Benchmarks, die zählen — Intelligenz pro Euro
Arena-Rankings, unabhängige Messungen und echte Marktzahlen — verbunden mit echten Euro-Preisen. Alles mit Datenstand und Quellenangabe.
416
Modelle im LMArena-Ranking
411
Modelle im Coding-Ranking
77
unserer Modelle mit Benchmark
76
mit „Intelligenz pro Euro"
Auf einen Blick
💰 Beste Wahl fürs Geld
MiMo V2.6 Flash
1455 Elo · 0,155 € /1M
🧠 Nr. 1 im Arena-Elo (unsere Liste)
gemini-4-argon
Elo 1532 · LMArena #1
🇩🇪 Bestes Deutsch (unsere Liste)
Claude Opus 5
Elo 1526 · 8,886 €
💻 Bestes Coding (unsere Liste)
gemini-4-argon
Elo 1547 · 3,555 €
🔬 AA-Intelligence-Index
Claude Opus 5.5
57,6 · via OpenRouter
📊 Markt-Sieger (OpenRouter, Woche)
DeepSeek V4.1-Flash
37,1 T Tokens · #1
📈 Größter Aufsteiger (letzter Snapshot)
Step 5 Preview
+1.4 Elo
⚡ Günstigstes Modell mit Elo 1450+
MiMo V2.6 Flash
0,155 € /1M · 1455 Elo
⚡ Intelligenz pro Euro — unser Ranking
LMArena-Elo ÷ Blended-Preis (Euro/1M). Höher = mehr gemessene Qualität pro Euro. Nur Modelle mit beiden Werten.
| # | Modell | Elo | € / 1M blended | Elo je € |
|---|---|---|---|---|
| 1 | MiMo V2.6 Flash Xiaomi | 1455 | 0,155 € | 9.358 |
| 2 | Nemotron 3.5 Super VL 120B A12B NVIDIA | 1409 | 0,153 € | 9.190 |
| 3 | Qwen3.5 Flash Alibaba | 1397 | 0,156 € | 8.978 |
| 4 | GPT-6 luna OpenAI | 1392 | 0,178 € | 7.827 |
| 5 | GLM 5.3 Flash z.ai | 1471 | 0,211 € | 6.966 |
| 6 | DeepSeek V3.2 DeepSeek | 1424 | 0,266 € | 5.355 |
| 7 | GLM 4.5 Air z.ai | 1384 | 0,378 € | 3.663 |
| 8 | GLM 4.6V z.ai | 1376 | 0,4 € | 3.442 |
| 9 | GPT-5.4 nano OpenAI | 1372 | 0,415 € | 3.306 |
| 10 | DeepSeek V4.1-Flash DeepSeek | 1463 | 0,467 € | 3.135 |
| 11 | MiMo V2.6 Pro Xiaomi | 1491 | 0,483 € | 3.085 |
| 12 | MiniMax M2.1 MiniMax | 1392 | 0,467 € | 2.983 |
| 13 | MiniMax M2.5 MiniMax | 1359 | 0,467 € | 2.913 |
| 14 | gemini-3.1-flash-lite Google | 1416 | 0,5 € | 2.832 |
| 15 | Mistral Large 3 Mistral | 1428 | 0,666 € | 2.143 |
Und in der Spitzenklasse (Elo ≥ 1400)?
| # | Modell | Elo | € / 1M blended | Elo je € |
|---|---|---|---|---|
| 1 | MiMo V2.6 Flash Xiaomi | 1455 | 0,155 € | 9.358 |
| 2 | Nemotron 3.5 Super VL 120B A12B NVIDIA | 1409 | 0,153 € | 9.190 |
| 3 | GLM 5.3 Flash z.ai | 1471 | 0,211 € | 6.966 |
| 4 | DeepSeek V3.2 DeepSeek | 1424 | 0,266 € | 5.355 |
| 5 | DeepSeek V4.1-Flash DeepSeek | 1463 | 0,467 € | 3.135 |
| 6 | MiMo V2.6 Pro Xiaomi | 1491 | 0,483 € | 3.085 |
| 7 | gemini-3.1-flash-lite Google | 1416 | 0,5 € | 2.832 |
| 8 | Mistral Large 3 Mistral | 1428 | 0,666 € | 2.143 |
| 9 | Gemini 3.5 Flash-Lite Google | 1435 | 0,755 € | 1.899 |
| 10 | Gemini 2.5 Flash Google | 1417 | 0,755 € | 1.876 |
| 11 | GLM 4.6 z.ai | 1440 | 0,889 € | 1.620 |
| 12 | GLM 4.7 z.ai | 1435 | 0,889 € | 1.615 |
Elo: LMArena (Chatbot Arena, 2026-10-15, CC BY 4.0) · Preise: unsere Liste, EZB-Kurs 0.88865 (Stand 16. Oktober 2026). Elo je € = Elo ÷ Blended-Preis. Filter: Diese Liste zeigt nur Modelle mit Elo ≥ 1350 (ernsthaft nutzbare Qualität) — sehr günstige Einsteigermodelle würden sonst das Effizienz-Ranking dominieren.
🏆 LMArena: Die Top 15 der Welt (menschliche Präferenz)
Stand 2026-10-15 · 416 Modelle · Ranking aus blinden Zweikämpfen, von Menschen bewertet (CC BY 4.0). Wichtig zur Skala: Die Top 15 liegen nur rund 50 Elo-Punkte auseinander — die Balken starten deshalb bei Elo 1000 (volle Achse), nicht beim Minimum. Kleine Balken-Unterschiede = kleine, oft statistisch nicht gesicherte Abstände (siehe Konfidenzintervall-Linien). Die besten Modelle anderer Hersteller (u. a. OpenAI/ChatGPT, xAI, DeepSeek) stehen im Hersteller-Duell und in den Kategorien.
Das Duell der Hersteller — bestes Modell je Anbieter
| Hersteller | Bestes Modell (LMArena) | Elo (Rang) | € / 1M blended | Elo je € |
|---|---|---|---|---|
| gemini-4-argon | 1532 #1 | 3,555 € | 431 | |
| Anthropic | Claude Opus 5.5 | 1516 #2 | 7,109 € | 213 |
| Meta | Muse Wonder | 1501 #7 | 7,109 € | 211 |
| Xiaomi | MiMo V2.6 Pro | 1491 #11 | 0,483 € | 3.085 |
| Alibaba | Qwen3.7 Max | 1475 #24 | 3,332 € | 443 |
| Moonshot | Kimi K3 | 1475 #25 | 5,332 € | 277 |
| z.ai | GLM 5.3 | 1471 #27 | 1,911 € | 770 |
| OpenAI | GPT-5.5 | 1467 #35 | 10,037 € | 146 |
| DeepSeek | DeepSeek V4.1-Flash | 1463 #38 | 0,467 € | 3.135 |
| Moonshot AI | Kimi K2.6 | 1455 #44 | 1,522 € | 956 |
| xAI | Grok 4.5 | 1448 #56 | 2,666 € | 543 |
| Mistral | Mistral Large 4 | 1430 #94 | 0,917 € | 1.559 |
| NVIDIA | Nemotron 3.5 Super VL 120B A12B | 1409 #141 | 0,153 € | 9.190 |
| MiniMax | MiniMax M2.1 | 1392 #165 | 0,467 € | 2.983 |
| Cohere | Command A | 1331 #225 | 3,888 € | 342 |
| IBM | Granite 4.2 8B | 1320 #234 | 0,0955 € | 13.818 |
| Amazon | Amazon Nova Pro | 1259 #291 | 1,244 € | 1.012 |
| AI21 Labs | Jamba 1.5 Large | 1237 #298 | 3,11 € | 398 |
Je Anbieter das LMArena-stärkste Modell aus unserer Preisliste — inklusive Preis-Effizienz.
Anzeige
Die LMArena misst 22 Kategorien — von Deutsch über Mathe bis zu 8 Branchen. Hier die wichtigsten; jede hat eine eigene Seite mit Top 50.
🇩🇪 Deutsch-Ranking — welches Modell spricht am besten Deutsch?
Die LMArena-Kategorie Deutsch (314 Modelle) — ein Vergleich, den es sonst nirgends auf Deutsch gibt. Links die Weltspitze, rechts die Auswahl aus unserer Preisliste.
Weltspitze Deutsch (Top 12)
| # | Modell | Elo |
|---|---|---|
| 1 | Claude Opus 5 (Max) | 1.525,9 |
| 2 | Muse Spark 1.3 (Max) | 1.523,4 |
| 3 | Gemini 3 Pro | 1.515,2 |
| 4 | Gemini 3.7 Flash (High) | 1.503,1 |
| 5 | Claude Opus 5 (High) | 1.502,4 |
| 6 | Claude Opus 4.6 (High) | 1.501,8 |
| 7 | Claude Fable 5.1 (Max) | 1.501,7 |
| 8 | Muse Spark | 1.497,6 |
| 9 | Gemini 3.8 Flash (High) | 1.497,5 |
| 10 | gemini-3-flash | 1.497,0 |
| 11 | Claude Opus 4.7 (High) | 1.495,2 |
| 12 | gemini-3.5-flash-medium | 1.493,3 |
Aus unserer Preisliste (Top 12)
| Modell | Elo (Rang) | € / 1M |
|---|---|---|
| Claude Opus 5 | 1.525,9 LMArena #1 | 8,886 € |
| Muse Spark 1.3 | 1.523,4 LMArena #2 | 1,777 € |
| Gemini 3.7 Flash | 1.503,1 LMArena #4 | 1,333 € |
| Claude Opus 4.6 | 1.501,8 LMArena #6 | 8,886 € |
| Claude Fable 5.1 | 1.501,7 LMArena #7 | 17,773 € |
| Gemini 3.8 Flash | 1.497,5 LMArena #9 | 1,34 € |
| Claude Opus 4.7 | 1.495,2 LMArena #11 | 8,886 € |
| GLM 5.3 | 1.492,9 LMArena #13 | 1,911 € |
| Gemini 3.5 Flash | 1.492,2 LMArena #14 | 3,013 € |
| Gemini 3.1 Pro Preview | 1.491,3 LMArena #15 | 3,999 € |
| Kimi K3 | 1.489,5 LMArena #16 | 5,332 € |
| Gemini 2.5 Pro | 1.487,1 LMArena #18 | 3,055 € |
Sprachen im Vergleich
Dasselbe Modell, andere Sprache — andere Rangfolge. Die Besten je Sprache laut LMArena.
| Sprache | Modelle | 🥇 Nr. 1 | Nr. 2 | Nr. 3 |
|---|---|---|---|---|
| Deutsch | 314 | Claude Opus 5 (Max) (1.525,9) | Muse Spark 1.3 (Max) | Gemini 3 Pro |
| Englisch | 416 | Gemini 4 Argon (High) (1.537,7) | Claude Opus 5.5 (High) | Claude Opus 4.6 (High) |
| Französisch | 297 | Claude Fable 5.1 (Max) (1.527,3) | Claude Opus 5 (High) | Muse Spark 1.3 (Max) |
| Spanisch | 301 | Claude Fable 5.1 (Max) (1.520,5) | Claude Opus 5 (Max) | Claude Opus 5.5 (High) |
| Chinesisch | 392 | Gemini 4 Argon (High) (1.608,3) | Claude Fable 5.1 (Max) | Claude Opus 5.5 (High) |
| Japanisch | 280 | Claude Fable 5.1 (Max) (1.560,1) | Claude Opus 5 (Max) | Claude Opus 5 (High) |
| Koreanisch | 284 | Claude Fable 5.1 (Max) (1.520,8) | Claude Opus 5 (Max) | Claude Opus 5 (High) |
| Russisch | 380 | Gemini 4 Argon (High) (1.534,0) | Muse Wonder (Max) | Claude Opus 5.5 (High) |
| Polnisch | 236 | Claude Fable 5.1 (Max) (1.524,3) | Claude Opus 5 (Max) | Claude Opus 5 (High) |
| Nicht-Englisch | 416 | Gemini 4 Argon (High) (1.521,7) | Claude Fable 5.1 (Max) | Claude Opus 5.5 (High) |
Quelle: LMArena, CC BY 4.0, Stand 2026-10-15.
Fähigkeiten im Detail — wofür ist welches Modell stark?
Sechs Dimensionen aus der LMArena, jeweils die Top 8. Ein Modell, das überall vorne ist, gibt es nicht — genau deshalb lohnt der Vergleich.
🧮 Mathematik
Mathe-Aufgaben · 400 Modelle
| # | Modell | Elo |
|---|---|---|
| 1 | Gemini 4 Argon (High) | 1.536,3 |
| 2 | Claude Opus 5 (High) | 1.531,9 |
| 3 | Claude Opus 5 (Max) | 1.529,7 |
| 4 | Claude Fable 5.1 (Max) | 1.528,4 |
| 5 | Gemini 3.8 Flash (High) | 1.527,4 |
| 6 | Claude Opus 4.6 (High) | 1.518,6 |
| 7 | Claude Fable 5 (High) | 1.518,6 |
| 8 | Claude Opus 4.6 | 1.510,4 |
✍️ Kreatives Schreiben
Geschichten, Gedichte, Prosa · 414 Modelle
| # | Modell | Elo |
|---|---|---|
| 1 | Claude Opus 5.5 (High) | 1.533,7 |
| 2 | Gemini 4 Argon (High) | 1.526,9 |
| 3 | Claude Fable 5.1 (Max) | 1.507,7 |
| 4 | Claude Opus 4.6 (High) | 1.504,9 |
| 5 | Claude Fable 5 (High) | 1.494,1 |
| 6 | Claude Opus 5 (Max) | 1.491,7 |
| 7 | Gemini 3.8 Flash (High) | 1.491,5 |
| 8 | Gemini 3.7 Flash (High) | 1.488,7 |
🎯 Instruktions-Treue
Hält sich das Modell exakt an Vorgaben? · 416 Modelle
| # | Modell | Elo |
|---|---|---|
| 1 | Claude Opus 5.5 (High) | 1.535,8 |
| 2 | Gemini 4 Argon (High) | 1.535,6 |
| 3 | Claude Opus 4.6 (High) | 1.522,0 |
| 4 | Claude Opus 5 (Max) | 1.517,8 |
| 5 | Claude Fable 5.1 (Max) | 1.517,2 |
| 6 | Claude Opus 5 (High) | 1.514,6 |
| 7 | Claude Opus 4.6 | 1.510,6 |
| 8 | Claude Fable 5 (High) | 1.502,3 |
🔥 Harte Prompts
Knifflige, anspruchsvolle Anfragen · 416 Modelle
| # | Modell | Elo |
|---|---|---|
| 1 | Gemini 4 Argon (High) | 1.546,0 |
| 2 | Claude Opus 5.5 (High) | 1.534,9 |
| 3 | Claude Opus 5 (Max) | 1.526,5 |
| 4 | Claude Fable 5.1 (Max) | 1.526,4 |
| 5 | Claude Opus 4.6 (High) | 1.525,5 |
| 6 | Claude Opus 4.6 | 1.523,1 |
| 7 | Claude Opus 5 (High) | 1.521,5 |
| 8 | mimo-v2.6-pro | 1.510,2 |
🎓 Expertenfragen
Fachlich tiefe Fragen · 366 Modelle
| # | Modell | Elo |
|---|---|---|
| 1 | Claude Opus 5 (High) | 1.554,6 |
| 2 | Claude Opus 5 (Max) | 1.552,4 |
| 3 | Gemini 4 Argon (High) | 1.550,8 |
| 4 | Claude Opus 5.5 (High) | 1.549,6 |
| 5 | Claude Opus 4.6 (High) | 1.544,9 |
| 6 | mimo-v2.6-pro | 1.540,7 |
| 7 | Claude Fable 5.1 (Max) | 1.539,7 |
| 8 | Claude Opus 4.6 | 1.537,5 |
💬 Mehrere Runden
Dialoge über mehrere Nachrichten · 414 Modelle
| # | Modell | Elo |
|---|---|---|
| 1 | Gemini 4 Argon (High) | 1.556,0 |
| 2 | Muse Wonder (Max) | 1.517,6 |
| 3 | Claude Opus 4.6 (High) | 1.512,2 |
| 4 | Claude Opus 4.6 | 1.507,2 |
| 5 | Claude Opus 4.7 (High) | 1.505,6 |
| 6 | Claude Fable 5 (High) | 1.505,4 |
| 7 | Claude Opus 4.7 | 1.504,0 |
| 8 | Muse Spark 1.2 (xHigh) | 1.502,3 |
Quelle: LMArena, CC BY 4.0, Stand 2026-10-15.
Branchen-Rankings — das beste Modell für dein Fachgebiet
Acht Berufsfelder, jeweils die Top 3. Ob Medizin, Recht oder Finanzen — die Qualität unterscheidet sich deutlich.
Medizin & Gesundheit
Fachfragen aus der Medizin
| # | Modell | Elo |
|---|---|---|
| 1 | Gemini 4 Argon (High) | 1.554,0 |
| 2 | Claude Fable 5.1 (Max) | 1.529,6 |
| 3 | Claude Opus 5 (Max) | 1.526,2 |
Recht & Verwaltung
Juristische und behördliche Fragen
| # | Modell | Elo |
|---|---|---|
| 1 | Gemini 4 Argon (High) | 1.548,9 |
| 2 | Claude Opus 5 (Max) | 1.529,1 |
| 3 | Claude Opus 5 (High) | 1.522,0 |
Wirtschaft & Finanzen
Business-, Management- und Finanzthemen
| # | Modell | Elo |
|---|---|---|
| 1 | Gemini 4 Argon (High) | 1.525,1 |
| 2 | Claude Opus 5 (Max) | 1.500,6 |
| 3 | Claude Opus 4.6 (High) | 1.497,6 |
Software & IT
Softwareentwicklung und IT-Betrieb
| # | Modell | Elo |
|---|---|---|
| 1 | Gemini 4 Argon (High) | 1.555,9 |
| 2 | Claude Opus 5.5 (High) | 1.538,1 |
| 3 | Claude Fable 5.1 (Max) | 1.529,2 |
Mathe & Statistik (Branche)
Mathematische Berufsfelder
| # | Modell | Elo |
|---|---|---|
| 1 | Gemini 4 Argon (High) | 1.556,5 |
| 2 | Claude Opus 5 (High) | 1.543,8 |
| 3 | Claude Opus 5 (Max) | 1.538,5 |
Wissenschaft
Natur- und Sozialwissenschaften
| # | Modell | Elo |
|---|---|---|
| 1 | Gemini 4 Argon (High) | 1.547,8 |
| 2 | Claude Fable 5.1 (Max) | 1.532,2 |
| 3 | Claude Opus 5 (Max) | 1.530,7 |
Schreiben & Sprache (Branche)
Redaktion, Literatur, Sprachberufe
| # | Modell | Elo |
|---|---|---|
| 1 | Claude Opus 5.5 (High) | 1.534,1 |
| 2 | Gemini 4 Argon (High) | 1.529,1 |
| 3 | Claude Fable 5.1 (Max) | 1.508,7 |
Medien & Entertainment
Unterhaltung, Sport, Medien
| # | Modell | Elo |
|---|---|---|
| 1 | Gemini 4 Argon (High) | 1.525,8 |
| 2 | Claude Opus 5.5 (High) | 1.510,7 |
| 3 | Claude Fable 5.1 (Max) | 1.495,2 |
Quelle: LMArena, CC BY 4.0, Stand 2026-10-15.
Neun weitere Arenen — vom Website-Bau bis zur Faktentreue
LMArena misst längst mehr als Chat: Web-Entwicklung, Bildverständnis, Dokumente, Recherche, Agenten — und ob ein Modell dazu neigt, Fakten zu erfinden.
Web-Entwicklung
Wer baut die beste Website? (Vibe-Coding-Arena) · 142 Modelle
| # | Modell | Elo |
|---|---|---|
| 1 | claude-opus-5.5-max | 1.811,1 |
| 2 | gpt-6-astra-max | 1.780,2 |
| 3 | claude-sonnet-5.5-xhigh | 1.773,7 |
| 4 | gpt-6.1-sol-max | 1.760,1 |
| 5 | claude-fable-5.1-max | 1.742,7 |
| 6 | claude-sonnet-5.5-high | 1.713,0 |
Bildverständnis
Bilder verstehen und beschreiben · 165 Modelle
| # | Modell | Elo |
|---|---|---|
| 1 | claude-fable-5-high | 1.324,0 |
| 2 | claude-opus-5.5-high | 1.320,5 |
| 3 | claude-opus-5-high | 1.319,2 |
| 4 | claude-fable-5.1-max | 1.318,2 |
| 5 | claude-opus-4-7 | 1.316,4 |
| 6 | gemini-3.7-flash-high | 1.316,0 |
Faktentreue
Wer erfindet weniger? (Halluzinations-Test) · 185 Modelle
| # | Modell | Elo |
|---|---|---|
| 1 | Gemini 4 Argon (High) | 1.510,8 |
| 2 | Claude Opus 5.5 (High) | 1.509,3 |
| 3 | Claude Fable 5.1 (Max) | 1.498,1 |
| 4 | Muse Wonder (Max) | 1.498,0 |
| 5 | Claude Opus 4.6 (High) | 1.492,8 |
| 6 | Claude Opus 5 (Max) | 1.488,9 |
Stil-Kontrolle
Vorgaben zu Ton und Format präzise umsetzen · 416 Modelle
| # | Modell | Elo |
|---|---|---|
| 1 | Gemini 4 Argon (High) | 1.523,9 |
| 2 | Muse Wonder (Max) | 1.508,9 |
| 3 | Claude Opus 5.5 (High) | 1.508,2 |
| 4 | Claude Fable 5 (High) | 1.503,6 |
| 5 | Claude Opus 4.6 (High) | 1.503,1 |
| 6 | Claude Fable 5.1 (Max) | 1.502,3 |
Dokumente
Lange Dokumente analysieren · 44 Modelle
| # | Modell | Elo |
|---|---|---|
| 1 | claude-opus-5-high | 1.516,3 |
| 2 | claude-fable-5.1-max | 1.512,6 |
| 3 | claude-opus-4-6-high | 1.507,3 |
| 4 | claude-opus-4-6 | 1.507,1 |
| 5 | claude-fable-5 | 1.496,1 |
| 6 | claude-opus-4-7 | 1.495,0 |
Recherche
Websuche und Quellenarbeit · 42 Modelle
| # | Modell | Elo |
|---|---|---|
| 1 | gpt-5.6-sol-xhigh | 1.261,1 |
| 2 | qwen3.8-max | 1.261,1 |
| 3 | claude-opus-4-6-search | 1.251,4 |
| 4 | gpt-5.5-search | 1.246,6 |
| 5 | claude-fable-5.1-high | 1.245,8 |
| 6 | claude-opus-5-high | 1.241,6 |
Recherche-Faktentreue
Korrekte Fakten bei der Recherche · 40 Modelle
| # | Modell | Elo |
|---|---|---|
| 1 | gpt-5.6-sol-xhigh | 1.251,1 |
| 2 | gpt-5.5-search | 1.247,3 |
| 3 | qwen3.8-max | 1.240,5 |
| 4 | gpt-6-astra-max | 1.239,9 |
| 5 | gpt-6.1-sol-max | 1.236,1 |
| 6 | claude-opus-4-6-search | 1.226,8 |
Agenten
Mehrschritt-Aufgaben mit Werkzeugen · 54 Modelle
| # | Modell | Score |
|---|---|---|
| 1 | Claude Opus 5.5 (Max) | 17,2 % |
| 2 | GPT 6.1 Sol (Max) | 14,8 % |
| 3 | Claude Fable 5.1 (Max) | 14,1 % |
| 4 | Gemini 4 Argon (High) | 13,7 % |
| 5 | GPT 6 Astra (Max) | 13,7 % |
| 6 | Claude Sonnet 5.5 (Max) | 12,6 % |
Werkzeug-Treue
Erfindet das Modell Werkzeuge? · 54 Modelle
| # | Modell | Score |
|---|---|---|
| 1 | GPT 6.1 Sol (Max) | 0,7 % |
| 2 | Kimi K3 (Max) | 0,7 % |
| 3 | Step 5 Preview | 0,6 % |
| 4 | GLM 5.2 (Max) | 0,6 % |
| 5 | Gemini 3.6 Flash (High) | 0,6 % |
| 6 | Claude Fable 5 (High) | 0,6 % |
Quelle: LMArena, CC BY 4.0, Stand 2026-10-15 · Agenten-Werte sind Arena-Scores (0–100 %), höher = besser.
🏅 Hall of Fame — wer führt welche Kategorie an?
Alle Text-Kategorien und Arenen: der jeweils Erstplatzierte. So sieht man, welche Modelle wirklich dominieren — und wo Spezialisten führen.
| Kategorie | Sieger | Elo |
|---|---|---|
| Gesamt | Gemini 4 Argon (High) | 1.532 |
| Coding | Gemini 4 Argon (High) | 1.547 |
| Mathematik | Gemini 4 Argon (High) | 1.536 |
| Kreatives Schreiben | Claude Opus 5.5 (High) | 1.534 |
| Instruktions-Treue | Claude Opus 5.5 (High) | 1.536 |
| Harte Prompts | Gemini 4 Argon (High) | 1.546 |
| Expertenfragen | Claude Opus 5 (High) | 1.555 |
| Lange Anfragen | Gemini 4 Argon (High) | 1.546 |
| Mehrere Runden | Gemini 4 Argon (High) | 1.556 |
| Deutsch | Claude Opus 5 (Max) | 1.526 |
| Englisch | Gemini 4 Argon (High) | 1.538 |
| Französisch | Claude Fable 5.1 (Max) | 1.527 |
| Spanisch | Claude Fable 5.1 (Max) | 1.521 |
| Chinesisch | Gemini 4 Argon (High) | 1.608 |
| Japanisch | Claude Fable 5.1 (Max) | 1.560 |
| Koreanisch | Claude Fable 5.1 (Max) | 1.521 |
| Russisch | Gemini 4 Argon (High) | 1.534 |
| Polnisch | Claude Fable 5.1 (Max) | 1.524 |
| Kategorie | Sieger | Elo |
|---|---|---|
| Nicht-Englisch | Gemini 4 Argon (High) | 1.522 |
| Medizin & Gesundheit | Gemini 4 Argon (High) | 1.554 |
| Recht & Verwaltung | Gemini 4 Argon (High) | 1.549 |
| Wirtschaft & Finanzen | Gemini 4 Argon (High) | 1.525 |
| Software & IT | Gemini 4 Argon (High) | 1.556 |
| Mathe & Statistik (Branche) | Gemini 4 Argon (High) | 1.556 |
| Wissenschaft | Gemini 4 Argon (High) | 1.548 |
| Schreiben & Sprache (Branche) | Claude Opus 5.5 (High) | 1.534 |
| Medien & Entertainment | Gemini 4 Argon (High) | 1.526 |
| Web-Entwicklung | claude-opus-5.5-max | 1.811 |
| Bildverständnis | claude-fable-5-high | 1.324 |
| Faktentreue | Gemini 4 Argon (High) | 1.511 |
| Stil-Kontrolle | Gemini 4 Argon (High) | 1.524 |
| Dokumente | claude-opus-5-high | 1.516 |
| Recherche | gpt-5.6-sol-xhigh | 1.261 |
| Recherche-Faktentreue | gpt-5.6-sol-xhigh | 1.251 |
| Agenten | Claude Opus 5.5 (Max) | 0 |
| Werkzeug-Treue | GPT 6.1 Sol (Max) | 0 |
Meistgeführte Modelle: Gemini 4 Argon (High) 19×Claude Fable 5.1 (Max) 5×Claude Opus 5.5 (High) 3× · LMArena (CC BY 4.0), Stand 2026-10-15.
Alle Kategorien im Detail
Jede Kategorie hat ihre eigene Seite: Top 50, Erklärungen und die Euro-Preise der Modelle.
GesamtCodingMathematikKreatives SchreibenInstruktions-TreueHarte PromptsExpertenfragenLange AnfragenMehrere RundenDeutschEnglischFranzösischSpanischChinesischJapanischKoreanischRussischPolnischNicht-EnglischMedizin & GesundheitRecht & VerwaltungWirtschaft & FinanzenSoftware & ITMathe & Statistik (Branche)WissenschaftSchreiben & Sprache (Branche)Medien & EntertainmentWeb-EntwicklungBildverständnisFaktentreueStil-KontrolleDokumenteRechercheRecherche-FaktentreueAgentenWerkzeug-Treue
Arena-Vergleiche zeigen Präferenz — diese Tests zeigen gemessene Leistung: GPQA, SWE-bench, FrontierMath, ARC-AGI-2 und der Artificial-Analysis-Index.
Unabhängige Messungen (Epoch AI + Artificial Analysis)
Nicht Arena-Vergleiche, sondern gemessene Aufgaben: Epoch AI testet auf GPQA, SWE-bench, FrontierMath, ARC-AGI-2 und mehr — dazu der Artificial-Analysis-Index (via OpenRouter). Offene Daten, dokumentierte Methodik, 20 Benchmarks.
GPQA Diamond
PhD-Level-Fragen aus Biologie, Physik, Chemie — „Google-Proof“ · 324 Modelle
| 1 | gemini-4-argon_high | 96,4 % |
| 2 | gpt-6-astra_max | 95,8 % |
| 3 | claude-sonnet-5-5_max | 95,6 % |
SWE-bench Verified
Echte GitHub-Issues lösen — der Coding-Agenten-Standard · 33 Modelle
| 1 | claude-opus-4-7_max | 83,5 % |
| 2 | gpt-5.5-pre-release_xhigh | 80,6 % |
| 3 | gemini-3.5-flash_high | 79,3 % |
AIME (Mock 2024/25)
US-Elite-Wettbewerbsmathe im AIME-Stil · 304 Modelle
| 1 | gemini-4-argon_high | 100,0 % |
| 2 | gpt-6.1-sol_max | 100,0 % |
| 3 | claude-sonnet-5-5_max | 100,0 % |
ARC-AGI-2
Abstraktes Problemlösen — der Test, an dem KI lange scheiterte · 243 Modelle
| 1 | gpt-6-astra_max | 95,0 % |
| 2 | gpt-6.1-sol_max | 94,2 % |
| 3 | gpt-6-astra_xhigh | 93,3 % |
FrontierMath (Tier 4)
Unveröffentlichte Forschungsmathematik — die Königsklasse der Mathe-Tests · 76 Modelle
| 1 | gpt-6.1-sol_max | 100,0 % |
| 2 | gpt-6-astra_high | 97,6 % |
| 3 | gpt-6-astra_xhigh | 97,6 % |
Humanity's Last Exam
Die härtesten Expertenfragen der Welt (2.500+ Fragen) · 51 Modelle
| 1 | gpt-6-astra_unknown | 54,8 % |
| 2 | claude-fable-5-1_xhigh | 46,5 % |
| 3 | gemini-3.1-pro-preview | 46,4 % |
SimpleQA Verified
Faktenwissen ohne Ausreden — misst auch Überkonfidenz · 91 Modelle
| 1 | gemini-4-argon_high | 76,0 % |
| 2 | gpt-6-astra_max | 75,6 % |
| 3 | gpt-6.1-sol_max | 73,9 % |
Terminal-Bench
Mehrschritt-Aufgaben im Terminal — Agenten-Praxis · 59 Modelle
| 1 | gpt-5.5_unknown | 84,7 % |
| 2 | gpt-5.4-2026-03-05_unknown | 81,8 % |
| 3 | gemini-3.1-pro-preview | 80,2 % |
LiveBench
Monatlich neue Aufgaben — kaum durch Trainingsdaten kontaminierbar · 52 Modelle
| 1 | gemini-2.5-pro-exp-03-25 | 82 |
| 2 | gpt-5.1-2025-11-13_high | 79 |
| 3 | claude-3-7-sonnet-20250219 | 76 |
MATH Level 5
Harte Wettbewerbsmathematik · 108 Modelle
| 1 | gpt-5-2025-08-07_high | 98,1 % |
| 2 | gpt-5-2025-08-07_medium | 97,9 % |
| 3 | gpt-5-mini-2025-08-07_high | 97,8 % |
OSWorld 2
Einen echten Computer bedienen (Klicks, Dateien, Apps) · 14 Modelle
| 1 | claude-opus-5_max | 31,4 % |
| 2 | claude-opus-5_xhigh | 30,2 % |
| 3 | claude-opus-5_high | 29,0 % |
SimpleBench
Alltagslogik, an der LLMs überraschend oft scheitern · 102 Modelle
| 1 | claude-fable-5_max | 81,9 % |
| 2 | claude-opus-5_unknown | 80,6 % |
| 3 | gemini-3.1-pro-preview | 79,6 % |
METR Time Horizons
Aufgabenlänge (Stunden), die Modelle selbstständig meistern · 46 Modelle
| 1 | claude-mythos-preview-early | 17,4 h |
| 2 | claude-opus-4-6_unknown | 12,0 h |
| 3 | gemini-3.1-pro-preview | 6,4 h |
CyBench
Security-Aufgaben (CTF) — wie gut findet KI Schwachstellen? · 22 Modelle
| 1 | claude-opus-4-6_unknown | 93,0 % |
| 2 | claude-opus-4-5-20251101_unknown | 82,0 % |
| 3 | claude-sonnet-4-5-20250929_unknown | 60,0 % |
WebDev Arena
Website-Entwicklung im Blindvergleich (Elo-Punkte) · 134 Modelle
| 1 | claude-opus-5-5_max | 1.820 |
| 2 | gpt-6-astra_max | 1.800 |
| 3 | claude-sonnet-5-5_xhigh | 1.786 |
CursorBench
Programmieren mit dem Cursor-Editor — reale Workflows · 72 Modelle
| 1 | claude-opus-5-5_max | 57,8 % |
| 2 | claude-opus-5-5_xhigh | 56,0 % |
| 3 | claude-opus-5-5_high | 56,0 % |
Deep Research Bench
Mehrstufige Recherche-Aufgaben · 41 Modelle
| 1 | claude-opus-4-6_high | 55,3 % |
| 2 | claude-sonnet-4-6_high | 54,9 % |
| 3 | claude-opus-4-5-20251101_high | 54,8 % |
GSM8K
Grundschul-Mathe — als Kontrast zu FrontierMath · 93 Modelle
| 1 | DeepSeek-Coder-V2-Instruct | 94,5 % |
| 2 | Qwen2.5-Coder-14B-Instruct | 94,2 % |
| 3 | Qwen2.5-Coder-32B-Instruct | 93,0 % |
MMLU
Der klassische Wissens-Katalog (57 Fächer) · 136 Modelle
| 1 | gpt-4o-2024-11-20 | 88,1 % |
| 2 | claude-3-5-sonnet-20241022 | 87,3 % |
| 3 | DeepSeek-V3 | 87,2 % |
Fiction.LiveBench (16k)
Lange Texte wirklich verstehen · 61 Modelle
| 1 | gpt-5-2025-08-07_medium | 97,2 % |
| 2 | o3-pro-2025-06-10_medium | 97,2 % |
| 3 | grok-4-0709 | 94,4 % |
Artificial Analysis: Intelligence Index
Der bekannteste unabhängige Gesamt-Index · 349 Modelle
| 1 | Claude Opus 5.5 | 57,6 |
| 2 | Claude Sonnet 5.5 | 56,0 |
| 3 | Claude Fable 5.1 | 53,4 |
Artificial Analysis: Coding
AA-Coding-Index · 152 Modelle
| 1 | Claude Fable 5.1 | 81,6 |
| 2 | GPT-5.6 sol | 78,3 |
| 3 | Claude Opus 5 | 78,0 |
Artificial Analysis: Agentic
Werkzeug- und Mehrschritt-Fähigkeiten · 109 Modelle
| 1 | Claude Fable 5.1 | 57,9 |
| 2 | Claude Opus 5 | 56,5 |
| 3 | Qwen3.8 27B | 56,0 |
Unsere Modelle bei den unabhängigen Tests
47 Modelle aus unserer Preisliste mit mindestens 4 Messwerten — sortiert nach LMArena-Elo. So sieht man, wo „ein Modell klingt stark“ und wo es gemessen stark ist.
| Modell | GPQA | SWE-b Verified | AIME | ARC-AGI-2 | FrontierMath | HLE | SimpleQA | Terminal-B | AA Intel |
|---|---|---|---|---|---|---|---|---|---|
| gemini-4-argon | 96,4 % | – | 100,0 % | – | 78,0 % | – | 76,0 % | – | 52,6 |
| Claude Opus 5 | 92,9 % | – | 100,0 % | 93,3 % | 95,0 % | – | 72,2 % | – | 50,8 |
| Gemini 3.8 Flash | 95,4 % | – | 98,9 % | 89,2 % | 21,9 % | 44,5 % | 69,7 % | – | 40,9 |
| Claude Fable 5 | 85,9 % | – | 100,0 % | 90,0 % | 90,2 % | 46,5 % | 70,8 % | – | 49,6 |
| Gemini 3.7 Flash | 94,8 % | – | 97,2 % | 84,6 % | 36,6 % | – | 69,2 % | – | 39,6 |
| Muse Spark 1.2 | 89,8 % | – | 88,9 % | – | – | 40,6 % | 60,3 % | – | 39,6 |
| Gemini 3.5 Flash | 88,9 % | 79,3 % | 88,9 % | 72,1 % | 26,8 % | – | 66,2 % | – | 33,6 |
| Gemini 3.1 Pro Preview | 94,4 % | – | 95,6 % | 77,1 % | 26,8 % | 46,4 % | 73,5 % | 80,2 % | 29,7 |
| Gemini 3.6 Flash | 86,4 % | – | 82,2 % | 60,4 % | 21,9 % | – | 66,2 % | – | 34,0 |
| Qwen3.7 Max | 90,9 % | 77,3 % | 95,6 % | – | 34,1 % | – | 55,8 % | – | 29,5 |
| Kimi K3 | 84,8 % | – | 68,9 % | 60,4 % | 39,0 % | – | 50,6 % | – | 43,6 |
| GLM 5.3 | 90,9 % | – | 91,1 % | – | 29,3 % | – | 41,0 % | – | 44,8 |
| GLM 5.3 Flash | 90,2 % | – | 93,9 % | 65,8 % | 17,1 % | – | – | – | 41,8 |
| GLM 5.2 | 71,2 % | 78,7 % | 28,9 % | 22,8 % | 29,3 % | – | 34,2 % | – | 33,7 |
| GPT-5.5 | 94,0 % | 80,6 % | 100,0 % | 85,0 % | 78,0 % | – | 63,0 % | 84,7 % | 38,4 |
| DeepSeek V4.1-Flash | 89,8 % | – | 98,3 % | 72,9 % | 26,8 % | – | 42,9 % | – | 39,5 |
| GLM 5.1 | 89,9 % | 74,2 % | 93,3 % | – | – | – | 34,0 % | – | 26,1 |
| Claude Sonnet 4 | 87,4 % | 75,2 % | 85,8 % | 60,4 % | 2,4 % | 13,7 % | 32,8 % | 53,4 % | 18,9 |
| Gemini 2.5 Pro | 85,3 % | 57,6 % | 84,7 % | 4,9 % | 0,0 % | 21,6 % | – | 32,6 % | 16,1 |
| GPT-5.6 sol | 82,8 % | – | 68,9 % | 92,5 % | 82,9 % | – | 69,7 % | – | 47,0 |
| Kimi K2.6 | 90,8 % | 76,7 % | 96,1 % | – | 25,6 % | – | 34,9 % | – | 27,0 |
| Claude Opus 4 | 90,5 % | 83,5 % | 97,8 % | 75,8 % | 56,1 % | 36,2 % | 53,0 % | 80,2 % | 20,6 |
| GPT-5.4 | 74,8 % | 76,9 % | 57,8 % | 67,5 % | – | – | – | 81,8 % | 39,0 |
| DeepSeek V4-Pro | 91,7 % | 77,6 % | 98,6 % | 61,2 % | 26,8 % | – | 52,9 % | – | 36,0 |
| Grok 4.5 | 93,4 % | – | 97,8 % | 52,6 % | 24,4 % | – | 48,3 % | – | 38,8 |
| GPT-6.1 sol | 95,4 % | – | 100,0 % | 94,2 % | 100,0 % | – | 73,9 % | – | 51,8 |
| GLM 5 | 87,8 % | 72,1 % | 80,0 % | 4,9 % | – | – | – | 52,4 % | 27,9 |
| Grok 4.20 | 89,3 % | – | 92,2 % | – | 17,1 % | – | 30,2 % | – | 25,7 |
| GPT-6 astra | 95,8 % | – | 100,0 % | 95,0 % | 97,6 % | 54,8 % | 75,6 % | – | 52,7 |
| Claude Sonnet 5 | 95,6 % | – | 100,0 % | – | 80,5 % | 46,1 % | 46,5 % | – | 38,2 |
| Qwen3.6 Plus | 88,4 % | 57,9 % | 93,3 % | – | – | – | 44,1 % | – | 27,0 |
| GLM 4.7 | 83,3 % | – | 83,3 % | – | – | – | 32,2 % | 33,4 % | 22,2 |
| Gemini 3.5 Flash-Lite | 75,8 % | – | 60,0 % | 10,3 % | 0,0 % | – | – | – | 22,2 |
| Mistral Large 4 | 88,1 % | – | 98,3 % | – | 26,8 % | – | 20,0 % | – | 38,4 |
| Grok 4.6 | 94,0 % | – | 99,2 % | 67,1 % | 31,7 % | – | 49,3 % | – | 44,3 |
| Gemini 2.5 Flash | – | – | 73,1 % | 1,7 % | – | 12,1 % | – | 17,1 % | 15,5 |
| GPT-5.4 mini | 64,1 % | – | 26,7 % | 13,2 % | – | – | 29,4 % | – | 24,1 |
| GPT-5 | 86,2 % | 73,5 % | 91,4 % | 9,9 % | 21,9 % | 25,3 % | 50,1 % | 49,6 % | 24,9 |
| Grok 4.7 | 92,7 % | – | 98,1 % | 61,4 % | 17,1 % | – | 56,0 % | – | 46,4 |
| GPT-6 Sol | 94,3 % | – | 100,0 % | 89,6 % | 90,0 % | – | 60,7 % | – | 47,6 |
| Grok 4.3 | 88,8 % | – | 93,3 % | – | 14,6 % | – | 33,2 % | – | 24,9 |
| GPT-6 luna | 90,5 % | – | 98,9 % | 59,3 % | 56,1 % | – | 41,4 % | – | 38,1 |
| GPT-5.4 nano | 55,6 % | – | 46,7 % | 3,6 % | 12,2 % | – | 11,7 % | – | 20,7 |
| Gemini 3 Flash Preview | 89,4 % | 75,4 % | 95,6 % | 33,6 % | 17,1 % | – | 66,8 % | 64,3 % | 26,3 |
| Kimi K2.7 Code | 87,9 % | – | 95,6 % | – | 12,2 % | – | 36,5 % | – | 25,8 |
| Muse Spark Open | 88,6 % | – | 98,1 % | – | 31,7 % | – | 56,6 % | – | – |
| Qwen3.8 Max | 92,7 % | – | 100,0 % | – | 46,3 % | – | 47,3 % | – | – |
Quellen: Epoch AI ‚Capabilities & benchmarking‘ (CC BY 4.0) · Artificial Analysis (via OpenRouter) · Bestwerte je Modell.
Coding — doppelt gemessen
LMArena Coding-Elo (Top 12)
| # | Modell | Elo |
|---|---|---|
| 1 | Gemini 4 Argon (High) google | 1547 |
| 2 | Claude Opus 5.5 (High) anthropic | 1545 |
| 3 | Claude Opus 4.6 anthropic | 1535 |
| 4 | Claude Opus 5 (Max) anthropic | 1533 |
| 5 | mimo-v2.6-pro xiaomi | 1532 |
| 6 | Claude Opus 4.6 (High) anthropic | 1532 |
| 7 | Claude Opus 5 (High) anthropic | 1531 |
| 8 | Claude Fable 5.1 (Max) anthropic | 1531 |
| 9 | Muse Wonder (Max) meta | 1520 |
| 10 | Claude Opus 4.7 (High) anthropic | 1519 |
| 11 | Claude Fable 5 (High) anthropic | 1518 |
| 12 | Claude Opus 4.7 anthropic | 1515 |
Aider Polyglot (Top 20)
Echte Repo-Edits, 225 Übungen — 2. Versuch (mit Fehlermeldung). Der praxisnächste Coding-Test.
| # | Modell | 1. Versuch | 2. Versuch |
|---|---|---|---|
| 1 | gpt-5 (high) 2025-08-23 | 52 % | 88.0 % |
| 2 | gpt-5 (medium) 2025-08-25 | 50 % | 86.7 % |
| 3 | o3-pro (high) 2025-06-28 | 44 % | 84.9 % |
| 4 | gemini-2.5-pro-preview-06-05 (32k think) 2025-06-06 | 46 % | 83.1 % |
| 5 | o3 (high) 2025-06-25 | 40 % | 81.3 % |
| 6 | gpt-5 (low) 2025-08-25 | 43 % | 81.3 % |
| 7 | grok-4 (high) 2025-07-11 | 41 % | 79.6 % |
| 8 | gemini-2.5-pro-preview-06-05 (default think) 2025-06-06 | 45 % | 79.1 % |
| 9 | o3 (high) + gpt-4.1 2025-06-27 | 35 % | 78.2 % |
| 10 | Gemini 2.5 Pro Preview 05-06 2025-05-07 | 36 % | 76.9 % |
| 11 | o3 2025-06-25 | 41 % | 76.9 % |
| 12 | DeepSeek-V3.2-Exp (Reasoner) 2025-10-03 | 40 % | 74.2 % |
| 13 | Gemini 2.5 Pro Preview 03-25 2025-04-12 | 41 % | 72.9 % |
| 14 | o4-mini (high) 2025-04-16 | 20 % | 72.0 % |
| 15 | claude-opus-4-20250514 (32k thinking) 2025-05-25 | 37 % | 72.0 % |
| 16 | DeepSeek R1 (0528) 2025-06-06 | 34 % | 71.4 % |
| 17 | claude-opus-4-20250514 (no think) 2025-05-25 | 33 % | 70.7 % |
| 18 | DeepSeek-V3.2-Exp (Chat) 2025-10-03 | 39 % | 70.2 % |
| 19 | claude-3-7-sonnet-20250219 (32k thinking tokens) 2025-02-24 | 29 % | 64.9 % |
| 20 | DeepSeek R1 + claude-3-5-sonnet-20241022 2025-01-23 | 27 % | 64.0 % |
Vollständiges LMArena-Ranking (416 Modelle)
Klick auf Spaltenköpfe sortiert · Suchfeld filtert.
| Rang | Modell | Organisation | Elo | Stimmen |
|---|---|---|---|---|
| 1 | Gemini 4 Argon (High) | 1532 | 4.904 | |
| 2 | Claude Opus 5.5 (High) | anthropic | 1516 | 8.300 |
| 3 | Claude Fable 5.1 (Max) | anthropic | 1512 | 14.590 |
| 4 | Claude Opus 5 (Max) | anthropic | 1508 | 32.495 |
| 5 | Claude Opus 5 (High) | anthropic | 1502 | 66.824 |
| 6 | Claude Opus 4.6 (High) | anthropic | 1502 | 81.394 |
| 7 | Muse Wonder (Max) | meta | 1501 | 3.247 |
| 8 | Gemini 3.8 Flash (High) | 1499 | 37.454 | |
| 9 | Claude Opus 4.6 | anthropic | 1498 | 86.071 |
| 10 | Claude Fable 5 (High) | anthropic | 1491 | 42.004 |
| 11 | mimo-v2.6-pro | xiaomi | 1491 | 4.075 |
| 12 | Muse Spark 1.3 (Max) | meta | 1490 | 17.561 |
| 13 | Claude Opus 4.7 (High) | anthropic | 1490 | 65.116 |
| 14 | Gemini 3.7 Flash (High) | 1487 | 27.232 | |
| 15 | Muse Spark 1.2 (xHigh) | meta | 1484 | 8.248 |
| 16 | Claude Opus 4.7 | anthropic | 1483 | 66.216 |
| 17 | qwen3.8-max | alibaba | 1483 | 27.766 |
| 18 | gemini-3.5-flash-high | 1482 | 48.486 | |
| 19 | Gemini 3.1 Pro Preview | 1480 | 127.649 | |
| 20 | Gemini 3 Pro | 1479 | 42.072 | |
| 21 | gemini-3.6-flash-high | 1479 | 36.122 | |
| 22 | Muse Spark 1.1 | meta | 1478 | 42.810 |
| 23 | gemini-3.5-flash-medium | 1477 | 47.292 | |
| 24 | qwen3.7-max-preview | alibaba | 1475 | 3.934 |
| 25 | Kimi K3 (Max) | moonshot | 1475 | 32.795 |
| 26 | Muse Spark | meta | 1474 | 14.150 |
| 27 | glm-5.3-max | zai | 1472 | 22.543 |
| 28 | gpt-5.5-high | openai | 1471 | 69.401 |
| 29 | glm-5.3-flash | zai | 1470 | 32.925 |
| 30 | claude-sonnet-5.5-xhigh | anthropic | 1470 | 6.831 |
| 31 | glm-5.2-max | zai | 1470 | 49.820 |
| 32 | qwen3.5-max-preview | alibaba | 1470 | 22.600 |
| 33 | gpt-5.4-high | openai | 1469 | 64.776 |
| 34 | ernie-5.1 | baidu | 1468 | 39.468 |
| 35 | gpt-5.5 | openai | 1467 | 70.985 |
| 36 | gemini-3-flash | 1466 | 31.325 | |
| 37 | mimo-v2.5-pro | xiaomi | 1465 | 75.721 |
| 38 | deepseek-v4.1-flash-max | deepseek | 1463 | 12.793 |
| 39 | glm-5.1 | zai | 1462 | 62.889 |
| 40 | claude-opus-4-8-high | anthropic | 1461 | 64.100 |
| 41 | claude-sonnet-4-6 | anthropic | 1458 | 70.931 |
| 42 | gemini-2.5-pro | 1458 | 125.366 | |
| 43 | gpt-5.6-sol-xhigh | openai | 1457 | 40.442 |
| 44 | kimi-k2.6 | moonshot | 1455 | 40.013 |
| 45 | mimo-v2.6-flash | xiaomi | 1455 | 10.917 |
| 46 | qwen3.7-plus | alibaba | 1455 | 42.075 |
| 47 | claude-opus-4-8 | anthropic | 1454 | 65.172 |
| 48 | gpt-5.4 | openai | 1452 | 67.870 |
| 49 | deepseek-v4-pro | deepseek | 1451 | 57.594 |
| 50 | claude-opus-4-5-20251101 | anthropic | 1451 | 72.899 |
| 51 | grok-4.20-beta-0309-reasoning | xai | 1451 | 66.436 |
| 52 | grok-4.20-multi-agent-beta-0309 | xai | 1450 | 64.946 |
| 53 | amazon-nova-experimental-chat-26-02-10 | amazon | 1448 | 3.526 |
| 54 | claude-opus-4-5-20251101-high-32k | anthropic | 1448 | 37.509 |
| 55 | dola-seed-2.0-pro | bytedance | 1448 | 79.140 |
| 56 | grok-4.5 | xai | 1448 | 39.896 |
| 57 | gpt-6.1-sol-max | openai | 1448 | 6.320 |
| 58 | gpt-5.6-terra-xhigh | openai | 1447 | 43.271 |
| 59 | qwen3.6-max-preview | alibaba | 1447 | 5.426 |
| 60 | glm-5 | zai | 1446 | 29.272 |
| 61 | deepseek-v4-pro-high-20260813 | deepseek | 1446 | 9.800 |
| 62 | kimi-k2.5-thinking | moonshot | 1445 | 74.759 |
| 63 | deepseek-v4-pro-high-preview | deepseek | 1445 | 54.902 |
| 64 | nvidia-nemotron-3-ultra-550b-a55b-nvfp4 | nvidia | 1445 | 11.567 |
| 65 | grok-4.20-beta1 | xai | 1445 | 27.908 |
| 66 | ernie-5.0-0110 | baidu | 1445 | 36.487 |
| 67 | gemma-4-31b | 1443 | 6.147 | |
| 68 | gpt-5.1-high | openai | 1443 | 41.651 |
| 69 | gpt-6-astra-max | openai | 1443 | 12.163 |
| 70 | gemini-3-flash (thinking-minimal) | 1442 | 91.039 | |
| 71 | ernie-5.0-preview-1203 | baidu | 1442 | 9.806 |
| 72 | claude-sonnet-5-high | anthropic | 1442 | 49.595 |
| 73 | Step 5 Preview | stepfun | 1441 | 7.116 |
| 74 | inkling | thinky | 1441 | 40.648 |
| 75 | qwen3.8-27b | alibaba | 1440 | 23.294 |
| 76 | glm-4.6 | zai | 1440 | 35.824 |
| 77 | qwen3-max-preview | alibaba | 1439 | 27.370 |
| 78 | gpt-5.2-chat-latest-20260210 | openai | 1438 | 35.999 |
| 79 | claude-sonnet-4-5-20250929 | anthropic | 1438 | 82.688 |
| 80 | hy3 | tencent | 1438 | 12.208 |
| 81 | qwen3.5-397b-a17b | alibaba | 1438 | 93.567 |
| 82 | glm-5v-turbo | zai | 1438 | 10.482 |
| 83 | grok-4.1-thinking | xai | 1436 | 66.509 |
| 84 | qwen3.6-plus | alibaba | 1436 | 48.165 |
| 85 | mimo-v2-pro | xiaomi | 1436 | 25.447 |
| 86 | grok-4.1 | xai | 1436 | 68.648 |
| 87 | glm-4.7 | zai | 1435 | 12.253 |
| 88 | claude-sonnet-4-5-20250929-high-32k | anthropic | 1435 | 83.940 |
| 89 | gemini-3.5-flash-lite | 1434 | 35.851 | |
| 90 | gemma-4-26b-a4b | 1434 | 6.094 | |
| 91 | minimax-m3 | minimax | 1433 | 63.973 |
| 92 | deepseek-v4-flash | deepseek | 1432 | 51.987 |
| 93 | gpt-5.6-luna-xhigh | openai | 1431 | 41.109 |
| 94 | mistral-large-4 | mistral | 1430 | 7.451 |
| 95 | glm-4.5 | zai | 1430 | 23.796 |
| 96 | ernie-5.0-preview-1022 | baidu | 1430 | 4.753 |
| 97 | chatgpt-4o-latest-20250326 | openai | 1428 | 81.914 |
| 98 | mistral-large-3 | mistral | 1428 | 84.205 |
| 99 | grok-4.6-high | xai | 1428 | 28.965 |
| 100 | mimo-v2.5 | xiaomi | 1428 | 47.362 |
| 101 | deepseek-r1-0528 | deepseek | 1428 | 18.167 |
| 102 | longcat-flash-chat-2602-exp | meituan | 1426 | 29.291 |
| 103 | grok-3-preview-02-24 | xai | 1426 | 32.499 |
| 104 | deepseek-v3.2-exp-thinking | deepseek | 1425 | 8.998 |
| 105 | deepseek-v3.2 | deepseek | 1424 | 48.112 |
| 106 | deepseek-v4-flash-high-preview | deepseek | 1424 | 51.809 |
| 107 | mistral-medium-2508 | mistral | 1424 | 95.321 |
| 108 | mimo-v2-omni | xiaomi | 1423 | 20.619 |
| 109 | longcat-flash-chat | meituan | 1423 | 11.168 |
| 110 | gpt-5.1 | openai | 1422 | 44.434 |
| 111 | deepseek-v3.2-exp | deepseek | 1422 | 12.004 |
| 112 | mistral-medium-3.5 | mistral | 1421 | 11.778 |
| 113 | kimi-k2.5-instant | moonshot | 1420 | 8.376 |
| 114 | qwen3-vl-235b-a22b-instruct | alibaba | 1420 | 11.320 |
| 115 | deepseek-v3.2-thinking | deepseek | 1420 | 42.071 |
| 116 | deepseek-v3.1 | deepseek | 1420 | 14.610 |
| 117 | amazon-nova-experimental-chat-12-10 | amazon | 1419 | 3.733 |
| 118 | claude-opus-4-1-20250805-thinking-16k | anthropic | 1419 | 49.542 |
| 119 | qwen3-235b-a22b-instruct-2507 | alibaba | 1419 | 98.134 |
| 120 | deepseek-v3.1-terminus-thinking | deepseek | 1419 | 3.375 |
| 121 | gpt-5.5-instant | openai | 1419 | 27.158 |
| 122 | claude-opus-4-1-20250805 | anthropic | 1419 | 77.238 |
| 123 | qwen3.5-122b-a10b | alibaba | 1417 | 29.732 |
| 124 | gpt-4.5-preview-2025-02-27 | openai | 1417 | 14.547 |
| 125 | deepseek-v3.1-terminus | deepseek | 1417 | 3.608 |
| 126 | qwen3-next-80b-a3b-instruct | alibaba | 1417 | 22.760 |
| 127 | gemini-2.5-flash | 1417 | 125.521 | |
| 128 | deepseek-v3.1-thinking | deepseek | 1417 | 11.459 |
| 129 | gpt-5.2-high | openai | 1416 | 49.655 |
| 130 | gemini-3.1-flash-lite-preview | 1416 | 64.211 | |
| 131 | qwen3-235b-a22b-thinking-2507 | alibaba | 1415 | 8.823 |
| 132 | amazon-nova-experimental-chat-11-10 | amazon | 1415 | 26.039 |
| 133 | kimi-k2-thinking-turbo | moonshot | 1414 | 63.368 |
| 134 | qwen3-max-2025-09-23 | alibaba | 1413 | 9.027 |
| 135 | Inkling Small | thinky | 1413 | 32.304 |
| 136 | gpt-5.2 | openai | 1412 | 83.855 |
| 137 | gpt-5.4-mini-high | openai | 1412 | 63.449 |
| 138 | grok-4-0709 | xai | 1411 | 39.693 |
| 139 | mimo-v2-flash (non-thinking) | xiaomi | 1411 | 48.088 |
| 140 | o3-2025-04-16 | openai | 1410 | 58.908 |
| 141 | nvidia-nemotron-3.5-super-vl-120b-a12b-nvfp4 | nvidia | 1409 | 2.523 |
| 142 | qwen3.5-27b | alibaba | 1409 | 28.671 |
| 143 | grok-4-1-fast-reasoning | xai | 1408 | 57.541 |
| 144 | grok-4-fast-chat | xai | 1407 | 6.340 |
| 145 | gemini-2.5-flash-preview-09-2025 | 1406 | 32.995 | |
| 146 | gpt-5-high | openai | 1406 | 31.722 |
| 147 | hunyuan-vision-1.5-thinking | tencent | 1406 | 2.170 |
| 148 | minimax-m2.7 | minimax | 1405 | 84.977 |
| 149 | gpt-5-chat | openai | 1403 | 31.188 |
| 150 | step-3.5-flash | stepfun | 1403 | 60.332 |
| 151 | hunyuan-hy3-preview | tencent | 1402 | 6.879 |
| 152 | qwen3-vl-235b-a22b-thinking | alibaba | 1401 | 7.859 |
| 153 | grok-4.7-xhigh | xai | 1400 | 11.591 |
| 154 | hunyuan-t1-20250711 | tencent | 1400 | 4.595 |
| 155 | grok-4-fast-reasoning | xai | 1400 | 18.269 |
| 156 | gpt-6-sol-max | openai | 1398 | 12.466 |
| 157 | qwen3.5-flash | alibaba | 1397 | 61.802 |
| 158 | grok-4.3 | xai | 1397 | 71.347 |
| 159 | claude-haiku-4-5-20251001 | anthropic | 1397 | 149.199 |
| 160 | amazon-nova-experimental-chat-26-01-10 | amazon | 1396 | 3.539 |
| 161 | qwen3.5-35b-a3b | alibaba | 1395 | 30.457 |
| 162 | mimo-v2-flash (thinking) | xiaomi | 1395 | 11.142 |
| 163 | amazon-nova-experimental-chat-10-20 | amazon | 1394 | 11.626 |
| 164 | qwen3-235b-a22b-no-thinking | alibaba | 1393 | 37.484 |
| 165 | minimax-m2.1-preview | minimax | 1392 | 17.239 |
| 166 | gpt-6-luna-max | openai | 1392 | 49.617 |
| 167 | muse-glimmer | meta | 1389 | 3.897 |
| 168 | gpt-5.3-chat-latest | openai | 1389 | 34.345 |
| 169 | solar-pro4 | upstage | 1387 | 21.281 |
| 170 | qwen3-30b-a3b-instruct-2507 | alibaba | 1384 | 23.322 |
| 171 | glm-4.5-air | zai | 1384 | 30.660 |
| 172 | gpt-4.1-2025-04-14 | openai | 1383 | 50.312 |
| 173 | kimi-k2-0905-preview | moonshot | 1380 | 11.589 |
| 174 | gemini-2.5-flash-lite-preview-09-2025-no-thinking | 1379 | 47.437 | |
| 175 | nvidia-nemotron-3-super-120b-a12b | nvidia | 1378 | 7.878 |
| 176 | hunyuan-turbos-20250416 | tencent | 1377 | 10.626 |
| 177 | claude-opus-4-20250514-thinking-16k | anthropic | 1377 | 35.904 |
| 178 | glm-4.6v | zai | 1376 | 2.837 |
| 179 | deepseek-v3-0324 | deepseek | 1375 | 44.973 |
| 180 | gpt-5-mini-high | openai | 1373 | 26.804 |
| 181 | deepseek-r1 | deepseek | 1373 | 18.524 |
| 182 | gpt-5.4-nano-high | openai | 1372 | 62.396 |
| 183 | kimi-k2-0711-preview | moonshot | 1371 | 27.146 |
| 184 | mistral-medium-2505 | mistral | 1370 | 32.782 |
| 185 | grok-3-mini-high | xai | 1370 | 15.596 |
| 186 | gemini-2.5-flash-lite-preview-06-17-thinking | 1369 | 32.381 | |
| 187 | qwen3-next-80b-a3b-thinking | alibaba | 1368 | 13.474 |
| 188 | qwen2.5-max | alibaba | 1367 | 32.487 |
| 189 | qwen3-235b-a22b | alibaba | 1366 | 25.948 |
| 190 | claude-opus-4-20250514 | anthropic | 1366 | 43.043 |
| 191 | o1-2024-12-17 | openai | 1366 | 27.807 |
| 192 | gpt-oss-120b | openai | 1366 | 30.206 |
| 193 | grok-3-mini-beta | xai | 1364 | 20.931 |
| 194 | amazon-nova-experimental-chat-10-09 | amazon | 1364 | 2.781 |
| 195 | nova-2-lite | amazon | 1362 | 12.413 |
| 196 | granite-4.2-30b | ibm | 1361 | 3.401 |
| 197 | ling-flash-2.0 | ant-group | 1361 | 6.947 |
| 198 | minimax-m2.5 | minimax | 1359 | 42.815 |
| 199 | gemma-3-27b-it | 1358 | 46.666 | |
| 200 | qwen3-coder-480b-a35b-instruct | alibaba | 1357 | 25.195 |
| 201 | intellect-3 | – | 1356 | 5.431 |
| 202 | mercury-2 | inception-ai | 1355 | 3.197 |
| 203 | gemini-2.0-flash-001 | 1354 | 43.446 | |
| 204 | o4-mini-2025-04-16 | openai | 1353 | 44.855 |
| 205 | o1-preview | openai | 1353 | 31.122 |
| 206 | claude-sonnet-4-20250514-thinking-32k | anthropic | 1351 | 34.132 |
| 207 | glm-4.7-flash | zai | 1351 | 12.021 |
| 208 | step-3 | stepfun | 1350 | 6.293 |
| 209 | nvidia-nemotron-3-nano-30b-a3b-bf16 | nvidia | 1348 | 15.770 |
| 210 | minimax-m1 | minimax | 1343 | 34.303 |
| 211 | gpt-4.1-mini-2025-04-14 | openai | 1340 | 38.709 |
| 212 | trinity-large-thinking | – | 1340 | 30.337 |
| 213 | qwen3-32b | alibaba | 1340 | 3.926 |
| 214 | minimax-m2 | minimax | 1340 | 6.856 |
| 215 | claude-sonnet-4-20250514 | anthropic | 1339 | 39.163 |
| 216 | trinity-large-preview | – | 1339 | 31.266 |
| 217 | nvidia-llama-3.3-nemotron-super-49b-v1.5 | nvidia | 1338 | 3.328 |
| 218 | mistral-small-2506 | mistral | 1338 | 17.462 |
| 219 | o3-mini-high | openai | 1337 | 18.589 |
| 220 | step-1o-turbo-202506 | stepfun | 1336 | 8.901 |
| 221 | gemma-3-12b-it | 1334 | 3.829 | |
| 222 | ring-flash-2.0 | ant-group | 1334 | 6.990 |
| 223 | glm-4.5v | zai | 1333 | 4.821 |
| 224 | deepseek-v3 | deepseek | 1332 | 21.770 |
| 225 | command-a-03-2025 | cohere | 1331 | 55.766 |
| 226 | glm-4-plus-0111 | zai | 1331 | 5.760 |
| 227 | gemini-2.0-flash-lite-preview-02-05 | 1330 | 24.955 | |
| 228 | qwq-32b | alibaba | 1329 | 25.178 |
| 229 | nvidia-nemotron-3.5-lightning-30b-a3b-nvfp4 | nvidia | 1329 | 19.938 |
| 230 | qwen-plus-0125 | alibaba | 1326 | 5.819 |
| 231 | step-2-16k-exp-202412 | stepfun | 1321 | 4.833 |
| 232 | gpt-5-nano-high | openai | 1320 | 8.132 |
| 233 | hunyuan-turbos-20250226 | tencent | 1320 | 2.220 |
| 234 | granite-4.2-8b | ibm | 1320 | 3.254 |
| 235 | llama-3.1-nemotron-ultra-253b-v1 | nvidia | 1320 | 2.549 |
| 236 | o3-mini | openai | 1319 | 56.741 |
| 237 | gemini-1.5-pro-002 | 1319 | 55.606 | |
| 238 | o1-mini | openai | 1317 | 51.981 |
| 239 | qwen3-30b-a3b | alibaba | 1317 | 26.157 |
| 240 | claude-3-7-sonnet-20250219-thinking-32k | anthropic | 1314 | 38.159 |
| 241 | hunyuan-turbo-0110 | tencent | 1311 | 2.290 |
| 242 | olmo-3.1-32b-instruct | allenai | 1311 | 11.817 |
| 243 | llama-3.3-nemotron-49b-super-v1 | nvidia | 1308 | 2.218 |
| 244 | gemma-3n-e4b-it | 1306 | 22.137 | |
| 245 | grok-2-2024-08-13 | xai | 1304 | 63.498 |
| 246 | yi-lightning | – | 1302 | 27.332 |
| 247 | gpt-4o-2024-05-13 | openai | 1300 | 112.881 |
| 248 | olmo-3-32b-think | allenai | 1299 | 5.831 |
| 249 | claude-3-7-sonnet-20250219 | anthropic | 1299 | 42.572 |
| 250 | qwen2.5-plus-1127 | alibaba | 1299 | 10.187 |
| 251 | claude-3-5-sonnet-20241022 | anthropic | 1298 | 87.769 |
| 252 | deepseek-v2.5-1210 | deepseek | 1294 | 6.795 |
| 253 | granite-4.2-3b | ibm | 1293 | 3.251 |
| 254 | athene-v2-chat | – | 1291 | 24.739 |
| 255 | gemma-3-4b-it | 1291 | 4.171 | |
| 256 | granite-4.1-8b | ibm | 1291 | 4.180 |
| 257 | glm-4-plus | zai | 1290 | 26.126 |
| 258 | molmo-2-8b | allenai | 1288 | 822 |
| 259 | hunyuan-large-2025-02-10 | tencent | 1288 | 3.738 |
| 260 | gpt-oss-20b | openai | 1287 | 10.419 |
| 261 | llama-4-maverick-17b-128e-instruct | meta | 1287 | 39.450 |
| 262 | gemini-1.5-flash-002 | 1287 | 34.902 | |
| 263 | gpt-4o-mini-2024-07-18 | openai | 1286 | 68.705 |
| 264 | gpt-4.1-nano-2025-04-14 | openai | 1285 | 6.103 |
| 265 | llama-3.1-405b-instruct-bf16 | meta | 1284 | 41.375 |
| 266 | llama-3.1-nemotron-70b-instruct | nvidia | 1283 | 7.140 |
| 267 | gpt-4o-2024-08-06 | openai | 1282 | 45.499 |
| 268 | qwen-max-0919 | alibaba | 1282 | 16.478 |
| 269 | mercury | inception-ai | 1282 | 1.965 |
| 270 | llama-3.1-405b-instruct-fp8 | meta | 1282 | 59.656 |
| 271 | claude-3-5-sonnet-20240620 | anthropic | 1281 | 82.419 |
| 272 | grok-2-mini-2024-08-13 | xai | 1281 | 52.567 |
| 273 | llama-4-scout-17b-16e-instruct | meta | 1279 | 29.826 |
| 274 | gemini-advanced-0514 | 1278 | 50.148 | |
| 275 | mistral-small-3.1-24b-instruct-2503 | mistral | 1277 | 32.727 |
| 276 | llama-3.3-70b-instruct | meta | 1274 | 54.497 |
| 277 | hunyuan-standard-2025-02-10 | tencent | 1274 | 3.904 |
| 278 | gemini-1.5-pro-001 | 1274 | 79.138 | |
| 279 | gpt-4-turbo-2024-04-09 | openai | 1272 | 98.114 |
| 280 | olmo-3.1-32b-think | allenai | 1272 | 8.301 |
| 281 | deepseek-v2.5 | deepseek | 1271 | 24.572 |
| 282 | qwen2.5-72b-instruct | alibaba | 1269 | 39.406 |
| 283 | mistral-large-2407 | mistral | 1266 | 45.459 |
| 284 | mistral-large-2411 | mistral | 1265 | 28.073 |
| 285 | athene-70b-0725 | – | 1265 | 19.621 |
| 286 | gpt-4-1106-preview | openai | 1263 | 100.105 |
| 287 | hunyuan-large-vision | tencent | 1263 | 5.279 |
| 288 | gpt-4-0125-preview | openai | 1262 | 93.439 |
| 289 | claude-3-opus-20240229 | anthropic | 1262 | 194.909 |
| 290 | llama-3.1-70b-instruct | meta | 1261 | 55.240 |
| 291 | amazon-nova-pro-v1.0 | amazon | 1259 | 24.745 |
| 292 | llama-3.1-tulu-3-70b | allenai | 1256 | 2.846 |
| 293 | claude-3-5-haiku-20241022 | anthropic | 1255 | 69.061 |
| 294 | magistral-medium-2506 | mistral | 1255 | 11.510 |
| 295 | reka-core-20240904 | – | 1248 | 7.312 |
| 296 | ibm-granite-h-small | ibm | 1241 | 5.630 |
| 297 | gemini-1.5-flash-001 | 1239 | 62.833 | |
| 298 | jamba-1.5-large | – | 1237 | 8.662 |
| 299 | mistral-small-24b-instruct-2501 | mistral | 1234 | 14.681 |
| 300 | gemma-2-27b-it | 1231 | 75.754 | |
| 301 | qwen2.5-coder-32b-instruct | alibaba | 1230 | 5.432 |
| 302 | command-r-plus-08-2024 | cohere | 1229 | 9.866 |
| 303 | amazon-nova-lite-v1.0 | amazon | 1228 | 19.372 |
| 304 | llama-3.1-nemotron-51b-instruct | nvidia | 1228 | 3.749 |
| 305 | gemma-2-9b-it-simpo | – | 1227 | 10.072 |
| 306 | glm-4-0520 | zai | 1226 | 9.788 |
| 307 | gemini-1.5-flash-8b-001 | 1226 | 35.558 | |
| 308 | nemotron-4-340b-instruct | nvidia | 1225 | 19.659 |
| 309 | c4ai-aya-expanse-32b | cohere | 1224 | 27.124 |
| 310 | llama-3-70b-instruct | meta | 1221 | 156.876 |
| 311 | claude-3-sonnet-20240229 | anthropic | 1218 | 109.284 |
| 312 | olmo-2-0325-32b-instruct | allenai | 1218 | 3.334 |
| 313 | reka-flash-20240904 | – | 1218 | 7.536 |
| 314 | phi-4 | microsoft | 1217 | 24.126 |
| 315 | amazon-nova-micro-v1.0 | amazon | 1208 | 19.364 |
| 316 | gemma-2-9b-it | 1207 | 54.611 | |
| 317 | gpt-4-0314 | openai | 1206 | 54.173 |
| 318 | command-r-plus | cohere | 1204 | 77.554 |
| 319 | qwen2-72b-instruct | alibaba | 1203 | 37.325 |
| 320 | hunyuan-standard-256k | tencent | 1202 | 2.728 |
| 321 | claude-3-haiku-20240307 | anthropic | 1195 | 117.701 |
| 322 | llama-3.1-tulu-3-8b | allenai | 1193 | 2.896 |
| 323 | deepseek-coder-v2 | deepseek | 1191 | 15.147 |
| 324 | ministral-8b-2410 | mistral | 1191 | 4.781 |
| 325 | command-r-08-2024 | cohere | 1187 | 10.140 |
| 326 | jamba-1.5-mini | – | 1187 | 8.858 |
| 327 | llama-3.1-8b-instruct | meta | 1186 | 49.605 |
| 328 | gpt-4-0613 | openai | 1186 | 88.723 |
| 329 | c4ai-aya-expanse-8b | cohere | 1185 | 9.818 |
| 330 | mistral-large-2402 | mistral | 1176 | 62.436 |
| 331 | qwen1.5-110b-chat | alibaba | 1174 | 26.195 |
| 332 | yi-1.5-34b-chat | – | 1173 | 24.146 |
| 333 | reka-flash-21b-20240226-online | – | 1170 | 15.450 |
| 334 | qwen1.5-72b-chat | alibaba | 1166 | 39.302 |
| 335 | llama-3-8b-instruct | meta | 1166 | 104.642 |
| 336 | mistral-medium | mistral | 1165 | 34.550 |
| 337 | reka-flash-21b-20240226 | – | 1165 | 24.806 |
| 338 | command-r | cohere | 1163 | 54.036 |
| 339 | mixtral-8x22b-instruct-v0.1 | mistral | 1162 | 51.416 |
| 340 | qwq-32b-preview | alibaba | 1162 | 3.231 |
| 341 | internlm2_5-20b-chat | – | 1158 | 9.901 |
| 342 | gemma-2-2b-it | 1156 | 46.616 | |
| 343 | granite-3.1-8b-instruct | ibm | 1150 | 3.090 |
| 344 | gemini-pro-dev-api | 1149 | 18.354 | |
| 345 | zephyr-orpo-141b-A35b-v0.1 | – | 1144 | 4.652 |
| 346 | phi-3-medium-4k-instruct | microsoft | 1138 | 25.055 |
| 347 | qwen1.5-32b-chat | alibaba | 1137 | 21.741 |
| 348 | starling-lm-7b-beta | – | 1132 | 16.056 |
| 349 | mixtral-8x7b-instruct-v0.1 | mistral | 1132 | 73.503 |
| 350 | gemini-pro | 1130 | 6.390 | |
| 351 | yi-34b-chat | – | 1128 | 15.483 |
| 352 | qwen1.5-14b-chat | alibaba | 1128 | 17.839 |
| 353 | granite-3.1-2b-instruct | ibm | 1127 | 3.188 |
| 354 | gpt-3.5-turbo-0125 | openai | 1125 | 66.207 |
| 355 | tulu-2-dpo-70b | – | 1121 | 6.535 |
| 356 | wizardlm-70b | microsoft | 1120 | 8.214 |
| 357 | dbrx-instruct-preview | – | 1119 | 32.191 |
| 358 | llama-2-70b-chat | meta | 1115 | 38.492 |
| 359 | nous-hermes-2-mixtral-8x7b-dpo | – | 1112 | 3.777 |
| 360 | phi-3-small-8k-instruct | microsoft | 1110 | 17.766 |
| 361 | llama-3.2-3b-instruct | meta | 1110 | 7.936 |
| 362 | starling-lm-7b-alpha | – | 1108 | 10.224 |
| 363 | openchat-3.5-0106 | – | 1107 | 12.637 |
| 364 | vicuna-33b | – | 1105 | 22.479 |
| 365 | deepseek-llm-67b-chat | deepseek | 1105 | 4.932 |
| 366 | snowflake-arctic-instruct | – | 1101 | 32.832 |
| 367 | llama2-70b-steerlm-chat | nvidia | 1098 | 3.585 |
| 368 | openchat-3.5 | – | 1097 | 7.968 |
| 369 | granite-3.0-8b-instruct | ibm | 1096 | 6.638 |
| 370 | gpt-3.5-turbo-1106 | openai | 1094 | 16.619 |
| 371 | gemma-1.1-7b-it | 1094 | 23.893 | |
| 372 | openhermes-2.5-mistral-7b | – | 1092 | 5.006 |
| 373 | mistral-7b-instruct-v0.2 | mistral | 1090 | 19.402 |
| 374 | llama-2-13b-chat | meta | 1084 | 19.174 |
| 375 | qwen1.5-7b-chat | alibaba | 1083 | 4.737 |
| 376 | solar-10.7b-instruct-v1.0 | – | 1083 | 4.155 |
| 377 | dolphin-2.2.1-mistral-7b | – | 1081 | 1.679 |
| 378 | phi-3-mini-4k-instruct-june-2024 | microsoft | 1080 | 12.297 |
| 379 | granite-3.0-2b-instruct | ibm | 1080 | 6.837 |
| 380 | wizardlm-13b | microsoft | 1076 | 7.044 |
| 381 | phi-3-mini-4k-instruct | microsoft | 1073 | 20.118 |
| 382 | zephyr-7b-beta | – | 1069 | 11.118 |
| 383 | mpt-30b-chat | – | 1069 | 2.572 |
| 384 | codellama-34b-instruct | meta | 1065 | 7.366 |
| 385 | zephyr-7b-alpha | – | 1058 | 1.785 |
| 386 | vicuna-13b | – | 1058 | 19.367 |
| 387 | codellama-70b-instruct | meta | 1057 | 1.143 |
| 388 | gemma-7b-it | 1056 | 8.925 | |
| 389 | llama-3.2-1b-instruct | meta | 1055 | 8.045 |
| 390 | falcon-180b-chat | – | 1054 | 1.295 |
| 391 | llama-2-7b-chat | meta | 1053 | 14.148 |
| 392 | guanaco-33b | – | 1053 | 2.921 |
| 393 | qwen-14b-chat | alibaba | 1051 | 4.964 |
| 394 | phi-3-mini-128k-instruct | microsoft | 1050 | 20.685 |
| 395 | smollm2-1.7b-instruct | – | 1042 | 2.199 |
| 396 | stripedhyena-nous-7b | – | 1038 | 5.182 |
| 397 | olmo-7b-instruct | allenai | 1032 | 6.328 |
| 398 | vicuna-7b | – | 1031 | 6.923 |
| 399 | palm-2 | 1027 | 8.554 | |
| 400 | mistral-7b-instruct | mistral | 1024 | 8.977 |
| 401 | gemma-1.1-2b-it | 1022 | 10.854 | |
| 402 | gemma-2b-it | 1002 | 4.780 | |
| 403 | qwen1.5-4b-chat | alibaba | 997 | 7.597 |
| 404 | koala-13b | – | 990 | 6.965 |
| 405 | chatglm3-6b | – | 972 | 4.658 |
| 406 | gpt4all-13b-snoozy | – | 956 | 1.743 |
| 407 | mpt-7b-chat | – | 955 | 3.924 |
| 408 | RWKV-4-Raven-14B | – | 948 | 4.845 |
| 409 | chatglm2-6b | – | 939 | 2.658 |
| 410 | alpaca-13b | – | 933 | 5.745 |
| 411 | chatglm-6b | – | 918 | 4.914 |
| 412 | oasst-pythia-12b | – | 916 | 6.310 |
| 413 | fastchat-t5-3b | – | 894 | 4.203 |
| 414 | stablelm-tuned-alpha-7b | – | 866 | 3.287 |
| 415 | dolly-v2-12b | – | 851 | 3.412 |
| 416 | llama-13b | meta | 834 | 2.391 |
Quelle: lmarena-ai/leaderboard-dataset · CC BY 4.0 · Stand 2026-10-15.
Was nutzen Menschen wirklich, wie entwickeln sich die Modelle, und wo liegt die Preis-Leistungs-Wunschzone?
📊 Was der Markt wirklich nutzt (OpenRouter)
Die Arena zeigt, was Menschen bevorzugen — der Markt zeigt, was sie bezahlen: Diese Rangliste zählt die tatsächlich verarbeiteten Tokens der letzten Woche auf OpenRouter (200 Modelle). Das Ergebnis ist eindeutig: Der Markt folgt dem Preis.
| # | Modell (Nutzung weltweit) | Tokens / Woche | Anfragen |
|---|---|---|---|
| 1 | DeepSeek V4.1-Flash bei uns | 37,1 T | 775 Mio. |
| 2 | step 5 preview | 19,5 T | 100 Mio. |
| 3 | GLM 5.3 Flash bei uns | 12,9 T | 674 Mio. |
| 4 | MiMo V2.6 Flash bei uns | 11,2 T | 139 Mio. |
| 5 | Tencent HY4 Preview bei uns | 7,9 T | 72 Mio. |
| 6 | nemotron 3 ultra 550b a55b | 7,3 T | 54 Mio. |
| 7 | GPT-6 luna bei uns | 6,8 T | 373 Mio. |
| 8 | Claude Opus 5.5 bei uns | 5,8 T | 47 Mio. |
| 9 | GLM 5.3 bei uns | 4,8 T | 63 Mio. |
| 10 | deepseek v4 flash | 4,7 T | 334 Mio. |
| 11 | jev 1.13 | 3,3 T | 1063 Mio. |
| 12 | Tencent HY3 bei uns | 3,3 T | 41 Mio. |
| 13 | deepseek v4 flash | 3,1 T | 349 Mio. |
| 14 | Muse Spark 1.3 bei uns | 3,1 T | 40 Mio. |
| 15 | Claude Sonnet 5.5 bei uns | 2,8 T | 38 Mio. |
| 16 | Kimi K3 bei uns | 2,5 T | 39 Mio. |
| 17 | GPT-6.1 sol bei uns | 2,3 T | 52 Mio. |
| 18 | Claude Haiku 5.5 bei uns | 2,0 T | 102 Mio. |
| 19 | Gemini 3.8 Flash bei uns | 1,9 T | 84 Mio. |
| 20 | gpt 5.6 luna | 1,7 T | 147 Mio. |
Quelle: OpenRouter (openrouter.ai/rankings, Stand 2026-10-15). „Bei uns“ = im Preisvergleich verlinkt. Günstige Modelle dominieren den Markt — im Arena-Elo stehen oft andere vorn. Beide Perspektiven gehören dazu.
📈 Entwicklung: So verschieben sich die Kräfte
Elo der führenden Modelle über die letzten 24 LMArena-Snapshots — die Arena ist kein Standbild: Modelle steigen, fallen, werden eingeholt.
Seit dem letzten Snapshot: ↑ Step 5 Preview +1.4 · gpt-6-sol-max +0.7 · gpt-5.6-terra-xhigh +0.6 · ↓ solar-pro4 -0.7 · mercury -0.5 · glm-5.3-flash -0.5
Quelle: LMArena full-split (CC BY 4.0) · Gesamtwertung · Snapshots teils wöchentlich.
Die Landkarte: Qualität gegen Preis
Jeder Punkt ein Modell: nach rechts wird es teurer, nach oben besser. Die Wunschzone ist links oben — stark und günstig. Wer rechts oben steht, muss den Aufpreis rechtfertigen.
Elo: LMArena (CC BY 4.0, Stand 2026-10-15) · Preis: blended €/1M, logarithmische Achse. Tipp: Punkt berühren/hover für Details.
Das Bindeglied: Benchmark-Werte × unsere Euro-Preise — plus das Vergleichs-Tool für zwei Modelle.
Unsere 77 Modelle: Benchmark × Preis
Alle Modelle aus der Preisliste, für die ein LMArena-Wert vorliegt — sortiert nach Elo. Elo je € ist der Effizienz-Wert.
| Modell | Elo (Rang) | Coding | Deutsch | Mathe | € / 1M blended | Elo je € |
|---|---|---|---|---|---|---|
| gemini-4-argon Google | 1532 #1 | 1547 | – | 1536 | 3,555 € | 431 |
| Claude Opus 5.5 Anthropic | 1516 #2 | 1545 | – | 1508 | 7,109 € | 213 |
| Claude Fable 5.1 Anthropic | 1512 #3 | 1531 | 1502 | 1528 | 17,773 € | 85 |
| Claude Opus 5 Anthropic | 1508 #4 | 1533 | 1526 | 1532 | 8,886 € | 170 |
| Claude Opus 4.6 Anthropic | 1502 #6 | 1535 | 1502 | 1519 | 8,886 € | 169 |
| Muse Wonder Meta | 1501 #7 | 1520 | – | – | 7,109 € | 211 |
| Gemini 3.8 Flash Google | 1499 #8 | 1507 | 1498 | 1527 | 1,34 € | 1.119 |
| Claude Fable 5 Anthropic | 1491 #10 | 1518 | 1487 | 1519 | 17,773 € | 84 |
| MiMo V2.6 Pro Xiaomi | 1491 #11 | 1532 | – | 1499 | 0,483 € | 3.085 |
| Muse Spark 1.3 Meta | 1490 #12 | 1510 | 1523 | 1496 | 1,777 € | 838 |
| Claude Opus 4.7 Anthropic | 1490 #13 | 1519 | 1495 | 1499 | 8,886 € | 168 |
| Gemini 3.7 Flash Google | 1487 #14 | 1498 | 1503 | 1510 | 1,333 € | 1.116 |
| Muse Spark 1.2 Meta | 1484 #15 | 1503 | – | 1476 | 1,777 € | 835 |
| Gemini 3.5 Flash Google | 1482 #18 | 1493 | 1492 | 1503 | 3,013 € | 492 |
| Gemini 3.1 Pro Preview Google | 1480 #19 | 1484 | 1491 | 1485 | 3,999 € | 370 |
| Gemini 3.6 Flash Google | 1479 #21 | 1491 | 1481 | 1506 | 1,333 € | 1.110 |
| Qwen3.7 Max Alibaba | 1475 #24 | 1497 | – | 1490 | 3,332 € | 443 |
| Kimi K3 Moonshot | 1475 #25 | 1507 | 1489 | 1494 | 5,332 € | 277 |
| GLM 5.3 z.ai | 1471 #27 | 1495 | 1493 | 1491 | 1,911 € | 770 |
| GLM 5.3 Flash z.ai | 1471 #29 | 1508 | 1466 | 1505 | 0,211 € | 6.966 |
| Claude Sonnet 5.5 Anthropic | 1470 #30 | 1513 | – | 1499 | 3,555 € | 414 |
| GLM 5.2 z.ai | 1470 #31 | 1486 | 1471 | 1481 | 1,911 € | 770 |
| GPT-5.5 OpenAI | 1467 #35 | 1483 | 1480 | 1487 | 10,037 € | 146 |
| DeepSeek V4.1-Flash DeepSeek | 1463 #38 | 1501 | 1476 | 1478 | 0,467 € | 3.135 |
| GLM 5.1 z.ai | 1462 #39 | 1485 | 1467 | 1473 | 1,911 € | 765 |
| Claude Sonnet 4 Anthropic | 1458 #41 | 1504 | 1428 | 1463 | 5,332 € | 273 |
| Gemini 2.5 Pro Google | 1458 #42 | 1452 | 1487 | 1450 | 3,055 € | 477 |
| GPT-5.6 sol OpenAI | 1457 #43 | 1496 | 1476 | 1473 | 7,109 € | 205 |
| Kimi K2.6 Moonshot AI | 1455 #44 | 1489 | 1451 | 1475 | 1,522 € | 956 |
| MiMo V2.6 Flash Xiaomi | 1455 #45 | 1502 | 1464 | 1474 | 0,155 € | 9.358 |
| Claude Opus 4 Anthropic | 1454 #47 | 1487 | 1448 | 1470 | 26,66 € | 55 |
| GPT-5.4 OpenAI | 1452 #48 | 1479 | 1442 | 1457 | 5,018 € | 289 |
| DeepSeek V4-Pro DeepSeek | 1451 #49 | 1469 | 1458 | 1443 | 1,76 € | 825 |
| Grok 4.5 xAI | 1448 #56 | 1474 | 1448 | 1459 | 2,666 € | 543 |
| GPT-6.1 sol OpenAI | 1448 #57 | 1484 | – | 1470 | 3,555 € | 407 |
| GLM 5 z.ai | 1446 #60 | 1461 | 1445 | 1440 | 1,377 € | 1.050 |
| Grok 4.20 xAI | 1445 #65 | 1447 | 1464 | 1433 | 1,389 € | 1.040 |
| GPT-6 astra OpenAI | 1443 #69 | 1489 | 1457 | 1465 | 17,773 € | 81 |
| Claude Sonnet 5 Anthropic | 1442 #72 | 1483 | 1442 | 1467 | 3,555 € | 406 |
| Qwen3.8 27B Alibaba | 1441 #75 | 1483 | 1436 | 1457 | 0,946 € | 1.522 |
| GLM 4.6 z.ai | 1440 #76 | 1449 | 1447 | 1432 | 0,889 € | 1.620 |
| Qwen3 Max Alibaba | 1439 #77 | 1456 | 1463 | 1446 | 2,14 € | 672 |
| Qwen3.6 Plus Alibaba | 1436 #84 | 1467 | 1452 | 1450 | 1 € | 1.437 |
| GLM 4.7 z.ai | 1435 #87 | 1454 | 1426 | 1424 | 0,889 € | 1.615 |
| Gemini 3.5 Flash-Lite Google | 1435 #89 | 1453 | 1454 | 1433 | 0,755 € | 1.899 |
| Mistral Large 4 Mistral | 1430 #94 | 1481 | – | 1469 | 0,917 € | 1.559 |
| GLM 4.5 z.ai | 1430 #95 | 1434 | 1407 | 1427 | 0,889 € | 1.609 |
| Mistral Large 3 Mistral | 1428 #98 | 1449 | 1436 | 1415 | 0,666 € | 2.143 |
| Grok 4.6 xAI | 1428 #99 | 1465 | 1432 | 1416 | 2,666 € | 536 |
| DeepSeek V3.2 DeepSeek | 1424 #105 | 1449 | 1408 | 1435 | 0,266 € | 5.355 |
| Mistral Medium 3.5 Mistral | 1421 #112 | 1461 | 1453 | 1431 | 2,678 € | 531 |
| Gemini 2.5 Flash Google | 1417 #127 | 1424 | 1417 | 1411 | 0,755 € | 1.876 |
| gemini-3.1-flash-lite Google | 1416 #130 | 1400 | 1430 | 1428 | 0,5 € | 2.832 |
| GPT-5.4 mini OpenAI | 1411 #137 | 1438 | 1409 | 1419 | 1,508 € | 936 |
| Nemotron 3.5 Super VL 120B A12B NVIDIA | 1409 #141 | 1434 | – | – | 0,153 € | 9.190 |
| GPT-5 OpenAI | 1406 #146 | 1436 | 1416 | 1398 | 9,997 € | 141 |
| Grok 4.7 xAI | 1401 #153 | 1432 | 1353 | 1412 | 2,666 € | 525 |
| GPT-6 Sol OpenAI | 1398 #156 | 1447 | 1377 | 1405 | 3,565 € | 392 |
| Qwen3.5 Flash Alibaba | 1397 #157 | 1412 | 1391 | 1408 | 0,156 € | 8.978 |
| Grok 4.3 xAI | 1397 #158 | 1415 | 1395 | 1387 | 1,389 € | 1.006 |
| MiniMax M2.1 MiniMax | 1392 #165 | 1420 | 1381 | 1396 | 0,467 € | 2.983 |
| GPT-6 luna OpenAI | 1392 #166 | 1438 | 1387 | 1406 | 0,178 € | 7.827 |
| GLM 4.5 Air z.ai | 1384 #171 | 1397 | 1377 | 1396 | 0,378 € | 3.663 |
| GLM 4.6V z.ai | 1376 #178 | 1389 | – | – | 0,4 € | 3.442 |
| GPT-5.4 nano OpenAI | 1372 #182 | 1404 | 1368 | 1406 | 0,415 € | 3.306 |
| MiniMax M2.5 MiniMax | 1359 #198 | 1380 | 1362 | 1378 | 0,467 € | 2.913 |
| GLM 4.7 Flash z.ai | 1351 #207 | 1382 | 1336 | 1355 | 0 € | – |
| GLM 4.5V z.ai | 1333 #223 | 1348 | – | 1354 | 0,8 € | 1.666 |
| Command A Cohere | 1331 #225 | 1330 | 1342 | 1300 | 3,888 € | 342 |
| Nemotron 3.5 Lightning 30B A3B NVIDIA | 1329 #229 | 1378 | 1291 | 1361 | 0,0777 € | 17.103 |
| Qwen Plus Alibaba | 1326 #230 | 1328 | – | 1326 | 0,533 € | 2.488 |
| Granite 4.2 8B IBM | 1320 #234 | 1379 | – | – | 0,0955 € | 13.818 |
| Llama 3.3 70B (Together AI) Meta | 1274 #276 | 1268 | 1251 | 1267 | 0,924 € | 1.379 |
| Amazon Nova Pro Amazon | 1259 #291 | 1270 | 1243 | 1252 | 1,244 € | 1.012 |
| Jamba 1.5 Large AI21 Labs | 1237 #298 | 1227 | 1200 | 1221 | 3,11 € | 398 |
| Amazon Nova Micro Amazon | 1208 #315 | 1218 | 1192 | 1206 | 0,0544 € | 22.213 |
| Jamba 1.5 Mini AI21 Labs | 1187 #326 | 1178 | 1162 | 1160 | 0,222 € | 5.340 |
Elo: LMArena (CC BY 4.0, Stand 2026-10-15) · Preise: EZB-Kurs 0.88865 (Stand 16. Oktober 2026) · Coding/Deutsch/Mathe = LMArena-Kategorien.
Modell-Vergleich — zwei Modelle direkt gegenüberstellen
Wähle zwei Modelle: alle Dimensionen Seite an Seite — wer gewinnt wo, und was kostet der Unterschied?
vs
Transparenz: alle Quellen, Lizenzen und Antworten auf die häufigsten Fragen.
Die Quellen — und was man damit darf
LMArena (Chatbot Arena)
Elo-Präferenz — was mögen Menschen wirklich? Bewertung durch echte Nutzervergleiche, kaum kontaminierbar.
lmarena-ai/leaderboard-dataset (HuggingFace) ↗Epoch AI Benchmark-Dashboard
Unabhängiges Forschungsinstitut: Benchmark-Ergebnisse mit offener Methodik und nachvollziehbaren Tests.
epoch.ai/data ↗Aider Polyglot Leaderboard
Praxis-Coding: Das Modell muss echte Repos bearbeiten (Edit-Format, nicht nur Quiz-Antworten).
Aider-AI/aider ↗SWE-bench (Princeton)
Echte Production-Bugs aus GitHub-Repos beheben — der härteste Agenten-Test für Coding.
SWE-bench/SWE-bench ↗Stanford HELM
Holistische Mehrfach-Metriken der Stanford University: Qualität, Robustheit, Kosten und Bias zusammen gedacht.
stanford-crfm/helm ↗LiveBench
Kontaminationsfreies Benchmark — Aufgaben werden monatlich erneuert, damit Nachhilfe-Daten nichts helfen.
livebench/livebench ↗Lizenzangaben aus offiziellen Lizenz-Dateien/Datensatz-Karten geprüft. Weiterverwendung nur mit Quellenangabe — so machen wir es. Mehr dazu auf der Methodik-Seite und im Glossar.
Häufige Fragen
Was bedeutet Intelligenz pro Euro — und wie wird es berechnet?
Wir teilen das LMArena-Elo eines Modells durch seinen Blended-Preis (3:1 Mischpreis, Euro pro 1 Mio. Token). Das Ergebnis: Wie viele Elo-Punkte bekommst du je ausgegebenem Euro? Ein hoher Wert bedeutet viel gemessene Qualität für wenig Geld — die effizienteste Art, ein Modell auszuwählen.
Warum gibt es hier ein Deutsch-Ranking?
Weil es das sonst nirgends gibt: LMArena bewertet Deutschsprachigkeit als eigene Kategorie mit über 300 Modellen. Gerade für den DACH-Raum ist die entscheidende Frage, ob ein Modell auf Deutsch genauso stark ist wie auf Englisch — wir zeigen beide Werte und dazu die Preise.
Woher kommen die Daten — und darf man sie nutzen?
Alle Werte stammen aus offiziellen Quellen mit klarer Lizenz: LMArena (CC BY 4.0, Datensatz lmarena-ai/leaderboard-dataset), Aider (Apache 2.0), Epoch AI (CC BY 4.0), SWE-bench (MIT), HELM und LiveBench (Apache 2.0). Wir zitieren mit Quellenangabe und zeigen immer den Datenstand — nichts ist geschätzt oder erfunden.
Wie aktuell sind die Werte?
Der LMArena-Stand dieser Seite: 2026-10-15, 416 Modelle in der Gesamtwertung und 411 im Coding-Ranking. Unsere Fetcher prüfen stündlich und übernehmen neue Daten automatisch. Aider zuletzt: 2025-10-03. Die Marktzahlen (OpenRouter) werden ebenfalls stündlich aktualisiert.
Warum ist mein Lieblingsmodell nicht dabei?
Wir zeigen nur Modelle, die auch in unserer Preisliste stehen (Stand: 167). Für die vollständige LMArena-Rangliste (alle ~416 Modelle) siehe die Tabelle oben.