Reasoning an oder aus: Qwen gewinnt 33 Punkte, die großen Gemmas 7, die kleinen verlieren

Die meisten lokalen Modelle lassen sich auf zwei Arten betreiben: mit einer Denkphase vor der Antwort oder direkt zur Antwort. Die Denkphase kostet Zeit und Token. Kauft sie besseres Schreiben? Wir haben 21 lokale Varianten auf beide Arten mit denselben deutschen Aufgaben laufen lassen und beide Versionen in denselben Blindduellen bewertet. Jeder Pfeil unten beginnt bei der Bewertung ohne Reasoning und endet bei der Bewertung mit Reasoning.

Einundzwanzig Varianten, ein Schalter: Bei sechzehn zeigt der Pfeil nach rechts

Was der Reasoning-Schalter verändert

Bewertung ohne Reasoning (Pfeilanfang) und mit Reasoning (Pfeilspitze), 21 lokale Varianten nach Gewinn sortiert.

• Qwen
• Gemma
• Reasoning aus
• Reasoning an

Als Datentabelle anzeigen

Modell	Reasoning aus	Reasoning an	Gewinn
Qwen3.8 27B Q8_0	28,7	66,8	+38,1
Qwen3.6 27B Q8_0	23,5	58,6	+35,1
Qwen3.6 35B A3B Q4_K_M	13,4	47,1	+33,7
Qwen3.8 27B Q6_K	29,5	62,6	+33,1
Qwen3.6 35B A3B Q8_0	17,3	47,1	+29,8
Qwen3.8 27B Q4_K_M	19,4	46,1	+26,7
Gemma 4 26B A4B QAT-Q4_0	30,8	52,7	+21,9
Gemma 4 26B A4B Q8_0	50,7	70,2	+19,5
Gemma 4 31B Q6_K	60,8	70,8	+10,0
Gemma 4 E4B Q8_0	15,0	22,7	+7,7
Gemma 4 31B Q8_0	64,6	72,1	+7,5
Gemma 4 26B A4B Q6_K	47,1	52,4	+5,3
Gemma 4 E2B Q4_K_M	5,3	10,0	+4,7
Gemma 4 12B QAT-Q4_0	48,8	53,1	+4,3
Gemma 4 31B QAT-Q4_0	61,3	65,0	+3,7
Gemma 4 E4B Q4_K_M	10,8	12,5	+1,7
Gemma 4 12B Q6_K	57,8	54,5	−3,3
Gemma 4 E2B Q8_0	14,0	10,4	−3,6
Gemma 4 E4B Q6_K	17,6	8,8	−8,8
Gemma 4 E2B Q6_K	16,9	8,1	−8,8
Gemma 4 12B Q8_0	60,7	51,8	−8,9

Sechzehn Varianten gewinnen, fünf verlieren. Die Geschichte erzählt aber die Länge der Pfeile: Die Qwen-Varianten gewinnen 27 bis 38 Punkte, die großen Gemma-4-Varianten liegen zwischen −9 und +22, die kleinen Gemmas pendeln um null.

Qwen gewinnt im Schnitt 33 Punkte, die großen Gemmas 7, die kleinen verlieren einen

Was Reasoning bringt, Familie für Familie

Mittlerer Punktgewinn bei eingeschaltetem Reasoning über die Varianten jeder Familie.

Als Datentabelle anzeigen

	Punkte	n
Qwen 3.6 / 3.8	+32,8	6
Gemma 4, 12B und größer	+6,7	9
Gemma 4 E2B / E4B	−1,2	6

Die Familien verhalten sich so unterschiedlich, dass ein Gesamtmittel alles verdecken würde. Qwen3.6 und Qwen3.8 gewinnen im Schnitt 32,8 Punkte; Gemma 4 ab 12B gewinnt 6,7; Gemma 4 E2B und E4B verlieren 1,2, drei von sechs Varianten fallen zurück.

Ohne Reasoning ist Qwen3.8 27B ein schwaches Modell, mit Reasoning eines der besten lokalen

Qwen3.8 27B Q8_0 kommt ohne Reasoning auf 28,7 Punkte und mit Reasoning auf 66,8, ein Gewinn von 38 Punkten, der größte der Tabelle. Qwen3.6 27B Q8_0 gewinnt 35, Qwen3.6 35B A3B Q4_K_M 34. Was auch immer diese Modelle in ihrer Denkphase tun, ihre deutsche Prosa hängt davon ab. Wer ein Qwen ohne Reasoning laufen lässt, bewertet ein anderes, viel schwächeres Modell.

Gemma 4 12B und die kleinen Gemmas verlieren Punkte, wenn sie nachdenken

Am anderen Ende verliert Gemma 4 12B Q8_0 mit Reasoning 8,9 Punkte, Gemma 4 E4B Q6_K und E2B Q6_K je 8,8. Gemma 4 31B gewinnt je nach Variante 4 bis 10 Punkte, Gemma 4 26B A4B 6 bis 22; das lohnt sich, ist aber nicht entscheidend. Für die kleinen Gemmas ist Reasoning vertane Zeit, manchmal Schlimmeres.

Dasselbe Experiment auf Englisch, Französisch und Spanisch

Das Muster hält. Qwen gewinnt in jeder Sprache im Schnitt 26 bis 33 Punkte; die großen Gemma-4-Varianten gewinnen 5 bis 10; die kleinen Gemmas gewinnen nichts. Deutsch und Französisch sind die Sprachen, in denen Reasoning bei Gemma 4 12B am meisten Schaden anrichtet.

Fazit

Reasoning ist weder ein kostenloses Upgrade noch ein Gimmick; es hängt von der Familie ab. Qwen braucht es: Ohne Reasoning ist Qwen3.8 27B ein Modell aus dem unteren Drittel, mit Reasoning eines der besten lokalen. Gemma 4 ab 12B gewinnt ein paar Punkte, die kleinen Gemmas verlieren. Für Qwen einschalten, für Gemma E2B und E4B auslassen, und zwei- bis viermal langsamere Generierung in Kauf nehmen, wann immer es an ist.