LLM-Parameter im Vergleich
LLM-Parameter im Vergleich: Die Tabelle stellt API-Parameter von OpenAI, Anthropic und Google Gemini gegenüber, von max_tokens über temperature bis tool_choice.
| Parameter | OpenAI Chat Completions | OpenAI Responses | Anthropic Messages | Google Gemini | |
|---|---|---|---|---|---|
| Endpunkt Grundlagen | POST /v1/chat/completions | POST /v1/responses | POST /v1/messages | POST /v1beta/models/{modell}:generateContent | |
| Authentifizierung Grundlagen | Authorization: Bearer … | Authorization: Bearer … | x-api-key: … und anthropic-version: 2023-06-01 | x-goog-api-key: … | |
| Modell Grundlagen | model | model | model | im Pfad der URL | |
| Systemprompt Grundlagen | Nachricht mit role system oder developer | instructions | system auf oberster Ebene | systemInstruction | |
| Nachrichten Grundlagen | messages | input (Text oder Liste von Items) | messages mit Rollen user und assistant | contents mit Rollen user und model | |
| Maximale Ausgabelänge Ausgabe | max_completion_tokens (älter: max_tokens) | max_output_tokens | max_tokens (Pflichtfeld) | generationConfig.maxOutputTokens | |
| Stoppsequenzen Ausgabe | stop (bis zu 4) | – | stop_sequences | generationConfig.stopSequences | |
| Mehrere Antworten Ausgabe | n | – | – | generationConfig.candidateCount | |
| Streaming Ausgabe | stream: true (Server-Sent Events) | stream: true | stream: true | Methode streamGenerateContent mit ?alt=sse | |
| temperature Steuerung | temperature von 0 bis 2 | temperature von 0 bis 2 | temperature von 0 bis 1 | generationConfig.temperature | |
| top_p Steuerung | top_p | top_p | top_p | generationConfig.topP | |
| top_k Steuerung | – | – | top_k | generationConfig.topK | |
| Wiederholungsstrafen Steuerung | frequency_penalty, presence_penalty (−2 bis 2) | – | – | generationConfig.frequencyPenalty, presencePenalty | |
| Startwert Steuerung | seed | – | – | generationConfig.seed | |
| Reasoning Steuerung | reasoning_effort | reasoning.effort | thinking, z. B. {"type": "enabled", "budget_tokens": …} | generationConfig.thinkingConfig | |
| Tool-Definition Tools | tools: [{type: "function", function: {name, description, parameters}}] | tools: [{type: "function", name, description, parameters}] | tools: [{name, description, input_schema}] | tools: [{functionDeclarations: [{name, description, parameters}]}] | |
| Tool-Wahl Tools | tool_choice: auto, none, required oder {type: "function", function: {name}} | tool_choice: auto, none, required oder {type: "function", name} | tool_choice: {type: "auto"}, {type: "any"}, {type: "tool", name}, {type: "none"} | toolConfig.functionCallingConfig.mode: AUTO, ANY, NONE | |
| Parallele Tool-Aufrufe Tools | parallel_tool_calls | parallel_tool_calls | disable_parallel_tool_use in tool_choice | – | |
| Aufruf in der Antwort Tools | message.tool_calls[], function.arguments als JSON-Zeichenkette | Item function_call mit call_id, arguments als Zeichenkette | Block tool_use mit id, input als Objekt | Teil functionCall mit name, args als Objekt | |
| Ergebnis zurückgeben Tools | Nachricht mit role: "tool" und tool_call_id | Item function_call_output mit call_id und output | Block tool_result mit tool_use_id in einer user-Nachricht | Teil functionResponse mit name und response | |
| JSON-Ausgabe Formate und Eingaben | response_format: {type: "json_schema", json_schema: {…}} oder {type: "json_object"} | text.format: {type: "json_schema", …} | Tool mit input_schema; strukturierte Ausgaben laut Dokumentation | generationConfig.responseMimeType: "application/json" mit responseSchema | |
| Bilder als Eingabe Formate und Eingaben | Teil {type: "image_url", image_url: {url}} | Teil {type: "input_image", image_url} | Block {type: "image", source: {type: "base64" oder "url", …}} | Teil inlineData mit mimeType und data | |
| Prompt-Caching Formate und Eingaben | automatisch ab einer Mindestlänge | automatisch ab einer Mindestlänge | cache_control: {type: "ephemeral"} an Inhaltsblöcken | implizit sowie explizit über cachedContents | |
| Antworttext Antwort | choices[0].message.content | output[] mit Items vom Typ message; in den SDKs output_text | content[] mit Blöcken vom Typ text | candidates[0].content.parts[] | |
| Abbruchgrund Antwort | finish_reason: stop, length, tool_calls, content_filter | status und incomplete_details.reason | stop_reason: end_turn, max_tokens, stop_sequence, tool_use | finishReason: STOP, MAX_TOKENS, SAFETY … | |
| Token-Verbrauch Antwort | usage.prompt_tokens, usage.completion_tokens | usage.input_tokens, usage.output_tokens | usage.input_tokens, usage.output_tokens | usageMetadata.promptTokenCount, candidatesTokenCount | |
| Gecachte Tokens Antwort | usage.prompt_tokens_details.cached_tokens | usage.input_tokens_details.cached_tokens | cache_read_input_tokens, cache_creation_input_tokens | usageMetadata.cachedContentTokenCount | |
| Batch-Verarbeitung Antwort | POST /v1/batches mit JSONL-Datei | POST /v1/batches mit Endpunkt /v1/responses | POST /v1/messages/batches | Methode batchGenerateContent | |
| Tokens vorab zählen Antwort | lokal mit einem Tokenizer | siehe Dokumentation | POST /v1/messages/count_tokens | Methode countTokens |
„–“ bedeutet: kein entsprechender Parameter in dieser API dokumentiert. Stand: Herbst 2026.
Alles läuft in Ihrem Browser. Eingaben verlassen Ihr Gerät nicht.
Gleiche Idee, andere Namen
Der LLM-Parameter im Vergleich zeigt, wie dieselbe Einstellung in den vier verbreiteten Schnittstellen heißt: OpenAI Chat Completions, OpenAI Responses API, Anthropic Messages API und Google Gemini mit generateContent. Die API-Parameter ähneln sich in der Sache, unterscheiden sich aber in Namen, Ort und Wertebereich. max_tokens ist bei Anthropic Pflicht, heißt bei der Responses API max_output_tokens und liegt bei Gemini in der Gemini generationConfig als maxOutputTokens. Auch das Paar temperature top_p gibt es überall, doch Anthropic erlaubt für die Temperatur nur Werte bis 1.
Am größten sind die Unterschiede bei Tools. Die Definition steckt bei OpenAI Chat Completions in einem Objekt function, bei der Responses API direkt im Tool, bei Anthropic mit input_schema und bei Gemini in functionDeclarations. Auch tool_choice hat verschiedene Werte: Was bei OpenAI required heißt, ist bei Anthropic any und bei Gemini der Modus ANY. Wie Aufrufe und Ergebnisse im Verlauf stehen, zeigt die Tabelle im Bereich Tools; eine fertige Anfrage übersetzen Sie mit OpenAI in Anthropic umwandeln.
Die Tabelle enthält nur Angaben, die in der öffentlichen Dokumentation der Anbieter fest beschrieben sind. Ein Strich heißt, dass es dort keinen entsprechenden Parameter gibt. Nicht jedes Modell unterstützt jeden Parameter: Reasoning-Modelle lehnen teilweise temperature ab, und neue Funktionen kommen oft zuerst als Beta. Vollständige Beispielanfragen erzeugt der API-Anfrage-Generator.
Anleitung: LLM-Parameter im Vergleich in 4 Schritten
- Im Suchfeld einen Parameter oder ein Thema eingeben, etwa
stopoder „Bilder“. - Unter „Thema“ die Tabelle auf einen Bereich wie Ausgabe, Tools oder Antwort eingrenzen.
- In der Zeile ablesen, wie der Parameter bei den vier APIs heißt.
- Mit „Zeile kopieren“ die Gegenüberstellung in Notizen oder Code-Kommentare übernehmen.
Typische Anwendungsfälle
- Beim Wechsel des Anbieters schnell die passende Entsprechung eines Parameters finden.
- Eine eigene Abstraktionsschicht über mehrere Modell-APIs planen.
- Verstehen, warum eine Anfrage nach dem Umstellen mit „unknown parameter“ abgelehnt wird.
- Unterschiede bei Wertebereichen, etwa von
temperature, nachschlagen.
Häufige Fragen
Warum gibt es zwei Spalten für OpenAI?
OpenAI bietet die ältere Chat Completions API und die neuere Responses API an. Beide sind im Einsatz und unterscheiden sich in vielen Parameternamen.
Welche temperature sollte ich wählen?
Für sachliche Aufgaben wie Extraktion oder Klassifikation niedrige Werte, für kreative Texte höhere. Viele Anbieter empfehlen, entweder temperature oder top_p zu ändern, nicht beide.
Wie heißen die Parameter in den SDKs?
Die offiziellen SDKs für Python und TypeScript verwenden die gleichen Namen wie die HTTP-API. Das Gemini-SDK für Python nutzt teilweise Unterstriche statt Binnenmajuskeln, etwa max_output_tokens.
Was ist mit Mistral, DeepSeek und anderen?
Viele weitere Anbieter bieten eine mit OpenAI Chat Completions kompatible Schnittstelle. Dann gelten die Namen der ersten Spalte, oft mit Einschränkungen.
Gelten alle Parameter für alle Modelle eines Anbieters?
Nein. Reasoning-Modelle lehnen zum Beispiel teilweise temperature oder top_p ab, und neue Parameter kommen oft nur für neue Modelle. Die Tabelle zeigt die Namen in der API, nicht die Unterstützung je Modell.
Wie aktuell ist die Tabelle?
Sie gibt den Stand der öffentlichen Dokumentation der Anbieter im Herbst 2026 wieder und enthält nur Angaben, die dort fest beschrieben sind. APIs ändern sich; prüfen Sie Details vor dem Einsatz in der Dokumentation.
Zum Weiterlesen
- RAG einfach erklärt: KI mit eigenen Dokumenten nutzenRAG einfach erklärt: wie Retrieval-Augmented Generation funktioniert, wofür man Embeddings und Vektordatenbanken braucht und was ein RAG-System kostet.
- Structured Outputs: Zuverlässig JSON von KI-ModellenStructured Outputs erklärt: Wie Sie mit JSON-Schema garantiert gültiges JSON von OpenAI, Claude und Gemini bekommen, statt kaputte Antworten nachträglich zu reparieren.
- Prompt Injection: Wie Angriffe auf KI-Systeme funktionierenPrompt Injection erklärt: wie versteckte Anweisungen in E-Mails, Dokumenten und Websites KI-Assistenten und Agenten manipulieren und welche Schutzmaßnahmen wirken.
Das könnte auch helfen
JSON formatierenneu
JSON formatieren, prüfen und minifizieren, mit Fehlerstelle und Tokenzahl.
ÖffnenJSON reparierenneu
Kaputtes JSON aus KI-Antworten reparieren: Codeblöcke, Kommas, Anführungszeichen.
ÖffnenBatch-Datei-Generatorneu
Aus einer Vorlage und einer Liste viele Prompts erzeugen, als JSONL für die Batch-APIs.
ÖffnenAPI-Anfrage-Generatorneu
Fertige cURL-Anfragen für die APIs von OpenAI, Anthropic und Google erzeugen.
ÖffnenPrompt-Injection-Prüferneu
Fremde Texte vor der KI-Verarbeitung auf versteckte Anweisungen und Tricks prüfen.
ÖffnenJSON-Schema-Generator
Aus einem JSON-Beispiel ein JSON Schema für strukturierte Ausgaben von KI-Modellen erzeugen.
Öffnen