Welches LLM ist das beste?

Ein einziges bestes LLM für jeden Zweck gibt es nicht. Ein Coding-Agent, eine günstige Extraktionspipeline und eine Recherche mit langem Kontext belohnen unterschiedliche Stärken. Wähle oben die zwei Modelle aus, die für dich infrage kommen. Die Duellseite zeigt nur gemeinsame Messreihen und trennt Benchmarks sauber von Preis, Kontext, Architektur und Verfügbarkeit.

Was ist ein LLM-Vergleich?

Er vergleicht Large Language Models anhand gemeinsamer Benchmark-Ergebnisse, Preise, technischer Daten, Verfügbarkeit und Quellenstände.

Warum zeigen manche Duelle nur wenige Benchmarks?

Der Vergleich mischt keine unterschiedlichen Benchmark-Versionen, Aufgaben, Metriken, Kohorten, Reasoning-Stufen oder Agenten-Setups zu einem Wert. Eine Zeile erscheint erst, wenn beide Modellergebnisse zur selben dokumentierten Messreihe gehören.

Ist der Benchmark-Sieger automatisch das bessere Modell?

Nein. Ein Vorsprung gilt für die dokumentierte Aufgabe und den jeweiligen Testaufbau. Preis, Latenz, Kontextfenster, Tool-Zugriff und dein Einsatzzweck können die praktische Wahl verändern.

Wie aktuell ist die Datenbank?

Der Benchmark-Stand wurde am 29.09.2026 abgerufen. Veränderliche Modellangaben tragen zusätzlich eine eigene Quelle und ein Prüfdatum.

Welche Benchmarks fließen in den Vergleich ein?

Die Datenbank enthält veröffentlichte Messreihen aus Bereichen wie Coding, Reasoning, Mathematik, Wissen, Finanzen, Recht, Agentenaufgaben und Multimodalität. Einzelranglisten und Duelltabellen halten ihre dokumentierte Aufgabe, Metrik und Kohorte getrennt. Der Orientierungsindex auf der Hauptseite mittelt Rangperzentile nur über Kohorten mit vergleichbarem Testaufbau und stützt sich auf bis zu 10 davon. Ein Modell erhält einen Gesamtrang, sobald es in mindestens 4 dieser Kohorten gemessen wurde, bewertet als Mittelwert der Perzentile über die Kohorten, in denen es vorkommt, und jede Zeile nennt, wie viele es sind.

Wie werden die API-Preise verglichen?

Die erste Preistabelle zeigt den Basistarif des jeweiligen Entwicklers pro 1 Mio. Token. Darunter vergleicht die Duellseite verfügbare Anbieter-Endpunkte separat. Regionen, Sondertarife und abweichende Endpunkte werden gekennzeichnet, damit kein vermeintlicher Preisvorteil aus unterschiedlichen Angeboten entsteht.

Warum fehlen bei manchen Modellen Parameterangaben?

Viele Anbieter veröffentlichen weder die Gesamtzahl noch die Zahl der aktiven Parameter. In diesem Fall steht in der Tabelle „Nicht veröffentlicht“. Wir schätzen keine Werte aus Gerüchten oder aus älteren Modellgenerationen.

Was zeigt das Spinnennetz-Diagramm?

Das Diagramm verdichtet nur direkt vergleichbare Messreihen in fünf bis acht Oberkategorien. Ergebnisse werden zuerst innerhalb derselben Messreihe relativ normalisiert, dann je Benchmarkfamilie und Kategorie gemittelt. Die Werte zeigen das Stärkenprofil dieses Duells, keinen universellen Modellscore.

LLM-Vergleich 2026: 50 KI-Modelle im direkten Duell

Dieser LLM-Vergleich stellt 50 aktuelle Sprachmodelle in 1.225 direkten Duellen gegenüber. Du bekommst gemeinsame Benchmark-Messreihen, aktuelle API-Preise, Kontextfenster, Parameter, Verfügbarkeit und die jeweilige Quelle.

Erstes ModellZweites Modell

Modelle: 50
direkte Vergleiche: 1.225
aktive Benchmarks: 89
aktive Messwerte: 14.680

Benchmarkübergreifende Einordnung

LLM-Gesamtbestenliste

Der Index nutzt 10 Benchmark-Kohorten mit vergleichbarem dokumentiertem Testaufbau. Er rechnet die Werte in Rangperzentile um und mittelt sie gleich gewichtet über die Kohorten, in denen ein Modell vorkommt. Die 86 Modelle mit Ergebnissen in mindestens 4 Kohorten erhalten einen Gesamtrang, und jede Zeile nennt, auf wie vielen er beruht. Ränge aus weniger als der Hälfte der Kohorten sind als vorläufig markiert, weil sie sich mit weiteren veröffentlichten Ergebnissen meist noch verschieben. Modelle darunter bleiben ausgeblendet. Fehlende Daten werden nicht als Nachteil gewertet.

1.Claude Fable 5.193,5 / 10010 von 10 Kohorten

2.Claude Fable 593,2 / 10010 von 10 Kohorten

3.Claude Opus 591,3 / 10010 von 10 Kohorten

4.Claude Sonnet 5.587,9 / 1004 von 10 KohortenVorläufig

5.Claude Opus 5.585,1 / 1004 von 10 KohortenVorläufig

6.Kimi K385,1 / 10010 von 10 Kohorten

7.Gemini 3.7 Flash83,1 / 1009 von 10 Kohorten

8.GPT-5.6 Sol81,9 / 10010 von 10 Kohorten

9.Claude Opus 4.878,8 / 10010 von 10 Kohorten

10.Gemini 3.8 Flash77,4 / 10010 von 10 Kohorten

11.Qwen 3.8 Max 090276,5 / 10010 von 10 Kohorten

12.GPT-5.575,8 / 10010 von 10 Kohorten

13.Claude Opus 4.772,6 / 1009 von 10 Kohorten

14.Gemini 3.6 Flash70,4 / 10010 von 10 Kohorten

15.Grok 4.669,7 / 1009 von 10 Kohorten

16.Qwen 3.7 Max68,7 / 1007 von 10 Kohorten

17.GPT-5.268,3 / 1008 von 10 Kohorten

18.Gemini 3.1 Pro Preview67,5 / 10010 von 10 Kohorten

19.GPT-5.6 Terra67,5 / 10010 von 10 Kohorten

20.Gemini 3.5 Flash67,4 / 10010 von 10 Kohorten

Alle 86 Modelle mit Gesamtrang anzeigen

21.Gemini 3 Pro66,3 / 1008 von 10 Kohorten

22.GLM-5.365,3 / 1008 von 10 Kohorten

23.GPT-5.6 Luna64,4 / 1009 von 10 Kohorten

24.Grok 4.763,7 / 1005 von 10 Kohorten

25.DeepSeek-V4.1-Flash62,8 / 1005 von 10 Kohorten

26.Gemini 3 Flash Preview62,7 / 1009 von 10 Kohorten

27.GPT-5.462,7 / 1008 von 10 Kohorten

28.GLM-5.3-Flash62,4 / 1008 von 10 Kohorten

29.Claude Sonnet 561,6 / 10010 von 10 Kohorten

30.Kimi K2.659,2 / 10010 von 10 Kohorten

31.Grok 4.558,6 / 1009 von 10 Kohorten

32.MiniMax M358,3 / 10010 von 10 Kohorten

33.GPT-557,6 / 1008 von 10 Kohorten

34.Claude Sonnet 4.655,9 / 1009 von 10 Kohorten

35.Qwen 3.8 27B53,7 / 1009 von 10 Kohorten

36.GLM-5.252,6 / 1007 von 10 Kohorten

37.GPT-6 Luna50,7 / 1004 von 10 KohortenVorläufig

38.Nemotron 3 Ultra49,8 / 1006 von 10 Kohorten

39.GPT-6 Sol49,6 / 1004 von 10 KohortenVorläufig

40.DeepSeek-V4-Pro49,6 / 1008 von 10 Kohorten

41.Inkling Small48,5 / 1009 von 10 Kohorten

42.Kimi K2.548,2 / 1008 von 10 Kohorten

43.Inkling47,8 / 10010 von 10 Kohorten

44.o346,9 / 1008 von 10 Kohorten

45.GPT-5 mini46,1 / 1008 von 10 Kohorten

46.GLM-546,0 / 1005 von 10 Kohorten

47.GLM-5.144,2 / 1008 von 10 Kohorten

48.Claude Opus 4.543,7 / 1008 von 10 Kohorten

49.GPT-5.4 mini42,3 / 1007 von 10 Kohorten

50.MiMo-V2.5-Pro42,2 / 1007 von 10 Kohorten

51.Grok 4.20 Reasoning39,3 / 1009 von 10 Kohorten

52.Grok 338,7 / 1005 von 10 Kohorten

53.Gemini 3.1 Flash-Lite38,5 / 1009 von 10 Kohorten

54.Gemini 3.5 Flash-Lite38,2 / 10010 von 10 Kohorten

55.Grok 4.336,8 / 10010 von 10 Kohorten

56.MiniMax M2.135,5 / 1006 von 10 Kohorten

57.MiniMax M2.735,0 / 1007 von 10 Kohorten

58.MiMo-V2.533,6 / 1009 von 10 Kohorten

59.GLM-4.733,4 / 1006 von 10 Kohorten

60.o4-mini33,3 / 1008 von 10 Kohorten

61.GPT-4.132,6 / 1006 von 10 Kohorten

62.Ling 3.0 Flash32,2 / 1008 von 10 Kohorten

63.o131,4 / 1006 von 10 Kohorten

64.GPT OSS 120B30,6 / 1005 von 10 Kohorten

65.Kimi K2 Thinking28,8 / 1005 von 10 Kohorten

66.MiniMax M2.528,2 / 1005 von 10 Kohorten

67.DeepSeek-R127,3 / 1004 von 10 KohortenVorläufig

68.GLM-4.625,8 / 1005 von 10 Kohorten

69.GLM-4.525,6 / 1005 von 10 Kohorten

70.Kimi K2 071124,4 / 1005 von 10 Kohorten

71.GPT-5.4 nano24,0 / 1009 von 10 Kohorten

72.DeepSeek-V3.222,4 / 1004 von 10 KohortenVorläufig

73.Mistral Large 319,8 / 1007 von 10 Kohorten

74.GPT-4.1 mini19,7 / 1006 von 10 Kohorten

75.o3-mini19,7 / 1005 von 10 Kohorten

76.DeepSeek-V3 032418,8 / 1005 von 10 Kohorten

77.DeepSeek-V317,8 / 1004 von 10 KohortenVorläufig

78.GPT OSS 20B15,1 / 1005 von 10 Kohorten

79.GPT-5 nano12,4 / 1008 von 10 Kohorten

80.Command A10,5 / 1005 von 10 Kohorten

81.Mistral Medium 3.59,5 / 1006 von 10 Kohorten

82.Llama 4 Scout6,1 / 1008 von 10 Kohorten

83.Mistral Small 3.14,7 / 1006 von 10 Kohorten

84.GPT-4.1 nano4,0 / 1006 von 10 Kohorten

85.Command R+2,5 / 1004 von 10 KohortenVorläufig

86.GPT-4o mini2,3 / 1005 von 10 Kohorten

Vals AILegalBench Vals AIGPQA Diamond Vals AILiveCodeBench v6 Vals AIMMLU-Pro Vals AITaxEval v2 Vals AIMedScribe Vals AISAGE Vals AITerminal-Bench 2.1 Vals AIMMMU-Pro Vals AIPublic Benefits Bench v1.1

Das ist ein transparenter Orientierungsindex, kein zusätzlicher Benchmark. Preis, Geschwindigkeit, Kontextfenster und Ergebnisse außerhalb der aufgeführten 10 Benchmark-Kohorten fließen nicht ein.

Quellwerte mit nicht vergleichbaren dokumentierten Konfigurationen fließen nicht in den Index ein, statt sie auf ihr stärkstes Ergebnis zu reduzieren.

Aktuelle Spitzenreiter

Welche LLMs führen in den wichtigsten Benchmarks?

Die fünf Charts halten die Benchmarks bewusst getrennt. Jede Rangliste nutzt genau eine veröffentlichte Kohorte, eine Aufgabe und eine Metrik. Modelle ohne eindeutig veröffentlichten Wert in der jeweiligen Kohorte bleiben ausgeblendet, statt einen geschätzten Wert zu erhalten.

Gesamtpräferenz

LMArena Text, Style Control

Stilbereinigte Bewertung aus anonymen Paarvergleichen.

1.Kimi K31.488 Punkte

2.Gemini 3.1 Pro Preview1.486,7 Punkte

3.GPT-5.6 Sol1.483,2 Punkte

4.Gemini 3.6 Flash1.481,9 Punkte

5.GLM-5.21.475,6 Punkte

6.MiMo-V2.5-Pro1.467,4 Punkte

7.Grok 4.51.465,4 Punkte

8.GLM-5.11.465,1 Punkte

9.GPT-5.6 Terra1.465 Punkte

10.Claude Sonnet 51.461,5 Punkte

11.Kimi K2.61.460,9 Punkte

12.Gemini 3.5 Flash-Lite1.456 Punkte

13.GPT-5.6 Luna1.454 Punkte

14.Grok 4.61.453,4 Punkte

15.GPT-5.4 mini1.447 Punkte

16.Grok 4.31.441,6 Punkte

17.MiMo-V2.51.433,5 Punkte

18.Mistral Medium 3.51.426,1 Punkte

19.Mistral Large 31.413,3 Punkte

LMArenaAktualisiert 25.09.2026 · 19 von 50 Vergleichsmodellen mit eindeutigem Quellwert

Das veröffentlichte Leaderboard dokumentiert modellabhängige Testeinstellungen. 6 Vergleichsmodelle haben mehr als einen nicht vergleichbaren Testaufbau. Sie bleiben in dieser Rangliste ausgeblendet, statt das beste Ergebnis auszuwählen.

Reasoning

GPQA Diamond

Schwierige, wissenschaftliche Fragen aus dem GPQA-Diamond-Datensatz.

1.Gemini 3.1 Pro Preview95,5 %

2.GPT-5.6 Sol95,2 %

3.Grok 4.694,7 %

4.Gemini 3.8 Flash94,4 %

5.Gemini 3.7 Flash93,9 %

6.Qwen 3.8 Max 090293,7 %

7.Claude Fable 5.193,4 %

7.Claude Opus 593,4 %

7.Gemini 3.6 Flash93,4 %

10.Claude Fable 593,2 %

10.GPT-5.593,2 %

12.Grok 4.592,9 %

12.Kimi K392,9 %

14.Gemini 3.5 Flash92,7 %

15.Claude Opus 4.892,4 %

16.GPT-5.491,7 %

16.GPT-5.6 Luna91,7 %

18.Grok 4.391,4 %

19.GPT-5.6 Terra90,9 %

20.Claude Opus 4.790,2 %

21.DeepSeek-V4-Pro89,4 %

22.Kimi K2.689,1 %

23.Claude Sonnet 588,9 %

24.GLM-5.388,1 %

25.GLM-5.3-Flash86,4 %

26.Claude Sonnet 4.685,6 %

26.GLM-5.285,6 %

28.GLM-5.184,5 %

29.Gemini 3.5 Flash-Lite83,8 %

30.GPT-5.4 mini83,1 %

31.MiMo-V2.5-Pro82,6 %

32.MiMo-V2.581,6 %

33.Claude Opus 4.579,5 %

34.Mistral Large 368,4 %

35.Mistral Medium 3.534,8 %

Vals AIAktualisiert 01.09.2026 · 35 von 50 Vergleichsmodellen mit eindeutigem Quellwert

Coding

Vibe Code Bench v1.1

Praktische Programmieraufgaben aus Vibe Code Bench v1.1.

1.Claude Sonnet 5.592,4 %

2.Claude Fable 590,4 %

3.Claude Opus 5.590,3 %

4.Claude Fable 5.190,3 %

5.GPT-6 Astra89,6 %

6.Claude Opus 588,4 %

7.GPT-6 Sol87,8 %

8.Grok 4.786,2 %

9.Kimi K385 %

10.DeepSeek-V4.1-Flash84,7 %

11.Claude Opus 4.882,7 %

12.GPT-6 Luna81,6 %

13.Claude Sonnet 581,3 %

14.GPT-5.6 Sol80,5 %

15.Gemini 3.8 Flash78,7 %

16.GLM-5.378,1 %

17.GPT-5.6 Luna77,1 %

18.Grok 4.676,2 %

19.GPT-5.6 Terra74,6 %

20.Claude Opus 4.771 %

21.Gemini 3.7 Flash70,4 %

22.GPT-5.569,8 %

23.Grok 4.569 %

24.Qwen 3.8 Max 090264,7 %

25.Gemini 3.6 Flash64 %

26.GLM-5.264 %

27.Claude Opus 4.657,6 %

28.Claude Sonnet 4.651,5 %

29.DeepSeek-V4-Pro49,9 %

30.Gemini 3.5 Flash48,7 %

31.GPT-5.4 mini48 %

32.MiMo-V2.542,2 %

33.Kimi K2.637,9 %

34.Gemini 3.5 Flash-Lite37,2 %

35.MiMo-V2.5-Pro34,1 %

36.Gemini 3.1 Pro Preview32 %

37.GLM-5.131,5 %

38.GLM-5.3-Flash30,8 %

39.Grok 4.319,4 %

40.Mistral Medium 3.52,9 %

Vals AIAktualisiert 27.09.2026 · 40 von 50 Vergleichsmodellen mit eindeutigem Quellwert

Das veröffentlichte Leaderboard dokumentiert modellabhängige Testeinstellungen. 1 Vergleichsmodell hat mehr als einen nicht vergleichbaren Testaufbau. Es bleibt in dieser Rangliste ausgeblendet, statt das beste Ergebnis auszuwählen.

Agenten

Terminal-Bench 2.1

Mehrstufige Aufgaben in einer realen Terminal-Umgebung.

1.Claude Opus 5.587,6 %

2.GPT-6 Astra87,3 %

3.GPT-5.6 Sol85,8 %

4.Claude Fable 5.185 %

5.Claude Opus 584,6 %

6.Claude Sonnet 5.583,1 %

6.GPT-6 Sol83,1 %

8.Gemini 3.8 Flash81,3 %

9.Kimi K380,9 %

10.Claude Fable 580,5 %

11.GPT-5.6 Luna79 %

12.Grok 4.678,3 %

13.Gemini 3.7 Flash77,5 %

13.GPT-5.6 Terra77,5 %

15.GPT-5.576,4 %

16.Claude Sonnet 574,5 %

16.DeepSeek-V4.1-Flash74,5 %

18.Gemini 3.5 Flash74,2 %

19.Gemini 3.6 Flash73,8 %

20.Grok 4.773,4 %

21.GPT-6 Luna73 %

22.Claude Opus 4.871,9 %

23.GLM-5.371,5 %

24.Gemini 3.1 Pro Preview70,8 %

25.Claude Opus 4.768,5 %

26.GLM-5.267,8 %

26.Grok 4.567,8 %

28.Qwen 3.8 Max 090267,4 %

29.GLM-5.3-Flash62,9 %

30.MiMo-V2.560,7 %

31.Claude Sonnet 4.657,3 %

31.MiMo-V2.5-Pro57,3 %

33.GLM-5.156,9 %

34.GPT-5.4 mini54,7 %

35.Kimi K2.653,6 %

36.DeepSeek-V4-Pro50,2 %

36.Gemini 3.5 Flash-Lite50,2 %

38.Grok 4.341,9 %

39.Mistral Medium 3.539 %

Vals AIAktualisiert 27.09.2026 · 39 von 50 Vergleichsmodellen mit eindeutigem Quellwert

Finanzen

Finance Agent (v2)

Recherche- und Analyseaufgaben aus Finance Agent v2.

1.Gemini 3.8 Flash61,4 %

2.Gemini 3.7 Flash59 %

3.Claude Fable 5.158,9 %

4.Claude Opus 558,6 %

5.Claude Opus 5.558,6 %

6.Claude Sonnet 5.558,1 %

7.Gemini 3.5 Flash57,9 %

8.GLM-5.3-Flash57,9 %

9.Claude Fable 556,3 %

10.Gemini 3.6 Flash56,3 %

11.GLM-5.355,8 %

12.GPT-5.6 Luna55 %

13.GPT-5.6 Terra54,4 %

14.Kimi K354,4 %

15.Claude Opus 4.853,9 %

16.Claude Sonnet 553,9 %

17.GPT-5.6 Sol53,8 %

18.Grok 4.653,7 %

19.GPT-6 Astra53,5 %

20.DeepSeek-V4.1-Flash53,5 %

21.Grok 4.752,3 %

22.GPT-5.551,8 %

23.Claude Opus 4.751,5 %

24.Claude Sonnet 4.651 %

25.Qwen 3.8 Max 090250,6 %

26.GPT-6 Luna49,9 %

27.GLM-5.249,7 %

28.GPT-6 Sol49,1 %

29.Grok 4.548,3 %

30.Gemini 3.5 Flash-Lite47,4 %

31.GPT-5.4 mini45,4 %

32.Kimi K2.644,9 %

33.GLM-5.144,8 %

34.DeepSeek-V4-Pro44,1 %

35.Gemini 3.1 Pro Preview43 %

36.MiMo-V2.5-Pro41,5 %

37.Grok 4.337,7 %

38.MiMo-V2.536,7 %

39.Mistral Medium 3.532,1 %

Vals AIAktualisiert 27.09.2026 · 39 von 50 Vergleichsmodellen mit eindeutigem Quellwert

Ein erster Platz gilt nur für den genannten Benchmark. Er ist kein Gesamtscore und sagt allein nichts über Preis, Geschwindigkeit, Kontextlänge oder deinen eigenen Einsatzzweck aus.

Entscheidungskriterien

Was du im LLM-Vergleich prüfen kannst

Benchmarks: Gemeinsame Aufgaben und Versionen für Reasoning, Coding, Agenten, Recherche und weitere Fähigkeiten.
API-Preise: Input, Output, Cache-Lesen und Cache-Schreiben, sofern der Anbieter diese Preise veröffentlicht.
Kontext: Veröffentlichte Kontextfenster und maximale Ausgabelängen ohne ungenaue Rundung.
Architektur: Bekannte Parameter, aktive Parameter, Dense oder MoE sowie der Open-Weight-Status.
Verfügbarkeit: API-Zugriff, Modellstatus, Erscheinungsdatum und dokumentierte Websuche.
Quellen: Ein Abruf- oder Prüfdatum und eine direkte Quelle für jeden volatilen Messwert.

Du suchst ein breiteres Verzeichnis? Dann sieh dir die Open-Source-LLMs im Vergleich an. Für konkrete Kosten pro Anwendung hilft der API-Kostenrechner.

Schnelleinstieg

Die beliebtesten 20 Modell-Vergleiche

Hier findest du die 20 Duelle, die gerade zählen. Vergleiche allgemeine Daten, Preise, Benchmarks und mehr.

Auswahl

Die wichtigsten 50 Modelle

Die Auswahl umfasst aktuelle Spitzenmodelle, günstigere Varianten und ausgewählte frühere Generationen. So kannst du auch Claude Opus 4.5 bis 4.8, Sonnet 4.5 und 4.6 sowie Haiku 4.5 mit neueren Modellen vergleichen.

Die vollständigen technischen Profile aller Modelle findest du im KI-Modelle-Verzeichnis.

Historische Einordnung

Ein Vergleich aus den frühen ChatGPT-Modellgenerationen

Die aktuelle Vergleichsmatrix konzentriert sich bewusst auf unterstützte Modelle. Diese historische Referenz hält die dokumentierten Unterschiede zwischen GPT-3.5 und GPT-4 für bestehende Anwendungen und Migrationsentscheidungen verfügbar.

GPT-3.5 vs. GPT-4: Was ist der Unterschied?

Häufige Fragen zum LLM-Vergleich

So funktionieren Benchmark-Zuordnung, Gewinner und Datenstand.

Changelog

Die neuesten Updates und Verbesserungen unseres LLM-Vergleichs

v1.1230. September 2026

Claude Sonnet 5.5 ergänzt

Claude Sonnet 5.5 mit offiziellen technischen Daten, Preisen, Kontextfenster, Wissensstand und Quellen ergänzt
Vergleich auf 50 Modelle und 1.225 direkte Duelle erweitert, darunter GPT-6.1 Sol, Grok 4.7 und DeepSeek-V4.1-Flash

v1.1122. September 2026

Claude Opus 5.5, GPT-6 Sol und GPT-6 Luna ergänzt

Claude Opus 5.5, GPT-6 Sol und GPT-6 Luna mit offiziellen technischen Daten, Preisen, Kontextfenstern, Wissensstand und Quellen ergänzt
Vergleich auf 46 Modelle und 1.035 direkte Duelle erweitert

v1.1022. September 2026

46 Modelle und anbieterbalancierte Hosting-Preise

Vergleich auf 46 Modelle und 1.035 direkte Duelle erweitert
Hosting-Markt-Tarife auf die tägliche anbieterbalancierte OpenRouter-Beobachtung umgestellt, sodass Profile und Vergleichsseiten denselben Wert wie der Preisindex zeigen
Status zu Abkündigungen und Lebenszyklus anhand aktueller Anbieterseiten aktualisiert

v1.94. September 2026

GPT-6 Astra ergänzt

GPT-6 Astra mit offiziellen technischen Daten, Preisen, Kontextfenster, Verfügbarkeit und Quellen ergänzt
Vergleich auf 36 Modelle und 630 direkte Duelle erweitert

v1.83. September 2026

Muse Spark 1.3 und Qwen 3.8 Max 0902 ergänzt

Muse Spark 1.3 mit aktuellen Preisen, Kontext, Verfügbarkeit und Quellen ergänzt
Qwen 3.8 Max auf den Snapshot 0902 aktualisiert und in die Vergleichsauswahl aufgenommen
Vergleich auf 35 Modelle und 595 direkte Duelle erweitert

v1.72. September 2026

Gemini 3.8 Flash ergänzt

Gemini 3.8 Flash mit offiziellen technischen Daten, Preisen, Wissensstand und Quellen ergänzt
Vergleich auf 33 Modelle und 528 direkte Duelle erweitert

v1.62. September 2026

Claude 5.1 und GLM-5.3 ergänzt

GLM-5.3 mit offiziellen technischen Daten, Preisen, Verfügbarkeit und Quellen ergänzt
Vergleich auf 32 Modelle und 496 direkte Duelle erweitert, einschließlich Claude Fable 5.1 und Mythos 5.1

v1.529. August 2026

GLM-5.3-Flash und aufgeräumte Bestenlisten

GLM-5.3-Flash mit offiziellen technischen Daten, Preisen und Quellen ergänzt
Vergleich auf 29 Modelle und 406 direkte Duelle erweitert
Modelle ohne veröffentlichten Wert aus den Bestenlisten entfernt

v1.428. August 2026

Vollständige und benchmarkübergreifende Ranglisten

Alle 28 Vergleichsmodelle in jede einzelne Benchmark-Rangliste aufgenommen
Orientierungsindex aus vier Kohorten mit vergleichbarem Testaufbau ergänzt
Mehrdeutige Modellvarianten ausgeschlossen und fehlende Werte ohne Schätzung sichtbar gelassen

v1.324. August 2026

Benchmark-Ranglisten und Fähigkeitsprofile

Fünf getrennte Ranglisten für Gesamtpräferenz, Reasoning, Coding, Agenten und Finanzen ergänzt
Datengestützte Fähigkeitsprofile auf den direkten Duellseiten ergänzt
Jede Rangliste auf eine veröffentlichte Kohorte, Aufgabe, Metrik und einen Quellenstand begrenzt

v1.118. August 2026

FAQ, Changelog und interne Links

FAQ zu Benchmark-Abdeckung, Methodik und Datenstand ergänzt
Changelog für nachvollziehbare inhaltliche Updates ergänzt
Hub und Duellseiten in die Navigation, die Sitemap und die Rubrik „Ähnliche Vergleiche“ aufgenommen

v1.017. August 2026

Erstveröffentlichung

28 aktuelle Modelle und 378 direkte Duelle veröffentlicht
Gemeinsame Benchmarks, API-Preise, technische Daten und Primärquellen zusammengeführt
Auswahlwerkzeug und zehn priorisierte Duelle ergänzt