Claude Opus 4.6
Direktvergleich
Claude Opus 4.6 vs. Kimi K3
Veröffentlichte Benchmarkwerte aus derselben Version und Vergleichskohorte, API-Preise und technische Eckdaten. Unterschiedliche Testeinstellungen werden sichtbar ausgewiesen.
- gemeinsame Messreihen
- 13
- verschiedene Benchmark-Messgrößen
- 4
- jüngster Abruf
- 16.10.2026
Modellauswahl ändern
Steckbrief
Allgemeine Daten
Erscheinungsdatum, Verfügbarkeit, Kontextfenster, Architektur und veröffentlichte Parameterzahlen auf einen Blick. Nicht veröffentlichte Angaben bleiben als solche markiert.
| Merkmal | Claude Opus 4.6 | Kimi K3 |
|---|---|---|
| Anbieter | Anthropic | Moonshot AI |
| Erschienen | Feb. 2026 | 16. Juli 2026 |
| Verfügbarkeit | Aktiv | Aktiv |
| Modelltyp | Proprietär | Open Weights |
| Parameter | Nicht veröffentlicht | 2,8 Billionen, 104 Mrd. aktiv |
| Architektur | Nicht veröffentlicht | Mixture of Experts |
| Kontextfenster | 1.000.000 Token | 1.048.576 Token |
| Wissensstand | Mai 2025 | Nicht veröffentlicht |
| Technische Quellen | Modell, Kontext | Modell |
Kosten
API-Preise im Vergleich
Die Tabelle vergleicht die offiziellen Standard-API-Tarife pro 1 Mio. Token einschließlich veröffentlichter Cache-Preise. Batch, Fast, Priority, regionale Aufschläge, Toolaufrufe und Cloudpreise sind nicht eingerechnet.
| Preisart | Claude Opus 4.6 | Kimi K3 |
|---|---|---|
| API-Eingabe | 5 $ | 3 $ |
| API-Ausgabe | 25 $ | 15 $ |
| Cache lesen | 0,5 $ | 0,3 $ |
| Cache schreiben (5 Min.) | 6,25 $ | Nicht ausgewiesen |
| Cache schreiben (1 Std.) | 10 $ | Nicht ausgewiesen |
| Preis geprüft | 22.09.2026 Quelle | 22.09.2026 Quelle |
Claude Opus 4.6Kimi K3
API-EingabeUSD pro 1 Mio. Token, Basistarif
Claude Opus 4.65 $
Kimi K3Günstiger3 $
API-AusgabeUSD pro 1 Mio. Token, Basistarif
Claude Opus 4.625 $
Kimi K3Günstiger15 $
Cache lesenUSD pro 1 Mio. Token, Basistarif
Claude Opus 4.60,5 $
Kimi K3Günstiger0,3 $
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand
Preise nach Anbieter
Direkte Entwicklertarife und über OpenRouter geroutete Anbieterpreise sind getrennt gekennzeichnet. Alle Preise gelten in USD pro 1 Mio. Token. Kontextabhängige Direktpreise sowie regionale, Flex-, Priority- und weitere OpenRouter-Tarife bleiben einzeln erkennbar.
| Modell | Anbieter | Bezugsweg und Tarif | Eingabe pro 1 Mio. Token | Ausgabe pro 1 Mio. Token | Quelle |
|---|---|---|---|---|---|
| Claude Opus 4.6 | Anthropic | Direkt beim EntwicklerStandard-API | Günstigster erfasster Preis: 5 $ | Günstigster erfasster Preis: 25 $ | Quelle22.09.2026 |
| Amazon Bedrock | Über OpenRouteramazon-bedrock | Günstigster erfasster Preis: 5 $ | Günstigster erfasster Preis: 25 $ | Quelle26.10.2026 | |
| Anthropic | Über OpenRouteranthropic | Günstigster erfasster Preis: 5 $ | Günstigster erfasster Preis: 25 $ | Quelle26.10.2026 | |
| Azure | Über OpenRouterazure/global | Günstigster erfasster Preis: 5 $ | Günstigster erfasster Preis: 25 $ | Quelle26.10.2026 | |
| Claude Platform on AWS | Über OpenRouterclaude-on-aws | Günstigster erfasster Preis: 5 $ | Günstigster erfasster Preis: 25 $ | Quelle26.10.2026 | |
| Über OpenRoutergoogle-vertex/europe | 5,5 $ | 27,5 $ | Quelle26.10.2026 | ||
| Über OpenRoutergoogle-vertex/global | Günstigster erfasster Preis: 5 $ | Günstigster erfasster Preis: 25 $ | Quelle26.10.2026 | ||
| Kimi K3 | Moonshot AI | Direkt beim EntwicklerStandard-API | 3 $ | 15 $ | Quelle22.09.2026 |
| AkashML | Über OpenRouterakashml/fp4 | 1,2 $ | 14 $ | Quelle26.10.2026 | |
| Alibaba | Über OpenRouteralibaba | 3,45 $ | 17,25 $ | Quelle26.10.2026 | |
| Amazon Bedrock | Über OpenRouteramazon-bedrock/us-east-2 | 3 $ | 15 $ | Quelle26.10.2026 | |
| BaseTen | Über OpenRouterbaseten/fp8 | 3 $ | 15 $ | Quelle26.10.2026 | |
| Chutes | Über OpenRouterchutes/mxfp4 | 1,85 $ | 9,5 $ | Quelle26.10.2026 | |
| Decart | Über OpenRouterdecart/mxfp4 | 1,65 $ | 8,25 $ | Quelle26.10.2026 | |
| DeepInfra | Über OpenRouterdeepinfra/mxfp4 | 2,85 $ | 14,25 $ | Quelle26.10.2026 | |
| DigitalOcean | Über OpenRouterdigitalocean | 2,55 $ | 12,95 $ | Quelle26.10.2026 | |
| Fireworks | Über OpenRouterfireworks | 3 $ | 15 $ | Quelle26.10.2026 | |
| Fireworks | Über OpenRouterfireworks/fast | 4,5 $ | 22,5 $ | Quelle26.10.2026 | |
| Fireworks | Über OpenRouterfireworks/us | 4,5 $ | 22,5 $ | Quelle26.10.2026 | |
| InferenceNet | Über OpenRouterinference-net/fast | 0,5 $ | 11,88 $ | Quelle26.10.2026 | |
| InferenceNet | Über OpenRouterinference-net/fp4 | 0,239 $ | 10,8 $ | Quelle26.10.2026 | |
| InferenceNet | Über OpenRouterinference-net/us | 0,239 $ | 10,8 $ | Quelle26.10.2026 | |
| InferenceNet | Über OpenRouterinference-net/us/fast | 2,24 $ | 14,519 $ | Quelle26.10.2026 | |
| Makora | Über OpenRoutermakora/fp4 | 0,65 $ | 15 $ | Quelle26.10.2026 | |
| Modal | Über OpenRoutermodal/mxfp4 | 3 $ | 15 $ | Quelle26.10.2026 | |
| Moonshot AI | Über OpenRoutermoonshotai/mxfp4 | 3 $ | 15 $ | Quelle26.10.2026 | |
| Morph | Über OpenRoutermorph/fp8 | 1,17 $ | 18,769 $ | Quelle26.10.2026 | |
| Parasail | Über OpenRouterparasail/fp4 | 3 $ | 15 $ | Quelle26.10.2026 | |
| ParetoAlpha | Über OpenRouterpareto-alpha/us | 3 $ | 15 $ | Quelle26.10.2026 | |
| Phala | Über OpenRouterphala | 2,55 $ | 12,75 $ | Quelle26.10.2026 | |
| Relace | Über OpenRouterrelace/fp4 | Günstigster erfasster Preis: 0,2147 $ | 7,6972 $ | Quelle26.10.2026 | |
| Sail Research | Über OpenRoutersail-research/fp4 | 1,2 $ | Günstigster erfasster Preis: 5,5 $ | Quelle26.10.2026 | |
| Sail Research | Über OpenRoutersail-research/fp4/us | 1,2 $ | Günstigster erfasster Preis: 5,5 $ | Quelle26.10.2026 | |
| Wafer | Über OpenRouterwafer | 0,226 $ | 20 $ | Quelle26.10.2026 | |
| Wafer | Über OpenRouterwafer/us | 0,36 $ | 11,9 $ | Quelle26.10.2026 |
Benchmark-Index
Benchmark-Index im Vergleich
Der Index fasst unabhängige Benchmarks auf einer Skala von 0 bis 100 zusammen. Ein Vorsprung zählt erst, wenn ein Modell in mindestens 95 % von 200 Neuberechnungen mit zufällig neu gezogenen Testfamilien vorn liegt. Sonst gelten beide als gleichauf.
Kimi K3 liegt in 1 von 5 gemeinsamen Bereichen vorn. In 4 Bereichen liegen beide gleichauf.
| Bereich | Claude Opus 4.6 | Kimi K3 |
|---|---|---|
| Programmierengleichauf | 43,8 | 52,2 |
| Agenten | 48,0 | 61,7 |
| Finanzengleichauf | 72,9 | 70,3 |
| Rechtgleichauf | 71,5 | 73,4 |
| Gesundheitgleichauf | 63,0 | 68,9 |
Leistung
Gemeinsame Benchmarks
Nur veröffentlichte Ergebnisse mit derselben Benchmark-Version, Aufgabe, Metrik und Vergleichskohorte werden gegenübergestellt. Wenn Anbieter unterschiedliche Reasoning-Stufen, Agenten oder Ausgabegrenzen verwendet haben, steht das direkt in der Tabelle.
Fähigkeitsprofil aus vergleichbaren Benchmarks
Jede Achse mittelt direkt vergleichbare Benchmarkfamilien. Ein Wert von 100 bedeutet den stärkeren Wert innerhalb dieses Duells, keinen universellen Qualitätswert.
Nicht genug direkt vergleichbare Kategorien für ein belastbares Radar
Nur 0 von mindestens 5 Kategorien enthalten direkt vergleichbare Modellmessungen. Die Benchmarktabellen darunter zeigen die vorhandenen Belege, ohne fehlende Achsen aufzufüllen.
Claude Opus 4.6Kimi K3
LMArena Code Arena WebDevOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.61.537,258
Kimi K3Höherer Messwert1.655,295
MedCodeOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.648,244 %
Kimi K3Höherer Messwert49,357 %
MedScribeOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.686,738 %
Kimi K3Höherer Messwert88,048 %
Vibe Code Bench v1.1Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.657,573 %
Kimi K3Höherer Messwert84,968 %
LMArena Code Arena WebDevOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.61.546,362
Kimi K3Höherer Messwert1.655,295
LMArena Code Arena WebDevImage to webdev. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.61.538,785
Kimi K3Höherer Messwert1.579,165
LMArena Code Arena WebDevImage to webdev. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.61.542,687
Kimi K3Höherer Messwert1.579,165
LMArena Code Arena WebDevWebdev. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.61.537,258
Kimi K3Höherer Messwert1.655,295
LMArena Code Arena WebDevWebdev. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.61.546,362
Kimi K3Höherer Messwert1.655,295
LMArena Code Arena WebDevWebdev-html. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.61.546,218
Kimi K3Höherer Messwert1.645,8
LMArena Code Arena WebDevWebdev-html. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.61.558,715
Kimi K3Höherer Messwert1.645,8
LMArena Code Arena WebDevWebdev-react. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.61.528,416
Kimi K3Höherer Messwert1.670,362
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand
| Benchmark und Aufgabe | Claude Opus 4.6 | Kimi K3 | Quelle |
|---|---|---|---|
LMArena Code Arena WebDevOverallTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6, Harness: Arena Code Arena WebDev Kimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Opus 4.6: Arena-Bewertung aus 20.698 veröffentlichten Paarvergleichen.Kimi K3: Arena-Bewertung aus 18.644 veröffentlichten Paarvergleichen. | 1.537,258 95-%-Konfidenzintervall: ±5,345Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis. | Höherer Messwert1.655,295 95-%-Konfidenzintervall: ±6,069Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 13.10.2026 |
MedCodeOverallTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens | 48,244 % | Höherer Messwert49,357 % | Vals AIQuellendetailsDatenstand: 13.10.2026 |
MedScribeOverallTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens | 86,738 % | Höherer Messwert88,048 % | Vals AIQuellendetailsDatenstand: 13.10.2026 |
Vibe Code Bench v1.1OverallTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.6: Compute: max, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Harness: OpenHands, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens | 57,573 % | Höherer Messwert84,968 % | Vals AIQuellendetailsDatenstand: 12.10.2026 |
LMArena Code Arena WebDevOverallTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6-high, Reasoning: high, Harness: Arena Code Arena WebDev Kimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Opus 4.6: Arena-Bewertung aus 19.443 veröffentlichten Paarvergleichen.Kimi K3: Arena-Bewertung aus 18.644 veröffentlichten Paarvergleichen. | 1.546,362 95-%-Konfidenzintervall: ±5,46Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis. | Höherer Messwert1.655,295 95-%-Konfidenzintervall: ±6,069Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 13.10.2026 |
LMArena Code Arena WebDevImage to webdevTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6, Harness: Arena Code Arena WebDev Kimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Opus 4.6: Arena-Bewertung aus 8.068 veröffentlichten Paarvergleichen.Kimi K3: Arena-Bewertung aus 3.504 veröffentlichten Paarvergleichen. | 1.538,785 95-%-Konfidenzintervall: ±9,009Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis. | Höherer Messwert1.579,165 95-%-Konfidenzintervall: ±10,818Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 09.10.2026 |
LMArena Code Arena WebDevImage to webdevTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6-high, Reasoning: high, Harness: Arena Code Arena WebDev Kimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Opus 4.6: Arena-Bewertung aus 7.930 veröffentlichten Paarvergleichen.Kimi K3: Arena-Bewertung aus 3.504 veröffentlichten Paarvergleichen. | 1.542,687 95-%-Konfidenzintervall: ±8,913Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis. | Höherer Messwert1.579,165 95-%-Konfidenzintervall: ±10,818Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 09.10.2026 |
LMArena Code Arena WebDevWebdevTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6, Harness: Arena Code Arena WebDev Kimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Opus 4.6: Arena-Bewertung aus 20.698 veröffentlichten Paarvergleichen.Kimi K3: Arena-Bewertung aus 18.644 veröffentlichten Paarvergleichen. | 1.537,258 95-%-Konfidenzintervall: ±5,345Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis. | Höherer Messwert1.655,295 95-%-Konfidenzintervall: ±6,069Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 13.10.2026 |
LMArena Code Arena WebDevWebdevTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6-high, Reasoning: high, Harness: Arena Code Arena WebDev Kimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Opus 4.6: Arena-Bewertung aus 19.443 veröffentlichten Paarvergleichen.Kimi K3: Arena-Bewertung aus 18.644 veröffentlichten Paarvergleichen. | 1.546,362 95-%-Konfidenzintervall: ±5,46Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis. | Höherer Messwert1.655,295 95-%-Konfidenzintervall: ±6,069Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 13.10.2026 |
LMArena Code Arena WebDevWebdev-htmlTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6, Harness: Arena Code Arena WebDev Kimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Opus 4.6: Arena-Bewertung aus 2.623 veröffentlichten Paarvergleichen.Kimi K3: Arena-Bewertung aus 2.538 veröffentlichten Paarvergleichen. | 1.546,218 95-%-Konfidenzintervall: ±12,521Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis. | Höherer Messwert1.645,8 95-%-Konfidenzintervall: ±13,981Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 13.10.2026 |
LMArena Code Arena WebDevWebdev-htmlTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6-high, Reasoning: high, Harness: Arena Code Arena WebDev Kimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Opus 4.6: Arena-Bewertung aus 2.474 veröffentlichten Paarvergleichen.Kimi K3: Arena-Bewertung aus 2.538 veröffentlichten Paarvergleichen. | 1.558,715 95-%-Konfidenzintervall: ±13,217Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis. | Höherer Messwert1.645,8 95-%-Konfidenzintervall: ±13,981Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 13.10.2026 |
LMArena Code Arena WebDevWebdev-reactTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6, Harness: Arena Code Arena WebDev Kimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Opus 4.6: Arena-Bewertung aus 16.319 veröffentlichten Paarvergleichen.Kimi K3: Arena-Bewertung aus 12.408 veröffentlichten Paarvergleichen. | 1.528,416 95-%-Konfidenzintervall: ±5,908Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis. | Höherer Messwert1.670,362 95-%-Konfidenzintervall: ±7,159Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 13.10.2026 |
LMArena Code Arena WebDevWebdev-reactTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6-high, Reasoning: high, Harness: Arena Code Arena WebDev Kimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Opus 4.6: Arena-Bewertung aus 15.177 veröffentlichten Paarvergleichen.Kimi K3: Arena-Bewertung aus 12.408 veröffentlichten Paarvergleichen. | 1.538,872 95-%-Konfidenzintervall: ±6,058Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis. | Höherer Messwert1.670,362 95-%-Konfidenzintervall: ±7,159Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 13.10.2026 |
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand | |||
Eigene Modelltests
Unsere Tests
SVG-Kurztest
Ein SVG-Prompt, feste Ausgabeparameter. Aufnahmen erscheinen nur bei gemeldeten 0 Reasoning-Tokens oder dokumentiert fehlender Reasoning-Steuerung. Gleiche Testbedingungen machen die interne Rechenleistung der Modelle nicht identisch.
Gemeinsame Testrunde: 43b8c5c46830
Kimi K3
Frühere Tests
Pelikan auf dem Fahrrad
Community-Klassiker für eine freie SVG-Zeichnung.
Claude Opus 4.6
Reasoning (angefragt): high
Aktueller Versuch
- Datum des Testlaufs
- 01.10.2026
- API-Anbieter
- openrouter
- Angefragtes API-Modell
- anthropic/claude-opus-4.6
- API-Modell laut Antwort
- anthropic/claude-opus-4.6
- Reasoning-Einstellung
- high
- Festgelegter Endpunkt
- Anthropic | anthropic/claude-4.6-opus-20260205
- Temperatur
- Anbieterstandard
- Tokenlimit inklusive Reasoning
- 8.192 Token
- Testprotokoll
- community-visual-tests-v1
- Technische Prüfung
- Bestanden, keine Qualitätsbewertung
- Antwortzeit
- 85,1 s
Visuell geprüft. Aus diesem Einzeltest ergibt sich kein Gesamturteil über das Modell.
Kimi K3
Reasoning (angefragt): high
Aktueller Versuch
- Datum des Testlaufs
- 01.10.2026
- API-Anbieter
- openrouter
- Angefragtes API-Modell
- moonshotai/kimi-k3
- API-Modell laut Antwort
- moonshotai/kimi-k3
- Reasoning-Einstellung
- high
- Festgelegter Endpunkt
- Moonshot AI | moonshotai/kimi-k3-20260715
- Temperatur
- Anbieterstandard
- Tokenlimit inklusive Reasoning
- 8.192 Token
- Testprotokoll
- community-visual-tests-v1
- Technische Prüfung
- Bestanden, keine Qualitätsbewertung
- Antwortzeit
- 173,4 s
Visuell geprüft. Aus diesem Einzeltest ergibt sich kein Gesamturteil über das Modell.
Frühere Versuche (1)
- 07.09.2026API-Anfrage fehlgeschlagenReasoning-Einstellung: high
Prompt und Testbedingungen
Generate an SVG of a pelican riding a bicycle
Tokenlimit inklusive Reasoning: 8.192 Token
Ursprung der Aufgabe (Simon Willison)So liest du den Vergleich
Ein Benchmark-Sieg ist kein Gesamturteil
Entscheidend sind deine Aufgaben, dein Budget und die benötigte Kontextlänge. Ein Coding-Benchmark sagt wenig über Bildverständnis oder Agentenarbeit aus.
Die Standardpreistabelle nutzt direkte Entwicklertarife. Der Anbieter-Vergleich kennzeichnet OpenRouter-Endpoints, Regionen und Sondertarife separat.
Jeder Messwert verlinkt seine Messstelle und zeigt den Abrufstand. Je nach Kennzeichnung handelt es sich um eine Anbieterangabe, ein offizielles Benchmark-Leaderboard oder eine unabhängige Evaluation. Strittige oder archivierte Ergebnisse werden nicht verwendet.
Weitere Duelle
Ähnliche LLM-Vergleiche
Vergleiche Claude Opus 4.6 und Kimi K3 mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.