> ## Documentation Index > Fetch the complete documentation index at: https://docs.infercom.ai/llms.txt > Use this file to discover all available pages before exploring further. # Infercom Versionshinweise und Produktaktualisierungen > Aktuelle Infercom-Plattform-Updates, neue Modelle, API-Änderungen und Feature-Ankündigungen. Bleiben Sie auf dem Laufenden. ## **1. Oktober 2026** **Veraltung: MiniMax-M2.7 abgeschaltet** - `MiniMax-M2.7` wurde am **30. September 2026 um 18:00 Uhr MESZ** abgeschaltet. Anfragen an `MiniMax-M2.7` liefern jetzt HTTP 410 - Migrieren Sie zu [`gpt-oss-120b`](/de/models/infercomcloud-models) oder [`gemma-4-31B-it`](/de/models/infercomcloud-models), beide EU-gehostet - [Modellübersicht](/de/models/infercomcloud-models), [Ratenlimits](/de/models/rate-limits), [Reasoning](/de/build/reasoning), [Funktionsaufrufe](/de/features/function-calling), [OpenAI-Kompatibilität](/de/features/openai-compatibility) und [Veraltungen](/de/models/deprecations) aktualisiert **Global Model Catalog: MiniMax-M3 hinzugefügt** - `MiniMax-M3` ist über den [Global Model Catalog](/de/models/infercomcloud-models#global-model-catalog) mit einem Kontextfenster von 1M Token verfügbar. Die Verarbeitung erfolgt außerhalb der EU, in einer Region, die wir nicht kontrollieren - Unser Anbieter führt das Modell als Preview-Modell mit begrenzter Kapazität. Es akzeptiert nur Text - `logit_bias` und jeder `repetition_penalty` außer 1.0 führen bei diesem Modell zu einem Fehler. Siehe [OpenAI-Kompatibilität](/de/features/openai-compatibility) ## **30. September 2026** **Bevorstehende Veraltung: MiniMax-M2.7** - `MiniMax-M2.7` wird am **30. September 2026 um 18:00 Uhr MESZ** veraltet. Nach der Umstellung geben Anfragen an `MiniMax-M2.7` einen Fehler zurück - Diese Frist ist kürzer als unsere üblichen zwei bis drei Wochen. Wir bitten die kurze Frist zu entschuldigen - Empfohlene Ersatzmodelle: [`gpt-oss-120b`](/de/models/infercomcloud-models) (Reasoning, Function Calling, 128k Kontext) oder [`gemma-4-31B-it`](/de/models/infercomcloud-models) (vision-fähig, 128k Kontext). Beide sind EU-gehostet und bereits verfügbar - Hinweise zur Migration finden Sie unter [Veraltungen](/de/models/deprecations), oder kontaktieren Sie [support@infercom.ai](mailto:support@infercom.ai) **Dokumentation: Anleitungen zu Agentic Coding zurückgezogen** - Die Anleitungen zu Agentic Coding sind vorerst zurückgezogen. Ihre URLs leiten auf [OpenAI-Kompatibilität](/de/features/openai-compatibility), [Responses API](/de/features/responses-api) oder [Anthropic-Kompatibilität](/de/features/anthropic-compatibility) weiter - Die Codebeispiele in der gesamten Dokumentation verwenden jetzt `gpt-oss-120b` ## **18. September 2026** **Korrektur: `logit_bias` funktioniert nur bei `gpt-oss-120b`** - Am 11. September haben wir `logit_bias` als wirksam bei `DeepSeek-V3.2` und `Meta-Llama-3.3-70B-Instruct` geführt. Das war falsch. Unser Test hat fehlgeschlagene Anfragen als geänderte Ausgabe gewertet - **`logit_bias` liefert HTTP 500 bei `DeepSeek-V3.1`, `DeepSeek-V3.2` und `Meta-Llama-3.3-70B-Instruct` sowie bei einem Teil der Anfragen an `MiniMax-M2.7`.** Bei `gemma-4-31B-it` und bei den übrigen Anfragen an `MiniMax-M2.7` wird der Parameter ignoriert - **Maßnahme: Senden Sie `logit_bias` nur an `gpt-oss-120b`.** Die OpenAI-SDKs wiederholen einen 500 zweimal **Klarstellung: So verhalten sich `repetition_penalty` und `seed`** - **`repetition_penalty` wirkt nur auf `/v1/chat/completions`.** `/v1/responses` und `/v1/messages` akzeptieren den Parameter und ignorieren ihn - **Er bestraft auch Token in Ihrem Prompt.** Ein langer System-Prompt, etwa der eines Voice Agents, kann dadurch Wörter verlieren, auf die er angewiesen ist. Er ist kein direkter Ersatz für `frequency_penalty` - **Höhere Werte verlängern das Reasoning, statt die Antwort immer zu kürzen.** Bei `gpt-oss-120b` brauchte eine Antwort aus einem Satz 104 Completion-Token bei 1.0 und 244 bei 1.3. Mit einem knappen `max_tokens` kann die Antwort dadurch abbrechen. 1.8 liefert weiterhin keinen Inhalt. Bleiben Sie bei höchstens 1.2 - **`seed` legt `MiniMax-M2.7` je Deployment fest.** Das Modell läuft auf zwei Deployments, derselbe Seed liefert daher einen von zwei Texten - **`DeepSeek-V3.1` in die Parametertabelle aufgenommen:** `n`, `logprobs` und `seed` funktionieren, `repetition_penalty` hat keine Wirkung - **`/v1/responses` gibt `frequency_penalty` und `presence_penalty` in der Antwort zurück.** Angewendet werden sie weiterhin nicht **Vorankündigung: strengere Prüfung der Penalty-Parameter** - **Ein kommendes Plattform-Release gibt einen Fehler zurück, wenn `frequency_penalty` oder `presence_penalty` einen anderen Wert als `0` haben.** Heute werden diese Werte akzeptiert und haben keine Wirkung. Das Datum ergänzen wir hier, sobald es feststeht - **Dasselbe Release gibt einen Fehler für `repetition_penalty` auf `/v1/responses` und `/v1/messages` zurück**, wo der Parameter heute ignoriert wird - **Maßnahme jetzt: Entfernen Sie `frequency_penalty` und `presence_penalty` aus Ihren Anfragen oder setzen Sie sie auf `0`, und senden Sie `repetition_penalty` nur an `/v1/chat/completions`.** Für Anfragen, die das bereits tun, ändert sich nichts ## **11. September 2026** **Korrektur: Fünf Funktionen, die wir als nicht unterstützt geführt haben, funktionieren** - **`n`, `logprobs` und `top_logprobs` funktionieren bei jedem Modell.** `n: 2` liefert zwei Choices. `logprobs: true` mit `top_logprobs: 3` liefert befüllte Token-Logprobs samt Alternativen - **`seed` und `logit_bias` funktionieren bei `gpt-oss-120b`, `DeepSeek-V3.2` und `Meta-Llama-3.3-70B-Instruct`.** Bei `temperature` 1.0 legt ein Seed dort die Antwort fest: derselbe Seed liefert jedes Mal denselben Text, ein anderer Seed einen anderen. Ohne Seed variiert derselbe Prompt bei nahezu jeder Anfrage - **`seed` grenzt die Ausgabe bei `MiniMax-M2.7` ein, legt sie aber nicht fest.** Es bleiben zwei Varianten statt einer, während derselbe Prompt ohne Seed bei jeder Anfrage variiert. Bei `gemma-4-31B-it` hat der Parameter überhaupt keine Wirkung - Diese Funktionen kamen mit einem Plattform-Release im Mai 2026, unsere Dokumentation wurde nicht nachgezogen. Die Liste der nicht unterstützten Funktionen enthält jetzt nur noch die beiden Parameter, die tatsächlich nicht unterstützt werden - **Ein Parameter ohne Wirkung auf ein Modell wird dennoch akzeptiert.** Nichts in der Antwort weist darauf hin, dass er verworfen wurde. Siehe [Unterstützt, aber nicht bei jedem Modell](/de/features/openai-compatibility#unterstützt-aber-nicht-bei-jedem-modell) **Dokumentationskorrektur: `frequency_penalty` bewirkt nichts, `repetition_penalty` ist der wirksame Parameter** - **`frequency_penalty` und `presence_penalty` werden bei jedem Modell akzeptiert und ignoriert.** Bei allen fünf Modellen und `temperature` 0 liefern beide eine Ausgabe, die byte-identisch zu einer Anfrage ohne diese Parameter ist. `frequency_penalty: 99` liegt außerhalb des dokumentierten Bereichs, wird nicht abgelehnt und ebenfalls ignoriert. `presence_penalty: 99` gibt dagegen einen `400` zurück - Die API-Referenz beschrieb beide mit der vollständigen OpenAI-Semantik und ohne Hinweis. Sie stellt jetzt klar, dass sie aus Kompatibilitätsgründen akzeptiert und ignoriert werden - **`repetition_penalty` ist der Parameter, der wirkt.** Er fehlte in der API-Referenz und ist jetzt dort sowie auf der Seite zur OpenAI-Kompatibilität neben `top_k` dokumentiert. Der zulässige Bereich ist 1 bis 2, Werte außerhalb geben einen `400` zurück - **Er wird auf `gpt-oss-120b`, `MiniMax-M2.7` und `gemma-4-31B-it` angewendet und auf `DeepSeek-V3.2` sowie `Meta-Llama-3.3-70B-Instruct` ignoriert** - **Hohe Werte kürzen die Antwort.** Bei `gpt-oss-120b` und `temperature` 0 kürzt 1.3 die Antwort mit `finish_reason: "length"`, und 1.8 liefert überhaupt keinen Inhalt mehr, weil das gesamte Budget in das Reasoning fließt. Beginnen Sie bei 1.05 und bleiben Sie bei höchstens 1.2 - **Maßnahme: Wenn Sie `frequency_penalty` setzen, um eine Wiederholungsschleife zu stoppen, bewirkt das nichts.** Korrigieren Sie zuerst `temperature` und verwenden Sie dann `repetition_penalty` ## **10. September 2026** **Dokumentationskorrektur: Ein abgeschaltetes Modell liefert eine 410 im Klartext** - Eine Anfrage an ein veraltetes Modell auf `/v1/chat/completions` gibt HTTP 410 mit `content-type: text/plain; charset=utf-8` zurück. **Der Body ist kein JSON.** Es gibt weder ein `error`-Objekt noch eine `request_id`, sodass das Parsen einen Decode-Fehler auslöst - Offizielle SDKs verkraften dies. Das OpenAI Python SDK löst `openai.APIStatusError` mit `status_code` 410 aus und legt den Satz in `.body` ab. Clients, die `.json()` selbst auf der rohen Antwort aufrufen, tun das nicht - Derselbe Fall liefert auf `/v1/responses` JSON (Hülle, `type` und `code` jeweils `internal_error`) und auf `/v1/messages` ebenfalls JSON (Anthropic-Struktur, `not_found_error`) - Die Seite zu den Fehlercodes nannte zwei Antworten ohne Fehlerhülle. Es sind **drei**. Die Seite, die Hilfsfunktion zum defensiven Parsen und die OpenAPI-Referenz decken jetzt alle drei ab - `model_deprecated` ist als Code für die 410 dokumentiert, wird derzeit aber von keinem Endpunkt zurückgegeben. Die Tabellenzeile weist nun darauf hin. Eine Korrektur ist bei unserem Plattformanbieter in Arbeit - **Wiederholen Sie eine 410 nicht.** Der Zustand ist dauerhaft. Ändern Sie die Modell-ID. Siehe [API-Fehlercodes](/de/api-reference/using-the-api/api-error-codes#abweichende-fehlerformate) ## **9. September 2026** **Dokumentationskorrektur: `top_k` wird bei niedriger `temperature` stillschweigend abgeschaltet** - **`top_k` hat keine Wirkung, solange `temperature` nicht mindestens 0.001 beträgt.** Unterhalb dieser Schwelle, auch wenn Sie `temperature` ganz weglassen, wird `top_k` auf 1 gesetzt und die Dekodierung ist greedy. Eine Anfrage mit `top_k: 40` und ohne `temperature` liefert Argmax, ohne dass die Antwort auf den ignorierten Wert hinweist - Bei `gemma-4-31B-it` liefert `top_k: 40` ohne `temperature` bei jeder Anfrage denselben Text. Dieselbe Anfrage mit `temperature: 1.0` variiert bei jeder Anfrage - **Die Standardwerte bei weggelassenen Sampling-Parametern sind jetzt dokumentiert:** `temperature` 0.0, `top_p` 1.0, `top_k` 1048576, `repetition_penalty` 1.0 - **`top_k` muss 1 oder größer sein.** `-1` und `0` werden auf `/v1/chat/completions` und `/v1/messages` mit einem 400 abgelehnt. Auf `/v1/responses` werden sie akzeptiert, da dieser Endpunkt die Untergrenze nicht prüft, bedeuten dort aber ebenfalls nicht "keine Einschränkung". Die API-Referenz nannte für `top_k` ein Maximum von 100; es wird keine Obergrenze durchgesetzt - Die byte-identische Ausgabe ohne `temperature` ist **kein** fest gesetzter Seed. Sie entsteht durch das erzwungene `top_k` von 1. Verlassen Sie sich nicht über Releases hinweg darauf - Dokumentiert ist jetzt auch, warum `MiniMax-M2.7` Sampling verwendet, während die übrigen Modelle greedy dekodieren: nur auf den MiniMax-Bundles werden nicht gesetzte Sampling-Parameter aus der `generation_config.json` des Checkpoints ergänzt - **Maßnahme: Setzen Sie `temperature` explizit, bevor Sie `top_k` anpassen.** Siehe [Wie top_k mit temperature zusammenwirkt](/de/models/infercomcloud-models#wie-top_k-mit-temperature-zusammenwirkt) **Plattform-Wartungsrelease: Vision-Tool-Aufrufe, Reasoning-Token-Zählung, Fehlerhülle** - **Vision-Anfragen unterstützen jetzt Tools und strukturierte Ausgabe.** `gemma-4-31B-it` hält `tools`, `tool_choice` und `response_format` auch bei Anfragen mit Bild ein. Die Einschränkung wird während der Generierung angewendet. Siehe [Vision](/de/features/vision#tools-und-strukturierte-ausgabe-mit-bildern) - **Reasoning-Token werden bei jedem EU-Modell gemeldet.** Lesen Sie `usage.completion_tokens_details.reasoning_tokens`, um Reasoning getrennt von der sichtbaren Antwort zu budgetieren und abzurechnen. Bei `gemma-4-31B-it` war der Wert zuvor `null`. Siehe [Reasoning-Tokens auslesen](/de/build/reasoning#reasoning-tokens-auslesen) - **Fehlerhafte Bilddaten geben HTTP 400 zurück, nicht 500.** Dies ist ein permanenter Fehler. Wiederholen Sie die Anfrage nicht - **Fehler verwenden eine einheitliche JSON-Hülle, mit zwei Ausnahmen.** Die Antwort enthält eine `request_id`, die Sie in jeder Support-Meldung angeben sollten. Ein fehlerhaftes Bild und ein nicht eingehaltenes erzwungenes `tool_choice` geben weiterhin eine flache Struktur zurück, in der `error` ein String ist. Siehe [API-Fehlercodes](/de/api-reference/using-the-api/api-error-codes) - **Streaming von Tool-Aufrufen bei `gpt-oss-120b` ist sauber.** In `delta.content` gelangt kein Reasoning-Gerüst mehr. Beachten Sie, dass dasselbe Modell bei Streams ohne Tools ein Feld `channel` im Delta ergänzt - ignorieren Sie Delta-Felder, die Sie nicht kennen. Siehe [Tool-Aufrufe streamen](/de/features/function-calling#tool-aufrufe-streamen) - **Dokumentationskorrekturen:** Die Audio-Seite führte `stream_options` als akzeptierten Parameter. Der Endpunkt lehnt ihn mit HTTP 400 ab. `response_format` setzt nur `json` und `text` um; `verbose_json`, `srt` und `vtt` werden akzeptiert, liefern aber reinen Text. Siehe [Audio](/de/features/audio#ausgabeformate) ## **18. August 2026** **Dokumentationskorrektur: `temperature` hat keinen Standardwert** - Die API-Referenz nannte einen Standardwert von 0.7 für `temperature` auf `/v1/chat/completions` und `/v1/responses`. Diesen Standardwert gibt es nicht. Die Angabe wurde aus der OpenAPI-Spezifikation und aus allen Seiten entfernt, die sie wiederholt haben - Ohne `temperature` dekodieren `gemma-4-31B-it`, `gpt-oss-120b`, `DeepSeek-V3.2` und `Meta-Llama-3.3-70B-Instruct` greedy. `MiniMax-M2.7` nutzt Sampling. Das gilt gleichermaßen für `/v1/chat/completions`, `/v1/responses` und `/v1/messages` - Greedy-Decoding ist die Einstellung, die ein Reasoning-Modell am ehesten in eine nicht endende Wiederholungsschleife führt. Anfragen ohne Sampling-Parameter waren damit genau dem Fehler ausgesetzt, vor dem die Dokumentation warnt - `/v1/messages` weicht von der Anthropic API ab, die für `temperature` einen Standardwert von 1.0 dokumentiert. Code aus dem Anthropic SDK wechselt zu Greedy-Decoding, sofern Sie den Parameter nicht setzen - **Maßnahme: Setzen Sie `temperature` bei jeder Anfrage explizit.** Siehe [Wenn Sie temperature weglassen](/de/models/infercomcloud-models#wenn-sie-temperature-weglassen) ## **16. Juli 2026** **Veraltung: MiniMax-M2.5 abgeschaltet** - `MiniMax-M2.5` wird zum **16. Juli 2026, 21:00 Uhr MESZ** abgeschaltet. Nach diesem Wechsel geben Anfragen an `MiniMax-M2.5` einen Fehler zurück - Migrieren Sie zu [`MiniMax-M2.7`](/de/models/infercomcloud-models) (192k Kontext) oder [`gemma-4-31B-it`](/de/models/infercomcloud-models) (kosteneffizient, vision-fähig) - [Modellübersicht](/de/models/infercomcloud-models), [Ratenbegrenzungen](/de/models/rate-limits) und [Veraltungen](/de/models/deprecations) aktualisiert ## **3. Juli 2026** **Bevorstehende Veraltung: MiniMax-M2.5** - `MiniMax-M2.5` wird am **16. Juli 2026 um 21:00 Uhr MESZ** abgeschaltet - Empfohlene Nachfolger: `MiniMax-M2.7` (komplexes Reasoning, 192k Kontext) oder `gemma-4-31B-it` (kosteneffizient, vision-fähig) - Beide Nachfolgemodelle sind bereits verfügbar - migrieren Sie vor dem 16. Juli, um Serviceunterbrechungen zu vermeiden - Hinweise zur Migration finden Sie unter [Veraltungen](/de/models/deprecations) ## **20. Juni 2026** **Modell-Update: Gemma 4 ersetzt Gemma 3** - `gemma-3-12b-it` wurde entfernt und in einem einzigen Wechsel durch [`gemma-4-31B-it`](/de/models/infercomcloud-models) ersetzt. Anfragen an `gemma-3-12b-it` werden nicht mehr bedient - aktualisieren Sie Ihre Integrationen auf die Modell-ID `gemma-4-31B-it` - Gemma 4 ist EU-gehostet auf Infercoms souveräner Infrastruktur mit vollständiger Datensouveränität, bietet ein 128k-Kontextfenster und verbesserte Leistung bei gleichzeitiger Beibehaltung der Vision-Unterstützung - [Vision-Leitfaden](/de/features/vision) mit `gemma-4-31B-it`-Beispielen aktualisiert - [Ratenbegrenzungen](/de/models/rate-limits) und [Veraltungen](/de/models/deprecations) aktualisiert ## **5. Juni 2026** **Neue Modelle: Whisper-Large-v3 und E5-Mistral-7B-Instruct** - [Whisper-Large-v3](/de/features/audio) ist jetzt für Audio-Transkription und -Übersetzung verfügbar - OpenAIs hochmodernes ASR-Modell, EU-gehostet mit vollständiger Datensouveränität - [E5-Mistral-7B-Instruct](/de/features/embeddings) ist jetzt für die Generierung von Embeddings verfügbar - hochwertige Vektordarstellungen für RAG-, Such- und Klassifizierungs-Workflows - Beide Modelle laufen auf EU-souveräner Infrastruktur, keine Daten verlassen die EU-Gerichtsbarkeit - [Ratenbegrenzungen](/de/models/rate-limits) für beide Modelle aktualisiert - [Modellübersicht](/de/models/infercomcloud-models) mit neuen Embedding- und Audio-Modell-Abschnitten aktualisiert ## **24. Mai 2026** **Anthropic SDK-Kompatibilität** - Neuer `/v1/messages`-Endpunkt für Anthropic SDK-Kompatibilität - Verwenden Sie das Anthropic Python SDK mit Infercom-Modellen - ändern Sie nur die Base-URL - Unterstützt Streaming, System-Prompts, mehrteilige Konversationen und Tool-Verwendung - [Dokumentation](/de/features/anthropic-compatibility) ## **22. Mai 2026** **Neues Modell: MiniMax-M2.7** - [MiniMax-M2.7](/de/models/infercomcloud-models) ist jetzt als EU-gehostetes Modell mit einem Kontextfenster von 192K verfügbar - Empfohlen für agentenbasierte Coding-Workflows - ersetzt M2.5 als Standardempfehlung - MiniMax-M2.5 (160K Kontext) bleibt verfügbar, wird aber in einem künftigen Release abgeschaltet - [Ratenbegrenzungen](/de/models/rate-limits) für MiniMax-M2.7 aktualisiert ## **15. Mai 2026** **Responses API** - Neuer `POST /v1/responses` Endpunkt für agentenbasierte Workflows - unterstützt Function Tools, Streaming und Reasoning-Effort-Steuerung - Kompatibel mit OpenAI Responses API Standard - Unterstützte Modelle: `MiniMax-M2.5`, `gpt-oss-120b` - [Dokumentation](/de/features/responses-api) **Modell-Update** - `gemma-3-12b-it` auf EU-souveräne Infrastruktur verschoben - erstes vision-fähiges Modell mit vollständiger EU-Datensouveränität - [Vision-Leitfaden](/de/features/vision) **Neue Integration** - Codex CLI jetzt über Responses API unterstützt - Cline und OpenCode Anleitungen mit Plan/Execute-Konfigurationsmuster aktualisiert ## **24. April 2026** **Modellkatalog-Updates** - **DeepSeek-V3.1 in Global Model Catalog verschoben**: Wird jetzt via Proxy (US-Region) statt EU-gehosteter Infrastruktur bereitgestellt - **gemma-3-12b-it hinzugefügt**: Googles Gemma 3 12B-Modell jetzt über den Global Model Catalog verfügbar (Japan). Dies ist das erste **vision-fähige** Modell auf Infercom — siehe [Vision-Leitfaden](/de/features/vision) - **DeepSeek-V3.2 Kontextlänge korrigiert**: Von 8k auf 32k Tokens aktualisiert - **EU-gehostete Modelle**: MiniMax-M2.5 und gpt-oss-120b bleiben als souveräne EU-Optionen **Dokumentations-Updates** - [Vision-Leitfaden](/de/features/vision) mit gemma-3-12b-it-Beispielen und Souveränitätshinweis aktualisiert - Fähigkeiten-Spalte zu [Modellübersicht](/de/models/infercomcloud-models)-Tabellen hinzugefügt ## **6. April 2026** **Neue Dokumentation: Agentic Coding** - Agentic Coding-Bereich mit Anleitungen für 9 KI-Coding-Tools hinzugefügt - **Terminal-Tools:** Aider, OpenCode, Goose, Warp - **IDE-Tools:** Cursor, Cline, Continue, Windsurf - **Fortgeschritten:** Claude Code via ccproxy - Tool-Vergleichsanleitung - Empfehlungen zur Tool-Auswahl ## **3. April 2026** **Global Model Catalog optimiert** - Global Model Catalog auf 2 Modelle reduziert: `Meta-Llama-3.3-70B-Instruct` (128k) und `DeepSeek-V3.2` (8k) - 8 Modelle eingestellt: Qwen3-32B, Qwen3-235B, DeepSeek-R1-0528, DeepSeek-R1-Distill-Llama-70B, DeepSeek-V3-0324, DeepSeek-V3.1-Terminus, Llama-4-Maverick-17B-128E-Instruct, Meta-Llama-3.1-8B-Instruct - Siehe [Veraltungen](/de/models/deprecations) für Migrationsinformationen - MiniMax-M2.5 Kontextlänge auf 160k korrigiert (war fälschlicherweise als 164k gelistet) ## **12. März 2026** **Modellaktualisierung: MiniMax M2.5 ersetzt Meta-Llama-3.3-70B-Instruct** - [MiniMax M2.5](/de/models/infercomcloud-models) ist jetzt als EU-gehostetes Modell auf Infercoms souveräner Infrastruktur in Deutschland verfügbar - Meta-Llama-3.3-70B-Instruct wurde eingestellt und von der Plattform entfernt. Siehe [Veraltungen](/de/models/deprecations) für Migrationsinformationen - [Ratenbegrenzungen](/de/models/rate-limits) für MiniMax M2.5 aktualisiert ## **27. Februar 2026** **Global Model Catalog Launch** - 9 neue Modelle über den [Global Model Catalog](/de/models/infercomcloud-models#global-model-catalog) verfügbar, darunter DeepSeek-R1-0528, Qwen3-235B, Llama-4-Maverick und weitere - EU-gehostete und global geroutete Modelle sind jetzt klar getrennt in der [Modellübersicht](/de/models/infercomcloud-models) - [Ratenbegrenzungen](/de/models/rate-limits) für alle 12 Modelle über Free und Developer Tier aktualisiert - API `sn_metadata` gibt jetzt `is_external`- und `region`-Felder für alle Modelle zurück ## **14. Februar 2026** **Neue Dokumentation** - [Performance & Latenz](/de/features/performance)-Leitfaden hinzugefügt mit Themen zu Connection Pooling, Performance-Metadaten in der API-Antwort, Streaming-Optimierung und Best Practices zur Latenzreduzierung ## **5. Februar 2026** **Dokumentation für Global Model Catalog** - Dokumentation für den [Global Model Catalog](/de/models/infercomcloud-models#global-model-catalog) hinzugefügt, mit EU-gehosteten und global gerouteten Modellen - Dokumentiert wie man [Modellregionen identifiziert](/de/models/infercomcloud-models#modellregionen-identifizieren) über die API (`sn_metadata.region`) und den Playground - [API-Referenz](/de/api-reference/overview#modell-souveränitäts-metadaten) mit `sn_metadata`-Schema und `?verbose=true`-Abfrageparameter aktualisiert - Souveränitätsaussagen in der Dokumentation überprüft und für den Global Model Catalog präzisiert ## **23. Januar 2026** **Modell-Update** - DeepSeek-Modell von `DeepSeek-V3-0324-cb` auf `DeepSeek-V3.1` mit erweitertem 128k-Kontextfenster aktualisiert - Das vorherige Modell wurde als veraltet markiert und ist auf der [Veraltungsseite](/de/models/deprecations) aufgeführt - [Ratenbegrenzungen](/de/models/rate-limits) für alle Modelle aktualisiert ## **13. Januar 2026** **Neu** - [Hugging Face Spaces Chat-Demo](https://huggingface.co/spaces/infercomai/chat) - Interaktiver Chat mit Modellauswahl und Echtzeit-Performance-Metriken **Verbesserungen** - Dokumentationsbereinigung und Link-Korrekturen ## **30. Dezember 2025** Aktualisierung des Modellkatalogs mit den aktuell verfügbaren Modellen auf Infercom Inference Service. Die [Modellliste](/de/models/infercomcloud-models) und die [Ratenbegrenzungen](/de/models/rate-limits) wurden entsprechend aktualisiert. ## **17. November 2025** Wir freuen uns, die Einführung des Infercom-Dokumentationsportals bekannt zu geben. Diese umfassende Dokumentation wurde auf Basis der SambaNova-Dokumentation (Stand: 7. Oktober 2025) erstellt und für die EU-souveräne AI-Inferenz-Plattform von Infercom angepasst. **Wichtigste Funktionen** - Vollständige API-Referenzdokumentation mit OpenAI-kompatiblen Endpunkten. - Entwicklerhandbücher für die Integration mit der Infercom-Inferenz-Plattform. - Modellkatalog- und Konfigurationsdokumentation für alle unterstützten Modelle. - Plattformarchitektur- und Bereitstellungsanleitungen. - Anwendungsbeispiele in **Python** und **TypeScript**, unterstützt durch OpenAI-kompatible SDKs. Die gesamte Dokumentation wird kontinuierlich aktualisiert, um Infercom-spezifische Funktionen, europäische Datensouveränitätsfähigkeiten und Plattformverbesserungen widerzuspiegeln, sobald diese verfügbar werden.