Bestes LLM

Welche KI ist die beste für Mathe?

In Mathe liegen GPT-6 Astra und Gemini 4 Argon praktisch gleichauf vorn.

Unter den zehn Besten ist Claude Haiku 5.5 mit 0,20 $ je Million Token am günstigsten.

Am schnellsten antwortet unter ihnen Claude Haiku 5.5 mit 164 Token pro Sekunde.

Platzierte Modelle: 46
Tests: 5
Datenstand: 10.11.2026

Rangliste: Mathe

Platz und Wert im Bereich, dazu Gesamtindex, Preis und Tempo. Höhere Werte sind besser.

Platz	Modell	Wert	Gesamtindex	Preis (3:1)	Tempo
1	GPT-6 AstraSpitzengruppe	126,1	120,2	20 $	58
2	GPT-6.1 SolObere Gruppe	124,4	118,0	4 $	44
3	Gemini 4 ArgonObere Gruppe	118,9	121,4	4 $	46
4	GPT-6 SolObere Gruppe	117,7	109,1	4 $	82
5	Claude Fable 5Obere Gruppe	117,6	112,8	20 $	50
6	Claude Opus 5Mittelfeld	113,8	117,4	10 $	71
7	Muse WonderMittelfeld	112,7	113,4	8 $	k. A.
8	Claude Haiku 5.5Mittelfeld	107,2	102,8	0,20 $	164
9	GPT-6 LunaMittelfeld	106,0	95,8	0,20 $	77
10	GPT-5.5Mittelfeld	103,4	101,5	11,25 $	87
11	Kimi K3Mittelfeld	101,7	101,1	6 $	61
12	Grok 4.6Mittelfeld	101,4	102,2	3 $	58
13	Gemini 3.7 FlashMittelfeld	100,4	107,9	k. A.	72
14	Gemini 3.8 FlashMittelfeld	100,1	106,8	1,50 $	81
15	GLM-5.3Mittelfeld	95,6	100,6	2,15 $	81
16	Grok 4.5Mittelfeld	95,5	94,8	3 $	52
17	Grok 4.7Mittelfeld	94,3	103,3	3 $	47
18	Gemini 3.6 FlashMittelfeld	93,8	97,6	1,50 $	110
19	Claude Sonnet 5Mittelfeld	93,1	92,1	4 $	77
20	Gemini 3.5 FlashMittelfeld	92,7	97,8	k. A.	142

Alle 46 platzierten Modelle zeigen

Platz	Modell	Wert	Gesamtindex	Preis (3:1)	Tempo
21	GLM-5.2Mittelfeld	91,9	89,0	2,15 $	73
22	GLM-5.3-FlashMittelfeld	91,2	94,3	0,24 $	101
23	DeepSeek-V4-ProMittelfeld	85,5	87,2	0,99 $	44
24	GPT-5Untere Gruppe	75,6	77,6	3,44 $	83
25	o4-miniUntere Gruppe	67,8	63,5	k. A.	k. A.
26	GPT-5 miniUntere Gruppe	66,9	65,8	0,69 $	105
27	o3Untere Gruppe	66,8	74,2	3,50 $	73
28	Qwen 3 235B A22BUntere Gruppe	61,8	k. A.	k. A.	k. A.
29	GPT OSS 120BUntere Gruppe	55,7	43,4	0,20 $	92
30	GLM-4.5Untere Gruppe	53,1	48,9	1 $	28
31	Kimi K2 0711Untere Gruppe	52,2	k. A.	1 $	39
32	DeepSeek-R1Untere Gruppe	51,6	44,6	1,15 $	k. A.
33	o3-miniUntere Gruppe	47,2	41,9	k. A.	k. A.
34	GPT-5 nanoUntere Gruppe	42,6	32,5	0,14 $	136
35	o1Untere Gruppe	42,3	49,2	k. A.	k. A.
36	GPT OSS 20BUntere Gruppe	41,6	30,9	0,06 $	85
37	DeepSeek-V3 0324Untere Gruppe	40,3	33,7	0,44 $	39
38	MiniMax M2.1Untere Gruppe	40,3	57,4	0,52 $	k. A.
39	GPT-4.1Untere Gruppe	32,6	43,7	3,50 $	81
40	GPT-4.1 miniUntere Gruppe	29,3	32,4	0,70 $	95
41	DeepSeek-V3Untere Gruppe	27,3	19,8	0,37 $	40
42	Llama 4 ScoutUntere Gruppe	10,1	4,8	0,15 $	62
43	Command AUntere Gruppe	1,4	0,6	4,38 $	2
44	GPT-4o miniUntere Gruppe	-2,8	-7,2	0,26 $	66
45	Mistral Small 3.1Untere Gruppe	-7,5	-2,8	k. A.	k. A.
46	GPT-4.1 nanoUntere Gruppe	-24,1	-15,6	k. A.	110

Die 46 sind die Modelle mit einem Platz in diesem Bereich. Der Gesamtindex und die Vergleichsmatrix zählen andere Modellmengen, deshalb weichen die Zahlen auf den Seiten voneinander ab.

Preis in Dollar je Million Token, gemischt aus 3 Teilen Eingabe und 1 Teil Ausgabe. Tempo in Token pro Sekunde.

Die besten 20: MatheWert im Bereich · höher ist besser

GPT-6 AstraPlatz 1126,1

GPT-6.1 SolPlatz 2124,4

Gemini 4 ArgonPlatz 3118,9

GPT-6 SolPlatz 4117,7

Claude Fable 5Platz 5117,6

Claude Opus 5Platz 6113,8

Muse WonderPlatz 7112,7

Claude Haiku 5.5Platz 8107,2

GPT-6 LunaPlatz 9106,0

GPT-5.5Platz 10103,4

Kimi K3Platz 11101,7

Grok 4.6Platz 12101,4

Gemini 3.7 FlashPlatz 13100,4

Gemini 3.8 FlashPlatz 14100,1

GLM-5.3Platz 1595,6

Grok 4.5Platz 1695,5

Grok 4.7Platz 1794,3

Gemini 3.6 FlashPlatz 1893,8

Claude Sonnet 5Platz 1993,1

Gemini 3.5 FlashPlatz 2092,7

Welche Tests zählen hier?

5 Tests unabhängiger Auswerter fließen in diesen Bereich ein. Jeder Test zählt mit dem Ergebnis des jeweiligen Modells.

ProofBench v1.1
50 Modelle getestet · Vals AI
MGSM
32 Modelle getestet · Vals AI
MATH 500
24 Modelle getestet · Vals AI
AIME
23 Modelle getestet · Epoch AI benchmark run dataset snapshot
FrontierMath
23 Modelle getestet · Epoch AI benchmark run dataset snapshot

Beliebte Vergleiche unter den Besten

Weitere Aufgaben

Alle LLMs im Vergleich So entsteht der Gesamtindex Mehrere Modelle vergleichen