Novita AI Aktionscode

Für Entwickler und Startups, die KI-Produkte bauen, ist die Infrastruktur eines der hartnäckigsten operativen Probleme: GPUs verwalten, mehrere Modellanbieter integrieren, Skalierung bewältigen und verhindern, dass die Kosten während des Prototypings aus dem Ruder laufen. Novita AI wurde entwickelt, um genau diese Ebene zu lösen. Die Cloud-Plattform gibt Entwicklern über eine einzige einheitliche API Zugriff auf mehr als 200 KI-Modelle, dazu reine GPU-Rechenleistung und isolierte Ausführungsumgebungen für Agenten – ganz ohne Serververwaltung.

Die Plattform arbeitet auf zwei Hauptebenen: sofort einsatzbereite Modell-APIs für Teams, die ein Modell aufrufen und sofort Ergebnisse erhalten wollen, und GPU-Cloud-Infrastruktur für Teams, die mehr Kontrolle, eigene Modelle oder groß angelegte Trainings- und Inferenz-Workloads brauchen.

• Einheitliche Modell-API mit mehr als 200 Modellen: Eine einzige OpenAI-kompatible API verbindet mit der gesamten Modellbibliothek über alle Modalitäten hinweg: LLMs von Anbietern wie DeepSeek, Qwen, Meta Llama, GLM, Kimi, MiniMax und weiteren; Bildgenerierungsmodelle wie Varianten von Stable Diffusion und individuell feinabgestimmte Versionen; Videogenerierung; Text-to-Speech sowie Embedding-Modelle. Dank der OpenAI-kompatiblen Struktur können Entwickler, die bereits mit dem OpenAI SDK arbeiten, mit minimalen Codeänderungen zu Novita-Modellen wechseln.

• APIs für Bild- und Videogenerierung: Text-to-Image, Image-to-Image, Inpainting, Upscaling, Gesichtsbearbeitung und Hintergrundentfernung stehen als einzelne API-Endpunkte zur Verfügung. Auch Modelle zur Videogenerierung sind über dieselbe Schnittstelle zugänglich. Die Preise für die Bildgenerierung beginnen bei 0,0015 $ pro Standardbild und variieren je nach Auflösung, Modell und Inferenzschritten.

• GPU-Instanzen: on demand und Spot: Global verteilte GPU-Instanzen stehen für Training, Fine-Tuning und Inferenz mit hohem Durchsatz zur Verfügung und decken Hardware vom Consumer- bis zum Enterprise-Niveau ab, darunter RTX 4090, H100, A100, H200 und RTX 5090. Spot-Instanzen bieten bis zu 50% Ersparnis gegenüber On-Demand-Preisen für Workloads, die Unterbrechungen vertragen. Die Abrechnung erfolgt pro Sekunde, und Vorlagen für beliebte Frameworks wie ComfyUI und TensorFlow beschleunigen die Einrichtung der Umgebung.

• Bereitstellung eigener Modelle: Teams, die eigene Modelle trainiert haben, können diese auf privaten Endpunkten mit dedizierten Ressourcen, individuellen SLAs und Überwachung rund um die Uhr bereitstellen. So laufen proprietäre Modelle auf der Infrastruktur von Novita, während das Team die volle Kontrolle über Modellgewichte und Konfigurationen behält – ganz ohne DevOps-Aufwand.

• Agenten-Sandbox: Isolierte Container-Umgebungen für autonome KI-Agenten mit Startzeiten von etwa 200 ms, sicherer Tool-Ausführung für Browser-Interaktion, API-Aufrufe und Code-Ausführung sowie Unterstützung für lang laufende Jobs bis zu 24 Stunden. Die Sandbox ist E2B-kompatibel und wird pro Sekunde nach tatsächlicher CPU- und Speichernutzung abgerechnet statt über ein festes Abo. Eine typische kurze Agentenaufgabe kostet etwa 0,003 $, und es gibt keinen monatlichen Mindestbetrag.

• Batch-Inferenz: Für Workloads ohne Echtzeitanforderung gibt es Batch-Inferenz mit 50% Rabatt auf Input- und Output-Tokens bei den unterstützten Modellen – deutlich kosteneffizienter für umfangreiche Verarbeitungsaufgaben.

• Direkte Hugging-Face-Integration: Modelle von Hugging Face lassen sich direkt auf der Infrastruktur von Novita bereitstellen, wobei die Plattform als Inferenz-Backend dient, ohne bestehende Workflows neu aufbauen zu müssen.

• Das Preis-Leistungs-Verhältnis bei der LLM-Inferenz gehört durchweg zu den wettbewerbsfähigsten am Markt: Unabhängige Benchmarks von Cloud-GPU-Anbietern sehen die Stundensätze von Novita für beliebte Hardware unter den niedrigsten. Bei LLMs beginnen die Preise für Modelle wie DeepSeek V3.2 bei etwa 0,27 $ pro Million Input-Tokens – deutlich weniger als beim Zugriff auf gleichwertige Modelle über die APIs der Hersteller oder größerer Cloud-Anbieter. Für Startups mit hohem Token-Volumen in der Entwicklung oder in der Produktion summiert sich dieser Unterschied schnell zu erheblichen Einsparungen.

• Der einheitliche API-Ansatz beseitigt einen der mühsamsten Teile der Arbeit mit mehreren KI-Anbietern: Statt separate Authentifizierungen, SDKs und Codepfade für einen LLM-Anbieter, einen Bildgenerierungsanbieter und einen Audioanbieter zu pflegen, leitet ein einziger Novita-API-Aufruf an das Modell weiter, das die Anwendung braucht. Für kleine Entwicklerteams, die mehrere Modalitäten abdecken müssen, ohne mehrere Anbieterbeziehungen zu verwalten, ist das eine echte Zeitersparnis und kein theoretischer Komfort.

• Das Produkt Agenten-Sandbox schließt eine echte Lücke im Ökosystem der KI-Agenten: Die meisten Teams, die autonome Agenten bauen, nutzen entweder E2B mit erheblichen monatlichen Abo-Kosten, bauen eine eigene Sandbox-Umgebung oder betreiben Agenten unsicher auf gemeinsam genutzter Infrastruktur. Die sekundengenaue Abrechnung von Novita ohne monatlichen Mindestbetrag verändert die Wirtschaftlichkeit deutlich, besonders für Entwickler in frühen Phasen, die Agenten nur gelegentlich statt dauerhaft ausführen. Dank E2B-Kompatibilität ist auch die Migration bestehender Setups unkompliziert.

• Spot-Instanzen mit 50% Rabatt auf On-Demand-Preise machen GPU-intensive Workloads deutlich zugänglicher: Bei Trainingsläufen, Batch-Jobs oder Fine-Tuning-Aufgaben, die sich per Checkpoint unterbrechen und fortsetzen lassen, halbieren Spot-Instanzen die Kosten. Zusammen mit den ohnehin wettbewerbsfähigen Basispreisen macht das Novita zu einer glaubwürdigen Alternative zu Lambda Labs, RunPod und den großen Cloud-Anbietern für KI-spezifische Rechenleistung.

• Das OpenAI-kompatible API-Design senkt die Hürde für eine Migration deutlich: Teams, die auf der OpenAI-API aufgebaut haben, können Novita-Modelle mit minimalen Codeänderungen testen. Das senkt das Risiko der Evaluierung und macht es realistisch, Open-Source-Modelle mit proprietären Modellen zu vergleichen, ohne alles neu zu schreiben.

• Die GPU-Instanzen erfordern echte Erfahrung in der Verwaltung von Linux-Servern: Während die Modell-APIs wirklich Plug-and-play sind, laufen GPU-Instanzen als Linux-Server, die der Nutzer selbst konfigurieren, warten und debuggen muss. Für Gründer oder kleine Teams ohne DevOps-Hintergrund ist das eine spürbare Anforderung, die bei der Modell-API-Ebene nicht besteht.

• Novita ist ein relativ kleines, eigenfinanziertes Unternehmen: Mit einem Team von rund 10 Personen und 1,1 Mio. $ Jahresumsatz (Stand 2025) bewegt es sich in einer ganz anderen Größenordnung als AWS, Google Cloud oder etabliertere KI-Cloud-Wettbewerber. Für Teams mit Enterprise-Anforderungen an Zuverlässigkeit, SLA-Erwartungen oder Compliance-Bedarf wirft das berechtigte Fragen zur langfristigen Stabilität der Infrastruktur auf, die ein größerer Anbieter überzeugender beantworten würde.

• Die Preise für Bild- und Videogenerierung variieren stark je nach Modell, Auflösung und Inferenzschritten: und sind nicht in einer einfachen Tabelle zusammengefasst. Teams müssen den Preisrechner von Novita nutzen, um die Kosten für ihren konkreten Generierungs-Workload abzuschätzen, was die Budgetplanung im Vergleich zu Plattformen mit festen Preisen pro Generierung erschwert.

• Die Modellbibliothek ist breit, aber stark auf Open-Source- und chinesische KI-Modelle ausgerichtet: Teams, deren Anwendung speziell GPT-4o, Claude oder andere Closed-Source-Spitzenmodelle benötigt, finden diese hier nicht. Novita eignet sich hervorragend für die Inferenz von Open-Source-Modellen, aber nicht für Teams, deren Produktstrategie ausschließlich auf proprietären Modellen aufbaut.

Novita AI arbeitet vollständig nach dem Pay-as-you-go-Modell ohne monatliche Abo-Gebühren für die Kernprodukte. Neue Nutzer erhalten bei der Registrierung kostenloses Test-Guthaben. Die Preise variieren je nach Produktebene.