Modelle

Die in MeinGPT verfügbaren Sprachmodelle, deren Stärken und Empfehlungen für den Einsatz

MeinGPT bündelt führende Sprachmodelle (LLMs) verschiedener Anbieter unter einer Oberfläche. Du wählst pro Chat das passende Modell — abhängig von Aufgabe, gewünschter Geschwindigkeit und Datenschutz-Anforderung.

Anzeige in der Modellauswahl

In der Modellauswahl helfen Dir mehrere Indikatoren bei der Entscheidung:

EU-Flagge — Modell wird in der EU gehostet und ist ohne weitere Maßnahmen DSGVO-konform.
US-Flagge / Globus — Modell wird außerhalb der EU betrieben.
Qualitäts- und Geschwindigkeitsindikator — beim Hover sichtbar, jeweils 1–5.
Reasoning-Tag — kennzeichnet Modelle mit explizitem Denkprozess vor der Antwort.
Vorschau-Tag — Modell ist noch in der Preview-Phase (Funktion und Verhalten können sich ändern).
Kostenlos-Indikator — Modell wird nicht abgerechnet und ist immer verfügbar (derzeit GPT-5 Nano).
Kostenstufe ($ bis $$$$) — zeigt beim Hover grob, wie teuer ein Modell im Vergleich zu anderen ist ($ = günstig bis $$$$ = teuer).
Bestes Modell — wählt zunächst GPT-5. Nur wenn die Unterhaltung inklusive angehängter Dokumente das Kontextfenster von GPT-5 übersteigt, wird automatisch auf Gemini 2.5 Flash gewechselt. Die Auswahl richtet sich ausschließlich nach dem Umfang der Eingabe, nicht nach Aufgabentyp oder benötigter Reasoning-Tiefe — für anspruchsvolle Aufgaben solltest Du weiterhin ein bestimmtes Modell manuell auswählen. Standardmäßig werden dabei nur EU-Modelle verwendet.

Hinweis

Datenschutz: EU-gehostete Modelle verarbeiten Daten zu 100 % innerhalb der EU. Für Assistenten ist die Modellwahl standardmäßig auf Automatisch gesetzt — eine explizite Auswahl ist optional. Bleibt es auf Automatisch, greift dieselbe Logik wie beim „Bestes Modell"-Verhalten im normalen Chat und es wird ein EU-gehostetes Modell verwendet.

Achtung

Genauigkeit bei Fakten-Lookups: Für strukturierte Faktenfragen (z. B. konkrete Transaktionscodes, Artikelnummern oder Kennzahlen) hilft ein „größeres" oder „besseres" Modell allein nicht zwangsläufig — jedes Sprachmodell kann eine falsche Antwort genauso selbstsicher formulieren wie eine richtige und auf Nachfrage zunächst an ihr festhalten. Verlasse Dich bei solchen Anfragen nicht auf Bestes Modell, sondern wähle bewusst ein Modell, aktiviere bei Bedarf die Websuche zur Gegenprüfung, und verifiziere das Ergebnis gegen eine Primärquelle.

Hinweis

Genaue Preise: Die exakten Preise pro Million Token siehst Du in diesem Tooltip nur, wenn Du Workspace-Admin bist. Als reguläres Mitglied zeigt der Tooltip ausschließlich die Kostenstufe ($ bis $$$$). Die vollständige Preistabelle findet sich unter Alle Modelle.

Empfehlungen für den Standard-Einsatz

Einsatzzweck	Empfehlung
Standard-Chat (Default)	GPT-5.1, GPT-5.5, Claude Sonnet 4.6
Tiefes Reasoning, Strategie, Audits	GPT-5 Thinking, o3, Gemini 2.5 Pro
Coding und Refactorings	Claude Sonnet 4.6, Claude Opus 4.8, GPT-5.4
Sehr lange Dokumente / 1M-Kontext	GPT-5.4, GPT-5.5, Claude Opus 4.8, Gemini 2.5 Pro
Massendaten, hoher Durchsatz, niedrige Kosten	GPT-5 mini, GPT-5 Nano (kostenlos), Gemini 2.5 Flash
Webrecherche mit Quellenangaben	MeinGPT Web (Linkup)
Standard für Assistenten mit Tool-Calls	o3, GPT-5 Thinking

Tipp

Beginne im Zweifel mit einem normalen (Non-Reasoning-)Modell. Wechsle erst dann zu einem Reasoning-Modell, wenn die Antworten nicht ausreichen — Reasoning verbraucht spürbar mehr Credits.

Reasoning-Modelle vs. Standard-LLMs

Reasoning-Modelle führen vor der eigentlichen Antwort einen sichtbaren Denkprozess aus und liefern dadurch bei mehrstufigen oder logiklastigen Aufgaben deutlich bessere Ergebnisse — auf Kosten von Geschwindigkeit und Kosten.

Aufgabentyp	Standard-LLM	Reasoning-Modell
Einfache Texte, E-Mails, Zusammenfassungen	Ja	Nein (zu teuer)
Kreatives Schreiben	Ja	Nein
Komplexe Logik, Mathematik, formale Analyse	Nein	Ja
Mehrstufige Planung	Bedingt	Ja
Coding (einfach)	Ja	Nein
Coding (komplex / architektonisch)	Bedingt	Ja
Compliance-Analysen, Audits	Nein	Ja

Tipp

Bei vielen Modellen (GPT-5- und GPT-6-Familie, Claude und Gemini) kannst Du im Chat über die Modellauswahl unter Nachdenken festlegen, wie gründlich das Modell überlegt. Welche Stufen angeboten werden, hängt vom Modell ab: typischerweise Niedrig, Mittel und Hoch, bei vielen Modellen zusätzlich Aus; Minimal gibt es nur bei einigen älteren GPT-5-Modellen. Die Standardstufe ist je Modell mit „Standard“ markiert. Mehr Aufwand bedeutet gründlichere Antworten, dauert aber länger und verbraucht mehr Credits. Dedizierte Reasoning-Modelle wie GPT-5 Thinking und o3 bleiben als separate, dauerhaft reasoning-aktive Optionen verfügbar.

MeinGPT übersetzt die gewählte Stufe in den passenden Parameter des jeweiligen Anbieters (bei OpenAI-Modellen den Reasoning-Effort, bei Claude das Thinking-Budget bzw. den Effort, bei Gemini das Thinking-Level). Höhere Anbieter-Stufen wie xhigh oder max sind in MeinGPT nicht auswählbar.

Die Einstellung gilt im Chat. In Assistenten und Workflows gibt es keine eigene Einstellung: In der App wird dort die zuletzt für das Modell gewählte Stufe verwendet (pro Browser gespeichert), sonst die Standardstufe des Modells. Über die API und bei automatisierten Läufen läuft jedes Modell mit seiner Standardstufe.

Hinweis

Modellname vs. Reasoning-Aufwand — zwei unabhängige Einstellungen. Bei Modellfamilien mit mehreren Varianten (z. B. GPT-5.6 Sol, GPT-5.6 Terra, GPT-5.6 Luna) handelt es sich um separate, vom Anbieter eigenständig benannte Modelle mit unterschiedlicher Größe, Geschwindigkeit und Kosten — nicht um unterschiedliche Reasoning-Aufwandsstufen ein und desselben Modells. Den Reasoning-Aufwand (unter Nachdenken) wählst Du zusätzlich und unabhängig davon pro Nachricht für das jeweils gewählte Modell. Die Bezeichnungen, die MeinGPT in der Modellauswahl verwendet, sind nicht zwangsläufig identisch mit den Namen, die der jeweilige Anbieter oder externe Benchmark-Vergleiche (z. B. Leaderboards) für ihre öffentlichen Modellvarianten verwenden. Für eine Zuordnung eines konkreten MeinGPT-Modells zu einer bestimmten öffentlichen Anbieter-Variante wende Dich an unseren Support.

Kontextfenster und Datei-Uploads

Die Spalte Kontext in den Modell-Tabellen unten zeigt das Kontextfenster in Tokens - die Gesamtmenge an Text, die ein Modell in einer Anfrage gleichzeitig berücksichtigen kann (Chatverlauf plus alle angehängten Dateien zusammen). Als grobe Faustregel entspricht eine A4-Textseite ungefähr 500-750 Tokens; ein Modell mit 200k Kontext verträgt also überschlägig 250-400 Seiten reinen Text, eines mit 1M Kontext entsprechend mehr. Die Spalte Max. Ausgabe zeigt, wie viele Tokens ein Modell in einer einzelnen Antwort höchstens erzeugen kann. Beide Werte gelten pro Anfrage und sind unabhängig vom Tokenbudget pro Minute.

Ist die automatische Chat-Zusammenfassung aktiviert, liegt der Standard-Schwellenwert bei Modellen mit Preisstufen höchstens bei 90 % der ersten Preisgrenze. Bei Modellen ohne Preisstufen richtet er sich weiterhin nach dem Kontextfenster. Workspace-Admins können den Wert je Modell anpassen.

Achtung

Das Kontextfenster ist nicht die einzige Grenze. Zusätzlich zum Token-Limit setzen die KI-Anbieter für PDFs und Bilder eigene, unabhängige Grenzen: eine maximale Seitenzahl pro PDF, eine maximale Dateigröße bzw. Auflösung pro Bild und eine maximale Anzahl Bilder pro Anfrage. Diese Anbieter-Limits hängen nicht direkt an der Kontextfenster-Größe - ein Modell mit sehr großem Kontext (z. B. 1M Token) kann trotzdem ein PDF mit sehr vielen Seiten oder stark bebilderte Dokumente (z. B. Patentschriften mit vielen Zeichnungen) ablehnen, sobald die anbieterseitige Seiten- oder Bildgrenze erreicht ist. Die genauen Werte legt der jeweilige KI-Anbieter fest und können sich ändern; sie erscheinen bei Bedarf direkt in der Fehlermeldung.

Bildeingabe ist ein modellabhängiger Dateityp, keine eigene „Vision"-Stufe. Ob ein Modell einen angehängten Bild-Anhang akzeptiert, funktioniert genauso wie die PDF-Unterstützung: manche Modelle können es, manche nicht, und das wird in den Tabellen unten nicht als eigene Fähigkeit ausgewiesen. Praktisch die gesamte aktuelle Flaggschiff-Riege akzeptiert Bilder (JPEG, PNG, GIF, WEBP) als Datei-Anhang: alle GPT-4o- und GPT-5-Modelle, alle Claude-Sonnet-/Opus-/Haiku-Modelle, alle Gemini-Modelle sowie Mistrals Medium- und Magistral-Modelle. DeepSeek, GPT-OSS, CodeStral und die älteren Kimi-K2-Modelle akzeptieren keine Bilder - frage im Zweifel Deinen Workspace-Admin zu einem konkreten Modell.

Über die API gilt das nur für den Assistant-Run-Endpunkt (multipart/form-data-Datei-Upload) - der Chat-Completions-Endpunkt akzeptiert unabhängig vom gewählten Modell keine Bildinhalte im Request-Body.

Trittst Du auf eine dieser Grenzen, hilft in der Regel ein Wechsel auf ein anderes Modell (ggf. eines anderen Anbieters) - Details zu den einzelnen Fehlermeldungen findest Du unter Fehlermeldungen im Chat.

Die Modelle unterscheiden sich deutlich im Verbrauch: leistungsfähigere Modelle (aktuell u. a. o3-pro, GPT-5.4, GPT-5.4 Pro sowie die Claude-Opus-Modelle) kosten pro Anfrage ein Vielfaches günstigerer Modelle. Der Unterschied steckt allein im Verbrauchssatz — Sonderklassen gibt es nicht. Ausgenommen sind die ausdrücklich als kostenfrei gekennzeichneten Modelle, deren Nutzung keine Credits verbraucht.

OpenAI

OpenAI-Modelle laufen meist über den Azure OpenAI Service — bei EU-Hosting ausschließlich in EU-Rechenzentren (Sweden Central). Einzelne US-Varianten gehen direkt über OpenAI. Keine Verwendung von Daten für Trainingszwecke.

Modell	Hosting	Reasoning	Kontext	Max. Ausgabe	Gut geeignet für
GPT-4o Mini	EU	—	128k	16,4k	Klassifikation, Tagging, einfache Zusammenfassungen, FAQ-Bots
GPT-4o	EU	—	128k	2k	Allgemeiner Assistent, Coding, multimodal, mehrsprachig
GPT-4.1	EU	—	1M	32,8k	Wissensarbeit, konsistente Ausarbeitungen, Tool-Use, lange Dokumente
o4-mini	EU	✓	200k	100k	Effiziente Reasoning-Tasks, viele Anfragen mit Logik-Anteil
o3	EU	✓	200k	100k	Strukturiertes Reasoning, mehrstufige Workflows, Tool-Calls in Assistenten
o3-pro	US	✓	200k	100k	Sehr anspruchsvolle Logik, formale Analysen, Compliance, Audits
GPT-5	EU	—	400k	128k	Hochwertige Texte, Code, Agenten, lange Kontexte
GPT-5 Thinking	EU	✓	400k	128k	Schwierige Logik, Planung, Mathematik, Deep-Dive-Analysen
GPT-5 mini	EU	—	400k	128k	Viele Anfragen, einfache Aufgaben, Klassifikation, Pipelines
GPT-5 Nano	EU	—	400k	128k	Kostenlos verfügbar für einfache Unterhaltungen und sehr kostensensitive Massenverarbeitung
GPT-5.1	EU	—	400k	128k	Standard-Modell für Business und Entwicklung, Agenten, Planung
GPT-5.2	EU	✓	400k	128k	Workflows mit Reasoning-Bedarf (EU)
GPT-5.3 Chat	US	✓ Coding	128k	16,4k	Chat-orientierte Variante mit Reasoning- und Coding-Fokus
GPT-5.4	EU	✓ Coding	1M	128k	Sehr lange Kontexte, schwere Reasoning- und Coding-Aufgaben (EU)
GPT-5.4 Pro	US	✓ Coding	1M	128k	Maximales Reasoning + 1M-Kontext, anspruchsvollste Workloads
GPT-5.5	EU	✓ Coding	1M	128k	Bisherige EU-Spitze: Reasoning, Coding, lange Kontexte
GPT-5.6 Sol	EU	✓ Coding	1M	128k	Neue EU-Spitze: anspruchsvollste Reasoning-, Coding- und Agenten-Aufgaben
GPT-5.6 Terra	EU	✓ Coding	1M	128k	Ausgewogenes Alltagsmodell in GPT-5.5-Klasse zu geringeren Kosten
GPT-5.6 Luna	EU	✓ Coding	1M	128k	Schnell und günstig für hohen Durchsatz, dennoch starkes Reasoning
GPT-6 Sol	EU	✓ Coding	1M	128k	Komplexes Coding und Agenten-Workflows zum mittleren Preis (EU)
GPT-6 Luna	EU	✓ Coding	1M	128k	Effizientestes GPT-6 für fokussierte Aufgaben mit hohem Volumen
GPT-6.1 Sol	EU	✓ Coding	1M	128k	Komplexes Coding und Agenten-Workflows mit EU-Datenresidenz

Anthropic (Claude)

Claude-Modelle laufen über Google Vertex. Anthropic hat das Artifacts-Konzept geprägt — entsprechend liefern Claude-Modelle besonders saubere Artifact-Ergebnisse (interaktive Dokumente, Diagramme, Code-Snippets).

Modell	Hosting	Reasoning	Kontext	Max. Ausgabe	Gut geeignet für
Claude Haiku 4.5	EU	—	200k	32k	Schnelle, günstige Anthropic-Antworten für einfache Aufgaben
MeinGPT Web	EU	✓	200k	32k	Schnelle Web-Antworten mit Quellen: Claude Haiku 4.5 mit fest eingeschalteter Websuche über Linkup, siehe Websuche
Claude Haiku 5.5	EU	—	1M	128k	Schnelles, günstiges Anthropic-Modell mit einstellbarem Reasoning; ab 100K Eingabe-Tokens gilt ein höherer Tarif (siehe Alle Modelle)
Claude Sonnet 4.5	EU	—	200k	32k	Production-Coding, komplexe Agenten, Multi-Tool-Workflows
Claude Sonnet 4.6	EU	—	200k	64k	Effizienter Sonnet-Allrounder mit hoher Geschwindigkeit
Claude Sonnet 5	EU	—	1M	64k	Aktueller Sonnet mit 1M-Kontext, ausgewogene Geschwindigkeit und Qualität für Coding, Analyse und Agenten-Workflows
Claude Sonnet 5.5	EU	—	1M	128k	Neuester Sonnet für alltägliches Coding, Analyse und Agenten-Arbeit
Claude Opus 4.5	EU	—	200k	32k	Opus-Klasse mit EU-Hosting für hohe Qualitätsanforderungen
Claude Opus 4.6	EU	—	200k	128k	Aktueller EU-Opus für anspruchsvollste Aufgaben
Claude Opus 4.7	EU	—	1M	128k	Opus mit 1M-Kontext für sehr lange Dokumente und Codebases
Claude Opus 4.8	EU	—	1M	128k	Aktueller Opus mit 1M-Kontext, schärferes agentisches Coding und stärkeres Reasoning
Claude Opus 5	EU	—	1M	128k	Neuester Opus mit 1M-Kontext, höchste Qualitätsstufe der Familie
Claude Opus 5.5	EU	—	1M	128k	Neuester Opus für langlaufendes agentisches Coding und Wissensarbeit

Google (Gemini)

Gemini-Modelle laufen über Google Vertex und punkten mit den größten Kontextfenstern (1M+ Tokens). Ideal für lange Dokumente, ganze Wissensbasen oder umfangreiche Datei-Uploads.

Modell	Hosting	Reasoning	Kontext	Max. Ausgabe	Gut geeignet für
Gemini 2.5 Flash	EU	✓	1M	65,5k	Massendatenverarbeitung, schnelle APIs, Bildanalyse
Gemini 2.5 Pro	EU	✓	1M	65,5k	Komplexe Code-Projekte, STEM, große Datensätze, agentische Workflows
Gemini 3 Flash (Preview)	US	✓	1M	65,5k	Wird ausgemustert — nutze stattdessen Gemini 3.6 Flash
Gemini 3.5 Flash	EU	✓	1M	65,5k	Früherer Flash, kombiniert Reasoning auf Pro-Niveau mit hoher Geschwindigkeit, multimodale Eingabe (Text, Bild, Audio, Video)
Gemini 3.6 Flash	EU	✓	1M	65,5k	Früherer Flash, Reasoning auf Pro-Niveau bei nahezu halbierter Latenz, multimodale Eingabe (Text, Bild, Audio, Video)
Gemini 3.7 Flash	EU	✓	1M	65,5k	Effizienter Flash für agentische Workflows, Coding und multimodales Reasoning
Gemini 3.8 Flash	EU	✓	1M	65,5k	Leistungsfähigster Flash: langlaufende Entwicklung und autonome Agenten
Gemini 4 Argon	EU	✓	1M	65,5k	Frontier-Modell für die schwierigsten Reasoning-, Coding- und Agenten-Aufgaben
Gemini 3.5 Flash-Lite	EU	✓	1M	65,5k	Kostenoptimiert für hohe Geschwindigkeit und große Mengen, mit Reasoning und multimodaler Eingabe
Gemini 3.1 Pro (Preview)	US	✓	1M	65,5k	Multimodales Reasoning, lange Kontexte, agentische Workflows — Preview

Mistral

Mistral-Modelle sind in europäischen Rechenzentren gehostet und bieten eine starke EU-native Alternative für Business-Anwendungen.

Modell	Hosting	Reasoning	Kontext	Max. Ausgabe	Gut geeignet für
Mistral Medium 3.5	EU	— Coding	256k	nicht festgelegt	Aktuelle Mistral-Medium-Generation mit größerem Kontext
CodeStral	EU	— Coding	256k	nicht festgelegt	IDE-Code-Vervollständigung, Fill-in-the-Middle, Code-Tests

DeepSeek

DeepSeek-Modelle laufen über Azure AI Foundry und bieten kosteneffiziente Reasoning- und Coding-Optionen.

Modell	Hosting	Reasoning	Kontext	Max. Ausgabe	Gut geeignet für
DeepSeek-V3.2	Global	— Coding	128k	128k	Kosteneffiziente Batch-Verarbeitung, Coding (Python/C++), mehrsprachig
DeepSeek-V4-Flash	Global	✓ Coding	1M	384k	Günstiges Reasoning und Coding mit langem Kontext
DeepSeek-V4-Pro	Global	✓ Coding	1M	384k	Anspruchsvolleres Reasoning und Coding mit langem Kontext

Weitere Modelle

Modell	Anbieter	Hosting	Reasoning	Kontext	Max. Ausgabe	Gut geeignet für
GPT-OSS 120B	OpenAI Open-Weights (Hosting: Nebius)	EU	✓	128k	128k	Self-Hosting, RAG, On-Prem-Agenten
Kimi K2.5	Moonshot (Hosting: Azure AI Foundry)	Global	✓ Coding	131k	131k	Reasoning- und Coding-Aufgaben mit großem Kontext
Kimi K2.6	Moonshot (Hosting: Azure AI Foundry Schweden)	Global	✓ Coding	256k	256k	Nachfolger von K2.5 mit verdoppeltem Kontext
Kimi K3	Moonshot (Hosting: Nebius)	EU	✓ Coding	1M	131k	Größtes Kontextfenster der Familie, EU-gehostetes Reasoning und Coding

Bildgenerierung

Bildmodelle (FLUX-Familie, GPT Image, Gemini-Bildmodelle) sind separat in der Bildmodelle-Verwaltung dokumentiert — inklusive Hosting-Region, Premium-Status und Empfehlungen.

Modelle aktivieren oder deaktivieren

Welche Modelle Deine Nutzer im Workspace zur Auswahl haben, steuerst Du als Admin in den Einstellungen. Details: Workspace-Konfiguration.

Hinweis

Kann ich eigene LLM-Schlüssel hinterlegen? Nein. Alle Sprachmodelle laufen über die eigenen, verwalteten und DSGVO-konformen Provider-Konten von MeinGPT — Du hinterlegst keine eigenen OpenAI-, Azure-OpenAI- oder Anthropic-Schlüssel und rechnest auch nicht darüber ab. Als Admin steuerst Du, welche der eingebauten Modelle Dein Workspace nutzen darf (aktivieren/deaktivieren und Standard), Du kannst aber kein Modell und keinen eigenen Provider-Schlüssel zur Auswahl hinzufügen. Die einzige „Bring Your Own Key"-Option betrifft den DeepL-Übersetzungsdienst — siehe Übersetzungseinstellungen. Brauchst Du ein bestimmtes Modell, das nicht in der Liste steht, sprich uns an.

Warum unterscheiden sich Antworten von ChatGPT, Claude oder Gemini direkt?

Auch wenn Du in MeinGPT dasselbe Modell wählst (z. B. GPT-5.5), können die Antworten von denen abweichen, die Du in ChatGPT, der Claude-App oder Gemini direkt bekommst. Das liegt nicht an einer schlechteren Modellqualität - es ist in MeinGPT dasselbe Modell desselben Anbieters. Die Unterschiede entstehen durch das Umfeld, in dem das Modell läuft:

Anderer System-Prompt. ChatGPT & Co. legen dem Modell unsichtbar einen eigenen, stark vorbereiteten System-Prompt und ein bestimmtes Antwortformat vor. MeinGPT nutzt einen neutraleren System-Prompt, damit das Modell sich an Deine Workspace- und Assistenten-Vorgaben hält. Für gleichbleibende Ergebnisse lohnt es sich, Ton und Format direkt im Prompt oder in einem Assistenten festzulegen.
Keine ChatGPT-Personalisierung. In ChatGPT wirken oft gespeicherte „Custom Instructions" und das Memory aus früheren Unterhaltungen mit - Du merkst das gar nicht. In MeinGPT startest Du ohne diesen unsichtbaren Kontext. Du kannst Deinen gespeicherten Kontext über die Memory-Funktion nach MeinGPT übernehmen.
Zufall ist eingebaut. Sprachmodelle antworten nicht deterministisch - dieselbe Frage liefert auch im selben Tool von Mal zu Mal leicht andere Formulierungen.
Werkzeuge und Websuche. Ob das Modell im Web recherchieren oder Werkzeuge nutzen darf, beeinflusst die Antwort stark. Prüfe über das „+"-Menü, ob die passenden Werkzeuge (z. B. Websuche) aktiviert sind.

Tipp

Bekommst Du in MeinGPT „schlechtere" Ergebnisse als in ChatGPT, liegt es fast nie am Modell. Formuliere Ton, Rolle und Format explizit im Prompt, aktiviere die nötigen Werkzeuge - oder hinterlege beides dauerhaft in einem Assistenten.

Warum kann MeinGPT langsamer wirken als ChatGPT oder Claude nativ?

Es ist dasselbe Modell mit denselben Gewichten - die Antwortqualität ist identisch. Kleine Geschwindigkeitsunterschiede zur nativen App haben meist folgende Ursachen:

EU-Hosting: EU-Modelle laufen bewusst in europäischen Rechenzentren (z. B. Azure Sweden Central, Google Vertex EU) statt in den schnellsten US-Regionen. Dieser Routing-Weg über unsere Aggregations-Ebene kostet in der Regel nur Sekundenbruchteile, kann aber spürbar werden.
Auslastung beim Anbieter: In Stoßzeiten schwankt die Antwortzeit beim KI-Anbieter - das betrifft native Apps genauso.
Große Eingabemenge: Je mehr Text das Modell auf einmal berücksichtigen muss (langer Chatverlauf plus angehängte Dokumente, z. B. ~50.000 Tokens), desto länger dauert allein das Einlesen der Anfrage — noch bevor das erste Wort der Antwort erscheint.
Werkzeuge und Agenten-Schritte: Nutzt ein Assistent Werkzeuge (Web-Recherche, Dokumentensuche, Konnektoren), ist jeder Werkzeug-Aufruf eine eigene, vollständige Modell-Runde. Mehrere Schritte hintereinander summieren sich — eine anspruchsvolle Aufgabe mit großem Kontext und mehreren Tool-Aufrufen kann daher durchaus mehrere Minuten laufen.

Hinweis

Eine langsame Antwort ist kein Fehler. Läuft eine Anfrage sehr lange und liefert am Ende ein Ergebnis, hat sie erfolgreich gearbeitet — sie hängt nicht. Erscheint während der Wartezeit nichts im Chat, kann die Antwort im Hintergrund fertig geworden sein; lade den Chat dann neu, um sie zu sehen (siehe Verbindung unterbrochen). Ist Dir eine Aufgabe zu langsam, wähle ein schnelleres Modell (z. B. Claude Sonnet 4.6 oder ein Gemini-Flash-Modell), reduziere den mitgegebenen Kontext oder senke bei Assistenten den Assistenten-Modus.

Anhaltende oder plötzliche Verlangsamungen sind fast nie ein MeinGPT-Serverproblem, sondern anbieterseitig. Bei einer konkreten Fehlermeldung im Chat siehe Fehlermeldungen im Chat.