marke. Die meistgenutzten Modelle auf der Plattform sind nicht die bekanntesten. Sie sind diejenigen, die eine echte Bewertung hinsichtlich Kosten, Geschwindigkeit und Qualität für einen bestimmten Auftrag erhalten. Einige Gewohnheiten ergeben sich direkt aus den Daten:
- Starte mit einer schnellen, leichten Stufe und steige nur auf, wenn die Aufgabe wirklich ein größeres Modell benötigt. Die meisten funktionieren nicht.
- Bewerten Sie Modelle mit offenem Gewicht ernsthaft. Im echten Gebrauch sind sie kein Kompromiss, sondern die Standardwahl für Produktionsarbeiten.
- Gehen Sie nicht davon aus, dass der größte Katalogname am besten passt. Verfügbarkeit und Qualität sind unterschiedliche Dinge, und die Nutzungsdaten zeigen, dass Entwickler sie so behandeln.
- Überprüfe regelmäßig deine Standardwerte. Da die Spitzen des Feldes so wettbewerbsintensiv sind, kann sich das beste Modell für eine Aufgabe von einem Quartal zum nächsten ändern.
Die Quintessenz
Die Geschichte des echten KI-Einsatzes im Jahr 2026 ist Konvergenz und Wahlfreiheit. Entwickler haben mehr Modelle verfügbar als je zuvor und reagieren darauf, indem sie sich auf eine kleine Auswahl schneller, leistungsfähiger Modelle aus einer neuen Generation von Laboren konzentrieren. Am wichtigsten ist, dass sie diese Modelle nach Leistung auswählen, nicht wegen dessen, was eine Plattform zufällig bietet. Die größte Katalogpräsenz gewinnt nicht. Das beste Modell für den Job tut das, und zunehmend ist dieses Modell offen, schnell und kostengünstig.
Sie können jedes Modell, jede Modalität und jeden aktuellen Preis im gesamten Katalog auf dem EmpirioLabs Modellseite.
Offenlegung: Dieser Artikel wurde mit KI-Unterstützung geschrieben und von EmpirioLabs AI überprüft.
