Eingabeformat: Markdown, HTML - oder doch etwas anderes?
Markdown gilt als gesetzt, HTML ist im Gespräch, gemessen hat es für deinen Stack niemand. Dieses Lab verkündet keine Antwort: Du wirfst dein eigenes Material ein, stellst deine eigene Frage und entscheidest blind, welche Antwort besser ist. Token und Genauigkeit sind dabei zwei Achsen - wer nur zählt, misst das Falsche.
01Dein Material, vier Fassungen
Füge deinen eigenen Inhalt ein - Markdown oder HTML, das Lab erkennt beides. Daraus entstehen vier Fassungen mit demselben Inhalt. Die Tokenzahl steht sofort da, ohne Modellaufruf und ohne Anmeldung. Gezählt wird mit cl100k (GPT-3.5/4); andere Tokenizer kommen auf andere Zahlen, aber auf dieselben Verhältnisse.
903 von 12000 Zeichen
Die Zahlen gelten für das Dokument mit den unten eingestellten Reglern.
# Wartung der Kläranlage Nordfeld Die Anlage Nordfeld läuft seit der Erweiterung 2023 mit drei Belebungsbecken statt zwei. Die Umstellung hat den Durchsatz erhöht, aber auch den Stromverbrauch der Gebläsestation. ## Betriebsstunden Die Gebläse laufen im Regelbetrieb 18 Stunden täglich. In den Sommermonaten sinkt der Bedarf, weil der Abbau bei höheren Temperaturen schneller abläuft; die Steuerung senkt die Laufzeit dann eigenständig bis auf 13 Stunden. ## Der Zwischenfall im März Am 14. März fiel Gebläse 2 wegen eines defekten Frequenzumrichters aus. Der Fehler blieb elf Stunden unbemerkt, weil die Störmeldung an eine ausgelaufene Rufnummer ging. Seitdem läuft die Alarmierung über zwei getrennte Wege, und die Rufliste wird quartalsweise geprüft. ## Kosten Der Ersatz des Frequenzumrichters kostete 4.180 Euro. Die Nachrüstung der zweiten Alarmierungsstrecke schlug mit 900 Euro zu Buche.
02Deine Frage, blind gegeneinander
Zwei Fassungen laufen parallel gegen dasselbe Modell. Welche Seite welches Format ist, steht nicht dabei - wer weiß, dass links Markdown steht, findet Markdown besser, und wir hätten eine Umfrage über Vorurteile statt einer Messung. Aufgedeckt wird erst nach deinem Urteil.
Dieser Stack fährt genau ein Modell, deshalb gibt es hier keinen Regler - beide Seiten laufen ohnehin gegen dasselbe. Kleine Modelle sind formatsensitiver als große (Qwen3-8B schwankt über vier Formate um 9,18 Prozentpunkte); ein Ergebnis von hier ist deshalb kein Ergebnis für ein Frontier-Modell.
Der Positionsregler ist kein Beiwerk: Modelle finden eine Angabe am Anfang und am Ende zuverlässiger als in der Mitte („Lost in the Middle", Liu et al. 2024, Abfall von 20 Prozentpunkten und mehr). Wer ohne diesen Regler misst, misst genau diesen Effekt und nennt ihn Formatwirkung.
Was bisher zusammengekommen ist
Angezeigt wird nicht „Markdown gewinnt", sondern Token je gewonnenem Vergleich: die Eingabe-Token, die ein Format über alle seine Vergleiche gekostet hat, geteilt durch die Vergleiche, die es gewonnen hat. Niedrig ist gut. Die Verwechslung von Token-Ersparnis mit Genauigkeit ist der häufigste Denkfehler in dieser Frage - diese Zahl legt beide Achsen zusammen.
Noch zu wenige Läufe für eine Auswertung: 0 von mindestens 20 entschiedenen Vergleichen. Eine Zahl aus einer Handvoll Urteile steht morgen anders da - deshalb zeigen wir sie erst, wenn sie etwas aushält.