Adaptive ist ein intelligenter Modellrouter, der automatisch das beste KI-Modell für jede Aufgabe auswählt. Statt manuell zwischen Dutzenden von Modellen zu wählen, analysiert Adaptive Ihren Prompt und leitet ihn an das Modell weiter, das das beste Ergebnis liefert.Documentation Index
Fetch the complete documentation index at: https://docs.devinenterprise.com/llms.txt
Use this file to discover all available pages before exploring further.
So funktioniert es
Adaptive auswählen

Preise
- Self-serve
- Enterprise (Cognition Platform - ACUs)
- Enterprise (Legacy Credits)
Adaptive belastet Ihr Kontingent mit einem festen Preis pro Token, unabhängig davon, welches zugrunde liegende Modell für eine bestimmte Anfrage ausgewählt wird.Derzeit verbraucht das Adaptive-Modell Kontingent und Überschreitungsstatus zu einem vergünstigten Einführungspreis (bis zum 7. Juni 2026).
Diese Preise gelten auch für zusätzliche Nutzung über Ihr enthaltenes Kontingent hinaus.Da Adaptive einfachere Aufgaben an kleinere Modelle weiterleitet, verbraucht es insgesamt in der Regel weniger Token, als für jede Anfrage manuell ein Frontier-Modell auszuwählen. Dadurch ist es für die meisten Nutzer die kosteneffizienteste Option.
| Token-Typ | Kosten pro 1 Mio. Token |
|---|---|
| Eingabe-Token | $0.50 |
| Ausgabe-Token | $2.00 |
| Cache-Lese-Token | $0.10 |
Tipps, um Adaptive optimal zu nutzen
- Formulieren Sie Ihre Prompts möglichst konkret. Klare, fokussierte Anweisungen helfen Adaptive, das passende Modell auszuwählen, und reduzieren unnötigen Token-Verbrauch.
- Nutzen Sie Prompt-Caching. Wenn Sie innerhalb einer Unterhaltung über mehrere Runden hinweg beim selben Modell bleiben, kann Caching genutzt werden, was die Kosten für Eingabe-Token deutlich senkt. Adaptive berücksichtigt dies beim Routing.
- Verwenden Sie Adaptive als Standard. Für die meisten Workflows ist Adaptive der beste Ausgangspunkt. Wechseln Sie nur dann zu einem spezifischen Modell, wenn Sie dafür einen bestimmten Grund haben — zum Beispiel, wenn Sie für eine komplexe Aufgabe die Fähigkeiten eines bestimmten Modells zum logischen Schlussfolgern benötigen.
