Direktvergleich

DeepSeek-V4-Flash vs. GLM-5.2

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

gemeinsame Messreihen: 61
verschiedene Benchmarks: 2
jüngster Abruf: 04.09.2026

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 DeepSeek-V4-Flash und GLM-5.2
Merkmal	DeepSeek-V4-Flash	GLM-5.2
Anbieter	DeepSeek	Z.ai
Erschienen	24. Apr. 2026	16. Juni 2026
Verfügbarkeit	Preview	Open Source
Modelltyp	Open Weights	Open Weights
Parameter	284 Mrd., 13 Mrd. aktiv	744 Mrd., 40 Mrd. aktiv
Architektur	Mixture of Experts	Mixture of Experts
Kontextfenster	1.000.000 Token	1.000.000 Token
Wissensstand	Nicht veröffentlicht	Nicht veröffentlicht
Technische Quellen	Modell	Modell, Kontext

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 DeepSeek-V4-Flash und GLM-5.2
Preisart	DeepSeek-V4-Flash	GLM-5.2
API-Eingabe	0,14 $	1,4 $
API-Ausgabe	0,28 $	4,4 $
Cache lesen	0, $	0,26 $
Cache schreiben (5 Min.)	Nicht ausgewiesen	Nicht ausgewiesen
Cache schreiben (1 Std.)	Nicht ausgewiesen	Nicht ausgewiesen
Preis geprüft	30.07.2026 Quelle	30.07.2026 Quelle

DeepSeek-V4-FlashGLM-5.2

API-EingabeUSD pro 1 Mio. Token, Basistarif

DeepSeek-V4-Flash0,14 $

GLM-5.21,4 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

DeepSeek-V4-Flash0,28 $

GLM-5.24,4 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

DeepSeek-V4-Flash0,003 $

GLM-5.20,26 $

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 DeepSeek-V4-Flash und GLM-5.2
Modell	Anbieter	Bezugsweg und Tarif	Eingabe pro 1 Mio. Token	Ausgabe pro 1 Mio. Token	Quelle
DeepSeek-V4-Flash	DeepSeek	Direkt beim EntwicklerStandard-API	0,14 $	0,28 $	Quelle30.07.2026
	Alibaba	Über OpenRouteralibaba	0,352 $	1,056 $	Quelle07.09.2026
	AtlasCloud	Über OpenRouteratlas-cloud/fp4	0,44 $	1,32 $	Quelle07.09.2026
	Baidu	Über OpenRouterbaidu/fp8	0,14 $	0,28 $	Quelle07.09.2026
	BaseTen	Über OpenRouterbaseten/fp8#1	0,13 $	0,26 $	Quelle07.09.2026
	BaseTen	Über OpenRouterbaseten/fp8#2	0,13 $	0,26 $	Quelle07.09.2026
	Cloudflare	Über OpenRoutercloudflare	0,44 $	1,32 $	Quelle07.09.2026
	CoreWeave	Über OpenRoutercoreweave/fp8	0,13 $	0,28 $	Quelle07.09.2026
	DeepInfra	Über OpenRouterdeepinfra/fp8	0,06 $	0,18 $	Quelle07.09.2026
	DeepSeek	Über OpenRouterdeepseek	0,22 $	0,66 $	Quelle07.09.2026
	DigitalOcean	Über OpenRouterdigitalocean	0,08 $	0,252 $	Quelle07.09.2026
	Fireworks	Über OpenRouterfireworks	0,22 $	0,66 $	Quelle07.09.2026
	GMICloud	Über OpenRoutergmicloud/fp8	0,352 $	1,056 $	Quelle07.09.2026
	Inceptron	Über OpenRouterinceptron/fp4	0,13 $	0,28 $	Quelle07.09.2026
	Makora	Über OpenRoutermakora	0,09 $	0,195 $	Quelle07.09.2026
	Mancer 2	Über OpenRoutermancer/fp8	0,15 $	0,5 $	Quelle07.09.2026
	Morph	Über OpenRoutermorph/bf16	0,1234 $	0,3475 $	Quelle07.09.2026
	NextBit	Über OpenRouternextbit/fp8	0,4 $	1,2 $	Quelle07.09.2026
	Novita	Über OpenRouternovita/fp8	0,4092 $	1,2276 $	Quelle07.09.2026
	OpenInference	Über OpenRouteropen-inference/fp8	0,05 $	0,16 $	Quelle07.09.2026
	Parasail	Über OpenRouterparasail/fp8	0,14 $	0,28 $	Quelle07.09.2026
	Phala	Über OpenRouterphala	0,44 $	1,32 $	Quelle07.09.2026
	Reka	Über OpenRouterreka/fp4	0,11 $	0,66 $	Quelle07.09.2026
	Relace	Über OpenRouterrelace/fp4	Günstigster erfasster Preis: 0,045 $	Günstigster erfasster Preis: 0,09 $	Quelle07.09.2026
	Sail Research	Über OpenRoutersail-research/fp4	0,065 $	0,18 $	Quelle07.09.2026
	SiliconFlow	Über OpenRoutersiliconflow/fp8	0,22 $	0,66 $	Quelle07.09.2026
	StreamLake	Über OpenRouterstreamlake/fp8	0,088 $	0,264 $	Quelle07.09.2026
	Together	Über OpenRoutertogether	0,14 $	0,28 $	Quelle07.09.2026
	Venice	Über OpenRoutervenice	0,175 $	0,35 $	Quelle07.09.2026
	Wafer	Über OpenRouterwafer/fast	0,1 $	0,25 $	Quelle07.09.2026
GLM-5.2	Z.ai	Direkt beim EntwicklerStandard-API	1,4 $	4,4 $	Quelle30.07.2026
	Alibaba	Über OpenRouteralibaba/fast	2,31 $	7,26 $	Quelle07.09.2026
	Alibaba	Über OpenRouteralibaba/fp8	0,966 $	3,036 $	Quelle07.09.2026
	Ambient	Über OpenRouterambient/fp8	0,6 $	2 $	Quelle07.09.2026
	AtlasCloud	Über OpenRouteratlas-cloud/fp8	0,938 $	2,948 $	Quelle07.09.2026
	Baidu	Über OpenRouterbaidu/fp8	1,4 $	4,4 $	Quelle07.09.2026
	BaseTen	Über OpenRouterbaseten/fast#1	2,1 $	6,6 $	Quelle07.09.2026
	BaseTen	Über OpenRouterbaseten/fast#2	2,1 $	6,6 $	Quelle07.09.2026
	BaseTen	Über OpenRouterbaseten/fp8#1	1,4 $	4,4 $	Quelle07.09.2026
	BaseTen	Über OpenRouterbaseten/fp8#2	1,4 $	4,4 $	Quelle07.09.2026
	Cloudflare	Über OpenRoutercloudflare	1,4 $	4,4 $	Quelle07.09.2026
	CoreWeave	Über OpenRoutercoreweave/fp4	0,76 $	2,42 $	Quelle07.09.2026
	Crusoe	Über OpenRoutercrusoe/fp8	1,4 $	4,4 $	Quelle07.09.2026
	Decart	Über OpenRouterdecart/fast	1,26 $	3,96 $	Quelle07.09.2026
	Decart	Über OpenRouterdecart/fp4	0,684 $	2,28 $	Quelle07.09.2026
	DeepInfra	Über OpenRouterdeepinfra/fp4	Günstigster erfasster Preis: 0,4875 $	Günstigster erfasster Preis: 1,56 $	Quelle07.09.2026
	DigitalOcean	Über OpenRouterdigitalocean	0,7 $	2,2 $	Quelle07.09.2026
	Fireworks	Über OpenRouterfireworks	1,4 $	4,4 $	Quelle07.09.2026
	Fireworks	Über OpenRouterfireworks/fast	2,1 $	6,6 $	Quelle07.09.2026
	Fireworks	Über OpenRouterfireworks/fast-us	2,1 $	6,6 $	Quelle07.09.2026
	Friendli	Über OpenRouterfriendli	1,4 $	4,4 $	Quelle07.09.2026
	GMICloud	Über OpenRoutergmicloud/fp8	1,05 $	3,3 $	Quelle07.09.2026
	Inceptron	Über OpenRouterinceptron/fp4	1,25 $	2,99 $	Quelle07.09.2026
	Mistral	Über OpenRoutermistral	1,4 $	4,4 $	Quelle07.09.2026
	Mistral	Über OpenRoutermistral/eu	1,54 $	4,84 $	Quelle07.09.2026
	Mistral	Über OpenRoutermistral/zdr	1,4 $	4,4 $	Quelle07.09.2026
	Novita	Über OpenRouternovita/fp8	0,5586 $	1,7556 $	Quelle07.09.2026
	Parasail	Über OpenRouterparasail/fp4	1,4 $	4,4 $	Quelle07.09.2026
	Phala	Über OpenRouterphala/fp8	1,26 $	3 $	Quelle07.09.2026
	SiliconFlow	Über OpenRoutersiliconflow/fp8	1,19 $	3,74 $	Quelle07.09.2026
	StreamLake	Über OpenRouterstreamlake/fp8	0,5446 $	1,7116 $	Quelle07.09.2026
	Together	Über OpenRoutertogether	1,4 $	4,4 $	Quelle07.09.2026
	Venice	Über OpenRoutervenice/fp8	1,4 $	4,4 $	Quelle07.09.2026
	Z.AI	Über OpenRouterz-ai/fp8	1,4 $	4,4 $	Quelle07.09.2026

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.

DeepSeek-V4-FlashGLM-5.2

CyberBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

DeepSeek-V4-Flash66,716 %

GLM-5.277,359 %

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

DeepSeek-V4-Flash1.435,816

GLM-5.21.471,886

CyberBenchPatch. Mehr ist besser. Kein dokumentierter Setup-Unterschied

DeepSeek-V4-Flash72,414 %

GLM-5.281,034 %

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

DeepSeek-V4-Flash1.438,462

GLM-5.21.471,886

CyberBenchPoC. Mehr ist besser. Kein dokumentierter Setup-Unterschied

DeepSeek-V4-Flash61,017 %

GLM-5.273,684 %

LMArena Text, Style ControlBusiness, management and finance. Mehr ist besser. Testaufbau nicht identisch dokumentiert

DeepSeek-V4-Flash1.437,854

GLM-5.21.460,145

LMArena Text, Style ControlBusiness, management and finance. Mehr ist besser. Testaufbau nicht identisch dokumentiert

DeepSeek-V4-Flash1.434,968

GLM-5.21.460,145

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

DeepSeek-V4-Flash1.472,677

GLM-5.21.516,828

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

DeepSeek-V4-Flash1.479,62

GLM-5.21.516,828

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

DeepSeek-V4-Flash1.483,101

GLM-5.21.509,051

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

DeepSeek-V4-Flash1.479,449

GLM-5.21.509,051

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

DeepSeek-V4-Flash1.408,18

GLM-5.21.452,152

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

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 DeepSeek-V4-Flash und GLM-5.2 mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich

Benchmarkwerte von DeepSeek-V4-Flash und GLM-5.2
Benchmark und Aufgabe	DeepSeek-V4-Flash	GLM-5.2	Quelle
CyberBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	66,716 %	Gewinner77,359 %	Vals AI Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 48.963 anonymen Paarvergleichen.GLM-5.2: Stilbereinigte Arena-Bewertung aus 33.758 anonymen Paarvergleichen.	1.435,816 95-%-Konfidenzintervall: ±4,15Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.471,886 95-%-Konfidenzintervall: ±4,729Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
CyberBenchPatch Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	72,414 %	Gewinner81,034 %	Vals AI Quellendetails Datenstand: 03.08.2026
LMArena Text, Style ControlOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 48.705 anonymen Paarvergleichen.GLM-5.2: Stilbereinigte Arena-Bewertung aus 33.758 anonymen Paarvergleichen.	1.438,462 95-%-Konfidenzintervall: ±4,21Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.471,886 95-%-Konfidenzintervall: ±4,729Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
CyberBenchPoC Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	61,017 %	Gewinner73,684 %	Vals AI Quellendetails Datenstand: 03.08.2026
LMArena Text, Style ControlBusiness, management and finance Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 9.911 anonymen Paarvergleichen.GLM-5.2: Stilbereinigte Arena-Bewertung aus 6.609 anonymen Paarvergleichen.	1.437,854 95-%-Konfidenzintervall: ±7,128Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.460,145 95-%-Konfidenzintervall: ±8,046Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlBusiness, management and finance Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 10.060 anonymen Paarvergleichen.GLM-5.2: Stilbereinigte Arena-Bewertung aus 6.609 anonymen Paarvergleichen.	1.434,968 95-%-Konfidenzintervall: ±7,142Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.460,145 95-%-Konfidenzintervall: ±8,046Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlChinese Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 2.530 anonymen Paarvergleichen.GLM-5.2: Stilbereinigte Arena-Bewertung aus 2.084 anonymen Paarvergleichen.	1.472,677 95-%-Konfidenzintervall: ±12,483Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.516,828 95-%-Konfidenzintervall: ±13,481Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlChinese Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 2.509 anonymen Paarvergleichen.GLM-5.2: Stilbereinigte Arena-Bewertung aus 2.084 anonymen Paarvergleichen.	1.479,62 95-%-Konfidenzintervall: ±12,459Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.516,828 95-%-Konfidenzintervall: ±13,481Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlCoding Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 14.346 anonymen Paarvergleichen.GLM-5.2: Stilbereinigte Arena-Bewertung aus 9.517 anonymen Paarvergleichen.	1.483,101 95-%-Konfidenzintervall: ±6,376Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.509,051 95-%-Konfidenzintervall: ±7,106Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlCoding Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 14.310 anonymen Paarvergleichen.GLM-5.2: Stilbereinigte Arena-Bewertung aus 9.517 anonymen Paarvergleichen.	1.479,449 95-%-Konfidenzintervall: ±6,409Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.509,051 95-%-Konfidenzintervall: ±7,106Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlCreative writing Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 7.972 anonymen Paarvergleichen.GLM-5.2: Stilbereinigte Arena-Bewertung aus 6.464 anonymen Paarvergleichen.	1.408,18 95-%-Konfidenzintervall: ±7,747Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.452,152 95-%-Konfidenzintervall: ±8,384Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlCreative writing Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 8.029 anonymen Paarvergleichen.GLM-5.2: Stilbereinigte Arena-Bewertung aus 6.464 anonymen Paarvergleichen.	1.408,903 95-%-Konfidenzintervall: ±7,781Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.452,152 95-%-Konfidenzintervall: ±8,384Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlEnglish Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 21.931 anonymen Paarvergleichen.GLM-5.2: Stilbereinigte Arena-Bewertung aus 14.493 anonymen Paarvergleichen.	1.445,287 95-%-Konfidenzintervall: ±5,383Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.479,42 95-%-Konfidenzintervall: ±6,007Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlEnglish Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 21.747 anonymen Paarvergleichen.GLM-5.2: Stilbereinigte Arena-Bewertung aus 14.493 anonymen Paarvergleichen.	1.449,894 95-%-Konfidenzintervall: ±5,421Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.479,42 95-%-Konfidenzintervall: ±6,007Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlEntertainment, sports and media Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 10.423 anonymen Paarvergleichen.GLM-5.2: Stilbereinigte Arena-Bewertung aus 8.237 anonymen Paarvergleichen.	1.405,349 95-%-Konfidenzintervall: ±7,122Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.441,6 95-%-Konfidenzintervall: ±7,595Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlEntertainment, sports and media Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 10.655 anonymen Paarvergleichen.GLM-5.2: Stilbereinigte Arena-Bewertung aus 8.237 anonymen Paarvergleichen.	1.406,152 95-%-Konfidenzintervall: ±7,06Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.441,6 95-%-Konfidenzintervall: ±7,595Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlExcluding ties Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 36.983 anonymen Paarvergleichen.GLM-5.2: Stilbereinigte Arena-Bewertung aus 25.084 anonymen Paarvergleichen.	1.431,271 95-%-Konfidenzintervall: ±5,416Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.480,216 95-%-Konfidenzintervall: ±6,156Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlExcluding ties Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 37.039 anonymen Paarvergleichen.GLM-5.2: Stilbereinigte Arena-Bewertung aus 25.084 anonymen Paarvergleichen.	1.435,7 95-%-Konfidenzintervall: ±5,462Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.480,216 95-%-Konfidenzintervall: ±6,156Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlExpert prompts Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 4.904 anonymen Paarvergleichen.GLM-5.2: Stilbereinigte Arena-Bewertung aus 3.611 anonymen Paarvergleichen.	1.458,425 95-%-Konfidenzintervall: ±9,147Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.490,497 95-%-Konfidenzintervall: ±10,359Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlExpert prompts Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 4.907 anonymen Paarvergleichen.GLM-5.2: Stilbereinigte Arena-Bewertung aus 3.611 anonymen Paarvergleichen.	1.467,744 95-%-Konfidenzintervall: ±9,211Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.490,497 95-%-Konfidenzintervall: ±10,359Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlFrench Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 1.909 anonymen Paarvergleichen.GLM-5.2: Stilbereinigte Arena-Bewertung aus 1.218 anonymen Paarvergleichen.	1.444,246 95-%-Konfidenzintervall: ±15,542Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.489,341 95-%-Konfidenzintervall: ±18,469Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlFrench Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 1.872 anonymen Paarvergleichen.GLM-5.2: Stilbereinigte Arena-Bewertung aus 1.218 anonymen Paarvergleichen.	1.457,512 95-%-Konfidenzintervall: ±15,76Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.489,341 95-%-Konfidenzintervall: ±18,469Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlGerman Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 834 anonymen Paarvergleichen.GLM-5.2: Stilbereinigte Arena-Bewertung aus 615 anonymen Paarvergleichen.	1.423,985 95-%-Konfidenzintervall: ±21,432Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.471,171 95-%-Konfidenzintervall: ±24,381Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlGerman Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 881 anonymen Paarvergleichen.GLM-5.2: Stilbereinigte Arena-Bewertung aus 615 anonymen Paarvergleichen.	1.434,001 95-%-Konfidenzintervall: ±20,992Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.471,171 95-%-Konfidenzintervall: ±24,381Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlHard prompts Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 32.576 anonymen Paarvergleichen.GLM-5.2: Stilbereinigte Arena-Bewertung aus 22.303 anonymen Paarvergleichen.	1.459,19 95-%-Konfidenzintervall: ±4,879Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.492,244 95-%-Konfidenzintervall: ±5,461Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlHard prompts Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 32.479 anonymen Paarvergleichen.GLM-5.2: Stilbereinigte Arena-Bewertung aus 22.303 anonymen Paarvergleichen.	1.458,492 95-%-Konfidenzintervall: ±4,934Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.492,244 95-%-Konfidenzintervall: ±5,461Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlHard prompts, English Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 15.327 anonymen Paarvergleichen.GLM-5.2: Stilbereinigte Arena-Bewertung aus 9.760 anonymen Paarvergleichen.	1.464,306 95-%-Konfidenzintervall: ±6,191Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.493,409 95-%-Konfidenzintervall: ±6,978Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlHard prompts, English Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 15.135 anonymen Paarvergleichen.GLM-5.2: Stilbereinigte Arena-Bewertung aus 9.760 anonymen Paarvergleichen.	1.465,194 95-%-Konfidenzintervall: ±6,261Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.493,409 95-%-Konfidenzintervall: ±6,978Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlInstruction following Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 16.772 anonymen Paarvergleichen.GLM-5.2: Stilbereinigte Arena-Bewertung aus 11.818 anonymen Paarvergleichen.	1.428,139 95-%-Konfidenzintervall: ±5,955Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.465,971 95-%-Konfidenzintervall: ±6,527Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlInstruction following Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 16.813 anonymen Paarvergleichen.GLM-5.2: Stilbereinigte Arena-Bewertung aus 11.818 anonymen Paarvergleichen.	1.433,908 95-%-Konfidenzintervall: ±6,024Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.465,971 95-%-Konfidenzintervall: ±6,527Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlJapanese Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 633 anonymen Paarvergleichen.GLM-5.2: Stilbereinigte Arena-Bewertung aus 500 anonymen Paarvergleichen.	1.397,389 95-%-Konfidenzintervall: ±25,351Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.452,789 95-%-Konfidenzintervall: ±28,439Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlJapanese Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 600 anonymen Paarvergleichen.GLM-5.2: Stilbereinigte Arena-Bewertung aus 500 anonymen Paarvergleichen.	1.422,217 95-%-Konfidenzintervall: ±25,99Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.452,789 95-%-Konfidenzintervall: ±28,439Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlKorean Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 867 anonymen Paarvergleichen.GLM-5.2: Stilbereinigte Arena-Bewertung aus 679 anonymen Paarvergleichen.	1.394,225 95-%-Konfidenzintervall: ±21,434Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.437,093 95-%-Konfidenzintervall: ±23,495Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlKorean Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 909 anonymen Paarvergleichen.GLM-5.2: Stilbereinigte Arena-Bewertung aus 679 anonymen Paarvergleichen.	1.374,943 95-%-Konfidenzintervall: ±21,551Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.437,093 95-%-Konfidenzintervall: ±23,495Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlLegal and government Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 3.892 anonymen Paarvergleichen.GLM-5.2: Stilbereinigte Arena-Bewertung aus 2.729 anonymen Paarvergleichen.	1.449,174 95-%-Konfidenzintervall: ±10,185Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.480,415 95-%-Konfidenzintervall: ±11,911Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlLegal and government Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 3.872 anonymen Paarvergleichen.GLM-5.2: Stilbereinigte Arena-Bewertung aus 2.729 anonymen Paarvergleichen.	1.459,091 95-%-Konfidenzintervall: ±10,242Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.480,415 95-%-Konfidenzintervall: ±11,911Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlLife, physical and social science Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 7.776 anonymen Paarvergleichen.GLM-5.2: Stilbereinigte Arena-Bewertung aus 5.513 anonymen Paarvergleichen.	1.458,608 95-%-Konfidenzintervall: ±7,61Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.490,799 95-%-Konfidenzintervall: ±8,502Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlLife, physical and social science Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 7.968 anonymen Paarvergleichen.GLM-5.2: Stilbereinigte Arena-Bewertung aus 5.513 anonymen Paarvergleichen.	1.460,882 95-%-Konfidenzintervall: ±7,588Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.490,799 95-%-Konfidenzintervall: ±8,502Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlLonger queries Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 21.561 anonymen Paarvergleichen.GLM-5.2: Stilbereinigte Arena-Bewertung aus 15.559 anonymen Paarvergleichen.	1.448,456 95-%-Konfidenzintervall: ±5,733Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.482,088 95-%-Konfidenzintervall: ±6,173Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026