Gehostet in der Schweiz · Open-Weight-Modelle · OpenAI-kompatibel
Open-Weight-Modelle auf Ihrer eigenen GPU, hinter einer API, die die OpenAI-SDKs bereits sprechen. Prompts und Antworten werden nicht gespeichert, und alle unsere Server stehen in Rechenzentren in der Schweiz.
# Python, offizielles OpenAI-SDK
from openai import OpenAI
client = OpenAI(
base_url="https://api.llmaas.ch/v1",
api_key="llmaas_…",
)
r = client.chat.completions.create(
model="gemma-4-26b-a4b",
messages=[{"role": "user",
"content": "Fasse das zusammen…"}],
stream=True,
)Solo betreibt Gemma 4 26B-A4B oder Qwen3.5-9B auf einer NVIDIA L4; Team und Scale betreiben grössere Modelle auf stärkeren Karten. Auch Ihr eigenes Fine-Tune kann laufen, wenn es auf die GPU passt.
Eine virtuelle Maschine mit eigener NVIDIA-GPU in einem Rechenzentrum in der Schweiz, betrieben mit vLLM. Sie bedient nur Ihr Konto.
Eine OpenAI-kompatible Basis-URL, API-Schlüssel für Ihre Anwendungen und den Web-Chat unter chat.llmaas.ch, mit Datei-Upload und Websuche.
Anfragen gehen über unser Gateway zu Ihrer Maschine in der Schweiz und werden dort beantwortet. Prompts und Antworten werden nicht gespeichert und nicht zum Training eines Modells verwendet; unsere Logs erfassen die Anzahl Tokens, nicht den Inhalt. Eine im Chat angehängte Datei bleibt höchstens eine Stunde im Arbeitsspeicher.
Die GPU bearbeitet nur Ihre Anfragen, ihre Geschwindigkeit hängt also allein von Ihrer eigenen Last ab. Sie zahlen einen Monatspreis für die Maschine, nicht pro Token. Die API nimmt 20 Anfragen pro Sekunde und Client-Adresse an, mit Spitzen bis 100.
Die OpenAI-SDKs, LangChain, OpenCode, Cursor und jedes andere Werkzeug, in dem Sie die Basis-URL einer OpenAI-kompatiblen API setzen können. Streaming, Tool-Aufrufe, Denkmodus und Bildeingabe werden unterstützt.
Die Modelle von Qwen und Google stehen unter Apache 2.0, ihre Gewichte sind öffentlich. Wenn Sie wechseln, laufen sie auf Ihrer eigenen Hardware.
Unter chat.llmaas.ch, angemeldet mit Ihrem LLMaaS-Konto: Dokumenten-Upload, Denkmodus und eine Anzeige des genutzten Kontexts. Die Gespräche bleiben in Ihrem Browser. Die Websuche lässt sich ausschalten; ist sie an, gehen ihre Suchanfragen an DuckDuckGo, ausserhalb der Schweiz, und unser Server öffnet die Seiten, die das Modell auswählt.
LLMaaS wird von Prilly im Kanton Waadt aus betrieben, und seine Server stehen in Rechenzentren in der Schweiz. Der Support antwortet per E-Mail auf Deutsch, Französisch oder Englisch. Der Vertrag untersteht Schweizer Recht und ist auf Englisch verfasst; die Rechnungen lauten auf Schweizer Franken.
Zwei Modelle, die wir empfehlen. Beide lesen Bilder, stehen unter Apache 2.0 und verarbeiten bis zu 256K Tokens Kontext; welchen Kontext jeder Plan bereitstellt, steht unter Preise. Gemma 4 26B-A4B ist das Solo-Modell; Qwen3.6-35B-A3B braucht die Team-GPU. Solo kann auch Qwen3.5-9B ausführen, ein kleineres Qwen, das Platz für längeren Kontext lässt.
Das Sparse-Mixture-of-Experts-Modell von Alibaba, gebaut für agentisches Programmieren, Funktionsaufrufe und strukturierte Ausgaben. Das Modell, das wir für Anwendungen empfehlen, die Tools aufrufen.
Das Mixture-of-Experts-Modell von Google. Das schnellste der Modelle, die wir auf der L4 betreiben, und das, welches wir für Dokumente, Screenshots und Diagramme empfehlen.
Im Team-Plan laufen Qwen3.6-35B-A3B, Qwen3.6-27B und Gemma 4 31B in FP8; Modelle der 100-Mrd.-Klasse laufen im Scale-Plan. Jedes andere Modell, das vLLM bedienen kann, stellen wir auf Anfrage bereit, wenn es auf die GPU des Plans passt und seine Lizenz es erlaubt.
Ein persönlicher Assistent, der rund um die Uhr auf einer eigenen kleinen Maschine läuft, mit dem LLMaaS-Modell, Ihrer GPU-Maschine oder einem anderen Anbieter. Sie schreiben ihm dort, wo Sie ohnehin sind, er nutzt Ihre Werkzeuge, und er erinnert sich.
Sein eigener Web-Chat und die Kanäle, die Sie verbinden: Discord, Telegram, Slack, Matrix, E-Mail. Er behält über alle Kanäle dasselbe Gedächtnis.
Er führt Befehle aus, liest und schreibt Dateien, liest Webseiten und arbeitet mit git auf seiner eigenen Maschine. So kann er eine Aufgabe bis zum Ergebnis erledigen.
Fügen Sie in seinen Einstellungen MCP-Server hinzu: Ihren Kalender, Ihre Code-Plattform, Ihre Notizen. Der Agent liest und handelt dort für Sie.
Verlangen Sie jeden Morgen eine Zusammenfassung oder jede Stunde eine Prüfung. Er führt die Aufgabe selbst aus und schreibt Ihnen, wenn es etwas zu sagen gibt.
Was er über Sie und Ihre Arbeit lernt, bleibt zwischen den Gesprächen erhalten, auf seiner eigenen Festplatte. Laden Sie dieses Gedächtnis jederzeit herunter.
Seine Festplatte ist verschlüsselt, und Sie entscheiden, wer sie entsperren kann: nur Sie, oder auch LLMaaS, damit er nach einem Neustart von selbst wieder anläuft. Die Maschine steht in der Schweiz und hat keinen SSH-Zugang: Sie ist nur über das LLMaaS-Gateway erreichbar.
CHF 19 pro Monat, allein oder zu einem GPU-Plan. Allein umfasst er 100 Anfragen pro Tag an das LLMaaS-Modell; zu einem GPU-Plan nutzt er Ihre Maschine ohne Tageslimit. Er kann auch mit Ihrem eigenen Schlüssel bei einem anderen Anbieter laufen.
Jeder Plan ist eine VM mit eigener GPU in der Schweiz. Chat, API-Schlüssel und unbegrenzte Tokens sind in jedem Plan enthalten. Monatliche Abrechnung; kündbar auf das Ende jedes Monats.
GPU-Pläne gibt es auf Anfrage. Die Nachfrage nach GPUs ist hoch und die Kapazität in der Schweiz begrenzt: Wir bestätigen, dass eine GPU für Sie frei ist, bevor wir Ihre VM einrichten.
ab CHF 399/Monat
NVIDIA L4 · 24 GB
ab CHF 799/Monat
NVIDIA L40S · 48 GB
ab CHF 1 999/Monat
NVIDIA A100 · 80 GB
CHF 19/Monat · allein oder zu jedem Plan
Ein ständig laufender Assistent auf einer eigenen kleinen VM, mit dem LLMaaS-Modell, Ihrer Maschine oder einem anderen Anbieter: Chat-Kanäle (Telegram, Slack, E-Mail …), Shell- und Datei-Werkzeuge, geplante Aufgaben und ein Gedächtnis, das er zwischen den Gesprächen behält.
Einstiegspreise; zurzeit wird keine MwSt. erhoben. Eine VM wird stündlich abgerechnet, zum Monatspreis geteilt durch 730, ab dem Zeitpunkt, an dem sie Ihnen zugeteilt ist, bis sie pausiert oder gelöscht wird: Ein Monat mit 30 Tagen kostet etwas weniger als der Monatspreis, einer mit 31 Tagen etwas mehr.
Ja, mit einer Ausnahme im Chat. Ihr Modell läuft auf einer virtuellen Maschine, die nur Ihr Konto bedient, in einem Rechenzentrum in der Schweiz. Anfragen gehen verschlüsselt von Ihrer Anwendung über unser Gateway zu dieser Maschine und zurück; nach der Antwort wird nichts davon gespeichert. Die Ausnahme: Ist im Chat die Websuche an, gehen ihre Suchanfragen an DuckDuckGo, ausserhalb der Schweiz, und unser Server öffnet die Seiten, die das Modell auswählt. Die API sucht nie im Web.
Ja, wenn er die Chat-Completions-API von OpenAI nutzt: Basis-URL und Schlüssel setzen. Das deckt die offiziellen SDKs, LangChain, LlamaIndex, OpenCode, Cursor, Continue und die meisten Agent-Frameworks ab. Streaming, Tool-Aufrufe und Bildeingabe werden unterstützt.
Qwen3.6, wenn Ihre Anwendung Tools aufruft oder Code schreibt; es braucht den Team-Plan. Gemma 4, wenn Sie den schnellsten Chat wollen oder viele Dokumente und Bilder lesen. Auf Wunsch wechseln wir das Modell auf Ihrer Maschine, wenn das neue auf die GPU des Plans passt; das braucht einen Neustart.
Im Solo-Plan sieht ein einzelner Nutzer 30 bis 45 Tokens pro Sekunde, und die GPU bedient rund 15 Chats gleichzeitig, bevor die Einzelgeschwindigkeit sinkt. Der Team-Plan verdreifacht das ungefähr. Lange Dokumente brauchen beim ersten Lesen einige Sekunden und werden danach zwischengespeichert.
Ja, wenn vLLM es bedienen kann, es auf die GPU Ihres Plans passt und seine Lizenz es erlaubt; das gilt auch für eigene Fine-Tunes. Nennen Sie uns das Hugging-Face-Repository, und wir sagen Ihnen, welchen Plan es braucht.
LLMaaS wird von Prilly im Kanton Waadt aus betrieben. Der Support antwortet per E-Mail an hello@llmaas.ch an Werktagen, spätestens am nächsten Werktag. Der Vertrag untersteht Schweizer Recht, die Rechnungen lauten auf Schweizer Franken.
Wählen Sie einen Plan und beschreiben Sie uns Ihren Anwendungsfall und Ihre Teamgrösse. Wir bestätigen, dass in der Schweiz eine GPU für Sie verfügbar ist, und senden Ihnen dann Basis-URL und Schlüssel.
Zugang anfragenOder schreiben Sie uns: hello@llmaas.ch