Begleitvideos

Orchestrierung mehrerer Modelle: Begleitvideos

Der Artikel zeigt, warum „GPT-5/Claude/Gemini für alles verwenden“ die falsche Voreinstellung ist: Sobald Kosten und Latenz wichtig werden, leiten Sie einfache Aufgaben an kleine Modelle weiter und reservieren die großen Modelle für Aufgaben, die deren Fähigkeiten tatsächlich benötigen. Das erste Video vermittelt eine Orientierung dazu, wofür die einzelnen Modellklassen geeignet sind. Das zweite zeigt das Routing-Muster im Code und macht deutlich, wie es sich aus einem normalen API-Aufruf ergibt.

Hauptauswahl

19:01

Jedes KI-Modell erklärt

Tina Huang

Ein klarer Überblick über die aktuelle Modelllandschaft, gegliedert in Flaggschiff-, Lite-, Mittelklasse- und Spezialmodelle, mit konkreten Empfehlungen zu den jeweiligen Stärken. Das Video deckt die Hälfte des Artikels ab, in der es darum geht, die Optionen vor dem Routing zu kennen. Huang betrachtet Kosten und Leistungsfähigkeit ähnlich wie der Artikel, ohne sich auf Benchmark-Hype zu stützen.

Was Sie aus diesem Video mitnehmen sollten: Vergleichen Sie Flaggschiff-, Lite-, Mittelklasse- und Spezialmodelle, damit Routing-Entscheidungen auf Eignung für die Aufgabe, Kosten und Latenz statt auf Markenpräferenzen beruhen.

Das sollten Sie zuerst ansehen oder wissen: Keine über den Artikel hinaus. Das Video bietet die Orientierung zu den verfügbaren Optionen vor der eigentlichen Routing-Arbeit.

Hinweis von AI Expert: Modellnamen, Preise und Fähigkeiten ändern sich schnell. Nutzen Sie das Video für das Entscheidungsmuster und prüfen Sie anschließend das aktuelle Modellverhalten, bevor Sie es übernehmen.

Videoseite öffnen

Auch sehenswert

08:53

RouteLLM erreicht 90% GPT4o Qualität UND 80% BILLIGER

Matthew Berman

Führt durch den RouteLLM-Fachartikel und den zugehörigen Code von LMSYS: Ein kleiner Klassifikator wird einem Paar aus starkem und schwachem Modell vorgeschaltet und entscheidet, welches Modell aufgerufen wird. So erreicht das System ungefähr 95% der Qualität des starken Modells zu einem Bruchteil der Kosten. Die Aufrufzahl liegt unter der üblichen 100k-Marke. Für die spezielle Frage „Wie sieht echtes Modell-Routing statt eines bloßen Modellvergleichs aus?“ ist dies jedoch die klarste Erklärung auf YouTube und passt direkt zum Abschnitt des Artikels über den Zielkonflikt zwischen Qualität und Kosten.

Was Sie aus diesem Video mitnehmen sollten: Bewerten Sie beim Modell-Routing die Zielkonflikte zwischen Qualität, Kosten und Zuverlässigkeit, bevor Sie zusätzliche Orchestrierungskomplexität einführen.

Das sollten Sie zuerst ansehen oder wissen: Sie sollten Python-Code lesen und Modell-APIs aufrufen können; der Überblick der Hauptempfehlung hilft bei der Einordnung der Modellklassen.

Videoseite öffnen