Open-Weight-LLMs, gehostet in Österreich

Jedes Modell mit eigener Seite: was es kann, wie schnell es bei uns läuft, wie gut es logisch schließt und was es kostet.

Logik-Index und Tempo messen wir selbst. Ein Klick auf ein Modell öffnet seine Detailseite.

Entscheidungsmodelle

Sie erzeugen keinen Text. Sie bekommen eine Lage und typisierte Fragen und liefern je Antwortoption eine Wahrscheinlichkeit, in einem Durchlauf und über einen eigenen Endpunkt. Typischer Einsatz: entscheiden, welches Modell eine Anfrage bekommt.

Wie man sie aufruft

Eigene Modelle

Selbst trainiert und auf eigener Hardware betrieben, offen auf Hugging Face. Klein und spezialisiert: in ihrer Aufgabe so gut wie große Modelle, aber in Millisekunden statt Sekunden.

Modell	Aufgabe	Einsatz	Dauer	Preis	Status
ALLSmartIntent 0,3B · mmBERT	Entscheidung je Nachricht	API /v1/intentHugging Face ↗	≈ 15 msje Nachricht	kostenlosmit jedem API-Schlüssel	geladen
ALLSmartArt4 0,3B · mmBERT	Namen, Firmen, Adressen (Art. 4 DSGVO)	Privacy-Schicht, ab Stufe maskHugging Face ↗	≈ 41 msje Anfrage	€ 0,10je Mio. Eingabe-Tokens	geladen
ALLSmartArt4i 0,3B · mmBERT	Personen ohne Namen erkennen (Art. 4 DSGVO, indirekt)	Privacy-Schicht, Stufe strictHugging Face ↗	≈ 15 msje Text	€ 0,10je Mio. Eingabe-Tokens	geladen
ALLSmartArt9-10 4,2B + 0,3B · Qwen3.5-4B (LoRA) + mmBERT	Gesundheit, Glaube, Straftaten (Art. 9 und 10 DSGVO)	Privacy-Schicht, Kategorien-StufenHugging Face ↗	≈ 90 msje Abschnitt	€ 0,10je Mio. Eingabe-Tokens	geladen

Der Datenschutz-Preis gilt einmal je Anfrage mit Privacy-Stufe, für alle Datenschutz-Modelle zusammen. Die öffentlichen Fassungen der drei Datenschutz-Modelle auf Hugging Face sind aus Lizenzgründen eigene Trainings und nicht dieselben Gewichte wie hier; ALLSmartIntent ist dort dasselbe Modell. Genauigkeit, Vergleiche mit großen Modellen und Grenzen stehen auf den Seiten der Modelle.

curl https://allsmartllm.com/v1/chat/completions \
  -H "Authorization: Bearer $KEY" \
  -d '{"model": "top", "messages": [ … ]}'

# anderes Modell: nur der Name ändert sich
  -d '{"model": "coder", "messages": [ … ]}'

Eigene Modelle

Selbst trainiert, blind gemessen.

Unsere eigenen Modelle erkennen Personendaten und besondere Kategorien und treiben so die Privacy-Schicht an. Mit allen Messwerten und Vergleichen.

Eigene Modelle ansehen