Swiss AI InitiativeSprachmodell
Apertus 70B
Für Apertus 70B gibt es noch keinen Wert im Gesamtindex, weil zu wenige unabhängige Benchmark-Ergebnisse vorliegen.
BeliebtheitPlatz 361 von 785
37von 100-1 zum Vormonat
beruht auf Suche, Nutzung und Aufmerksamkeit
Zusammenfassung
Apertus 70B ist die große Instruct-Variante der vollständig offenen Sprachmodellfamilie von Swiss AI. Die offizielle Karte beschreibt 15 Billionen Vortrainingstoken, 1.811 nativ unterstützte Sprachen und eine transparente Veröffentlichung von Gewichten, Skripten zur Rekonstruktion der Trainingsdaten und Trainingsdetails. Decoder-only-Architektur, SFT und QRPO verbinden die offene Forschungsbasis mit einem einsatzbereiten Instruktionsmodell. Der Kontext beträgt 65.536 Token.
Swiss AI trainierte Apertus 70B von Grund auf mit dem AdEMAMix-Optimierer und xIELU-Aktivierungen. Apertus 8B ist der kleinere Familienpartner mit derselben Sprachabdeckung, aber eigenem Gewichtsstand.
Alle Benchmark-Werte
Jeder veröffentlichte Messwert mit Quelle, Testbedingungen und Vergleichsmodellen.
Alle 86 veröffentlichten Benchmark-Werte anzeigen
Seite 1 von 8
Messungen ohne passende Vergleichswerte
Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.
CritPt v2: Overall (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 0
- Bewertung
- 0
- Messgröße
- pass@1 accuracy
- Einheit
- %
- Benchmark-Version
- v2
- Kategorie
- reasoning
- Aufgabe
- overall
- Aufgabenbezeichnung
- Overall
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Artificial Analysis
- Status
- disputed
- Abrufdatum
- 2026-11-02
- Methodik
- Exakte AA-Konfiguration: Apertus 70B Instruct (Release apertus-70b-instruct, Zeile apertus-70b-instruct, UUID 49e70a38-4ac1-4659-b490-09b2c7ff21d6, reasoning=false, effort=nicht angegeben, suffix=nicht angegeben). AA kennzeichnet diese Modellvariante als non-reasoning und weist 0 Reasoning-Tokens aus. Der vollständige CritPt-v2-Lauf umfasst 70 Fragen mit fünf Wiederholungen. Der offizielle Grading-Server bewertet pass@1.. Kennung des Quellmodells: artificial-analysis/49e70a38-4ac1-4659-b490-09b2c7ff21d6/apertus-70b-instruct/apertus-70b-instruct. Name des Quellmodells: Apertus 70B. Anbieter laut Quelle: Swiss AI Initiative. Modellstand: Apertus 70B Instruct. Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Werkzeugrichtlinie: Python functions, symbolic expressions, and numerical answers; official grading server. Versuche: 70 questions, five repeats per question, pass@1. Reasoning: non-reasoning. Reasoning-Stufe: none. Angezeigter Wert: 0,0 %. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-11-02-67d46be20a5b. Prüfsumme der Quelldaten: 67d46be20a5b412db6cfb60ad190441fcaa5513500b8fd47d033168d0e97b6b2. Parserversion: artificial-analysis-rsc-models-v3. Importiert am: 2026-11-02. Quellenkohorte: artificial-analysis-critpt-v2:v2:standalone:non-reasoning:effort=unspecified:suffix=unspecified
- Vergleichsmethodik
- Exakte AA-Konfiguration: Apertus 70B Instruct (Release apertus-70b-instruct, Zeile apertus-70b-instruct, UUID 49e70a38-4ac1-4659-b490-09b2c7ff21d6, reasoning=false, effort=nicht angegeben, suffix=nicht angegeben). AA kennzeichnet diese Modellvariante als non-reasoning und weist 0 Reasoning-Tokens aus. Der vollständige CritPt-v2-Lauf umfasst 70 Fragen mit fünf Wiederholungen. Der offizielle Grading-Server bewertet pass@1.. Werkzeugrichtlinie: Python functions, symbolic expressions, and numerical answers; official grading server. Versuche: 70 questions, five repeats per question, pass@1. Reasoning: non-reasoning. Reasoning-Stufe: none
- Einordnung
- Die AA-Quelle enthält hier den ursprünglichen CritPt-Wert. Die frühere Zuordnung zu CritPt v2 ist falsch; Wert und frühere Beschriftung bleiben als strittiger Altbeleg erhalten.. Der Quelldatensatz markiert diesen Wert als umstritten. Er bleibt als dokumentierte Evidenz sichtbar, ist aber kein belastbarer Vergleichsnachweis.
IFBench: Overall (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 25.8503401360544
- Bewertung
- 25.8503401360544
- Messgröße
- IFBench prompt-level loose accuracy (pass@1)
- Einheit
- %
- Benchmark-Version
- AA test set: 294 questions
- Kategorie
- general
- Aufgabe
- overall
- Aufgabenbezeichnung
- Overall
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Artificial Analysis
- Status
- superseded
- Abrufdatum
- 2026-11-02
- Methodik
- Exakte AA-Konfiguration: Apertus 70B Instruct (Release apertus-70b-instruct, Zeile apertus-70b-instruct, UUID 49e70a38-4ac1-4659-b490-09b2c7ff21d6, reasoning=false, effort=nicht angegeben, suffix=nicht angegeben). AA kennzeichnet diese Modellvariante als non-reasoning und weist 0 Reasoning-Tokens aus. Artificial Analysis führt 294 Fragen aus dem IFBench-Testdatensatz mit fünf Wiederholungen je Frage aus. Der offizielle Evaluator bewertet die Genauigkeit je Prompt im Modus loose als pass@1.. Kennung des Quellmodells: artificial-analysis/49e70a38-4ac1-4659-b490-09b2c7ff21d6/apertus-70b-instruct/apertus-70b-instruct. Name des Quellmodells: Apertus 70B. Anbieter laut Quelle: Swiss AI Initiative. Modellstand: Apertus 70B Instruct. Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Werkzeugrichtlinie: Single-turn answer evaluated with the official IFBench source code. Versuche: pass@1, 5 repeats per question. Reasoning: non-reasoning. Reasoning-Stufe: none. Angezeigter Wert: 25,9 %. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-11-02-67d46be20a5b. Prüfsumme der Quelldaten: 67d46be20a5b412db6cfb60ad190441fcaa5513500b8fd47d033168d0e97b6b2. Parserversion: artificial-analysis-rsc-models-v3. Importiert am: 2026-11-02. Quellenkohorte: artificial-analysis-ifbench:AA test set: 294 questions:standalone:non-reasoning:effort=unspecified:suffix=unspecified
- Vergleichsmethodik
- Exakte AA-Konfiguration: Apertus 70B Instruct (Release apertus-70b-instruct, Zeile apertus-70b-instruct, UUID 49e70a38-4ac1-4659-b490-09b2c7ff21d6, reasoning=false, effort=nicht angegeben, suffix=nicht angegeben). AA kennzeichnet diese Modellvariante als non-reasoning und weist 0 Reasoning-Tokens aus. Artificial Analysis führt 294 Fragen aus dem IFBench-Testdatensatz mit fünf Wiederholungen je Frage aus. Der offizielle Evaluator bewertet die Genauigkeit je Prompt im Modus loose als pass@1.. Werkzeugrichtlinie: Single-turn answer evaluated with the official IFBench source code. Versuche: pass@1, 5 repeats per question. Reasoning: non-reasoning. Reasoning-Stufe: none
- Einordnung
- Die Angabe von 58 bezieht sich auf die verifizierbaren Out-of-Domain-Bedingungstypen, nicht auf die Zahl der Fragen im AA-Testlauf.. Dieser Wert wird als historische Evidenz geführt und ist nicht mit aktuellen Ergebnissen gleichzusetzen.
IFBench: Overall (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 25.8503401360544
- Bewertung
- 25.8503401360544
- Messgröße
- IFBench prompt-level loose accuracy (pass@1)
- Einheit
- %
- Benchmark-Version
- AA test set: 294 questions
- Kategorie
- general
- Aufgabe
- overall
- Aufgabenbezeichnung
- Overall
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Artificial Analysis
- Status
- active
- Abrufdatum
- 2026-11-07
- Methodik
- Exakte AA-Konfiguration: Apertus 70B Instruct (Release apertus-70b-instruct, Zeile apertus-70b-instruct, UUID 49e70a38-4ac1-4659-b490-09b2c7ff21d6, reasoning=false, effort=nicht angegeben, suffix=nicht angegeben). Diese Quellenfassung enthält keine durchschnittliche Reasoning-Tokenzahl. Artificial Analysis führt 294 Fragen aus dem IFBench-Testdatensatz mit fünf Wiederholungen je Frage aus. Der offizielle Evaluator bewertet die Genauigkeit je Prompt im Modus loose als pass@1.. Kennung des Quellmodells: artificial-analysis/49e70a38-4ac1-4659-b490-09b2c7ff21d6/apertus-70b-instruct/apertus-70b-instruct. Name des Quellmodells: Apertus 70B. Anbieter laut Quelle: Swiss AI Initiative. Modellstand: Apertus 70B Instruct. Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Werkzeugrichtlinie: Single-turn answer evaluated with the official IFBench source code. Versuche: pass@1, 5 repeats per question. Reasoning: non-reasoning. Reasoning-Stufe: none. Angezeigter Wert: 25,9 %. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-11-07-b96e3ffc8c5b. Prüfsumme der Quelldaten: b96e3ffc8c5b052aa56f96d05e89d02b8cc234a75085820fca0ca2a39e498274. Parserversion: artificial-analysis-rsc-models-v4. Importiert am: 2026-11-07. Quellenkohorte: artificial-analysis-ifbench:AA test set: 294 questions:standalone:non-reasoning:effort=unspecified:suffix=unspecified
- Vergleichsmethodik
- Exakte AA-Konfiguration: Apertus 70B Instruct (Release apertus-70b-instruct, Zeile apertus-70b-instruct, UUID 49e70a38-4ac1-4659-b490-09b2c7ff21d6, reasoning=false, effort=nicht angegeben, suffix=nicht angegeben). Diese Quellenfassung enthält keine durchschnittliche Reasoning-Tokenzahl. Artificial Analysis führt 294 Fragen aus dem IFBench-Testdatensatz mit fünf Wiederholungen je Frage aus. Der offizielle Evaluator bewertet die Genauigkeit je Prompt im Modus loose als pass@1.. Werkzeugrichtlinie: Single-turn answer evaluated with the official IFBench source code. Versuche: pass@1, 5 repeats per question. Reasoning: non-reasoning. Reasoning-Stufe: none
- Einordnung
- Die Angabe von 58 bezieht sich auf die verifizierbaren Out-of-Domain-Bedingungstypen, nicht auf die Zahl der Fragen im AA-Testlauf.
MMLU (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 69.6
- Bewertung
- 69.6
- Messgröße
- Exact Match
- Einheit
- %
- Kategorie
- knowledge
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Apertus v1 Technical Report v2, Table 17
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Vom Anbieter veröffentlichter Wert. Exakte Zeile für das Apertus-70B-Instruct-Modell. Tabelle 22: mmlu_flan_cot_zeroshot, Multiple-Choice-Generierung, mit CoT, 0-shot, Chat-Vorlage, keine Mehrturn-Demonstrationen, eine Sprache.
Global-MMLU (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 62.7
- Bewertung
- 62.7
- Messgröße
- Exact Match
- Einheit
- %
- Kategorie
- multilingual
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Apertus v1 Technical Report v2, Table 17
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Vom Anbieter veröffentlichter Wert. Exakte Zeile für das Apertus-70B-Instruct-Modell. Tabelle 22: global_mmlu_gen_0shot, Multiple-Choice-Generierung, ohne CoT, 0-shot, Chat-Vorlage, keine Mehrturn-Demonstrationen, 15 Sprachen.
TruthfulQA (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 61.2
- Bewertung
- 61.2
- Messgröße
- Accuracy
- Einheit
- %
- Kategorie
- knowledge
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Apertus v1 Technical Report v2, Table 17
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Vom Anbieter veröffentlichter Wert. Exakte Zeile für das Apertus-70B-Instruct-Modell. Tabelle 22: truthfulqa_mc2, Multiple-Choice-Likelihood, ohne CoT, 6-shot, Chat-Vorlage, keine Mehrturn-Demonstrationen, eine Sprache.
TruthfulQA Multilingual (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 53.7
- Bewertung
- 53.7
- Messgröße
- Accuracy
- Einheit
- %
- Kategorie
- multilingual
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Apertus v1 Technical Report v2, Table 17
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Vom Anbieter veröffentlichter Wert. Exakte Zeile für das Apertus-70B-Instruct-Modell. Tabelle 22: truthfulqa_multilingual_mc2, Multiple-Choice-Likelihood, ohne CoT, 5-shot, Chat-Vorlage, keine Mehrturn-Demonstrationen, 31 Sprachen.
HellaSwag (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 78.1
- Bewertung
- 78.1
- Messgröße
- Normalized Accuracy
- Einheit
- %
- Kategorie
- knowledge
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Apertus v1 Technical Report v2, Table 17
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Vom Anbieter veröffentlichter Wert. Exakte Zeile für das Apertus-70B-Instruct-Modell. Tabelle 22: hellaswag, Multiple-Choice-Likelihood, ohne CoT, 0-shot, Chat-Vorlage, keine Mehrturn-Demonstrationen, eine Sprache.
HellaSwag Multilingual (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 55.3
- Bewertung
- 55.3
- Messgröße
- Normalized Accuracy
- Einheit
- %
- Kategorie
- multilingual
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Apertus v1 Technical Report v2, Table 17
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Vom Anbieter veröffentlichter Wert. Exakte Zeile für das Apertus-70B-Instruct-Modell. Tabelle 22: hellaswag_multilingual, Multiple-Choice-Likelihood, ohne CoT, 0-shot, Chat-Vorlage, keine Mehrturn-Demonstrationen, 31 Sprachen.
BBH (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 64.2
- Bewertung
- 64.2
- Messgröße
- Exact Match
- Einheit
- %
- Kategorie
- reasoning
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Apertus v1 Technical Report v2, Table 19
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Vom Anbieter veröffentlichter Wert. Exakte Zeile für das Apertus-70B-Instruct-Modell. Tabelle 22: bbh, Generierung, mit CoT, 3-shot, Chat-Vorlage und Mehrturn-Demonstrationen, eine Sprache.
DROP (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 50.8
- Bewertung
- 50.8
- Messgröße
- F1
- Einheit
- %
- Kategorie
- reasoning
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Apertus v1 Technical Report v2, Table 19
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Vom Anbieter veröffentlichter Wert. Exakte Zeile für das Apertus-70B-Instruct-Modell. Tabelle 22: drop, Generierung, ohne CoT, 3-shot, Chat-Vorlage und Mehrturn-Demonstrationen, eine Sprache.
ACP-Bench Bool (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 62.9
- Bewertung
- 62.9
- Messgröße
- Exact Match
- Einheit
- %
- Kategorie
- reasoning
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Apertus v1 Technical Report v2, Table 19
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Vom Anbieter veröffentlichter Wert. Exakte Zeile für das Apertus-70B-Instruct-Modell. Tabelle 22: acp_bench_bool, Multiple-Choice-Generierung, mit CoT, 2-shot, Chat-Vorlage und Mehrturn-Demonstrationen, eine Sprache.
Seite 1 von 8
Beliebtheit im Vergleich
Wie oft das Modell gesucht, genutzt und erwähnt wird, im Vergleich mit allen Modellen dieser Kategorie.
Beliebtheitsindex
Die 100 beliebtesten Modelle dieser Kategorie, 0 bis 100, höher ist beliebter
20 von 101 Modellen
Stand November 2026 · Quelle: gradually.ai Beliebtheitsindex
Zeitlicher Verlauf
Wochenwerte vom 18. Oktober 2026 bis 7. November 2026
Apertus 70BLlama 3.3 Nemotron Super 49B v1.5 37GLM-4.6 37Index-Translate-9B 37Reflection Beam 37
Methodenwechsel im Verlauf, ein Sprung an dieser Stelle ist kein Marktereignis:
- 11. November 2026: Wert nur mit Such- oder Nutzungsdaten, 30-Tage-Aufmerksamkeit
Was gerade an Beliebtheit gewinnt, steht für Modelle, Anbieter, Harnesses und KI-Abos gesammelt in Alle KI-Trends.
Ähnliche Modelle
Weitere Modelle derselben Art wie Apertus 70B, ausgewählt nach Modellreihe, Anbieter, Größe, Preis und Erscheinungsdatum.
- Apertus 8BSwiss AI Initiative · gleicher Anbieter
- Hermes 4 70BNous Research · ähnliche Größe
- Qwen 3 Next 80B A3B InstructAlibaba · ähnliche Größe
- Qwen 3 Next 80B A3B ThinkingAlibaba · ähnliche Größe
- Llama 3.1 Nemotron 70B InstructNVIDIA · ähnliche Größe
- DeepSeek-R1-Distill-Llama-70BDeepSeek · ähnliche Größe
- Llama-3.3-70B-InstructMeta · ähnliche Größe
- Llama 3.3 70BMeta · ähnliche Größe
Alle technischen Daten
Architektur
Ein- und Ausgabe
Wasserzeichen und Herkunft
KI-Wasserzeichen meint unsichtbare Signale in der Ausgabe. Sichtbare Zeichen und Herkunftsmetadaten sind getrennt aufgeführt. Unbekannt bedeutet, dass für die jeweilige Angabe kein ausreichender Beleg vorliegt.
- KI-Wasserzeichen
- Unbekannt
- ohne Quelle
- Wasserzeichen-Technik
- Nicht bekannt
- ohne Quelle
Lizenz und Zugang
Häufige Fragen zu Apertus 70B
Bis wann reicht das Wissen von Apertus 70B?
Bis September 2025, laut Swiss AI Initiative. Das ist der Monat der Veröffentlichung.
Angabe von Swiss AI Initiative
Sep.WissensstandSeptember 2025Veröffentlicht02.09.2025
Wie groß ist das Kontextfenster von Apertus 70B?
65.536 Token. So viel Text liest Apertus 70B auf einmal, das sind rund 100 A4-Seiten.
Seitenzahl als Faustregel nach Artificial Analysis
GLM-5.1200 Tsd.
DeepSeek-V3 0324164 Tsd.
GLM-4.5131 Tsd.
GPT OSS 120B131 Tsd.
DeepSeek-V3.2128 Tsd.
DeepSeek-R1128 Tsd.
Apertus 70BPlatz 103 von 10366 Tsd.
Kann ich Apertus 70B lokal nutzen?
Ja, die Gewichte sind offen.
Angaben von Swiss AI Initiative
- Offene Gewichte
- ja
- Lizenz
- Apache 2.0
- Parameter
- 70 Mrd.
- davon aktiv je Token
- k. A.
Quellen und Datenstand
Alle 13 Quellen anzeigen
Benchmarkquellen im Überblick
Welche unabhängigen Auswerter dieses Modell getestet haben. Das ist Abdeckung, keine Qualitätsrangliste.
| Auswerter | Testreihen | Gesamtindizes | Erfasste aktive Messwerte |
|---|---|---|---|
| Artificial Analysis | 1 | 0 | 1 |
Ohne Herstellerangaben sowie historische oder strittige Ergebnisse; diese stehen gekennzeichnet bei den Einzelwerten.
| Art | Nachweis und Datenstand |
|---|---|
| Eingabe | Dokumentierte Modalitäten. Abgerufen am 27. Oktober 2026. |
| Ausgabe | Dokumentierte Modalitäten. Abgerufen am 27. Oktober 2026. |
| Recherchestand | Recherchestand 15. Oktober 2026. 3 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell. |
| Nicht veröffentlicht | evaluation-configuration Hinweis Die Modellkarte führt exakte Modellzeilen und Aufgaben auf, nennt aber weder Ergebniseinheiten noch Eingabeaufforderungen, Few-shot-Einstellungen, Trainings- oder Evaluierungsmodus oder Laufdaten. |
| In den geprüften Quellen nicht gefunden | excluded-checkpoint-observations Hinweis Die sechs Zeilen stimmen mit Tabelle 14 der Pretraining-Evaluation im Apertus-v1-Technikbericht überein. Sie beschreiben die vortrainierten Checkpoints Apertus-8B/70B, nicht die separat nachtrainierten Instruct-Profile. |
| Nicht veröffentlicht | sample-count-and-confidence-intervals Originalwortlaut Die Tabellen veröffentlichen für diese Scorezellen keine ausgewerteten Fallzahlen oder Konfidenzintervalle. Korpusgrößen, Shot-Angaben und Sprachzahlen werden nicht als Ergebnis-N umgedeutet. |
| Nicht veröffentlicht | exact-decoding-and-run-provenance Originalwortlaut Tabelle 22 nennt für die meisten Evaluationen Benchmark-Metrik, Tasktyp, CoT, Shots, Chat-Template, Mehrturn- und Sprachumfang, aber keine vollständigen Harness-/Prompt-/Decoding-Versionen oder konkreten Lauftermine. Tabellen 18, 23 und 26 nennen außerdem keine Score-Einheit. |
| Weitere Quelle | Hugging Face (abgerufen 15. Oktober 2026; 17. Oktober 2026) · Apertus 70B model card · Redaktionelle Beschreibung geprüft am 4. Oktober 2026 |
| Weitere Quelle | Artificial Analysis (abgerufen 2. November 2026) |
| Weitere Quelle | Artificial Analysis (abgerufen 2. November 2026; 7. November 2026) |
| Weitere Quelle | Apertus v1 Technical Report v2, Table 17 (abgerufen 17. Oktober 2026) |
| Weitere Quelle | LLMs replicate metaphor norms based on word co-occurrence but struggle with topic-vehicle mappings (abgerufen 19. Oktober 2026) |
| Weitere Quelle | Apertus technical report · Redaktionelle Beschreibung geprüft am 4. Oktober 2026 |
| Weitere Quelle | OpenRouter: Beliebtheitsindex (abgeleitet), CC BY 4.0 |
| Weitere Quelle | Vercel AI Gateway: Beliebtheitsindex (abgeleitet), CC BY 4.0 |
| Weitere Quelle | Ollama: kumulierte Downloads für den Beliebtheitsindex |
| Weitere Quelle | Replicate: kumulierte Ausführungen für den Beliebtheitsindex |
| Weitere Quelle | Google Trending Now: begrenzte Feed-Auswahl für Deutschland und USA |
| Weitere Quelle | Creative Commons Attribution 4.0 |