Direktvergleich
DeepSeek-V4-Flash vs. Kimi K2.6
Veröffentlichte Benchmarkwerte aus derselben Version und Vergleichskohorte, API-Preise und technische Eckdaten. Unterschiedliche Testeinstellungen werden sichtbar ausgewiesen.
61
gemeinsame Messreihen
2
verschiedene Benchmarks
16.08.2026
jüngster Abruf
Modellauswahl ändern
Steckbrief und Kosten
Allgemeine Daten und Standard-API-Preise
Nicht veröffentlichte Parameterzahlen oder Wissensstände bleiben als solche markiert. Die Tabelle zeigt direkte Standardtarife pro Token einschließlich hinterlegter Kontextstufen. Batch, Fast, Priority, regionale Aufschläge, Toolaufrufe und Cloudpreise sind nicht eingerechnet.
| Merkmal | DeepSeek-V4-Flash | Kimi K2.6 |
|---|---|---|
| Anbieter | DeepSeek | Moonshot AI |
| Erschienen | 24. Apr. 2026 | 20. Apr. 2026 |
| Verfügbarkeit | Preview | Aktiv |
| Modelltyp | Open Weights | Open Weights |
| Parameter | 284 Mrd., 13 Mrd. aktiv | 1 Billionen, 32 Mrd. aktiv |
| Architektur | Mixture of Experts | Mixture of Experts |
| Kontextfenster | 1.000.000 Token | 262.144 Token |
| Wissensstand | Nicht veröffentlicht | Nicht veröffentlicht |
| Technische Quellen | Modell | Modell, Kontext |
| API-Preise pro 1 Mio. Token | ||
| API-Eingabe | 0,14 $ | 0,95 $ |
| API-Ausgabe | 0,28 $ | 4 $ |
| Cache lesen | 0, $ | 0,16 $ |
| Cache schreiben (5 Min.) | Nicht ausgewiesen | Nicht ausgewiesen |
| Cache schreiben (1 Std.) | Nicht ausgewiesen | Nicht ausgewiesen |
| Preis geprüft | 30.07.2026Quelle | 30.07.2026Quelle |
DeepSeek-V4-FlashKimi K2.6
API-EingabeUSD pro 1 Mio. Token, Basistarif
DeepSeek-V4-Flash0,14 $Günstiger
Kimi K2.60,95 $
API-AusgabeUSD pro 1 Mio. Token, Basistarif
DeepSeek-V4-Flash0,28 $Günstiger
Kimi K2.64 $
Cache lesenUSD pro 1 Mio. Token, Basistarif
DeepSeek-V4-Flash0,003 $Günstiger
Kimi K2.60,16 $
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.
61 gemeinsame Messreihen
DeepSeek-V4-FlashKimi K2.6
Arena Text, Style ControlOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
DeepSeek-V4-Flash1.435,476 Arena-Punkte
Kimi K2.61.460,66 Arena-PunkteGewinner
CyberBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
DeepSeek-V4-Flash66,716 %
Kimi K2.674,351 %Gewinner
Arena Text, Style ControlOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
DeepSeek-V4-Flash1.438,304 Arena-Punkte
Kimi K2.61.460,66 Arena-PunkteHöherer Messwert
CyberBenchPatch. Mehr ist besser. Kein dokumentierter Setup-Unterschied
DeepSeek-V4-Flash72,414 %Gewinner
Kimi K2.671,429 %
Arena Text, Style ControlBusiness, management and finance. Mehr ist besser. Kein dokumentierter Setup-Unterschied
DeepSeek-V4-Flash1.437,217 Arena-Punkte
Kimi K2.61.455,84 Arena-PunkteGewinner
CyberBenchPoC. Mehr ist besser. Kein dokumentierter Setup-Unterschied
DeepSeek-V4-Flash61,017 %
Kimi K2.677,273 %Gewinner
Arena Text, Style ControlBusiness, management and finance. Mehr ist besser. Testaufbau nicht identisch dokumentiert
DeepSeek-V4-Flash1.435,23 Arena-Punkte
Kimi K2.61.455,84 Arena-PunkteHöherer Messwert
Arena Text, Style ControlChinese. Mehr ist besser. Kein dokumentierter Setup-Unterschied
DeepSeek-V4-Flash1.474,544 Arena-Punkte
Kimi K2.61.528,629 Arena-PunkteGewinner
Arena Text, Style ControlChinese. Mehr ist besser. Testaufbau nicht identisch dokumentiert
DeepSeek-V4-Flash1.481,177 Arena-Punkte
Kimi K2.61.528,629 Arena-PunkteHöherer Messwert
Arena Text, Style ControlCoding. Mehr ist besser. Kein dokumentierter Setup-Unterschied
DeepSeek-V4-Flash1.483,133 Arena-Punkte
Kimi K2.61.514,401 Arena-PunkteGewinner
Arena Text, Style ControlCoding. Mehr ist besser. Testaufbau nicht identisch dokumentiert
DeepSeek-V4-Flash1.479,521 Arena-Punkte
Kimi K2.61.514,401 Arena-PunkteHöherer Messwert
Arena Text, Style ControlCreative writing. Mehr ist besser. Kein dokumentierter Setup-Unterschied
DeepSeek-V4-Flash1.407,934 Arena-Punkte
Kimi K2.61.430,689 Arena-PunkteGewinner
| Benchmark und Aufgabe | DeepSeek-V4-Flash | Kimi K2.6 | Vergleichbarkeit | Quelle |
|---|---|---|---|---|
| Arena Text, Style ControlOverall | 1.435,476 Arena-Punkte 95-%-Konfidenzintervall: ±4,153Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.460,66 Arena-PunkteGewinner 95-%-Konfidenzintervall: ±4,541Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:overallKein dokumentierter Setup-UnterschiedSieger: Kimi K2.6DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 49.096 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 37.619 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| CyberBenchOverall | 66,716 % | 74,351 %Gewinner | 1accuracyMehr ist besserKohorte: vals-cyberbench:1:overallKein dokumentierter Setup-UnterschiedSieger: Kimi K2.6DeepSeek-V4-Flash: Keine weiteren Einstellungen ausgewiesen Kimi K2.6: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 03.08.2026Import-ID: vals-cyber-2026-08-16-702acaee9aa9Abgerufen am 16.08.2026 |
| Arena Text, Style ControlOverall | 1.438,304 Arena-Punkte 95-%-Konfidenzintervall: ±4,22Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.460,66 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±4,541Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:overallTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 48.789 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 37.619 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| CyberBenchPatch | 72,414 %Gewinner | 71,429 % | 1accuracyMehr ist besserKohorte: vals-cyberbench:1:patchKein dokumentierter Setup-UnterschiedSieger: DeepSeek-V4-FlashDeepSeek-V4-Flash: Keine weiteren Einstellungen ausgewiesen Kimi K2.6: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 03.08.2026Import-ID: vals-cyber-2026-08-11-1f20498a3dc1Abgerufen am 11.08.2026 |
| Arena Text, Style ControlBusiness, management and finance | 1.437,217 Arena-Punkte 95-%-Konfidenzintervall: ±7,157Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.455,84 Arena-PunkteGewinner 95-%-Konfidenzintervall: ±7,75Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:industry_business_and_management_and_financial_operationsKein dokumentierter Setup-UnterschiedSieger: Kimi K2.6DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 9.916 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 7.491 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| CyberBenchPoC | 61,017 % | 77,273 %Gewinner | 1accuracyMehr ist besserKohorte: vals-cyberbench:1:pocKein dokumentierter Setup-UnterschiedSieger: Kimi K2.6DeepSeek-V4-Flash: Keine weiteren Einstellungen ausgewiesen Kimi K2.6: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 03.08.2026Import-ID: vals-cyber-2026-08-11-1f20498a3dc1Abgerufen am 11.08.2026 |
| Arena Text, Style ControlBusiness, management and finance | 1.435,23 Arena-Punkte 95-%-Konfidenzintervall: ±7,178Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.455,84 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±7,75Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:industry_business_and_management_and_financial_operationsTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 10.055 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 7.491 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlChinese | 1.474,544 Arena-Punkte 95-%-Konfidenzintervall: ±12,686Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.528,629 Arena-PunkteGewinner 95-%-Konfidenzintervall: ±14,481Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:chineseKein dokumentierter Setup-UnterschiedSieger: Kimi K2.6DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 2.557 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 1.908 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlChinese | 1.481,177 Arena-Punkte 95-%-Konfidenzintervall: ±12,66Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.528,629 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±14,481Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:chineseTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 2.529 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 1.908 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlCoding | 1.483,133 Arena-Punkte 95-%-Konfidenzintervall: ±6,395Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.514,401 Arena-PunkteGewinner 95-%-Konfidenzintervall: ±7,07Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:codingKein dokumentierter Setup-UnterschiedSieger: Kimi K2.6DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 14.397 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 10.431 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlCoding | 1.479,521 Arena-Punkte 95-%-Konfidenzintervall: ±6,432Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.514,401 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±7,07Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:codingTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 14.353 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 10.431 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlCreative writing | 1.407,934 Arena-Punkte 95-%-Konfidenzintervall: ±7,787Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.430,689 Arena-PunkteGewinner 95-%-Konfidenzintervall: ±8,518Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:creative_writingKein dokumentierter Setup-UnterschiedSieger: Kimi K2.6DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 7.974 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 5.842 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlCreative writing | 1.408,648 Arena-Punkte 95-%-Konfidenzintervall: ±7,808Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.430,689 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±8,518Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:creative_writingTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 8.019 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 5.842 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlEnglish | 1.445,34 Arena-Punkte 95-%-Konfidenzintervall: ±5,378Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.467,843 Arena-PunkteGewinner 95-%-Konfidenzintervall: ±5,736Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:englishKein dokumentierter Setup-UnterschiedSieger: Kimi K2.6DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 21.994 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 17.221 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlEnglish | 1.450,015 Arena-Punkte 95-%-Konfidenzintervall: ±5,421Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.467,843 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±5,736Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:englishTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 21.774 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 17.221 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlEntertainment, sports and media | 1.405,522 Arena-Punkte 95-%-Konfidenzintervall: ±7,152Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.427,222 Arena-PunkteGewinner 95-%-Konfidenzintervall: ±7,785Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:industry_entertainment_and_sports_and_mediaKein dokumentierter Setup-UnterschiedSieger: Kimi K2.6DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 10.453 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 7.636 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlEntertainment, sports and media | 1.405,113 Arena-Punkte 95-%-Konfidenzintervall: ±7,086Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.427,222 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±7,785Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:industry_entertainment_and_sports_and_mediaTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 10.654 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 7.636 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlExcluding ties | 1.430,81 Arena-Punkte 95-%-Konfidenzintervall: ±5,433Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.464,273 Arena-PunkteGewinner 95-%-Konfidenzintervall: ±5,939Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:exclude_tiesKein dokumentierter Setup-UnterschiedSieger: Kimi K2.6DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 37.067 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 27.838 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlExcluding ties | 1.435,522 Arena-Punkte 95-%-Konfidenzintervall: ±5,476Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.464,273 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±5,939Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:exclude_tiesTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 37.085 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 27.838 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlExpert prompts | 1.458,397 Arena-Punkte 95-%-Konfidenzintervall: ±9,185Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.501,859 Arena-PunkteGewinner 95-%-Konfidenzintervall: ±10,394Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:expertKein dokumentierter Setup-UnterschiedSieger: Kimi K2.6DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 4.926 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 3.522 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlExpert prompts | 1.467,529 Arena-Punkte 95-%-Konfidenzintervall: ±9,251Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.501,859 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±10,394Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:expertTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 4.924 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 3.522 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlFrench | 1.445,102 Arena-Punkte 95-%-Konfidenzintervall: ±15,765Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.475,394 Arena-PunkteKein klarer Vorsprung 95-%-Konfidenzintervall: ±17,26Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:frenchKein dokumentierter Setup-UnterschiedKein klarer VorsprungDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 1.916 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 1.513 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlFrench | 1.458,295 Arena-Punkte 95-%-Konfidenzintervall: ±15,946Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.475,394 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±17,26Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:frenchTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 1.884 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 1.513 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlGerman | 1.423,659 Arena-Punkte 95-%-Konfidenzintervall: ±21,582Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.457,562 Arena-PunkteKein klarer Vorsprung 95-%-Konfidenzintervall: ±21,777Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:germanKein dokumentierter Setup-UnterschiedKein klarer VorsprungDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 833 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 734 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlGerman | 1.435,281 Arena-Punkte 95-%-Konfidenzintervall: ±21,205Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.457,562 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±21,777Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:germanTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 872 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 734 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlHard prompts | 1.459,153 Arena-Punkte 95-%-Konfidenzintervall: ±4,892Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.484,734 Arena-PunkteGewinner 95-%-Konfidenzintervall: ±5,303Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:hard_promptsKein dokumentierter Setup-UnterschiedSieger: Kimi K2.6DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 32.675 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 24.365 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlHard prompts | 1.458,18 Arena-Punkte 95-%-Konfidenzintervall: ±4,95Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.484,734 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±5,303Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:hard_promptsTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 32.535 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 24.365 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlHard prompts, English | 1.464,017 Arena-Punkte 95-%-Konfidenzintervall: ±6,178Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.486,948 Arena-PunkteGewinner 95-%-Konfidenzintervall: ±6,66Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:hard_prompts_englishKein dokumentierter Setup-UnterschiedSieger: Kimi K2.6DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 15.382 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 11.774 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlHard prompts, English | 1.464,963 Arena-Punkte 95-%-Konfidenzintervall: ±6,257Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.486,948 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±6,66Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:hard_prompts_englishTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 15.145 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 11.774 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlInstruction following | 1.428,017 Arena-Punkte 95-%-Konfidenzintervall: ±5,969Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.454,014 Arena-PunkteGewinner 95-%-Konfidenzintervall: ±6,49Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:instruction_followingKein dokumentierter Setup-UnterschiedSieger: Kimi K2.6DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 16.832 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 12.258 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlInstruction following | 1.434,165 Arena-Punkte 95-%-Konfidenzintervall: ±6,039Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.454,014 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±6,49Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:instruction_followingTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 16.841 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 12.258 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlJapanese | 1.396,126 Arena-Punkte 95-%-Konfidenzintervall: ±25,789Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.443,584 Arena-PunkteKein klarer Vorsprung 95-%-Konfidenzintervall: ±29,349Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:japaneseKein dokumentierter Setup-UnterschiedKein klarer VorsprungDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 628 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 470 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlJapanese | 1.418,789 Arena-Punkte 95-%-Konfidenzintervall: ±26,437Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.443,584 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±29,349Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:japaneseTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 595 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 470 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlKorean | 1.393,857 Arena-Punkte 95-%-Konfidenzintervall: ±21,517Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.421,59 Arena-PunkteKein klarer Vorsprung 95-%-Konfidenzintervall: ±23,167Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:koreanKein dokumentierter Setup-UnterschiedKein klarer VorsprungDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 869 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 713 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlKorean | 1.375,542 Arena-Punkte 95-%-Konfidenzintervall: ±21,534Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.421,59 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±23,167Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:koreanTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 919 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 713 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlLegal and government | 1.448,527 Arena-Punkte 95-%-Konfidenzintervall: ±10,217Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.462,026 Arena-PunkteKein klarer Vorsprung 95-%-Konfidenzintervall: ±11,476Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:industry_legal_and_governmentKein dokumentierter Setup-UnterschiedKein klarer VorsprungDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 3.907 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 2.850 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlLegal and government | 1.458,238 Arena-Punkte 95-%-Konfidenzintervall: ±10,278Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.462,026 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±11,476Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:industry_legal_and_governmentTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 3.876 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 2.850 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlLife, physical and social science | 1.458,241 Arena-Punkte 95-%-Konfidenzintervall: ±7,633Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.477,444 Arena-PunkteGewinner 95-%-Konfidenzintervall: ±8,153Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:industry_life_and_physical_and_social_scienceKein dokumentierter Setup-UnterschiedSieger: Kimi K2.6DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 7.812 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 6.236 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlLife, physical and social science | 1.461,582 Arena-Punkte 95-%-Konfidenzintervall: ±7,609Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.477,444 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±8,153Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:industry_life_and_physical_and_social_scienceTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 7.985 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 6.236 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlLonger queries | 1.448,126 Arena-Punkte 95-%-Konfidenzintervall: ±5,746Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.475,799 Arena-PunkteGewinner 95-%-Konfidenzintervall: ±6,256Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:longer_queryKein dokumentierter Setup-UnterschiedSieger: Kimi K2.6DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 21.643 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 15.575 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlLonger queries | 1.449,175 Arena-Punkte 95-%-Konfidenzintervall: ±5,755Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.475,799 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±6,256Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:longer_queryTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 21.682 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 15.575 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlMath | 1.425,263 Arena-Punkte 95-%-Konfidenzintervall: ±12,232Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.478,129 Arena-PunkteGewinner 95-%-Konfidenzintervall: ±13,518Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:mathKein dokumentierter Setup-UnterschiedSieger: Kimi K2.6DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 2.516 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 1.936 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlMath | 1.440,663 Arena-Punkte 95-%-Konfidenzintervall: ±12,368Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.478,129 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±13,518Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:mathTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 2.448 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 1.936 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlMathematical professions | 1.431,855 Arena-Punkte 95-%-Konfidenzintervall: ±11,996Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.483,497 Arena-PunkteGewinner 95-%-Konfidenzintervall: ±13,415Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:industry_mathematicalKein dokumentierter Setup-UnterschiedSieger: Kimi K2.6DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 2.738 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 2.037 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlMathematical professions | 1.441,422 Arena-Punkte 95-%-Konfidenzintervall: ±12,404Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.483,497 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±13,415Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:industry_mathematicalTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 2.588 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 2.037 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlMedicine and healthcare | 1.459,52 Arena-Punkte 95-%-Konfidenzintervall: ±10,979Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.469,722 Arena-PunkteKein klarer Vorsprung 95-%-Konfidenzintervall: ±11,992Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:industry_medicine_and_healthcareKein dokumentierter Setup-UnterschiedKein klarer VorsprungDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 3.440 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 2.698 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlMedicine and healthcare | 1.463,011 Arena-Punkte 95-%-Konfidenzintervall: ±10,889Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.469,722 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±11,992Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:industry_medicine_and_healthcareTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 3.505 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 2.698 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlMulti-turn | 1.452,835 Arena-Punkte 95-%-Konfidenzintervall: ±7,482Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.459,873 Arena-PunkteKein klarer Vorsprung 95-%-Konfidenzintervall: ±8,189Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:multi_turnKein dokumentierter Setup-UnterschiedKein klarer VorsprungDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 8.848 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 6.580 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlMulti-turn | 1.446,059 Arena-Punkte 95-%-Konfidenzintervall: ±7,528Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.459,873 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±8,189Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:multi_turnTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 8.708 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 6.580 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlNon-English | 1.422,787 Arena-Punkte 95-%-Konfidenzintervall: ±5,078Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.449,21 Arena-PunkteGewinner 95-%-Konfidenzintervall: ±5,459Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:non_englishKein dokumentierter Setup-UnterschiedSieger: Kimi K2.6DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 27.100 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 20.398 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlNon-English | 1.422,674 Arena-Punkte 95-%-Konfidenzintervall: ±5,146Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.449,21 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±5,459Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:non_englishTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 27.013 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 20.398 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlPolish | 1.439,239 Arena-Punkte 95-%-Konfidenzintervall: ±18,981Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.443,581 Arena-PunkteKein klarer Vorsprung 95-%-Konfidenzintervall: ±21,339Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:polishKein dokumentierter Setup-UnterschiedKein klarer VorsprungDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 1.007 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 743 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlPolish | 1.429,767 Arena-Punkte 95-%-Konfidenzintervall: ±18,83Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.443,581 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±21,339Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:polishTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 1.019 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 743 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlRussian | 1.432,925 Arena-Punkte 95-%-Konfidenzintervall: ±8,941Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.452,611 Arena-PunkteGewinner 95-%-Konfidenzintervall: ±9,976Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:russianKein dokumentierter Setup-UnterschiedSieger: Kimi K2.6DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 5.272 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 3.829 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlRussian | 1.437,146 Arena-Punkte 95-%-Konfidenzintervall: ±9,061Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.452,611 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±9,976Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:russianTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 5.232 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 3.829 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlSoftware and IT services | 1.470,809 Arena-Punkte 95-%-Konfidenzintervall: ±5,639Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.503,06 Arena-PunkteGewinner 95-%-Konfidenzintervall: ±6,122Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:industry_software_and_it_servicesKein dokumentierter Setup-UnterschiedSieger: Kimi K2.6DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 20.180 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 15.084 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlSoftware and IT services | 1.473,269 Arena-Punkte 95-%-Konfidenzintervall: ±5,679Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.503,06 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±6,122Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:industry_software_and_it_servicesTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 20.086 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 15.084 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlSpanish | 1.432,449 Arena-Punkte 95-%-Konfidenzintervall: ±16,767Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.459,138 Arena-PunkteKein klarer Vorsprung 95-%-Konfidenzintervall: ±17,417Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:spanishKein dokumentierter Setup-UnterschiedKein klarer VorsprungDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 1.532 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 1.321 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlSpanish | 1.432,679 Arena-Punkte 95-%-Konfidenzintervall: ±17,246Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.459,138 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±17,417Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:spanishTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 1.427 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 1.321 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlWriting, literature and language | 1.418,104 Arena-Punkte 95-%-Konfidenzintervall: ±6,732Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.438,508 Arena-PunkteGewinner 95-%-Konfidenzintervall: ±7,261Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:industry_writing_and_literature_and_languageKein dokumentierter Setup-UnterschiedSieger: Kimi K2.6DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 11.766 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 8.871 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlWriting, literature and language | 1.421,414 Arena-Punkte 95-%-Konfidenzintervall: ±6,736Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.438,508 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±7,261Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:industry_writing_and_literature_and_languageTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 11.864 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 8.871 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
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.
Preise beziehen sich auf die offiziellen API-Tarife pro 1 Mio. Token. Web-Abos und Cloud-Aufschläge können davon abweichen.
Jeder Messwert verlinkt seine Messstelle und zeigt den Abrufstand. Je nach Kennzeichnung handelt es sich um eine Anbieterangabe, ein offizielles Benchmark-Leaderboard oder eine unabhängige Evaluation. Strittige oder archivierte Ergebnisse werden nicht verwendet.
Weitere Duelle
Ähnliche LLM-Vergleiche
Vergleiche DeepSeek-V4-Flash und Kimi K2.6 mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.
Zum vollständigen LLM-Vergleich