Direktvergleich

Claude Opus 4.8 vs. DeepSeek-V4-Flash

Veröffentlichte Benchmarkwerte aus derselben Version und Vergleichskohorte, API-Preise und technische Eckdaten. Unterschiedliche Testeinstellungen werden sichtbar ausgewiesen.

gemeinsame Messreihen: 66
verschiedene Benchmark-Messgrößen: 2
jüngster Abruf: 16.10.2026

Erstes ModellZweites Modell

Steckbrief

Allgemeine Daten

Erscheinungsdatum, Verfügbarkeit, Kontextfenster, Architektur und veröffentlichte Parameterzahlen auf einen Blick. Nicht veröffentlichte Angaben bleiben als solche markiert.

Allgemeine Daten von Claude Opus 4.8 und DeepSeek-V4-Flash
Merkmal	Claude Opus 4.8	DeepSeek-V4-Flash
Anbieter	Anthropic	DeepSeek
Erschienen	Mai 2026	24. Apr. 2026
Verfügbarkeit	Legacy	Eingeschränkter Zugang
Modelltyp	Proprietär	Open Weights
Parameter	Nicht veröffentlicht	284 Mrd., 13 Mrd. aktiv
Architektur	Nicht veröffentlicht	Mixture of Experts
Kontextfenster	1.000.000 Token	1.000.000 Token
Wissensstand	Januar 2026	Nicht veröffentlicht
Technische Quellen	Modell, Wissensstand	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.

API-Preise von Claude Opus 4.8 und DeepSeek-V4-Flash
Preisart	Claude Opus 4.8	DeepSeek-V4-Flash
API-Eingabe	5 $	0,14 $
API-Ausgabe	25 $	0,28 $
Cache lesen	0,5 $	Nicht ausgewiesen
Cache schreiben (5 Min.)	6,25 $	Nicht ausgewiesen
Cache schreiben (1 Std.)	10 $	Nicht ausgewiesen
Preis geprüft	22.09.2026 Quelle	26.10.2026 Quelle

Claude Opus 4.8DeepSeek-V4-Flash

API-EingabeUSD pro 1 Mio. Token, Basistarif

Claude Opus 4.85 $

DeepSeek-V4-Flash0,14 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

Claude Opus 4.825 $

DeepSeek-V4-Flash0,28 $

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.

Für Claude Opus 4.8 ist im gespeicherten OpenRouter-Stand kein Anbietertarif verfügbar. Der offizielle Direktpreis wird trotzdem angezeigt.

Anbieterpreise von Claude Opus 4.8 und DeepSeek-V4-Flash
Modell	Anbieter	Bezugsweg und Tarif	Eingabe pro 1 Mio. Token	Ausgabe pro 1 Mio. Token	Quelle
Claude Opus 4.8	Anthropic	Direkt beim EntwicklerStandard-API	Günstigster erfasster Preis: 5 $	Günstigster erfasster Preis: 25 $	Quelle22.09.2026
DeepSeek-V4-Flash	Alibaba	Über OpenRouteralibaba/us-east-1	0,374 $	1,122 $	Quelle26.10.2026
	AtlasCloud	Über OpenRouteratlas-cloud/fp4	0,44 $	1,32 $	Quelle26.10.2026
	Baidu	Über OpenRouterbaidu/fp8	0,44 $	1,32 $	Quelle26.10.2026
	BaseTen	Über OpenRouterbaseten/fp32	0,13 $	0,26 $	Quelle26.10.2026
	BaseTen	Über OpenRouterbaseten/fp8	0,13 $	0,26 $	Quelle26.10.2026
	Cloudflare	Über OpenRoutercloudflare	0,44 $	1,32 $	Quelle26.10.2026
	Cohere	Über OpenRoutercohere	0,14 $	0,28 $	Quelle26.10.2026
	CoreWeave	Über OpenRoutercoreweave/fp8	0,13 $	0,28 $	Quelle26.10.2026
	DeepInfra	Über OpenRouterdeepinfra/fp8	0,06 $	0,18 $	Quelle26.10.2026
	DigitalOcean	Über OpenRouterdigitalocean	0,119 $	0,238 $	Quelle26.10.2026
	GMICloud	Über OpenRoutergmicloud/fp8	0,286 $	0,858 $	Quelle26.10.2026
	Inceptron	Über OpenRouterinceptron/fp4	0,11 $	0,4125 $	Quelle26.10.2026
	Mancer 2	Über OpenRoutermancer/fp8	0,2 $	0,6 $	Quelle26.10.2026
	Novita	Über OpenRouternovita/fp8	0,4092 $	1,2276 $	Quelle26.10.2026
	Parasail	Über OpenRouterparasail/fp8	0,14 $	0,28 $	Quelle26.10.2026
	Phala	Über OpenRouterphala	0,308 $	0,924 $	Quelle26.10.2026
	Reka	Über OpenRouterreka	0,05 $	0,28 $	Quelle26.10.2026
	Relace	Über OpenRouterrelace/fp4	Günstigster erfasster Preis: 0,0475 $	0,1568 $	Quelle26.10.2026
	Sail Research	Über OpenRoutersail-research/fp4	0,15 $	Günstigster erfasster Preis: 0,15 $	Quelle26.10.2026
	Sail Research	Über OpenRoutersail-research/us	0,15 $	Günstigster erfasster Preis: 0,15 $	Quelle26.10.2026
	SiliconFlow	Über OpenRoutersiliconflow/fp8	0,22 $	0,66 $	Quelle26.10.2026
	StreamLake	Über OpenRouterstreamlake/fp8	0,132 $	0,396 $	Quelle26.10.2026
	Venice	Über OpenRoutervenice	0,13 $	0,26 $	Quelle26.10.2026
	Wafer	Über OpenRouterwafer/fast	0,14 $	0,23 $	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.

Zur KI-Bestenliste

Claude Opus 4.8

Gesamtindex

57,0

DeepSeek-V4-Flash

Gesamtindex

23,4

Claude Opus 4.8 liegt in 4 von 4 gemeinsamen Bereichen vorn.

Bereich	Claude Opus 4.8	DeepSeek-V4-Flash
Programmieren	55,3	19,7
Schlussfolgern	46,2	24,9
Wissen	65,6	10,2
Agenten	56,7	38,4

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.

Claude Opus 4.8

DeepSeek-V4-Flash

Coding: 100 / 94,3 (2 Benchmarkfamilien)

Reasoning: 100 / 96,6 (1 Benchmarkfamilie)

Mathematik: 100 / 96,3 (1 Benchmarkfamilie)

Wissen: 100 / 96,5 (1 Benchmarkfamilie)

Finanzen: 100 / 96,6 (1 Benchmarkfamilie)

Recht: 100 / 97,1 (1 Benchmarkfamilie)

Gesundheit: 100 / 97,4 (1 Benchmarkfamilie)

Allgemein: 100 / 96,7 (1 Benchmarkfamilie)

62 passende Messreihen aus 2 Benchmarkfamilien wurden berücksichtigt. Das Radar zeigt 8 von 8 vergleichbaren Kategorien.

Claude Opus 4.8DeepSeek-V4-Flash

LMArena Code Arena WebDevOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.81.536,177

DeepSeek-V4-Flash1.430,632

LMArena Text, Style ControlOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Opus 4.81.474,319

DeepSeek-V4-Flash1.435,648

LMArena Code Arena WebDevOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Opus 4.81.555,99

DeepSeek-V4-Flash1.430,632

LMArena Text, Style ControlOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Opus 4.81.481,495

DeepSeek-V4-Flash1.438,671

LMArena Code Arena WebDevWebdev. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.81.536,177

DeepSeek-V4-Flash1.430,632

LMArena Text, Style ControlBusiness, management and finance. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Opus 4.81.486,109

DeepSeek-V4-Flash1.438,332

LMArena Code Arena WebDevWebdev. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Opus 4.81.555,99

DeepSeek-V4-Flash1.430,632

LMArena Text, Style ControlBusiness, management and finance. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Opus 4.81.488,758

DeepSeek-V4-Flash1.434,376

LMArena Code Arena WebDevWebdev-html. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.81.524,579

DeepSeek-V4-Flash1.416,219

LMArena Text, Style ControlChinese. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Opus 4.81.524,914

DeepSeek-V4-Flash1.468,963

LMArena Code Arena WebDevWebdev-html. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Opus 4.81.543,179

DeepSeek-V4-Flash1.416,219

LMArena Text, Style ControlChinese. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Opus 4.81.525,992

DeepSeek-V4-Flash1.480,151

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

Claude Opus 4.8

In dieser Runde nicht verfügbar

DeepSeek-V4-Flash

Frühere Tests

Pelikan auf dem Fahrrad

Community-Klassiker für eine freie SVG-Zeichnung.

Claude Opus 4.8

Reasoning (angefragt): high

Aktueller Versuch

Datum des Testlaufs: 01.10.2026
API-Anbieter: openrouter
Angefragtes API-Modell: anthropic/claude-opus-4.8
API-Modell laut Antwort: anthropic/claude-opus-4.8
Reasoning-Einstellung: high
Festgelegter Endpunkt: Anthropic | anthropic/claude-4.8-opus-20260528
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Bestanden, keine Qualitätsbewertung
Antwortzeit: 18 s

Visuell geprüft. Aus diesem Einzeltest ergibt sich kein Gesamturteil über das Modell.

DeepSeek-V4-Flash

Die Antwort hat das Tokenlimit erreicht. Es liegt keine vollständige Aufzeichnung vor.

Reasoning (angefragt): high

Aktueller Versuch

Datum des Testlaufs: 05.10.2026
API-Anbieter: openrouter
Angefragtes API-Modell: deepseek/deepseek-v4-flash-0731
API-Modell laut Antwort: deepseek/deepseek-v4-flash-0731
Reasoning-Einstellung: high
Festgelegter Endpunkt: StreamLake | deepseek/deepseek-v4-flash-20260731
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Nicht bestanden
Antwortzeit: 97,8 s

Visuell noch nicht bewertet. Eine erfolgreiche Aufzeichnung bestätigt weder korrekte Physik noch die vollständige Umsetzung des Prompts.

Frühere Versuche (3)

02.10.2026API-Anfrage fehlgeschlagenReasoning-Einstellung: high
01.10.2026API-Anfrage fehlgeschlagenReasoning-Einstellung: high
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

Vergleiche Claude Opus 4.8 und DeepSeek-V4-Flash mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich

Benchmarkwerte von Claude Opus 4.8 und DeepSeek-V4-Flash
Benchmark und Aufgabe	Claude Opus 4.8	DeepSeek-V4-Flash	Quelle
LMArena Code Arena WebDevOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8, Harness: Arena Code Arena WebDev DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena Code Arena WebDevClaude Opus 4.8: Arena-Bewertung aus 17.454 veröffentlichten Paarvergleichen.DeepSeek-V4-Flash: Arena-Bewertung aus 10.152 veröffentlichten Paarvergleichen.	Höherer Messwert1.536,177 95-%-Konfidenzintervall: ±5,702Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.430,632 95-%-Konfidenzintervall: ±6,942Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Text, Style ControlOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8, Harness: Arena Text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena Text, style controlClaude Opus 4.8: Arena-Bewertung aus 65.172 veröffentlichten Paarvergleichen.DeepSeek-V4-Flash: Arena-Bewertung aus 51.987 veröffentlichten Paarvergleichen.	Gewinner1.474,319 95-%-Konfidenzintervall: ±3,846Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.435,648 95-%-Konfidenzintervall: ±4,036Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 15.10.2026
LMArena Code Arena WebDevOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8-high, Reasoning: high, Harness: Arena Code Arena WebDev DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena Code Arena WebDevClaude Opus 4.8: Arena-Bewertung aus 18.540 veröffentlichten Paarvergleichen.DeepSeek-V4-Flash: Arena-Bewertung aus 10.152 veröffentlichten Paarvergleichen.	Gewinner1.555,99 95-%-Konfidenzintervall: ±5,768Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.430,632 95-%-Konfidenzintervall: ±6,942Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Text, Style ControlOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8-high, Reasoning: high, Harness: Arena Text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena Text, style controlClaude Opus 4.8: Arena-Bewertung aus 64.100 veröffentlichten Paarvergleichen.DeepSeek-V4-Flash: Arena-Bewertung aus 51.809 veröffentlichten Paarvergleichen.	Gewinner1.481,495 95-%-Konfidenzintervall: ±3,868Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.438,671 95-%-Konfidenzintervall: ±4,106Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 15.10.2026
LMArena Code Arena WebDevWebdev Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8, Harness: Arena Code Arena WebDev DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena Code Arena WebDevClaude Opus 4.8: Arena-Bewertung aus 17.454 veröffentlichten Paarvergleichen.DeepSeek-V4-Flash: Arena-Bewertung aus 10.152 veröffentlichten Paarvergleichen.	Höherer Messwert1.536,177 95-%-Konfidenzintervall: ±5,702Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.430,632 95-%-Konfidenzintervall: ±6,942Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Text, Style ControlBusiness, management and finance Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8, Harness: Arena Text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena Text, style controlClaude Opus 4.8: Arena-Bewertung aus 12.774 veröffentlichten Paarvergleichen.DeepSeek-V4-Flash: Arena-Bewertung aus 10.441 veröffentlichten Paarvergleichen.	Gewinner1.486,109 95-%-Konfidenzintervall: ±6,333Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.438,332 95-%-Konfidenzintervall: ±6,957Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 15.10.2026
LMArena Code Arena WebDevWebdev Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8-high, Reasoning: high, Harness: Arena Code Arena WebDev DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena Code Arena WebDevClaude Opus 4.8: Arena-Bewertung aus 18.540 veröffentlichten Paarvergleichen.DeepSeek-V4-Flash: Arena-Bewertung aus 10.152 veröffentlichten Paarvergleichen.	Gewinner1.555,99 95-%-Konfidenzintervall: ±5,768Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.430,632 95-%-Konfidenzintervall: ±6,942Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Text, Style ControlBusiness, management and finance Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8-high, Reasoning: high, Harness: Arena Text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena Text, style controlClaude Opus 4.8: Arena-Bewertung aus 12.750 veröffentlichten Paarvergleichen.DeepSeek-V4-Flash: Arena-Bewertung aus 10.637 veröffentlichten Paarvergleichen.	Gewinner1.488,758 95-%-Konfidenzintervall: ±6,371Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.434,376 95-%-Konfidenzintervall: ±6,962Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 15.10.2026
LMArena Code Arena WebDevWebdev-html Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8, Harness: Arena Code Arena WebDev DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena Code Arena WebDevClaude Opus 4.8: Arena-Bewertung aus 2.434 veröffentlichten Paarvergleichen.DeepSeek-V4-Flash: Arena-Bewertung aus 1.165 veröffentlichten Paarvergleichen.	Höherer Messwert1.524,579 95-%-Konfidenzintervall: ±12,803Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.416,219 95-%-Konfidenzintervall: ±18,033Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Text, Style ControlChinese Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8, Harness: Arena Text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena Text, style controlClaude Opus 4.8: Arena-Bewertung aus 4.397 veröffentlichten Paarvergleichen.DeepSeek-V4-Flash: Arena-Bewertung aus 3.009 veröffentlichten Paarvergleichen.	Gewinner1.524,914 95-%-Konfidenzintervall: ±9,61Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.468,963 95-%-Konfidenzintervall: ±11,369Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 15.10.2026
LMArena Code Arena WebDevWebdev-html Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8-high, Reasoning: high, Harness: Arena Code Arena WebDev DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena Code Arena WebDevClaude Opus 4.8: Arena-Bewertung aus 2.269 veröffentlichten Paarvergleichen.DeepSeek-V4-Flash: Arena-Bewertung aus 1.165 veröffentlichten Paarvergleichen.	Gewinner1.543,179 95-%-Konfidenzintervall: ±13,758Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.416,219 95-%-Konfidenzintervall: ±18,033Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Text, Style ControlChinese Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8-high, Reasoning: high, Harness: Arena Text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena Text, style controlClaude Opus 4.8: Arena-Bewertung aus 4.372 veröffentlichten Paarvergleichen.DeepSeek-V4-Flash: Arena-Bewertung aus 2.983 veröffentlichten Paarvergleichen.	Gewinner1.525,992 95-%-Konfidenzintervall: ±9,609Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.480,151 95-%-Konfidenzintervall: ±11,391Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 15.10.2026
LMArena Code Arena WebDevWebdev-react Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8, Harness: Arena Code Arena WebDev DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena Code Arena WebDevClaude Opus 4.8: Arena-Bewertung aus 12.419 veröffentlichten Paarvergleichen.DeepSeek-V4-Flash: Arena-Bewertung aus 8.109 veröffentlichten Paarvergleichen.	Höherer Messwert1.537,451 95-%-Konfidenzintervall: ±6,53Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.421,593 95-%-Konfidenzintervall: ±7,665Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Text, Style ControlCoding Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8, Harness: Arena Text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena Text, style controlClaude Opus 4.8: Arena-Bewertung aus 18.069 veröffentlichten Paarvergleichen.DeepSeek-V4-Flash: Arena-Bewertung aus 15.288 veröffentlichten Paarvergleichen.	Gewinner1.529,229 95-%-Konfidenzintervall: ±5,786Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.484,162 95-%-Konfidenzintervall: ±6,212Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 15.10.2026
LMArena Code Arena WebDevWebdev-react Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8-high, Reasoning: high, Harness: Arena Code Arena WebDev DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena Code Arena WebDevClaude Opus 4.8: Arena-Bewertung aus 11.926 veröffentlichten Paarvergleichen.DeepSeek-V4-Flash: Arena-Bewertung aus 8.109 veröffentlichten Paarvergleichen.	Gewinner1.556,8 95-%-Konfidenzintervall: ±6,605Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.421,593 95-%-Konfidenzintervall: ±7,665Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Text, Style ControlCoding Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8-high, Reasoning: high, Harness: Arena Text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena Text, style controlClaude Opus 4.8: Arena-Bewertung aus 17.427 veröffentlichten Paarvergleichen.DeepSeek-V4-Flash: Arena-Bewertung aus 15.235 veröffentlichten Paarvergleichen.	Gewinner1.533,525 95-%-Konfidenzintervall: ±5,807Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.479,759 95-%-Konfidenzintervall: ±6,251Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 15.10.2026
LMArena Text, Style ControlCreative writing Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8, Harness: Arena Text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena Text, style controlClaude Opus 4.8: Arena-Bewertung aus 12.829 veröffentlichten Paarvergleichen.DeepSeek-V4-Flash: Arena-Bewertung aus 8.582 veröffentlichten Paarvergleichen.	Gewinner1.462,897 95-%-Konfidenzintervall: ±6,499Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.408,351 95-%-Konfidenzintervall: ±7,515Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 15.10.2026
LMArena Text, Style ControlCreative writing Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8-high, Reasoning: high, Harness: Arena Text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena Text, style controlClaude Opus 4.8: Arena-Bewertung aus 12.797 veröffentlichten Paarvergleichen.DeepSeek-V4-Flash: Arena-Bewertung aus 8.664 veröffentlichten Paarvergleichen.	Gewinner1.469,053 95-%-Konfidenzintervall: ±6,545Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.410,559 95-%-Konfidenzintervall: ±7,55Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 15.10.2026
LMArena Text, Style ControlEnglish Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8, Harness: Arena Text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena Text, style controlClaude Opus 4.8: Arena-Bewertung aus 28.731 veröffentlichten Paarvergleichen.DeepSeek-V4-Flash: Arena-Bewertung aus 23.129 veröffentlichten Paarvergleichen.	Gewinner1.481,645 95-%-Konfidenzintervall: ±4,981Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.445,146 95-%-Konfidenzintervall: ±5,272Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 15.10.2026
LMArena Text, Style ControlEnglish Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8-high, Reasoning: high, Harness: Arena Text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena Text, style controlClaude Opus 4.8: Arena-Bewertung aus 28.033 veröffentlichten Paarvergleichen.DeepSeek-V4-Flash: Arena-Bewertung aus 23.007 veröffentlichten Paarvergleichen.	Gewinner1.489,993 95-%-Konfidenzintervall: ±4,984Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.449,912 95-%-Konfidenzintervall: ±5,312Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 15.10.2026
LMArena Text, Style ControlEntertainment, sports and media Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8, Harness: Arena Text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena Text, style controlClaude Opus 4.8: Arena-Bewertung aus 16.015 veröffentlichten Paarvergleichen.DeepSeek-V4-Flash: Arena-Bewertung aus 11.211 veröffentlichten Paarvergleichen.	Gewinner1.453,64 95-%-Konfidenzintervall: ±6,041Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.404,427 95-%-Konfidenzintervall: ±6,919Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 15.10.2026
LMArena Text, Style ControlEntertainment, sports and media Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8-high, Reasoning: high, Harness: Arena Text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena Text, style controlClaude Opus 4.8: Arena-Bewertung aus 16.188 veröffentlichten Paarvergleichen.DeepSeek-V4-Flash: Arena-Bewertung aus 11.465 veröffentlichten Paarvergleichen.	Gewinner1.460,304 95-%-Konfidenzintervall: ±6,061Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.407,848 95-%-Konfidenzintervall: ±6,871Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 15.10.2026
LMArena Text, Style ControlExcluding ties Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8, Harness: Arena Text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena Text, style controlClaude Opus 4.8: Arena-Bewertung aus 48.949 veröffentlichten Paarvergleichen.DeepSeek-V4-Flash: Arena-Bewertung aus 39.317 veröffentlichten Paarvergleichen.	Gewinner1.484,278 95-%-Konfidenzintervall: ±5,066Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.431,444 95-%-Konfidenzintervall: ±5,296Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 15.10.2026
LMArena Text, Style ControlExcluding ties Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8-high, Reasoning: high, Harness: Arena Text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena Text, style controlClaude Opus 4.8: Arena-Bewertung aus 48.154 veröffentlichten Paarvergleichen.DeepSeek-V4-Flash: Arena-Bewertung aus 39.443 veröffentlichten Paarvergleichen.	Gewinner1.493,728 95-%-Konfidenzintervall: ±5,063Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.436,18 95-%-Konfidenzintervall: ±5,336Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 15.10.2026
LMArena Text, Style ControlExpert prompts Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8, Harness: Arena Text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena Text, style controlClaude Opus 4.8: Arena-Bewertung aus 7.406 veröffentlichten Paarvergleichen.DeepSeek-V4-Flash: Arena-Bewertung aus 5.404 veröffentlichten Paarvergleichen.	Gewinner1.515,083 95-%-Konfidenzintervall: ±7,746Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.456,998 95-%-Konfidenzintervall: ±8,731Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 15.10.2026
LMArena Text, Style ControlExpert prompts Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8-high, Reasoning: high, Harness: Arena Text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena Text, style controlClaude Opus 4.8: Arena-Bewertung aus 7.067 veröffentlichten Paarvergleichen.DeepSeek-V4-Flash: Arena-Bewertung aus 5.331 veröffentlichten Paarvergleichen.	Gewinner1.525,89 95-%-Konfidenzintervall: ±7,846Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.466,482 95-%-Konfidenzintervall: ±8,821Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 15.10.2026
LMArena Text, Style ControlFrench Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8, Harness: Arena Text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena Text, style controlClaude Opus 4.8: Arena-Bewertung aus 2.235 veröffentlichten Paarvergleichen.DeepSeek-V4-Flash: Arena-Bewertung aus 2.004 veröffentlichten Paarvergleichen.	Gewinner1.506,537 95-%-Konfidenzintervall: ±14,304Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.449,133 95-%-Konfidenzintervall: ±14,893Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 15.10.2026
LMArena Text, Style ControlFrench Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8-high, Reasoning: high, Harness: Arena Text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena Text, style controlClaude Opus 4.8: Arena-Bewertung aus 2.188 veröffentlichten Paarvergleichen.DeepSeek-V4-Flash: Arena-Bewertung aus 1.954 veröffentlichten Paarvergleichen.	Gewinner1.507,45 95-%-Konfidenzintervall: ±14,329Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.459,043 95-%-Konfidenzintervall: ±15,17Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 15.10.2026
LMArena Text, Style ControlGerman Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8, Harness: Arena Text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena Text, style controlClaude Opus 4.8: Arena-Bewertung aus 1.108 veröffentlichten Paarvergleichen.DeepSeek-V4-Flash: Arena-Bewertung aus 841 veröffentlichten Paarvergleichen.	Gewinner1.469,692 95-%-Konfidenzintervall: ±18,55Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.425,355 95-%-Konfidenzintervall: ±21,212Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 15.10.2026
LMArena Text, Style ControlGerman Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8-high, Reasoning: high, Harness: Arena Text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena Text, style controlClaude Opus 4.8: Arena-Bewertung aus 1.077 veröffentlichten Paarvergleichen.DeepSeek-V4-Flash: Arena-Bewertung aus 905 veröffentlichten Paarvergleichen.	Gewinner1.492,391 95-%-Konfidenzintervall: ±18,731Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.433,929 95-%-Konfidenzintervall: ±20,514Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 15.10.2026
LMArena Text, Style ControlHard prompts Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8, Harness: Arena Text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena Text, style controlClaude Opus 4.8: Arena-Bewertung aus 43.368 veröffentlichten Paarvergleichen.DeepSeek-V4-Flash: Arena-Bewertung aus 34.768 veröffentlichten Paarvergleichen.	Gewinner1.505,002 95-%-Konfidenzintervall: ±4,55Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.458,825 95-%-Konfidenzintervall: ±4,754Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 15.10.2026
LMArena Text, Style ControlHard prompts Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8-high, Reasoning: high, Harness: Arena Text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena Text, style controlClaude Opus 4.8: Arena-Bewertung aus 42.534 veröffentlichten Paarvergleichen.DeepSeek-V4-Flash: Arena-Bewertung aus 34.712 veröffentlichten Paarvergleichen.	Gewinner1.512,961 95-%-Konfidenzintervall: ±4,549Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.457,986 95-%-Konfidenzintervall: ±4,823Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 15.10.2026
LMArena Text, Style ControlHard prompts, English Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8, Harness: Arena Text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena Text, style controlClaude Opus 4.8: Arena-Bewertung aus 19.493 veröffentlichten Paarvergleichen.DeepSeek-V4-Flash: Arena-Bewertung aus 16.226 veröffentlichten Paarvergleichen.	Gewinner1.506,085 95-%-Konfidenzintervall: ±5,664Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.463,797 95-%-Konfidenzintervall: ±6,041Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 15.10.2026
LMArena Text, Style ControlHard prompts, English Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8-high, Reasoning: high, Harness: Arena Text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena Text, style controlClaude Opus 4.8: Arena-Bewertung aus 18.817 veröffentlichten Paarvergleichen.DeepSeek-V4-Flash: Arena-Bewertung aus 16.089 veröffentlichten Paarvergleichen.	Gewinner1.516,755 95-%-Konfidenzintervall: ±5,67Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.464,456 95-%-Konfidenzintervall: ±6,119Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 15.10.2026
LMArena Text, Style ControlInstruction following Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8, Harness: Arena Text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena Text, style controlClaude Opus 4.8: Arena-Bewertung aus 23.258 veröffentlichten Paarvergleichen.DeepSeek-V4-Flash: Arena-Bewertung aus 17.963 veröffentlichten Paarvergleichen.	Gewinner1.478,167 95-%-Konfidenzintervall: ±5,333Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.427,905 95-%-Konfidenzintervall: ±5,794Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 15.10.2026
LMArena Text, Style ControlInstruction following Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8-high, Reasoning: high, Harness: Arena Text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena Text, style controlClaude Opus 4.8: Arena-Bewertung aus 22.679 veröffentlichten Paarvergleichen.DeepSeek-V4-Flash: Arena-Bewertung aus 18.090 veröffentlichten Paarvergleichen.	Gewinner1.490,967 95-%-Konfidenzintervall: ±5,314Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.433,532 95-%-Konfidenzintervall: ±5,864Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 15.10.2026
LMArena Text, Style ControlJapanese Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8, Harness: Arena Text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena Text, style controlClaude Opus 4.8: Arena-Bewertung aus 895 veröffentlichten Paarvergleichen.DeepSeek-V4-Flash: Arena-Bewertung aus 653 veröffentlichten Paarvergleichen.	Gewinner1.459,297 95-%-Konfidenzintervall: ±21,594Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.398,472 95-%-Konfidenzintervall: ±24,752Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 15.10.2026
LMArena Text, Style ControlJapanese Testdetails Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8-high, Reasoning: high, Harness: Arena Text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena Text, style controlClaude Opus 4.8: Arena-Bewertung aus 892 veröffentlichten Paarvergleichen.DeepSeek-V4-Flash: Arena-Bewertung aus 640 veröffentlichten Paarvergleichen.	Kein klarer Vorsprung1.458,791 95-%-Konfidenzintervall: ±21,865Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.425,764 95-%-Konfidenzintervall: ±24,975Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 15.10.2026
LMArena Text, Style ControlKorean Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8, Harness: Arena Text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena Text, style controlClaude Opus 4.8: Arena-Bewertung aus 1.081 veröffentlichten Paarvergleichen.DeepSeek-V4-Flash: Arena-Bewertung aus 899 veröffentlichten Paarvergleichen.	Gewinner1.438,453 95-%-Konfidenzintervall: ±19,142Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.392,931 95-%-Konfidenzintervall: ±20,881Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 15.10.2026
LMArena Text, Style ControlKorean Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8-high, Reasoning: high, Harness: Arena Text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena Text, style controlClaude Opus 4.8: Arena-Bewertung aus 1.107 veröffentlichten Paarvergleichen.DeepSeek-V4-Flash: Arena-Bewertung aus 949 veröffentlichten Paarvergleichen.	Gewinner1.449,214 95-%-Konfidenzintervall: ±19,455Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.377,467 95-%-Konfidenzintervall: ±20,808Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 15.10.2026

Claude Opus 4.8 vs. DeepSeek-V4-Flash

Modellauswahl ändern

Allgemeine Daten

API-Preise im Vergleich

Benchmark-Index im Vergleich

Gemeinsame Benchmarks

Fähigkeitsprofil aus vergleichbaren Benchmarks

Unsere Tests

SVG-Kurztest

Claude Opus 4.8

DeepSeek-V4-Flash

Pelikan auf dem Fahrrad

Ein Benchmark-Sieg ist kein Gesamturteil

Ähnliche LLM-Vergleiche