Direktvergleich

Claude Opus 5.5 vs. Kimi K3

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

gemeinsame Messreihen: 204
verschiedene Benchmarks: 26
jüngster Abruf: 15.10.2026

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 5.5 und Kimi K3
Merkmal	Claude Opus 5.5	Kimi K3
Anbieter	Anthropic	Moonshot AI
Erschienen	22. Sept. 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	Juni 2026	Nicht veröffentlicht
Technische Quellen	Modell	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 5.5 und Kimi K3
Preisart	Claude Opus 5.5	Kimi K3
API-Eingabe	4 $	3 $
API-Ausgabe	20 $	15 $
Cache lesen	0,2 $	0,3 $
Cache schreiben (5 Min.)	5 $	Nicht ausgewiesen
Cache schreiben (1 Std.)	8 $	Nicht ausgewiesen
Preis geprüft	22.09.2026 Quelle	22.09.2026 Quelle

Claude Opus 5.5Kimi K3

API-EingabeUSD pro 1 Mio. Token, Basistarif

Claude Opus 5.54 $

Kimi K33 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

Claude Opus 5.520 $

Kimi K315 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

Claude Opus 5.50,2 $

Kimi K30,3 $

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.

Anbieterpreise von Claude Opus 5.5 und Kimi K3
Modell	Anbieter	Bezugsweg und Tarif	Eingabe pro 1 Mio. Token	Ausgabe pro 1 Mio. Token	Quelle
Claude Opus 5.5	Anthropic	Direkt beim EntwicklerStandard-API	Günstigster erfasster Preis: 4 $	Günstigster erfasster Preis: 20 $	Quelle22.09.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock	Günstigster erfasster Preis: 4 $	Günstigster erfasster Preis: 20 $	Quelle17.10.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock/eu-west-1	4,4 $	22 $	Quelle17.10.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock/us-east-1	4,4 $	22 $	Quelle17.10.2026
	Anthropic	Über OpenRouteranthropic	Günstigster erfasster Preis: 4 $	Günstigster erfasster Preis: 20 $	Quelle17.10.2026
	Anthropic	Über OpenRouteranthropic/fast	8 $	40 $	Quelle17.10.2026
	Azure	Über OpenRouterazure/global	Günstigster erfasster Preis: 4 $	Günstigster erfasster Preis: 20 $	Quelle17.10.2026
	Azure	Über OpenRouterazure/us	4,4 $	22 $	Quelle17.10.2026
	Claude Platform on AWS	Über OpenRouterclaude-on-aws	Günstigster erfasster Preis: 4 $	Günstigster erfasster Preis: 20 $	Quelle17.10.2026
	Google	Über OpenRoutergoogle-vertex/europe	4,4 $	22 $	Quelle17.10.2026
	Google	Über OpenRoutergoogle-vertex/global	Günstigster erfasster Preis: 4 $	Günstigster erfasster Preis: 20 $	Quelle17.10.2026
	Google	Über OpenRoutergoogle-vertex/us	4,4 $	22 $	Quelle17.10.2026
Kimi K3	Moonshot AI	Direkt beim EntwicklerStandard-API	3 $	15 $	Quelle22.09.2026
	AkashML	Über OpenRouterakashml/fp4	1,2 $	14 $	Quelle17.10.2026
	Alibaba	Über OpenRouteralibaba	3,45 $	17,25 $	Quelle17.10.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock/us-east-2	3 $	15 $	Quelle17.10.2026
	BaseTen	Über OpenRouterbaseten/fp8	3 $	15 $	Quelle17.10.2026
	Chutes	Über OpenRouterchutes/mxfp4	1,85 $	9,5 $	Quelle17.10.2026
	Decart	Über OpenRouterdecart/mxfp4	1,65 $	Günstigster erfasster Preis: 8,25 $	Quelle17.10.2026
	DeepInfra	Über OpenRouterdeepinfra/mxfp4	2,85 $	14,25 $	Quelle17.10.2026
	DigitalOcean	Über OpenRouterdigitalocean	2,55 $	12,95 $	Quelle17.10.2026
	Fireworks	Über OpenRouterfireworks	3 $	15 $	Quelle17.10.2026
	Fireworks	Über OpenRouterfireworks/fast	4,5 $	22,5 $	Quelle17.10.2026
	Fireworks	Über OpenRouterfireworks/us	4,5 $	22,5 $	Quelle17.10.2026
	InferenceNet	Über OpenRouterinference-net/fast	2,49 $	15 $	Quelle17.10.2026
	InferenceNet	Über OpenRouterinference-net/fp4	0,304 $	11,936 $	Quelle17.10.2026
	Makora	Über OpenRoutermakora/fp4	1,53 $	12,75 $	Quelle17.10.2026
	Modal	Über OpenRoutermodal/mxfp4	3 $	15 $	Quelle17.10.2026
	Moonshot AI	Über OpenRoutermoonshotai/mxfp4	3 $	15 $	Quelle17.10.2026
	Morph	Über OpenRoutermorph/fp8	0,75 $	14,9 $	Quelle17.10.2026
	Parasail	Über OpenRouterparasail/fast	3 $	15 $	Quelle17.10.2026
	Parasail	Über OpenRouterparasail/fp4	3 $	15 $	Quelle17.10.2026
	Phala	Über OpenRouterphala	2,55 $	12,75 $	Quelle17.10.2026
	Relace	Über OpenRouterrelace/fp4	0,35 $	14 $	Quelle17.10.2026
	Sail Research	Über OpenRoutersail-research/fp4	0,84 $	13,5 $	Quelle17.10.2026
	Sail Research	Über OpenRoutersail-research/fp4/us	0,84 $	13,5 $	Quelle17.10.2026
	Together	Über OpenRoutertogether	3 $	15 $	Quelle17.10.2026
	Wafer	Über OpenRouterwafer	Günstigster erfasster Preis: 0,294 $	24 $	Quelle17.10.2026
	Wafer	Über OpenRouterwafer/us	0,36 $	14,9 $	Quelle17.10.2026

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 1 von mindestens 5 Kategorien enthalten direkt vergleichbare Modellmessungen. Die Benchmarktabellen darunter zeigen die vorhandenen Belege, ohne fehlende Achsen aufzufüllen.

Claude Opus 5.5Kimi K3

BioMysteryBenchOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 5.579,259 %

Kimi K372,593 %

Code MigrationOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 5.566,646 %

Kimi K316,099 %

CyberBench v1.1Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 5.555,357 %

Kimi K375,238 %

EMBOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 5.575,938 %

Kimi K366,677 %

Finance Agent (v2)Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 5.558,587 %

Kimi K353,114 %

Harvey's Legal Agent BenchmarkOverall · Task fully resolved. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 5.53,75 %

Kimi K312,917 %

IOIOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 5.595,056 %

Kimi K348,944 %

Legal Research BenchOverall · All-pass. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 5.550,481 %

Kimi K346,154 %

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

Claude Opus 5.51.811,149

Kimi K31.655,295

LMArena Text, Style ControlOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 5.51.508,083

Kimi K31.488,095

MedCodeOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 5.549,797 %

Kimi K349,357 %

MedScribeOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 5.591,43 %

Kimi K388,048 %

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von Claude Opus 5.5 und Kimi K3
Benchmark und Aufgabe	Claude Opus 5.5	Kimi K3	Quelle
BioMysteryBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Harness: Terminus 2, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Harness: Terminus 2, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert79,259 %	72,593 %	Vals AI Quellendetails Datenstand: 12.10.2026
Code MigrationOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert66,646 %	16,099 %	Vals AI Quellendetails Datenstand: 12.10.2026
CyberBench v1.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Ausgabegrenze: 262.144 tokens	55,357 %	Höherer Messwert75,238 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert75,938 %	66,677 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert58,587 %	53,114 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkOverall · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	3,75 %	Höherer Messwert12,917 %	Vals AI Quellendetails Datenstand: 12.10.2026
IOIOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert95,056 %	48,944 %	Vals AI Quellendetails Datenstand: 14.10.2026
Legal Research BenchOverall · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert50,481 %	46,154 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Code Arena WebDevOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 5.5: Snapshot: claude-opus-5.5-max, Reasoning: max, Harness: Arena Code Arena WebDev Kimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Opus 5.5: Arena-Bewertung aus 2.597 veröffentlichten Paarvergleichen.Kimi K3: Arena-Bewertung aus 18.644 veröffentlichten Paarvergleichen.	Gewinner1.811,149 95-%-Konfidenzintervall: ±14,586Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.655,295 95-%-Konfidenzintervall: ±6,069Der 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 Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 5.5: Snapshot: claude-opus-5.5-high, Reasoning: high, Harness: Arena Text, style control Kimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena Text, style controlClaude Opus 5.5: Arena-Bewertung aus 7.687 veröffentlichten Paarvergleichen.Kimi K3: Arena-Bewertung aus 32.036 veröffentlichten Paarvergleichen.	Höherer Messwert1.508,083 95-%-Konfidenzintervall: ±7,535Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.488,095 95-%-Konfidenzintervall: ±4,609Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
MedCodeOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert49,797 %	49,357 %	Vals AI Quellendetails Datenstand: 13.10.2026
MedScribeOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert91,43 %	88,048 %	Vals AI Quellendetails Datenstand: 13.10.2026
ProgramBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully resolved rateBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	Höherer Messwert18,5 %	2 %	Vals AI Quellendetails Datenstand: 12.10.2026
ProofBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Ausgabegrenze: 262.144 tokens	Höherer Messwert100 %	87 %	Vals AI Quellendetails Datenstand: 12.10.2026
Public Benefits Bench v1.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert70,636 %	68,2 %	Vals AI Quellendetails Datenstand: 12.10.2026
SAGEOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	45,831 %	Höherer Messwert52,783 %	Vals AI Quellendetails Datenstand: 08.10.2026
SWE-bench MultimodalOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert70,208 %	35,833 %	Vals AI Quellendetails Datenstand: 13.10.2026
SWE-Marathon v1.1Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v1.1Messgröße: pass@1Bewertung: Mehr ist besserEinstellungen: Reasoning: max, Agent: Claude Code, Versuche: 20 tasks; k=8 trials per taskSWE-Marathon v1.1, Gesamtlösungsrate pass@1. Agent Claude Code, Reasoning max. 20 realitätsnahe, mehrstündige Softwareentwicklungsaufgaben mit k=8 Läufen je Aufgabe. Binäre Wertung 1,0 nur bei vollständig bestandenen Verifier-Tests, sonst 0,0.	46,3 % Der Wert bewertet die genannte Kombination aus Modell, Reasoning-Stufe und Agent, nicht einen isolierten Modelllauf.	Gewinner48,1 % Der Wert bewertet die genannte Kombination aus Modell, Reasoning-Stufe und Agent, nicht einen isolierten Modelllauf.	SWE-Marathon Quellendetails Datenstand: 15.10.2026
Tax Agent BenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert45,573 %	33,368 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-Bench 2.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: high, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	Höherer Messwert87,64 %	80,899 %	Vals AI Quellendetails Datenstand: 28.09.2026
Terminal-Bench 4.0Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 4.0Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert65,152 %	17,172 %	Vals AI Quellendetails Datenstand: 13.10.2026
Terminal-Bench ScienceOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 0.1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Harness: Mini-SWE-agent, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Harness: Mini-SWE-agent, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert47,143 %	1,429 %	Vals AI Quellendetails Datenstand: 14.10.2026
Time Horizon Index: KSPOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: progressBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert91,333 %	10,5 %	Vals AI Quellendetails Datenstand: 07.10.2026
Vals IndexOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: weighted index scoreBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert66,972 %	50,297 %	Vals AI Quellendetails Datenstand: 13.10.2026
Vibe Code Bench 1-100Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.0Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: xhigh, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Harness: OpenHands, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert30,361 %	18,244 %	Vals AI Quellendetails Datenstand: 14.10.2026
Vibe Code Bench v1.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: 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	Höherer Messwert90,294 %	84,968 %	Vals AI Quellendetails Datenstand: 12.10.2026
BioMysteryBenchHard Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Harness: Terminus 2, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Harness: Terminus 2, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert47,059 %	41,176 %	Vals AI Quellendetails Datenstand: 12.10.2026
Code MigrationCLI Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert65,528 %	1,465 %	Vals AI Quellendetails Datenstand: 12.10.2026
CyberBench v1.1Patch Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Ausgabegrenze: 262.144 tokens	Höherer Messwert85,714 %	82,143 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBComps Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert76,405 %	70,837 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Adjustments Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert54,528 %	45,274 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Criteria passed Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: criteria pass rateBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	82,246 %	Höherer Messwert88,768 %	Vals AI Quellendetails Datenstand: 12.10.2026
IOIIOI 2024 Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert100 %	59,667 %	Vals AI Quellendetails Datenstand: 14.10.2026
Legal Research BenchAdministrative / Regulatory · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert65,152 %	63,636 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Code Arena WebDevImage to webdev Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 5.5: Snapshot: claude-opus-5.5-max, Reasoning: max, Harness: Arena Code Arena WebDev Kimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Opus 5.5: Arena-Bewertung aus 493 veröffentlichten Paarvergleichen.Kimi K3: Arena-Bewertung aus 3.504 veröffentlichten Paarvergleichen.	Gewinner1.748,511 95-%-Konfidenzintervall: ±30,162Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.579,165 95-%-Konfidenzintervall: ±10,818Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 09.10.2026
LMArena Text, Style ControlBusiness, management and finance Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 5.5: Snapshot: claude-opus-5.5-high, Reasoning: high, Harness: Arena Text, style control Kimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena Text, style controlClaude Opus 5.5: Arena-Bewertung aus 1.370 veröffentlichten Paarvergleichen.Kimi K3: Arena-Bewertung aus 6.035 veröffentlichten Paarvergleichen.	Höherer Messwert1.492,054 95-%-Konfidenzintervall: ±16,446Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.487,914 95-%-Konfidenzintervall: ±8,167Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
ProgramBenchAlmost Resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: almost-resolved rateBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	Höherer Messwert65 %	17,5 %	Vals AI Quellendetails Datenstand: 12.10.2026
SAGEAutomata Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	32,54 %	Höherer Messwert43,254 %	Vals AI Quellendetails Datenstand: 08.10.2026
SWE-bench Multimodalbpmn-js Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert83,019 %	47,17 %	Vals AI Quellendetails Datenstand: 13.10.2026
Tax Agent BenchControversy & Precedence Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert30 %	13,333 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-Bench 2.1Easy Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: high, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	Höherer Messwert100 %	91,667 %	Vals AI Quellendetails Datenstand: 28.09.2026
Terminal-Bench 4.0Hardware Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 4.0Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert60 %	13,333 %	Vals AI Quellendetails Datenstand: 13.10.2026
Terminal-Bench ScienceEarth Sciences Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 0.1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Harness: Mini-SWE-agent, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Harness: Mini-SWE-agent, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert37,5 %	12,5 %	Vals AI Quellendetails Datenstand: 14.10.2026
Time Horizon Index: KSPProgress efficiency Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: progressBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert69,825 %	9,258 %	Vals AI Quellendetails Datenstand: 07.10.2026
Vals IndexCode Migration Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: benchmark scoreBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert68,901 %	16,042 %	Vals AI Quellendetails Datenstand: 13.10.2026
BioMysteryBenchHuman-solvable Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Harness: Terminus 2, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Harness: Terminus 2, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert86,758 %	79,909 %	Vals AI Quellendetails Datenstand: 12.10.2026
Code MigrationCOBOL Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert70 %	60 %	Vals AI Quellendetails Datenstand: 12.10.2026
CyberBench v1.1PoC Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Ausgabegrenze: 262.144 tokens	25 %	Höherer Messwert68,333 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBDataroom Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert84,873 %	82,661 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)All-Pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert48,111 %	41,837 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	0 %	Höherer Messwert20 %	Vals AI Quellendetails Datenstand: 12.10.2026
IOIIOI 2025 Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert100 %	29,333 %	Vals AI Quellendetails Datenstand: 14.10.2026
Legal Research BenchAdministrative / Regulatory · Weighted partial credit Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: weighted partial-credit scoreBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	85,427 %	Höherer Messwert89,252 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Code Arena WebDevWebdev Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 5.5: Snapshot: claude-opus-5.5-max, Reasoning: max, Harness: Arena Code Arena WebDev Kimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Opus 5.5: Arena-Bewertung aus 2.597 veröffentlichten Paarvergleichen.Kimi K3: Arena-Bewertung aus 18.644 veröffentlichten Paarvergleichen.	Gewinner1.811,149 95-%-Konfidenzintervall: ±14,586Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.655,295 95-%-Konfidenzintervall: ±6,069Der 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 Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 5.5: Snapshot: claude-opus-5.5-high, Reasoning: high, Harness: Arena Text, style control Kimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena Text, style controlClaude Opus 5.5: Arena-Bewertung aus 704 veröffentlichten Paarvergleichen.Kimi K3: Arena-Bewertung aus 2.319 veröffentlichten Paarvergleichen.	Höherer Messwert1.574,432 95-%-Konfidenzintervall: ±22,751Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.542,023 95-%-Konfidenzintervall: ±12,722Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
ProgramBenchFully Resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully resolved rateBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	Höherer Messwert18,5 %	2 %	Vals AI Quellendetails Datenstand: 12.10.2026
SAGECalculus Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert83,642 %	79,938 %	Vals AI Quellendetails Datenstand: 08.10.2026
SWE-bench MultimodalCarbon Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert52,632 %	21,053 %	Vals AI Quellendetails Datenstand: 13.10.2026
Tax Agent BenchControversy & Precedence Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	66,871 %	Höherer Messwert68,8 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-Bench 2.1Hard Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: high, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	Höherer Messwert81,111 %	74,444 %	Vals AI Quellendetails Datenstand: 28.09.2026
Terminal-Bench 4.0Media Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 4.0Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert75 %	16,667 %	Vals AI Quellendetails Datenstand: 13.10.2026
Terminal-Bench ScienceEngineering Sciences Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 0.1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Harness: Mini-SWE-agent, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Harness: Mini-SWE-agent, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert22,222 %	0 %	Vals AI Quellendetails Datenstand: 14.10.2026
Vals IndexEMB Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: benchmark scoreBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert75,938 %	66,677 %	Vals AI Quellendetails Datenstand: 13.10.2026
Code MigrationCode Quality Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: mean reviewer code-quality ratingBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert4,541 / 5	3,899 / 5	Vals AI Quellendetails Datenstand: 12.10.2026
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: 4ae5d8eeb9a9

Claude Opus 5.5

In dieser Runde nicht verfügbar

Kimi K3

Frühere Tests

Pelikan auf dem Fahrrad

Community-Klassiker für eine freie SVG-Zeichnung.

Claude Opus 5.5

Reasoning (angefragt): high

Aktueller Versuch

Datum des Testlaufs: 01.10.2026
API-Anbieter: openrouter
Angefragtes API-Modell: anthropic/claude-opus-5.5
API-Modell laut Antwort: anthropic/claude-opus-5.5
Reasoning-Einstellung: high
Festgelegter Endpunkt: Anthropic | anthropic/claude-opus-5.5-20260921
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Bestanden, keine Qualitätsbewertung
Antwortzeit: 33,2 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

Vergleiche Claude Opus 5.5 und Kimi K3 mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich

Claude Opus 5.5 vs. Kimi K3

Modellauswahl ändern

Allgemeine Daten

API-Preise im Vergleich

Gemeinsame Benchmarks

Fähigkeitsprofil aus vergleichbaren Benchmarks

Unsere Tests

SVG-Kurztest

Claude Opus 5.5

Kimi K3

Pelikan auf dem Fahrrad

Ein Benchmark-Sieg ist kein Gesamturteil

Ähnliche LLM-Vergleiche