LLM-Vergleich 2026
LLM-Vergleich 2026: 59 KI-Modelle im direkten Duell
Im Gesamtindex liegen Claude Fable 5.2, Gemini 4 Carbon und Claude Opus 5.5 praktisch gleichauf vorn. Am schnellsten antwortet Nemotron 3.5 Lightning (180 Token pro Sekunde). Unter den zehn bestplatzierten Modellen ist Gemini 4 Carbon mit 4,00 $ je Million Token am günstigsten.
Mehr als zwei Modelle vergleichen
- Modelle
- 59
- direkte Vergleiche
- 1.669
- aktive Benchmarks
- 138
- aktive Messwerte
- 26.897
Was gerade an Beliebtheit gewinnt, steht für Modelle, Anbieter, Harnesses und KI-Abos gesammelt in Alle KI-Trends.
Die besten LLMs im Gesamtindex
20 von 95 Modellen
LeistungsgruppenSpitzengruppe (3)Obere Gruppe (7)Mittelfeld (10)
Claude Fable 5.2max131,0
Gemini 4 Carbonhigh127,0
Claude Opus 5.5max125,7
Claude Fable 5.1max124,1
Claude Sonnet 5.5max121,8
Gemini 4 Argonhigh121,4
GPT-6 Astramax120,2
Muse Wonder Fullmax118,1
GPT-6.1 Solmax118,0
Claude Opus 5max117,4
Muse Wondermax113,4
Claude Fable 5max112,8
Kimi K3.1 Promax112,6
Muse Ember 1.0max110,4
GPT-6 Solmax109,1
GPT-5.6 Solmax109,1
Gemini 3.7 Flashhigh107,9
Muse Spark 1.3max107,3
Gemini 3.8 Flashhigh106,8
DeepSeek V4.1 Flash 1017max106,7
Diesen Chart einbetten
Kopiere den Code in deine Seite. Der Chart passt sich der Breite an und aktualisiert sich mit unseren Daten.
Du darfst den Chart mit Namensnennung nutzen (CC BY 4.0).
Bis zu fünf LLMs direkt vergleichen
- Claude Fable 5.2
- Gemini 4 Carbon
- Claude Opus 5.5
Fett markiert: der beste Wert der Zeile. Beim Gesamtindex und in den Bereichen nur, wenn der Vorsprung sicher ist.
Leistung
GesamtindexPunkte, 100 = Durchschnitt der Referenzgruppe, höher ist besser
- Claude Fable 5.2
- 131,0
- Gemini 4 Carbon
- 127,0
- Claude Opus 5.5
- 125,7
Platz
- Claude Fable 5.2
- Platz 1 von 95
- Gemini 4 Carbon
- Platz 2 von 95
- Claude Opus 5.5
- Platz 3 von 95
Leistungsgruppe
- Claude Fable 5.2
- Spitzengruppe
- Gemini 4 Carbon
- Spitzengruppe
- Claude Opus 5.5
- Spitzengruppe
Bereiche im Gesamtindex
Programmieren
- Claude Fable 5.2
- 131,5
- Gemini 4 Carbon
- 123,4
- Claude Opus 5.5
- 130,0
Schlussfolgern
- Claude Fable 5.2
- 124,9
- Gemini 4 Carbon
- 122,7
- Claude Opus 5.5
- 121,8
Mathematik
- Claude Fable 5.2
- k. A.
- Gemini 4 Carbon
- k. A.
- Claude Opus 5.5
- k. A.
Wissen
- Claude Fable 5.2
- k. A.
- Gemini 4 Carbon
- k. A.
- Claude Opus 5.5
- k. A.
Agenten
- Claude Fable 5.2
- 124,1 (bester Wert)
- Gemini 4 Carbon
- 119,1
- Claude Opus 5.5
- 116,1
Allgemein
- Claude Fable 5.2
- 132,8
- Gemini 4 Carbon
- k. A.
- Claude Opus 5.5
- 125,3
Multimodal
- Claude Fable 5.2
- k. A.
- Gemini 4 Carbon
- k. A.
- Claude Opus 5.5
- 124,3
Finanzen
- Claude Fable 5.2
- 123,5
- Gemini 4 Carbon
- 123,8
- Claude Opus 5.5
- 120,7
Recht
- Claude Fable 5.2
- 120,9
- Gemini 4 Carbon
- 123,8
- Claude Opus 5.5
- 120,6
Gesundheit
- Claude Fable 5.2
- k. A.
- Gemini 4 Carbon
- k. A.
- Claude Opus 5.5
- 120,9
Preis je 1 Mio. Token
Mischpreis (3:1)3 Teile Eingabe, 1 Teil Ausgabe
- Claude Fable 5.2
- 16 $
- Gemini 4 Carbon
- 4 $ (bester Wert)
- Claude Opus 5.5
- 8 $
Eingabewas du schickst
- Claude Fable 5.2
- 8 $
- Gemini 4 Carbon
- 2 $ (bester Wert)
- Claude Opus 5.5
- 4 $
Ausgabewas das Modell schreibt
- Claude Fable 5.2
- 40 $
- Gemini 4 Carbon
- 10 $ (bester Wert)
- Claude Opus 5.5
- 20 $
Tempo
Token pro Sekunde
- Claude Fable 5.2
- k. A.
- Gemini 4 Carbon
- k. A.
- Claude Opus 5.5
- 75
Technik
Kontextfensterwie viel Text das Modell auf einmal liest
- Claude Fable 5.2
- 1 Mio. Token≈ 1.500 A4-Seiten
- Gemini 4 Carbon
- 1,05 Mio. Token (bester Wert)≈ 1.570 A4-Seiten
- Claude Opus 5.5
- 1 Mio. Token≈ 1.500 A4-Seiten
Veröffentlicht
- Claude Fable 5.2
- 09.11.2026
- Gemini 4 Carbon
- 10.11.2026
- Claude Opus 5.5
- 22.09.2026
Offene Gewichte
- Claude Fable 5.2
- nein
- Gemini 4 Carbon
- nein
- Claude Opus 5.5
- nein
Eingabe-Arten
- Claude Fable 5.2
- Text, Bild
- Gemini 4 Carbon
- Text, Bild, Audio, Video
- Claude Opus 5.5
- Text, Bild
Ausgabe-Arten
- Claude Fable 5.2
- Text
- Gemini 4 Carbon
- Text
- Claude Opus 5.5
- Text
Modellprofile: Claude Fable 5.2, Gemini 4 Carbon, Claude Opus 5.5
Die schnellsten LLMs
20 von 95 Modellen
Nemotron 3.5 Lightning180Token/s · Median der Anbieter auf OpenRouter aus den Abrufen der letzten 24 Stunden (je Abruf die letzten 30 Minuten), ohne Zeit bis zum ersten Token · Abgerufen 2026-11-08
Claude Haiku 5.5164Token/s · Median der Anbieter auf OpenRouter aus den Abrufen der letzten 24 Stunden (je Abruf die letzten 30 Minuten), ohne Zeit bis zum ersten Token · Abgerufen 2026-11-08
Gemini 3.5 Flash-Lite145Token/s · Median der Anbieter auf OpenRouter aus den Abrufen der letzten 24 Stunden (je Abruf die letzten 30 Minuten), ohne Zeit bis zum ersten Token · Abgerufen 2026-11-08
Gemini 3.5 Flash142Token/s · Median der Anbieter auf OpenRouter aus den Abrufen der letzten 24 Stunden (je Abruf die letzten 30 Minuten), ohne Zeit bis zum ersten Token · Abgerufen 2026-11-08
GPT-5 nano136Token/s · Median der Anbieter auf OpenRouter aus den Abrufen der letzten 24 Stunden (je Abruf die letzten 30 Minuten), ohne Zeit bis zum ersten Token · Abgerufen 2026-11-08
GPT-5.4 mini134Token/s · Median der Anbieter auf OpenRouter aus den Abrufen der letzten 24 Stunden (je Abruf die letzten 30 Minuten), ohne Zeit bis zum ersten Token · Abgerufen 2026-11-08
DeepSeek V4.1 Flash 1017126Token/s · Median der Anbieter auf OpenRouter aus den Abrufen der letzten 24 Stunden (je Abruf die letzten 30 Minuten), ohne Zeit bis zum ersten Token · Abgerufen 2026-11-08
Gemini 3.1 Flash-Lite125Token/s · Median der Anbieter auf OpenRouter aus den Abrufen der letzten 24 Stunden (je Abruf die letzten 30 Minuten), ohne Zeit bis zum ersten Token · Abgerufen 2026-11-08
GPT-5.6 Luna123Token/s · Median der Anbieter auf OpenRouter aus den Abrufen der letzten 24 Stunden (je Abruf die letzten 30 Minuten), ohne Zeit bis zum ersten Token · Abgerufen 2026-11-08
Mistral Medium 3.5118Token/s · Median der Anbieter auf OpenRouter aus den Abrufen der letzten 24 Stunden (je Abruf die letzten 30 Minuten), ohne Zeit bis zum ersten Token · Abgerufen 2026-11-08
DeepSeek-V4.1-Flash118Token/s · Median der Anbieter auf OpenRouter aus den Abrufen der letzten 24 Stunden (je Abruf die letzten 30 Minuten), ohne Zeit bis zum ersten Token · Abgerufen 2026-11-08
Mistral Small 4112Token/s · Median der Anbieter auf OpenRouter aus den Abrufen der letzten 24 Stunden (je Abruf die letzten 30 Minuten), ohne Zeit bis zum ersten Token · Abgerufen 2026-11-08
Gemini 3.6 Flash110Token/s · Median der Anbieter auf OpenRouter aus den Abrufen der letzten 24 Stunden (je Abruf die letzten 30 Minuten), ohne Zeit bis zum ersten Token · Abgerufen 2026-11-08
GPT-4.1 nano110Token/s · Median der Anbieter auf OpenRouter aus den Abrufen der letzten 24 Stunden (je Abruf die letzten 30 Minuten), ohne Zeit bis zum ersten Token · Abgerufen 2026-11-08
Ling 3.0 Flash106Token/s · Median der Anbieter auf OpenRouter aus den Abrufen der letzten 24 Stunden (je Abruf die letzten 30 Minuten), ohne Zeit bis zum ersten Token · Abgerufen 2026-11-08
GPT-5 mini105Token/s · Median der Anbieter auf OpenRouter aus den Abrufen der letzten 24 Stunden (je Abruf die letzten 30 Minuten), ohne Zeit bis zum ersten Token · Abgerufen 2026-11-08
Claude Sonnet 5.5103Token/s · Median der Anbieter auf OpenRouter aus den Abrufen der letzten 24 Stunden (je Abruf die letzten 30 Minuten), ohne Zeit bis zum ersten Token · Abgerufen 2026-11-08
Muse Spark 1.3102Token/s · Median der Anbieter auf OpenRouter aus den Abrufen der letzten 24 Stunden (je Abruf die letzten 30 Minuten), ohne Zeit bis zum ersten Token · Abgerufen 2026-11-08
Gemini 3 Flash Preview101Token/s · Median der Anbieter auf OpenRouter aus den Abrufen der letzten 24 Stunden (je Abruf die letzten 30 Minuten), ohne Zeit bis zum ersten Token · Abgerufen 2026-11-08
GLM-5.3-Flash101Token/s · Median der Anbieter auf OpenRouter aus den Abrufen der letzten 24 Stunden (je Abruf die letzten 30 Minuten), ohne Zeit bis zum ersten Token · Abgerufen 2026-11-08
Ausgabe-Token pro Sekunde, gemessen von OpenRouter
Leistung gegen Preis
lohnendster Bereich: stärker und günstiger als die Hälfte der gezeigten Modellebeste Leistung für den Preis
Weitere Modelle im Diagramm (25)
- Claude Opus 5.5125,7 · 8 $
- GPT-6 Astra120,2 · 20 $
- GPT-6.1 Sol118,0 · 4 $
- Claude Opus 5117,4 · 10 $
- Muse Wonder113,4 · 8 $
- Claude Fable 5112,8 · 20 $
- Kimi K3.1 Pro112,6 · 4 $
- Muse Ember 1.0110,4 · 0,20 $
- GPT-6 Sol109,1 · 4 $
- GPT-5.6 Sol109,1 · 8 $
- Muse Spark 1.3107,3 · 2 $
- Gemini 3.8 Flash106,8 · 1,50 $
- DeepSeek V4.1 Flash 1017106,7 · 0,26 $
- GPT-6.1 Terra106,5 · 2 $
- Grok 4.7103,3 · 3 $
- Claude Haiku 5.5102,8 · 0,20 $
- Grok 4.6102,2 · 3 $
- GPT-5.5101,5 · 11,25 $
- Kimi K3101,1 · 6 $
- GPT-5.6 Terra100,8 · 4,50 $
- Qwen 3.8 Max 0902100,8 · 2,48 $
- Mistral Large 4100,8 · 1,05 $
- GLM-5.3100,6 · 2,15 $
- MiMo V2.6 Pro100,4 · 0,54 $
- MiniMax M3.1 Flash100,0 · 0,26 $
Leistung gegen Kosten je Aufgabe
Das sind die Kosten, die Vals AI je Aufgabe des Vals Index bezahlt hat, bei der jeweils genannten Reasoning-Stufe. Höhere Stufen kosten mehr, weil das Modell länger nachdenkt.
lohnendster Bereich: stärker und günstiger als die Hälfte der gezeigten Modellebeste Leistung für den Preis
Weitere Modelle im Diagramm (24)
- Claude Opus 5.5125,7 · 24,77 $
- Claude Sonnet 5.5121,8 · 16,18 $
- GPT-6 Astra · max120,2 · 21,28 $
- Muse Wonder Full · max118,1 · 6,81 $
- GPT-6.1 Sol · max118,0 · 3,61 $
- Kimi K3.1 Pro · max112,6 · 6,44 $
- Gemini 3.8 Flash · high106,8 · 5,03 $
- DeepSeek V4.1 Flash 1017 · max106,7 · 0,66 $
- GPT-6.1 Terra · max106,5 · 2,94 $
- Grok 4.7 · xhigh103,3 · 11,63 $
- Claude Haiku 5.5102,8 · 3,17 $
- Kimi K3 · max101,1 · 7,17 $
- Mistral Large 4 · high100,8 · 3,72 $
- GLM-5.3 · max100,6 · 8,52 $
- MiMo V2.6 Pro100,4 · 0,43 $
- MiniMax M3.1 Flash100,0 · 0,66 $
- Muse Spark Open · xhigh97,5 · 4,72 $
- MiMo V2.6 Flash97,3 · 0,22 $
- Step 5 Preview97,1 · 2,73 $
- GPT-6 Luna · max95,8 · 0,45 $
- GLM-5.3-Flash · max94,3 · 2,05 $
- Inkling72,0 · 1,85 $
- Inkling Small68,7 · 0,40 $
- Nemotron 3.5 Super VL 120B A12B · high68,0 · 0,63 $
Das beste LLM je Preisklasse im Zeitverlauf
Für jede Preisklasse zeigt die Linie, welches Modell in dem Monat vorn lag. Die Klassen richten sich nach dem Mischpreis pro Million Tokens (drei Teile Input, ein Teil Output).
- unter 1 $
- 1 bis 5 $
- über 5 $
Wechsel an der Spitze (25)
unter 1 $
- GPT-5 miniAug 2025, 65,8
- DeepSeek-V4-ProApr 2026, 87,2
- GPT-5.6 LunaJul 2026, 93,8
- GLM-5.3-FlashAug 2026, 94,3
- MiMo V2.6 ProSep 2026, 100,4
- DeepSeek V4.1 Flash 1017Okt 2026, 106,7
- Muse Ember 1.0Nov 2026, 110,4
1 bis 5 $
- DeepSeek-R1Jan 2025, 44,6
- o3Apr 2025, 74,2
- GPT-5Aug 2025, 77,6
- Gemini 3 Flash PreviewDez 2025, 81,0
- Gemini 3.1 Pro PreviewFeb 2026, 91,4
- Claude Sonnet 5Jun 2026, 92,1
- GPT-5.6 TerraJul 2026, 100,8
- Grok 4.6Aug 2026, 102,2
- Claude Sonnet 5.5Sep 2026, 121,8
- Gemini 4 CarbonNov 2026, 127,0
über 5 $
- Claude Sonnet 4.5Sep 2025, 65,9
- Claude Opus 4.5Nov 2025, 74,4
- Claude Sonnet 4.6Feb 2026, 86,7
- GPT-5.5Apr 2026, 101,5
- Claude Fable 5Jun 2026, 112,8
- Claude Opus 5Jul 2026, 117,4
- Claude Opus 5.5Sep 2026, 125,7
- Claude Fable 5.2Nov 2026, 131,0
Die Linien nutzen die heutigen Indexwerte und die heutigen Preise. Ein Modell kann beim Erscheinen anders bewertet oder anders bepreist gewesen sein.
Der Gesamtindex im Verlauf
So haben sich die zehn aktuell bestplatzierten Modelle zwischen den gespeicherten Ständen entwickelt.
Alle Werte im Überblick
- Claude Fable 5.2131,0
- Gemini 4 Carbon127,0
- Claude Opus 5.5125,7
- Claude Fable 5.1124,1
- Claude Sonnet 5.5121,8
- Gemini 4 Argon121,4
- GPT-6 Astra120,2
- Muse Wonder Full118,1
- GPT-6.1 Sol118,0
- Claude Opus 5117,4
Verglichen werden nur Stände derselben Methodenfassung des Gesamtindex.
Wer führt bei den LLMs?
Anthropic hat mit Claude Fable 5.2 das Modell mit dem höchsten Wert. Gleichauf damit liegen die besten Modelle von Google.
Claude Fable 5.2Platz 1131,0
Claude Opus 5.5Platz 3125,7
Claude Fable 5.1Platz 4124,1
+ 12 weitere Modelle im Index
Gemini 4 CarbonPlatz 2127,0
Gemini 4 ArgonPlatz 6121,4
Gemini 3.7 FlashPlatz 17107,9
+ 8 weitere Modelle im Index
GPT-6 AstraPlatz 7120,2
GPT-6.1 SolPlatz 9118,0
GPT-6 SolPlatz 15109,1
+ 15 weitere Modelle im Index
Muse Wonder FullPlatz 8118,1
Muse WonderPlatz 11113,4
Muse Ember 1.0Platz 14110,4
+ 2 weitere Modelle im Index
Kimi K3.1 ProPlatz 13112,6
Kimi K3Platz 26101,1
Kimi K2.6Platz 5284,9
+ 3 weitere Modelle im Index
DeepSeek V4.1 Flash 1017Platz 20106,7
DeepSeek-V4.1-FlashPlatz 3499,5
DeepSeek-V4-ProPlatz 4887,2
+ 1 weiteres Modell im Index
Grok 4.7Platz 22103,3
Grok 4.6Platz 24102,2
Grok 4.5Platz 4294,8
+ 2 weitere Modelle im Index
Qwen 3.8 Max 0902Platz 28100,8
Qwen 3.7 MaxPlatz 5185,4
Qwen 3.7 PlusPlatz 5483,4
+ 1 weiteres Modell im Index
Mistral Large 4Platz 29100,8
Mistral Medium 3.5Platz 8946,3
Mistral Large 3Platz 9532,8
GLM-5.3Platz 30100,6
GLM-5.3-FlashPlatz 4394,3
GLM-5.2Platz 4789,0
+ 4 weitere Modelle im Index
MiMo V2.6 ProPlatz 31100,4
MiMo V2.6 FlashPlatz 3897,3
MiMo-V2.5-ProPlatz 6673,0
+ 1 weiteres Modell im Index
MiniMax M3.1 FlashPlatz 32100,0
MiniMax M3Platz 5583,0
MiniMax M2.7Platz 7865,1
+ 2 weitere Modelle im Index
Weitere Anbieter mit Modellen im Index: StepFun, Reflection AI, Thinking Machines Lab, NVIDIA, Upstage, Inception.
Die beste Wahl je Preisstufe
Höchster Gesamtindex innerhalb der Input-Preisspanne.
Unter 0,50 $ Input
- 2.Claude Haiku 5.5102,8
- 3.DeepSeek-V4.1-Flash99,5
- 4.GPT-6 Luna95,8
0,50 bis unter 2 $ Input
- 2.Muse Spark 1.3107,3
- 3.Gemini 3.8 Flash106,8
- 4.GPT-6.1 Terra106,5
2 bis unter 5 $ Input
- 2.Claude Opus 5.5125,7
- 3.Claude Sonnet 5.5121,8
- 4.Gemini 4 Argon121,4
Ab 5 $ Input
- 2.Claude Fable 5.1124,1
- 3.GPT-6 Astra120,2
- 4.Claude Opus 5117,4
Das beste LLM für deine Aufgabe
Coding im Terminal
Terminal-Bench 4.0Vals AI38 Modelle gemessen
Welches Modell erledigt Programmieraufgaben selbstständig in der Kommandozeile?
Abruf: 7. November 2026. Nur Modelle aus dem Vergleich mit exakt zugeordnetem Ergebnis.
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.
Wer ist in mehreren Aufgaben vorn?
Platzierung in den Top 8 je Aufgabe. Leere Felder heißen: nicht unter den ersten acht oder nicht gemessen.
| Modell | Coding im Terminal | Apps bauen | Fachwissen | Chat-Qualität | Finanzaufgaben | Treffer |
|---|---|---|---|---|---|---|
| Claude Fable 5.1 | 6. | 6. | 7. | 5. | 5. | 5 |
| Gemini 4 Argon | 8. | 2. | 1. | 1. | 4 | |
| Claude Opus 5.5 | 1. | 5. | 3. | 7. | 4 | |
| Claude Sonnet 5.5 | 2. | 1. | 8. | 3 | ||
| Gemini 3.8 Flash | 4. | 6. | 2. | 3 | ||
| Gemini 3.7 Flash | 5. | 8. | 4. | 3 | ||
| Claude Fable 5 | 4. | 4. | 2 | |||
| Muse Wonder Full | 6. | 3. | 2 | |||
| Gemini 4 Carbon | 4. | 8. | 2 | |||
| GPT-6 Astra | 5. | 7. | 2 | |||
| Claude Opus 5 | 7. | 6. | 2 |
Auf einen Blick
Zuletzt erschienen
Erscheinungsdatum
- 1.Gemini 4 Carbon10. November 2026
- 2.Claude Fable 5.29. November 2026
- 3.GPT-6.1 Terra26. Oktober 2026
- 4.Kimi K3.1 Pro23. Oktober 2026
- 5.DeepSeek V4.1 Flash 101717. Oktober 2026
- 6.Gemini 4 Argon13. Oktober 2026
Günstig und stark
Input je 1 Mio. Token · Gesamtindex ab 100 (Durchschnitt der Referenzgruppe)
- 1.Claude Haiku 5.50,10 $ · 102,8
- 2.DeepSeek V4.1 Flash 10170,15 $ · 106,7
- 3.Mistral Large 40,70 $ · 100,8
- 4.Gemini 3.7 Flash0,75 $ · 107,9
- 5.Gemini 3.8 Flash0,75 $ · 106,8
- 6.GPT-6.1 Terra1,00 $ · 106,5
Größter Kontext
Kontextfenster in Token
- 1.GPT-6 Astra1,05 Mio.
- 2.GPT-6.1 Sol1,05 Mio.
- 3.GPT-6 Sol1,05 Mio.
- 4.GPT-5.6 Sol1,05 Mio.
- 5.GPT-6.1 Terra1,05 Mio.
- 6.GPT-5.51,05 Mio.
Beliebte Vergleiche
Die meistgesuchten Duelle, höchstens drei je Modell.
- 1Claude Opus 5.5 vs. GPT-6 Astra
- 2GPT-6 Luna vs. GPT-5.6 Luna
- 3GPT-6 Luna vs. GPT-5.6 Terra
- 4Claude Sonnet 5.5 vs. Gemini 3.8 Flash
- 5Claude Opus 5.5 vs. DeepSeek-V4-Pro
- 6Claude Opus 5.5 vs. Gemini 3.8 Flash
- 7Gemini 3.8 Flash vs. DeepSeek-V4.1-Flash
- 8Claude Sonnet 5.5 vs. DeepSeek-V4.1-Flash
- 9DeepSeek V4.1 Flash 1017 vs. GLM-5.3-Flash
Daten und Feeds
Die Vergleichsmatrix zeigt 59 aktuelle Modelle. Einen Platz im Gesamtindex haben 95 Modelle, weil der Gesamtindex das ganze Modellverzeichnis einbezieht, nicht nur die Vergleichsmatrix.
Die wichtigsten 59 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. Welche offenen Modelle auf deiner eigenen Hardware laufen, zeigt die Open-Source-LLM-Rangliste.
Du suchst ältere Modelle? GPT-3.5 vs. GPT-4: Was ist der Unterschied?
Anthropic
OpenAI
Google DeepMind
Moonshot AI
Xiaomi
Die letzten 45 Tage
Neue Modelle und Preisänderungen, neueste zuerst. Preise in Dollar je 1 Mio. Token (Eingabe / Ausgabe); ein neuer Preis zählt erst, wenn er drei Tage hält.
NeuERNIE 5.5 Flash Preview · noch nicht im Gesamtindex
PreisGemini 3.6 Flash 0,825 $ / 4,125 $ · noch nicht bestätigt
NeuBielik 11B v3.1 Instruct · noch nicht im Gesamtindex
PreisGLM-5.2 teurer 1,40 $ / 4,40 $ · vorher 1,30 $ / 4,40 $
PreisQwen 3.8 27B teurer 0,42 $ / 3 $ · vorher 0,20 $ / 2,50 $
PreisGLM-5.3 teurer 1,40 $ / 4,40 $ · vorher 0,90 $ / 4 $
PreisInkling teurer 1 $ / 4,05 $ · vorher 0,95 $ / 4,05 $
PreisLlama 3.3 70B Eingabe teurer, Ausgabe günstiger 0,59 $ / 0,79 $ · vorher 0,45 $ / 0,90 $
PreisGemini 3.6 Flash günstiger 0,75 $ / 3,75 $ · vorher 0,825 $ / 4,125 $
PreisMiniMax M2 teurer 0,30 $ / 1,20 $ · vorher 0,255 $ / 1,02 $
NeuERNIE 5.5 Flash Base, GPT-6 Cyber, Inkling 2 Small · noch nicht im Gesamtindex
NeuHy4 · noch nicht im Gesamtindex
PreisDeepSeek-V3.2 günstiger 0,27 $ / 0,41 $ · vorher 0,27 $ / 0,42 $
PreisDeepSeek-V4-Pro teurer 1,32 $ / 3,96 $ · vorher 1,31 $ / 3,96 $
PreisKimi K2.7 Code günstiger 0,912 $ / 3,84 $ · vorher 0,95 $ / 4 $
PreisNemotron 3 Nano teurer 0,06 $ / 0,24 $ · vorher 0,05 $ / 0,20 $
PreisQwen 3 Coder 480B A35B Eingabe teurer, Ausgabe günstiger 0,29 $ / 1,20 $ · vorher 0,22 $ / 1,80 $
PreisQwen 3.6 35B A3B günstiger 0,10 $ / 0,95 $ · vorher 0,10 $ / 1 $
PreisLaguna XS 2.1 teurer 0,10 $ / 0,20 $ · vorher 0,06 $ / 0,12 $
PreisSolar Pro 3 Eingabe teurer, Ausgabe günstiger 0,25 $ / 0,25 $ · vorher 0,15 $ / 0,60 $
NeuGPT-Rosalind-6 Research · noch nicht im Gesamtindex
NeuLFM3-1.7B, LFM3-1.7B-Base, LFM3-Omni-2B, LFM3-VL-2B · noch nicht im Gesamtindex
PreisDeepSeek-V4-Flash günstiger 0,13 $ / 0,26 $ · vorher 0,14 $ / 0,28 $
PreisMiMo-V2.5 günstiger 0,14 $ / 0,28 $ · vorher 0,168 $ / 0,336 $
PreisMiMo-V2.5-Pro teurer 0,48 $ / 1,80 $ · vorher 0,435 $ / 0,87 $
PreisMuse Glimmer 30B günstiger 0,30 $ / 1,20 $ · vorher 0,35 $ / 1,50 $
PreisQwen 3 235B A22B Instruct 2507 günstiger 0,09 $ / 0,55 $ · vorher 0,20 $ / 0,60 $
PreisQwen 3 Next 80B A3B Thinking teurer 0,15 $ / 1,20 $ · vorher 0,0975 $ / 0,78 $
NeuNemotron 3.5 Bolt E4B · noch nicht im Gesamtindex
NeuFlint · noch nicht im Gesamtindex
NeuMercury 3 · noch nicht im Gesamtindex
PreisGemini 3.7 Flash teurer 0,825 $ / 4,125 $ · vorher 0,75 $ / 3,75 $
PreisGPT-5.6 Luna günstiger 0,20 $ / 1,20 $ · vorher 0,22 $ / 1,32 $
PreisNemotron 3 Super Eingabe günstiger, Ausgabe teurer 0,08 $ / 0,45 $ · vorher 0,085 $ / 0,40 $
NeuHy-Memory-30B-A3B, Nemotron 3.5 Bolt 74B A9B, Sage-A1.5 · noch nicht im Gesamtindex
PreisClaude Sonnet 5 günstiger 2,20 $ / 11 $ · vorher 2,50 $ / 12,50 $
NeuMiniCPM-V 4.7 1B, MiniCPM-V 4.7 35B-A3B · noch nicht im Gesamtindex
PreisQwen 3 235B A22B Thinking 2507 günstiger 0,30 $ / 2,90 $ · vorher 0,30 $ / 3 $
PreisMistral Medium 3.5 teurer 1,50 $ / 7,50 $ · vorher 0,40 $ / 2 $
PreisGPT OSS 120B teurer 0,10 $ / 0,50 $ · vorher 0,07 $ / 0,30 $
PreisLlama 3.1 8B teurer 0,03 $ / 0,05 $ · vorher 0,02 $ / 0,05 $
PreisLlama 4 Maverick günstiger 0,20 $ / 0,60 $ · vorher 0,20 $ / 0,80 $
PreisLlama 4 Scout teurer 0,11 $ / 0,34 $ · vorher 0,10 $ / 0,30 $
PreisQwen 3 32B günstiger 0,14 $ / 0,40 $ · vorher 0,14 $ / 0,57 $
PreisQwen 3 Coder 30B A3B günstiger 0,10 $ / 0,30 $ · vorher 0,15 $ / 0,60 $
PreisQwen 3 Coder Next günstiger 0,11 $ / 0,80 $ · vorher 0,20 $ / 1,50 $
PreisQwen 3.7 Flash teurer 0,0345 $ / 0,1495 $ · vorher 0,03 $ / 0,13 $
NeuFalcon-Emirati · noch nicht im Gesamtindex
PreisGemma 4 31B teurer 0,20 $ / 0,40 $ · vorher 0,15 $ / 0,40 $
PreisGLM-4.7 günstiger 0,42 $ / 2,20 $ · vorher 0,60 $ / 2,20 $
NeuKolibri 1 · noch nicht im Gesamtindex
NeuIndex-Translate-2B, Index-Translate-35B-A3B Preview, Index-Translate-9B · noch nicht im Gesamtindex
NeuMercury Voice · noch nicht im Gesamtindex
PreisNemotron 3.5 Lightning günstiger 0,06 $ / 0,16 $ · vorher 0,08 $ / 0,20 $
NeuHolo4-27B, Holo4-35B-A3B, Holotron4-30B-A3B · noch nicht im Gesamtindex
Häufige Fragen zum LLM-Vergleich
So funktionieren Benchmark-Zuordnung, Gewinner und Datenstand.
Ein einziges bestes LLM für jeden Zweck gibt es nicht. Ein Coding-Agent, eine günstige Extraktionspipeline und eine Recherche mit langem Kontext stellen unterschiedliche Anforderungen. Wähle oben zwei Modelle aus, die du vergleichen möchtest. Die Duellseite zeigt nur gemeinsame Messreihen und trennt Benchmarks von Preis, Kontext, Architektur und Verfügbarkeit.
Er vergleicht Large Language Models anhand gemeinsamer Benchmark-Ergebnisse, Preise, technischer Daten, Verfügbarkeit und Quellenstände.
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.
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.
Der Benchmark-Stand wurde am 12.11.2026 abgerufen. Veränderliche Modellangaben tragen zusätzlich eine eigene Quelle und ein Prüfdatum.
Der Gesamtindex ist der Benchmark-Meta-Score von Gradually AI (Methode benchmark-meta-score-v5), also derselbe Wert wie im KI-Modellverzeichnis. Er ist selbst kein Benchmark. Ein statistisches Ein-Faktor-Modell schätzt aus allen einbezogenen Testreihen von Artificial Analysis, Epoch AI benchmark run dataset snapshot, LMArena, Princeton HAL, Scale AI und Vals AI eine gemeinsame Leistungsstärke je Modell. Für den Gesamtwert tragen die Kernbereiche 75 % (Coding, Reasoning, Mathematik, Wissen, Agenten, Allgemein und Multimodal) des Gewichts, die Fachdomänen 25 % (Finanzen, Recht und Medizin). Ergänzende Bereiche wie Cybersecurity oder Suche fließen ebenfalls in die Schätzung der gemeinsamen Leistungsstärke ein, haben im Gesamtwert aber kein eigenes Bereichsgewicht. Preis, Geschwindigkeit und Kontextfenster fließen nicht ein. Der Wert ist in Punkten angegeben, ähnlich wie ein IQ-Wert: Eine feste Referenzgruppe von Modellen hat im Schnitt 100 Punkte, 15 Punkte sind eine Standardabweichung dieser Gruppe. Die Skala ist nach oben und unten offen und kein Prozentwert.
Innerhalb jeder Messreihe werden alle Werte standardisiert, sodass unterschiedliche Einheiten vergleichbar werden. Prozentwerte und Quoten werden vorher so gestreckt, dass Abstände nahe 0 und 100 % nicht gestaucht werden. Das Modell schätzt zusätzlich, wie deutlich jede Messreihe zwischen den Modellen trennt, und gewichtet sie entsprechend. Bereichswerte weichen von der Gesamtstärke nur so weit ab, wie eigene Ergebnisse im Bereich es belegen. Fehlende Ergebnisse werden nie als Nullwert eingesetzt. Unterschiedliche veröffentlichte Modelleinstellungen innerhalb einer Messreihe bleiben offengelegt und machen den Wert vorläufig.
Einen Gesamtwert bekommt ein Modell ab 8 Testreihen von mindestens 2 unabhängigen Auswertern aus 3 Bereichen. Einen Rang erhält es, sobald sein Standardfehler klein genug ist. Aktuell haben 95 Modelle einen Rang. Der Platz folgt der Reihenfolge der Scores unter allen Modellen mit Rang, etwa „Platz 14 von 95“. Ob zwei Modelle gleichauf liegen, prüfen getrennt davon 200 Neuberechnungen mit zufällig neu gezogenen Testfamilien. Fehlen einem Modell eigene Werte in einem Kernbereich, steht dort seine Gesamtstärke, und der Hinweis „geschätzt“ nennt diese Bereiche.
Die Benchmark-Datenbank bündelt 30 Quellen. Die Daten wurden am 12. November 2026 abgerufen. Für den Gesamtindex zählen nur geprüfte unabhängige Auswerter, aktuell Artificial Analysis, Epoch AI benchmark run dataset snapshot, LMArena, Princeton HAL, Scale AI und Vals AI. Herstellerangaben zählen nicht.
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.
Die Tabelle auf der Duellseite nennt den Basistarif des jeweiligen Entwicklers pro 1 Mio. Token für Eingabe und Ausgabe. Staffelpreise, Regionen und Sondertarife stehen als Hinweis darunter, damit du keine Preise für unterschiedliche Angebote vergleichst. Rabatte für Zwischenspeicher und Stapelverarbeitung bleiben außen vor.
Viele Anbieter veröffentlichen weder die Gesamtzahl noch die Zahl der aktiven Parameter. In diesem Fall zeigen wir keinen Wert. Wir schätzen keine Werte aus Gerüchten oder aus älteren Modellgenerationen.
Der Verlauf übernimmt einen neuen Preis erst, wenn er im täglichen Preisindex drei Tage in Folge gilt. Kürzere Ausschläge stehen dort nur bei Modellen im Gesamtindex und sind als „noch nicht bestätigt“ markiert. Preise kurz nach dem Start eines Modells zählen nicht als Änderung, weil sich die Tarife in den ersten Tagen oft noch einpendeln.
Zwei Modelle sind gleichauf, wenn der Abstand im Gesamtindex nicht sicher ist: In 200 Neuberechnungen mit zufällig neu gezogenen Testfamilien liegt keines der beiden in mindestens 95 % der Fälle vorn, oder es gibt zu wenige Daten. Im Abschnitt „Wer führt bei den LLMs?“ landet deshalb jeder Anbieter in der Spitzengruppe, dessen bestes Modell mit dem führenden Modell gleichauf liegt.
Changelog
Die neuesten Updates und Verbesserungen unseres LLM-Vergleichs
12. November 2026v1.21
Bis zu fünf LLMs auf dieser Seite vergleichen
- Der Mehrfachvergleich ist jetzt ein Abschnitt dieser Seite, direkt unter dem Gesamtindex
- Alternativen zu einem Modell stehen jetzt in seinem Modellprofil
11. November 2026v1.20
Gesamtindex in Fassung 5
- Modelle mit wenigen Testreihen werden weniger stark zur Mitte gezogen und landen jetzt nah an ihrem Wert bei voller Datenlage
- Gemini 4 Carbon steht jetzt auf Platz 2
- Fünf Modelle haben keinen Platz im Gesamtindex mehr
- Neuer Block mit Daten und Feeds
2. November 2026v1.19
Empfehlungen nach Beliebtheit
- Duellseiten, Modellprofile, Herstellerseiten und dieser Hub empfehlen Vergleiche jetzt in einem gemeinsamen Block, sortiert danach, wie oft die Modelle verglichen werden
- Direkter Vorgänger und Nachfolger stehen immer dabei, und jeder Block hat eine Auswahl für einen eigenen Vergleich
Ältere Versionen anzeigen (19)
2. November 2026v1.18
Ein Platz je Modell
- Plätze im Gesamtindex und in den Bereichen nennen jetzt einen einzigen Platz nach der Reihenfolge der Scores, etwa „Platz 14 von 95“, statt eines Bereichs; ob zwei Modelle gleichauf liegen, entscheiden weiterhin die 200 Neuberechnungen
28. Oktober 2026v1.17
Leistung gegen Preis, Anbieter und Verlauf
- Gesamtindex als Säulendiagramm in den Anbieterfarben, mit Anbieter-Logos und frei wählbaren Modellen; die vollständige Liste mit Platzbereichen bleibt darunter
- Die Preis-Leistungs-Karte durch das Diagramm „Leistung gegen Preis“ ersetzt: Gesamtindex gegen Mischpreis, lohnendster Bereich und Linie der besten Leistung für den Preis
- Anbieter-Abschnitt ergänzt: das beste Modell jedes Anbieters mit mindestens drei Modellen im Index
- Verlauf ergänzt: neue Modelle und bestätigte API-Preisänderungen der letzten 45 Tage
- Die frühere KI-Bestenliste leitet auf die Gesamtwertung dieser Seite weiter
- In den FAQ die Frage zum Spinnennetz-Diagramm durch Fragen zu Preisänderungen und zu „gleichauf“ ersetzt
- Claude Mythos 5 und Mythos 5.1 aus dem Vergleich entfernt, weil keines der beiden Modelle öffentlich verfügbar ist; ihre früheren Duellseiten leiten auf diese Seite weiter
20. Oktober 2026v1.16
Ein Gesamtindex für die ganze Website
- Der Gesamtindex ist jetzt der Benchmark-Meta-Score v3 und stimmt mit dem KI-Modellverzeichnis überein
- Ein Ein-Faktor-Modell verrechnet alle geprüften Testreihen, Kernbereiche tragen 75 % und Fachdomänen 25 % des Gesamtgewichts
- Jeder Wert nennt seinen Standardfehler, Platzbereiche stammen aus 200 Neuberechnungen mit zufällig neu gezogenen Testfamilien
17. Oktober 2026v1.15
Gesamtindex wieder auf den breitesten Messreihen
- Modell-Einstellungen wie Temperatur oder Reasoning-Stufe trennen die Messreihen eines Prüfers nicht mehr
- In der FAQ erklärt, welche Einstellungen innerhalb einer Messreihe abweichen dürfen
13. Oktober 2026v1.14
Beliebte Duelle als nummerierte Karten
- Die 20 beliebtesten Duelle als nummerierte Karten mit Gesamtindex und Input-Preis beider Modelle
- Index-Kohorten und ihre Quelle von der Bestenliste in die FAQ verschoben
12. Oktober 2026v1.13
Preis-Leistungs-Karte, Aufgaben-Ranglisten und Index-Methodik
- Preis-Leistungs-Karte mit Effizienzgrenze und der besten Wahl je Preisstufe ergänzt
- Ranglisten für fünf Aufgaben und eine Allrounder-Matrix ergänzt
- Schnelllisten für neue Modelle, günstige und starke Modelle sowie die größten Kontextfenster ergänzt
- Methodik des Gesamtindex in der FAQ erklärt
30. September 2026v1.12
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
22. September 2026v1.11
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
22. September 2026v1.10
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
4. September 2026v1.9
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
3. September 2026v1.8
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
2. September 2026v1.7
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
2. September 2026v1.6
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
29. August 2026v1.5
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
28. August 2026v1.4
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
24. August 2026v1.3
Ähnliche Duelle, Anbieter-Icons und erweiterte FAQ
- Jede LLM-Duellseite auf 14 ähnliche Duelle erweitert und den Hub-Button unter der Liste platziert
- Lokale Anbieter-Icons ohne Platzhalter in alle 28 Modell-Badges aufgenommen
- FAQ um Details zu Benchmarks, Preisen, Parametern und der Radar-Methodik erweitert
21. August 2026v1.2
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
18. August 2026v1.1
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
17. August 2026v1.0
Erstveröffentlichung
- 28 aktuelle Modelle und 378 direkte Duelle veröffentlicht
- Gemeinsame Benchmarks, API-Preise, technische Daten und Primärquellen zusammengeführt
- Auswahlwerkzeug und zehn priorisierte Duelle ergänzt