Messungen ·Kartomo ·Strukturiert ·geprüft 2026-06-05
Welches Modell braucht es, um aus einem Thema ein gutes Karteikarten-Deck (JSON) zu bauen?

Lernkarten generieren: das lokale Modell genügt

Strukturierte Ausgabe ist härter als reiner Text. Das winzige Gerät-Modell reicht hier nicht mehr — aber das lokale 12-Mrd-Modell schon: 0,90 von 1,00, bei 0 Euro. Das teuerste Frontier-Modell ist nicht besser, nur 80× teurer.

Empfehlung
lokal gemma3:12b (lokal) Qualität 0.90 0 €
günstigstes Modell ≥ Schwelle 0.85 bei erfüllten Format-Checks
Leaderboard · 12 Modelle
ModellQualitätFormatKostenok?
Frontier gemini-2.5-flash 1.00 100% $0,002 ✓
China qwen3.7-max 0.98 100% $0,057 ✓
Frontier gemini-3.5-flash 0.97 80% $0,081 ✓
Frontier claude-opus-4.8 0.97 100% $0,143 ✓
China deepseek-v4-pro 0.96 100% $0,007 ✓
China glm-5 0.96 100% $0,009 ✓
EU-Cloud mistral-large 0.95 80% $0,021 ✓
lokal gemma3:12b Empfehlung — günstigste gut-genug Wahl 0.90 100% 0 € ✓
EU-Cloud mistral-small 0.90 100% $0,002 ✓
on-device gemma3:4b Gerät-Klasse reicht für strukturierte Ausgabe nicht 0.81 100% 0 € –
Frontier gpt-5.5 über-denkt den Task 0.78 80% $0,066 –
Frontier gemini-3.1-pro-preview 0.77 80% $0,086 –

Methodik: 5 Fälle · Judge-Panel (Median): gemini-2.5-flash, deepseek-v4-pro, mistral-small. „Format" = deterministische Hard-Checks (gültiges Schema etc.). Die Judge-Modelle stehen selbst im Feld — ein Modell benotet sich nie selbst (Self-Ausschluss), aber Panel und Kandidaten überlappen, eine Peer-Bevorzugung ist nicht ausgeschlossen. Quelle: services/mana-evals.

Was wir sehen

Kartomo baut aus einem Thema ein Karteikarten-Deck — als striktes JSON mit Vorder- und Rückseiten. Das ist schwerer als freier Text: das Modell muss das Format treffen und guten Lernstoff erzeugen.

Hier zeigt sich der Unterschied zur Zusammenfassung: das winzige Gerät-Modell reicht nicht mehr (0,81, unter der Schwelle). Aber das lokale 12-Mrd-Modell auf der eigenen GPU-Box schon (0,90) — und das kostet ebenfalls nichts. Das teuerste Modell im Test (Claude Opus, 0,143 $ pro Lauf) ist mit 0,97 nicht nennenswert besser als das günstige gemini-2.5-flash (1,00 für 0,002 $) — und beide rechtfertigen ihren Preis gegenüber dem kostenlosen lokalen Modell nicht.

Auch hier fallen die schweren Reasoning-Modelle (gpt-5.5, gemini-3.1-pro) durch: sie über-konstruieren die Aufgabe und verfehlen Format oder Schema. Die Lektion pro Operation die richtige Stufe — nicht das größtmögliche Modell.

Ehrlich benannt

Der Gegenpunkt

Anders als beim Zusammenfassen reicht das Gerät-Modell hier nicht — strukturiertes JSON ist anspruchsvoller, und 0,90 für das lokale 12B ist solide, aber nicht perfekt. Wer maximale Karten-Qualität will, findet in den günstigen Clouds (gemini-2.5-flash, mistral-small) für Bruchteile eines Cents einen Schritt mehr. n=5, Panel-Bewertung — ein Signal, kein Beweis.

Weitere Messungen