メニュー
Evaluate LLM models for cost/performance ratio. Fetches current pricing and recommends optimal model for your use case. Use during project init or when optimizing costs.
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
SOC 職業分類に基づく
Cross-project audit and sync. Backs up, bootstraps, promotes, syncs, and verifies all downstream projects.
Structured pre-planning research. Explores codebase, asks clarifying questions, and produces a brainstorm output file for /plan-feature input.
Capture knowledge from development sessions. Debug patterns, architecture decisions, framework gotchas, and integration learnings compound over time.
Load project context and show current status. Use at the start of a session or when context is needed.
Run parallel code reviews using specialized agents (security, performance, simplicity, nextjs-react). Produces a structured report.
Initialize a new project from Agent Kit boilerplate. Use when creating a new downstream project.
| name | llm-evaluate |
| description | Evaluate LLM models for cost/performance ratio. Fetches current pricing and recommends optimal model for your use case. Use during project init or when optimizing costs. |
| disable-model-invocation | true |
| allowed-tools | Read, WebFetch, WebSearch, AskUserQuestion |
| argument-hint | ["use-case"] |
Evaluiert LLM-Modelle basierend auf aktuellem Preis/Leistungs-Verhältnis.
/init-project bei der KomplexitätsbewertungFalls kein Argument übergeben, frage:
Was ist dein Use Case?
Beispiele:
• "Chat-Bot für Kundenservice" (High-Volume, schnelle Antworten)
• "Dokumenten-Analyse" (Langer Context, Reasoning)
• "Code-Generierung" (Präzision wichtig)
• "GDPR-konforme EU-App" (Compliance)
• "Budget-Projekt" (Kosten minimieren)
WICHTIG: Preise ändern sich häufig. Hole aktuelle Daten.
Suche nach aktuellen Preisen mit WebSearch:
Query: "[Provider] API pricing 2026"
Für jeden Provider:
Einige Provider haben öffentliche Pricing-Pages:
| Provider | Pricing URL |
|---|---|
| Anthropic | https://www.anthropic.com/pricing |
| OpenAI | https://openai.com/api/pricing |
| https://ai.google.dev/pricing | |
| DeepSeek | https://platform.deepseek.com/api-docs/pricing |
| Mistral | https://mistral.ai/technology/#pricing |
| xAI | https://x.ai/api |
Falls Web-Fetch fehlschlägt, nutze .claude/reference/llm-configuration.md als Fallback (aber weise auf möglicherweise veraltete Daten hin).
| Kriterium | Gewichtung | Beschreibung |
|---|---|---|
| Kosten | 30% | Input + Output Tokens |
| Qualität | 30% | Benchmark-Scores, Erfahrungswerte |
| Latenz | 20% | Time to first token, Throughput |
| Context | 10% | Max Context Window |
| Features | 10% | Vision, Tools, Streaming |
| Use Case | Wichtig | Unwichtig |
|---|---|---|
| Chat-Bot | Latenz, Kosten | Context |
| Dokument-Analyse | Context, Qualität | Latenz |
| Code-Gen | Qualität | Kosten |
| High-Volume | Kosten, Latenz | Qualität |
| GDPR | Compliance | Kosten |
┌─────────────────────────────────────────────────────────────────────────────┐
│ LLM EVALUATION - [Use Case] │
├─────────────────────────────────────────────────────────────────────────────┤
│ │
│ 📅 Preise Stand: [Datum der Abfrage] │
│ │
│ TOP 3 EMPFEHLUNGEN: │
│ │
│ 🥇 #1: [Modell] │
│ Provider: [Provider] │
│ Input: $[X]/1M tokens │
│ Output: $[X]/1M tokens │
│ Context: [X]K │
│ Score: [X]/100 (basierend auf Use Case) │
│ Warum: [Begründung] │
│ │
│ 🥈 #2: [Modell] │
│ ... │
│ │
│ 🥉 #3: [Modell] │
│ ... │
│ │
├─────────────────────────────────────────────────────────────────────────────┤
│ │
│ KOSTEN-SCHÄTZUNG (bei 1M Requests/Monat, 1000 Tokens avg): │
│ │
│ Modell #1: ~$[X]/Monat │
│ Modell #2: ~$[X]/Monat │
│ Modell #3: ~$[X]/Monat │
│ │
├─────────────────────────────────────────────────────────────────────────────┤
│ │
│ FALLBACK-STRATEGIE: │
│ │
│ Primary: [Modell #1] │
│ Fallback: [Modell #2] │
│ Budget: [Modell #3] │
│ │
└─────────────────────────────────────────────────────────────────────────────┘
Falls gewünscht, generiere die Portkey-Konfiguration:
// Empfohlene Portkey Konfiguration für [Use Case]
const config = {
strategy: {
mode: 'fallback',
},
targets: [
{ provider: '[primary]', model: '[model]' },
{ provider: '[fallback]', model: '[model]' },
],
cache: {
mode: 'semantic',
ttl: 3600,
},
};
Falls signifikante Preisänderungen gefunden wurden:
.claude/reference/llm-configuration.md aktualisiert werden sollDieser Skill sollte regelmäßig genutzt werden:
Empfehlung: Führe /llm-evaluate monatlich aus um:
- Neue Modelle zu entdecken
- Preisänderungen zu berücksichtigen
- Kosten-Optimierung zu prüfen
Während /init-project wird dieser Skill automatisch bei der Komplexitätsbewertung (Step 0.2) aufgerufen um das optimale Modell für den Use Case zu empfehlen.
| Modell | Input/1M | Output/1M | Context | Stärken |
|---|---|---|---|---|
| Claude Opus 4.5 | $15 | $75 | 200K | Best reasoning |
| Claude Sonnet 4 | $3 | $15 | 200K | Best coding |
| Claude Haiku 3.5 | $0.25 | $1.25 | 200K | Fast, cheap |
| Modell | Input/1M | Output/1M | Context | Stärken |
|---|---|---|---|---|
| GPT-4o | $5 | $15 | 128K | Multimodal |
| GPT-4o-mini | $0.15 | $0.60 | 128K | Budget GPT-4 |
| o1 | $15 | $60 | 200K | Deep reasoning |
| Modell | Input/1M | Output/1M | Context | Stärken |
|---|---|---|---|---|
| Gemini 2.0 Pro | $7 | $21 | 1M | Long context |
| Gemini 2.0 Flash | $0.10 | $0.40 | 1M | Fast, cheap |
| Gemini Flash 8B | $0.04 | $0.15 | 1M | Ultra cheap |
| Modell | Input/1M | Output/1M | Context | Stärken |
|---|---|---|---|---|
| DeepSeek V3 | $0.27 | $1.10 | 64K | Open-weight |
| DeepSeek R1 | $0.55 | $2.19 | 64K | Reasoning |
| Modell | Input/1M | Output/1M | Context | Stärken |
|---|---|---|---|---|
| Grok 2 | $2 | $10 | 128K | Realtime data |
| Grok 2 Vision | $2 | $10 | 32K | Image understanding |
| Modell | Input/1M | Output/1M | Context | Stärken |
|---|---|---|---|---|
| Mistral Large | $2 | $6 | 128K | EU-hosted |
| Codestral | $0.30 | $0.90 | 256K | Code |
| Mistral Small | $0.20 | $0.60 | 128K | Budget |
User: /llm-evaluate Chat-Bot für Kundenservice
Claude:
┌─────────────────────────────────────────────────────────────────────────────┐
│ LLM EVALUATION - Customer Service Chat Bot │
├─────────────────────────────────────────────────────────────────────────────┤
│ │
│ 📅 Preise Stand: Januar 2026 │
│ │
│ TOP 3 EMPFEHLUNGEN: │
│ │
│ 🥇 #1: Claude Haiku 3.5 │
│ Provider: Anthropic │
│ Input: $0.25/1M tokens │
│ Output: $1.25/1M tokens │
│ Context: 200K │
│ Score: 92/100 │
│ Warum: Schnell, günstig, gute Qualität für Chat │
│ │
│ 🥈 #2: Gemini 2.0 Flash │
│ Provider: Google │
│ Input: $0.10/1M tokens │
│ Output: $0.40/1M tokens │
│ Context: 1M │
│ Score: 88/100 │
│ Warum: Noch günstiger, aber weniger konsistent │
│ │
│ 🥉 #3: DeepSeek V3 │
│ Provider: DeepSeek │
│ Input: $0.27/1M tokens │
│ Output: $1.10/1M tokens │
│ Context: 64K │
│ Score: 82/100 │
│ Warum: Sehr günstig, aber China-based (Compliance?) │
│ │
└─────────────────────────────────────────────────────────────────────────────┘
Dieser Skill wird automatisch während /init-project aufgerufen:
/llm-evaluate läuft im HintergrundVersion: 1.0 Last Updated: January 2026