Modellbeschreibung

Quellen (Beispiele in den Tabellen stammen von den offiziellen Produkt‑Ankündigungen)

Modell	Kerneigenschaft (in einem Satz)	Konkretes Alltags‑Beispiel (einfach verständlich)
GPT‑4.1	Starker Allrounder für Coding, lange Kontexte (bis zu 1M Tokens), gute Instruktions‑Folge	„Suche in einem ganzen Buch nach allen Erwähnungen eines Fachbegriffs und fasse Kapitel 3 zusammen“ — macht das zuverlässig.
GPT‑4.1‑mini	Kompakter, schneller, günstigere API‑Option für viele Aufgaben	„Automatisch E‑Mails klassifizieren und Schlagwörter vorschlagen“ — schnell + günstig.
GPT‑4.1‑nano	Sehr klein und extrem schnell; ideal für einfache Klassifikation/Autovervollständigung	„Kurzantworten oder Kategorie‑Tags für Support‑Tickets“ — viel günstiger pro Anfrage.
GPT‑5	Größere „Denktiefe“ und Router/Thinking‑Modi; besser bei komplexen Analysen, Multimodalität	„Mehrstufiges Recherche‑Projekt: Web‑Abfragen + Code zum Auswerten von Daten + Ergebnisbericht“ — kann Tools/Plugins nutzen und länger denken.
GPT‑5‑mini	Mini‑Variante von GPT‑5 — schneller, für viele Nutzer‑Anfragen, behält wichtige Verbesserungen	„Schnelle interne Zusammenfassungen großer Dokumente für Team‑Chats“.
GPT‑5‑nano	Nano‑Variante für sehr hohes Volumen / einfache Tasks; günstigste GPT‑5‑Option	„Automatische Stichwort‑Extraktion in hohen Volumina (Logs, Chats)“.

Modell	Typischer Einsatz (Warum man es wählt)	Konkretes Beispiel
o3	Hoche Leistung beim logischen, multimodalen Problemlösen; starkes Reasoning, gut für Forschung & Programmier‑Debugging	„Analysiere ein technisches Paper, teste Hypothesen mit Python‑Schnipseln und generiere reproduzierbare Plots“ — gut für Forschungsteams.
o4‑mini	Optimierte, kosteneffiziente Reasoning‑Variante; sehr schnell und gut bei Mathe/Coding mit Toolzugriff	„Löse viele Mathe‑Aufgaben (AIME‑ähnlich) unter Verwendung eines eingebetteten Python‑Interpreters“ — sehr gutes Preis/Leistungsergebnis.