Direktvergleich

DeepSeek-V4-Flash vs. MiMo-V2.5

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

gemeinsame Messreihen: 58
verschiedene Benchmarks: 1
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 MiMo-V2.5
Merkmal	DeepSeek-V4-Flash	MiMo-V2.5
Anbieter	DeepSeek	Xiaomi
Erschienen	24. Apr. 2026	23. Apr. 2026
Verfügbarkeit	Preview	Open Source
Modelltyp	Open Weights	Open Weights
Parameter	284 Mrd., 13 Mrd. aktiv	Nicht veröffentlicht
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 MiMo-V2.5
Preisart	DeepSeek-V4-Flash	MiMo-V2.5
API-Eingabe	0,14 $	0,14 $
API-Ausgabe	0,28 $	0,28 $
Cache lesen	0, $	0, $
Cache schreiben (5 Min.)	Nicht ausgewiesen	Nicht ausgewiesen
Cache schreiben (1 Std.)	Nicht ausgewiesen	Nicht ausgewiesen
Preis geprüft	30.07.2026 Quelle	31.07.2026 Quelle

DeepSeek-V4-FlashMiMo-V2.5

API-EingabeUSD pro 1 Mio. Token, Basistarif

DeepSeek-V4-Flash0,14 $

MiMo-V2.50,14 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

DeepSeek-V4-Flash0,28 $

MiMo-V2.50,28 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

DeepSeek-V4-Flash0,003 $

MiMo-V2.50,003 $

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 MiMo-V2.5
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	0,176 $	0,528 $	Quelle06.09.2026
	AtlasCloud	Über OpenRouteratlas-cloud/fp4	0,44 $	1,32 $	Quelle06.09.2026
	Baidu	Über OpenRouterbaidu/fp8	0,05 $	0,1 $	Quelle06.09.2026
	BaseTen	Über OpenRouterbaseten/fp8#1	0,13 $	0,26 $	Quelle06.09.2026
	BaseTen	Über OpenRouterbaseten/fp8#2	0,13 $	0,26 $	Quelle06.09.2026
	Cloudflare	Über OpenRoutercloudflare	0,44 $	1,32 $	Quelle06.09.2026
	CoreWeave	Über OpenRoutercoreweave/fp8	0,13 $	0,28 $	Quelle06.09.2026
	DeepInfra	Über OpenRouterdeepinfra/fp8	0,06 $	0,18 $	Quelle06.09.2026
	DeepSeek	Über OpenRouterdeepseek	0,22 $	0,66 $	Quelle06.09.2026
	DigitalOcean	Über OpenRouterdigitalocean	0,08 $	0,252 $	Quelle06.09.2026
	Fireworks	Über OpenRouterfireworks	0,22 $	0,66 $	Quelle06.09.2026
	GMICloud	Über OpenRoutergmicloud/fp8	0,352 $	1,056 $	Quelle06.09.2026
	Inceptron	Über OpenRouterinceptron/fp4	0,13 $	0,28 $	Quelle06.09.2026
	Makora	Über OpenRoutermakora	0,09 $	0,195 $	Quelle06.09.2026
	Mancer 2	Über OpenRoutermancer/fp8	0,15 $	0,5 $	Quelle06.09.2026
	Morph	Über OpenRoutermorph/bf16	0,1234 $	0,3475 $	Quelle06.09.2026
	NextBit	Über OpenRouternextbit/fp8	0,4 $	1,2 $	Quelle06.09.2026
	Novita	Über OpenRouternovita/fp8	0,4092 $	1,2276 $	Quelle06.09.2026
	OpenInference	Über OpenRouteropen-inference/fp8	0,05 $	0,16 $	Quelle06.09.2026
	Parasail	Über OpenRouterparasail/fp8	0,14 $	0,28 $	Quelle06.09.2026
	Phala	Über OpenRouterphala	0,44 $	1,32 $	Quelle06.09.2026
	Reka	Über OpenRouterreka/fp4	0,11 $	0,66 $	Quelle06.09.2026
	Relace	Über OpenRouterrelace/fp4	Günstigster erfasster Preis: 0,045 $	Günstigster erfasster Preis: 0,09 $	Quelle06.09.2026
	Sail Research	Über OpenRoutersail-research/fp4	0,065 $	0,18 $	Quelle06.09.2026
	SiliconFlow	Über OpenRoutersiliconflow/fp8	0,22 $	0,66 $	Quelle06.09.2026
	StreamLake	Über OpenRouterstreamlake/fp8	0,088 $	0,264 $	Quelle06.09.2026
	Together	Über OpenRoutertogether	0,14 $	0,28 $	Quelle06.09.2026
	Venice	Über OpenRoutervenice	0,175 $	0,35 $	Quelle06.09.2026
	Wafer	Über OpenRouterwafer/fast	0,1 $	0,25 $	Quelle06.09.2026
MiMo-V2.5	Xiaomi	Direkt beim EntwicklerStandard-API	0,14 $	0,28 $	Quelle31.07.2026
	DeepInfra	Über OpenRouterdeepinfra/fp8	0,13 $	0,65 $	Quelle06.09.2026
	GMICloud	Über OpenRoutergmicloud/fp8	Günstigster erfasster Preis: 0,119 $	Günstigster erfasster Preis: 0,238 $	Quelle06.09.2026
	Novita	Über OpenRouternovita/fp8	0,168 $	0,336 $	Quelle06.09.2026
	StreamLake	Über OpenRouterstreamlake	0,168 $	0,336 $	Quelle06.09.2026
	Xiaomi	Über OpenRouterxiaomi/fp8	0,14 $	0,28 $	Quelle06.09.2026

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.

DeepSeek-V4-Flash

MiMo-V2.5

Coding: 99,5 / 100 (1 Benchmarkfamilie)

Reasoning: 99,4 / 100 (1 Benchmarkfamilie)

Mathematik: 98,7 / 100 (1 Benchmarkfamilie)

Wissen: 99,7 / 100 (1 Benchmarkfamilie)

Finanzen: 99,7 / 100 (1 Benchmarkfamilie)

Recht: 100 / 98,5 (1 Benchmarkfamilie)

Gesundheit: 100 / 99,2 (1 Benchmarkfamilie)

Allgemein: 99,9 / 99,2 (1 Benchmarkfamilie)

29 passende Messreihen aus 1 Benchmarkfamilien wurden berücksichtigt. Das Radar zeigt 8 von 8 vergleichbaren Kategorien.

DeepSeek-V4-FlashMiMo-V2.5

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

DeepSeek-V4-Flash1.435,816

MiMo-V2.51.433,798

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

DeepSeek-V4-Flash1.438,462

MiMo-V2.51.433,798

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

DeepSeek-V4-Flash1.437,854

MiMo-V2.51.441,542

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

DeepSeek-V4-Flash1.434,968

MiMo-V2.51.441,542

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

DeepSeek-V4-Flash1.472,677

MiMo-V2.51.483,45

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

DeepSeek-V4-Flash1.479,62

MiMo-V2.51.483,45

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

DeepSeek-V4-Flash1.483,101

MiMo-V2.51.491,02

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

DeepSeek-V4-Flash1.479,449

MiMo-V2.51.491,02

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

DeepSeek-V4-Flash1.408,18

MiMo-V2.51.392,817

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

DeepSeek-V4-Flash1.408,903

MiMo-V2.51.392,817

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

DeepSeek-V4-Flash1.445,287

MiMo-V2.51.452,388

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

DeepSeek-V4-Flash1.449,894

MiMo-V2.51.452,388

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 MiMo-V2.5 mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich

Benchmarkwerte von DeepSeek-V4-Flash und MiMo-V2.5
Benchmark und Aufgabe	DeepSeek-V4-Flash	MiMo-V2.5	Quelle
LMArena Text, Style ControlOverall Testdetails Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control MiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 48.963 anonymen Paarvergleichen.MiMo-V2.5: Stilbereinigte Arena-Bewertung aus 44.540 anonymen Paarvergleichen.	Kein klarer Vorsprung1.435,816 95-%-Konfidenzintervall: ±4,15Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.433,798 95-%-Konfidenzintervall: ±4,342Der 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 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 MiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 48.705 anonymen Paarvergleichen.MiMo-V2.5: Stilbereinigte Arena-Bewertung aus 44.540 anonymen Paarvergleichen.	Höherer Messwert1.438,462 95-%-Konfidenzintervall: ±4,21Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.433,798 95-%-Konfidenzintervall: ±4,342Der 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 Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control MiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 9.911 anonymen Paarvergleichen.MiMo-V2.5: Stilbereinigte Arena-Bewertung aus 9.127 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.	Kein klarer Vorsprung1.441,542 95-%-Konfidenzintervall: ±7,42Der 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 MiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 10.060 anonymen Paarvergleichen.MiMo-V2.5: Stilbereinigte Arena-Bewertung aus 9.127 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 Messwert1.441,542 95-%-Konfidenzintervall: ±7,42Der 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 Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control MiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 2.530 anonymen Paarvergleichen.MiMo-V2.5: Stilbereinigte Arena-Bewertung aus 2.140 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.	Kein klarer Vorsprung1.483,45 95-%-Konfidenzintervall: ±13,352Der 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 MiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 2.509 anonymen Paarvergleichen.MiMo-V2.5: Stilbereinigte Arena-Bewertung aus 2.140 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 Messwert1.483,45 95-%-Konfidenzintervall: ±13,352Der 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 Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control MiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 14.346 anonymen Paarvergleichen.MiMo-V2.5: Stilbereinigte Arena-Bewertung aus 12.854 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.	Kein klarer Vorsprung1.491,02 95-%-Konfidenzintervall: ±6,676Der 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 MiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 14.310 anonymen Paarvergleichen.MiMo-V2.5: Stilbereinigte Arena-Bewertung aus 12.854 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 Messwert1.491,02 95-%-Konfidenzintervall: ±6,676Der 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 Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control MiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 7.972 anonymen Paarvergleichen.MiMo-V2.5: Stilbereinigte Arena-Bewertung aus 7.343 anonymen Paarvergleichen.	Kein klarer Vorsprung1.408,18 95-%-Konfidenzintervall: ±7,747Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.392,817 95-%-Konfidenzintervall: ±8,004Der 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 MiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 8.029 anonymen Paarvergleichen.MiMo-V2.5: Stilbereinigte Arena-Bewertung aus 7.343 anonymen Paarvergleichen.	Höherer Messwert1.408,903 95-%-Konfidenzintervall: ±7,781Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.392,817 95-%-Konfidenzintervall: ±8,004Der 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 Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control MiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 21.931 anonymen Paarvergleichen.MiMo-V2.5: Stilbereinigte Arena-Bewertung aus 20.213 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.	Kein klarer Vorsprung1.452,388 95-%-Konfidenzintervall: ±5,607Der 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 MiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 21.747 anonymen Paarvergleichen.MiMo-V2.5: Stilbereinigte Arena-Bewertung aus 20.213 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 Messwert1.452,388 95-%-Konfidenzintervall: ±5,607Der 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 Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control MiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 10.423 anonymen Paarvergleichen.MiMo-V2.5: Stilbereinigte Arena-Bewertung aus 9.698 anonymen Paarvergleichen.	Kein klarer Vorsprung1.405,349 95-%-Konfidenzintervall: ±7,122Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.401,59 95-%-Konfidenzintervall: ±7,383Der 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 MiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 10.655 anonymen Paarvergleichen.MiMo-V2.5: Stilbereinigte Arena-Bewertung aus 9.698 anonymen Paarvergleichen.	Höherer Messwert1.406,152 95-%-Konfidenzintervall: ±7,06Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.401,59 95-%-Konfidenzintervall: ±7,383Der 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 Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control MiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 36.983 anonymen Paarvergleichen.MiMo-V2.5: Stilbereinigte Arena-Bewertung aus 34.136 anonymen Paarvergleichen.	Kein klarer Vorsprung1.431,271 95-%-Konfidenzintervall: ±5,416Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.427,481 95-%-Konfidenzintervall: ±5,599Der 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 MiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 37.039 anonymen Paarvergleichen.MiMo-V2.5: Stilbereinigte Arena-Bewertung aus 34.136 anonymen Paarvergleichen.	Höherer Messwert1.435,7 95-%-Konfidenzintervall: ±5,462Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.427,481 95-%-Konfidenzintervall: ±5,599Der 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 Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control MiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 4.904 anonymen Paarvergleichen.MiMo-V2.5: Stilbereinigte Arena-Bewertung aus 4.401 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.	Kein klarer Vorsprung1.474,263 95-%-Konfidenzintervall: ±9,645Der 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 MiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 4.907 anonymen Paarvergleichen.MiMo-V2.5: Stilbereinigte Arena-Bewertung aus 4.401 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 Messwert1.474,263 95-%-Konfidenzintervall: ±9,645Der 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 Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control MiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 1.909 anonymen Paarvergleichen.MiMo-V2.5: Stilbereinigte Arena-Bewertung aus 1.754 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.	Kein klarer Vorsprung1.454,676 95-%-Konfidenzintervall: ±16,333Der 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 MiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 1.872 anonymen Paarvergleichen.MiMo-V2.5: Stilbereinigte Arena-Bewertung aus 1.754 anonymen Paarvergleichen.	Höherer Messwert1.457,512 95-%-Konfidenzintervall: ±15,76Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.454,676 95-%-Konfidenzintervall: ±16,333Der 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 Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control MiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 834 anonymen Paarvergleichen.MiMo-V2.5: Stilbereinigte Arena-Bewertung aus 759 anonymen Paarvergleichen.	Kein klarer Vorsprung1.423,985 95-%-Konfidenzintervall: ±21,432Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.421,467 95-%-Konfidenzintervall: ±22,574Der 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 MiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 881 anonymen Paarvergleichen.MiMo-V2.5: Stilbereinigte Arena-Bewertung aus 759 anonymen Paarvergleichen.	Höherer Messwert1.434,001 95-%-Konfidenzintervall: ±20,992Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.421,467 95-%-Konfidenzintervall: ±22,574Der 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 Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control MiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 32.576 anonymen Paarvergleichen.MiMo-V2.5: Stilbereinigte Arena-Bewertung aus 29.811 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.	Kein klarer Vorsprung1.461,799 95-%-Konfidenzintervall: ±5,088Der 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 MiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 32.479 anonymen Paarvergleichen.MiMo-V2.5: Stilbereinigte Arena-Bewertung aus 29.811 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 Messwert1.461,799 95-%-Konfidenzintervall: ±5,088Der 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 Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control MiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 15.327 anonymen Paarvergleichen.MiMo-V2.5: Stilbereinigte Arena-Bewertung aus 14.215 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.	Kein klarer Vorsprung1.471,581 95-%-Konfidenzintervall: ±6,423Der 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 MiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 15.135 anonymen Paarvergleichen.MiMo-V2.5: Stilbereinigte Arena-Bewertung aus 14.215 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 Messwert1.471,581 95-%-Konfidenzintervall: ±6,423Der 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 Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control MiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 16.772 anonymen Paarvergleichen.MiMo-V2.5: Stilbereinigte Arena-Bewertung aus 14.987 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.	Kein klarer Vorsprung1.431,463 95-%-Konfidenzintervall: ±6,27Der 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 MiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 16.813 anonymen Paarvergleichen.MiMo-V2.5: Stilbereinigte Arena-Bewertung aus 14.987 anonymen Paarvergleichen.	Höherer Messwert1.433,908 95-%-Konfidenzintervall: ±6,024Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.431,463 95-%-Konfidenzintervall: ±6,27Der 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 Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control MiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 633 anonymen Paarvergleichen.MiMo-V2.5: Stilbereinigte Arena-Bewertung aus 513 anonymen Paarvergleichen.	Gewinner1.397,389 95-%-Konfidenzintervall: ±25,351Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.321,271 95-%-Konfidenzintervall: ±28,629Der 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 MiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 600 anonymen Paarvergleichen.MiMo-V2.5: Stilbereinigte Arena-Bewertung aus 513 anonymen Paarvergleichen.	Höherer Messwert1.422,217 95-%-Konfidenzintervall: ±25,99Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.321,271 95-%-Konfidenzintervall: ±28,629Der 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 Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control MiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 867 anonymen Paarvergleichen.MiMo-V2.5: Stilbereinigte Arena-Bewertung aus 784 anonymen Paarvergleichen.	Kein klarer Vorsprung1.394,225 95-%-Konfidenzintervall: ±21,434Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.373,664 95-%-Konfidenzintervall: ±22,433Der 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 MiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 909 anonymen Paarvergleichen.MiMo-V2.5: Stilbereinigte Arena-Bewertung aus 784 anonymen Paarvergleichen.	Höherer Messwert1.374,943 95-%-Konfidenzintervall: ±21,551Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.373,664 95-%-Konfidenzintervall: ±22,433Der 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 Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control MiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 3.892 anonymen Paarvergleichen.MiMo-V2.5: Stilbereinigte Arena-Bewertung aus 3.566 anonymen Paarvergleichen.	Gewinner1.449,174 95-%-Konfidenzintervall: ±10,185Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.427,361 95-%-Konfidenzintervall: ±10,778Der 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 MiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 3.872 anonymen Paarvergleichen.MiMo-V2.5: Stilbereinigte Arena-Bewertung aus 3.566 anonymen Paarvergleichen.	Höherer Messwert1.459,091 95-%-Konfidenzintervall: ±10,242Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.427,361 95-%-Konfidenzintervall: ±10,778Der 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 Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control MiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 7.776 anonymen Paarvergleichen.MiMo-V2.5: Stilbereinigte Arena-Bewertung aus 7.207 anonymen Paarvergleichen.	Kein klarer Vorsprung1.458,608 95-%-Konfidenzintervall: ±7,61Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.452,891 95-%-Konfidenzintervall: ±7,882Der 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 MiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 7.968 anonymen Paarvergleichen.MiMo-V2.5: Stilbereinigte Arena-Bewertung aus 7.207 anonymen Paarvergleichen.	Höherer Messwert1.460,882 95-%-Konfidenzintervall: ±7,588Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.452,891 95-%-Konfidenzintervall: ±7,882Der 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 Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control MiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 21.561 anonymen Paarvergleichen.MiMo-V2.5: Stilbereinigte Arena-Bewertung aus 19.717 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.	Kein klarer Vorsprung1.452,091 95-%-Konfidenzintervall: ±5,953Der 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-high-preview, Reasoning: high, Harness: Arena text, style control MiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 21.664 anonymen Paarvergleichen.MiMo-V2.5: Stilbereinigte Arena-Bewertung aus 19.717 anonymen Paarvergleichen.	1.449,036 95-%-Konfidenzintervall: ±5,731Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.452,091 95-%-Konfidenzintervall: ±5,953Der 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 ControlMath Testdetails Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style control MiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 2.516 anonymen Paarvergleichen.MiMo-V2.5: Stilbereinigte Arena-Bewertung aus 2.327 anonymen Paarvergleichen.	1.425,091 95-%-Konfidenzintervall: ±12,209Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Kein klarer Vorsprung1.440,393 95-%-Konfidenzintervall: ±12,473Der 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 ControlMath 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 MiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style controlDeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 2.459 anonymen Paarvergleichen.MiMo-V2.5: Stilbereinigte Arena-Bewertung aus 2.327 anonymen Paarvergleichen.	Höherer Messwert1.441,301 95-%-Konfidenzintervall: ±12,311Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.440,393 95-%-Konfidenzintervall: ±12,473Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026