Direktvergleich
DeepSeek-V4-Pro vs. Kimi K3
Veröffentlichte Benchmarkwerte aus derselben Version und Vergleichskohorte, API-Preise und technische Eckdaten. Unterschiedliche Testeinstellungen werden sichtbar ausgewiesen.
210
gemeinsame Messreihen
22
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-Pro | Kimi K3 |
|---|---|---|
| Anbieter | DeepSeek | Moonshot AI |
| Erschienen | 24. Apr. 2026 | 16. Juli 2026 |
| Verfügbarkeit | Preview | Aktiv |
| Modelltyp | Open Weights | Open Weights |
| Parameter | 1,6 Billionen, 49 Mrd. aktiv | 2,8 Billionen, 104 Mrd. aktiv |
| Architektur | Mixture of Experts | Mixture of Experts |
| Kontextfenster | 1.000.000 Token | 1.048.576 Token |
| Wissensstand | Nicht veröffentlicht | Nicht veröffentlicht |
| Technische Quellen | Modell, Kontext | Modell |
| API-Preise pro 1 Mio. Token | ||
| API-Eingabe | 0,43 $ | 3 $ |
| API-Ausgabe | 0,87 $ | 15 $ |
| Cache lesen | 0, $ | 0,3 $ |
| 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-ProKimi K3
API-EingabeUSD pro 1 Mio. Token, Basistarif
DeepSeek-V4-Pro0,435 $Günstiger
Kimi K33 $
API-AusgabeUSD pro 1 Mio. Token, Basistarif
DeepSeek-V4-Pro0,87 $Günstiger
Kimi K315 $
Cache lesenUSD pro 1 Mio. Token, Basistarif
DeepSeek-V4-Pro0,004 $Günstiger
Kimi K30,3 $
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.
210 gemeinsame Messreihen
DeepSeek-V4-ProKimi K3
Arena Text, Style ControlOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
DeepSeek-V4-Pro1.458,103 Arena-Punkte
Kimi K31.488,568 Arena-PunkteHöherer Messwert
Code MigrationOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
DeepSeek-V4-Pro26,201 %Gewinner
Kimi K316,099 %
CorpFin v2Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
DeepSeek-V4-Pro61,383 %
Kimi K371,562 %Gewinner
CyberBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
DeepSeek-V4-Pro68,644 %
Kimi K379,026 %Gewinner
EMBOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
DeepSeek-V4-Pro51,623 %
Kimi K366,399 %Gewinner
Finance Agent (v2)Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
DeepSeek-V4-Pro44,083 %
Kimi K354,36 %Gewinner
GPQA DiamondOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
DeepSeek-V4-Pro89,394 %
Kimi K392,929 %Gewinner
Harvey's Legal Agent BenchmarkOverall · Task fully resolved. Mehr ist besser. Kein dokumentierter Setup-Unterschied
DeepSeek-V4-Pro3,75 %
Kimi K310,833 %Gewinner
Legal Research BenchOverall · All-pass. Mehr ist besser. Kein dokumentierter Setup-Unterschied
DeepSeek-V4-Pro23,077 %
Kimi K344,231 %Gewinner
LegalBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
DeepSeek-V4-Pro80,323 %
Kimi K386,016 %Gewinner
LiveCodeBench v6Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
DeepSeek-V4-Pro87,484 %Gewinner
Kimi K387,185 %
MedCodeOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
DeepSeek-V4-Pro40,455 %
Kimi K348,884 %Gewinner
| Benchmark und Aufgabe | DeepSeek-V4-Pro | Kimi K3 | Vergleichbarkeit | Quelle |
|---|---|---|---|---|
| Arena Text, Style ControlOverall | 1.458,103 Arena-Punkte 95-%-Konfidenzintervall: ±4,022Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.488,568 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±6,219Der 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-Pro: Snapshot: deepseek-v4-pro, Harness: Arena text, style control Kimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena text, style controlDeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 54.288 anonymen Paarvergleichen.Kimi K3: Stilbereinigte Arena-Bewertung aus 11.864 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Code MigrationOverall | 26,201 %Gewinner | 16,099 % | 1accuracyMehr ist besserKohorte: vals-code-migration:1:overallKein dokumentierter Setup-UnterschiedSieger: DeepSeek-V4-ProDeepSeek-V4-Pro: Keine weiteren Einstellungen ausgewiesen Kimi K3: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 13.08.2026Import-ID: vals-code-migration-2026-08-16-107652dc6bfcAbgerufen am 16.08.2026 |
| CorpFin v2Overall | 61,383 % | 71,562 %Gewinner | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:overallKein dokumentierter Setup-UnterschiedSieger: Kimi K3DeepSeek-V4-Pro: Keine weiteren Einstellungen ausgewiesen Kimi K3: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-corp_fin_v2-2026-08-16-45bbf84f57abAbgerufen am 16.08.2026 |
| CyberBenchOverall | 68,644 % | 79,026 %Gewinner | 1accuracyMehr ist besserKohorte: vals-cyberbench:1:overallKein dokumentierter Setup-UnterschiedSieger: Kimi K3DeepSeek-V4-Pro: Keine weiteren Einstellungen ausgewiesen Kimi K3: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 03.08.2026Import-ID: vals-cyber-2026-08-16-702acaee9aa9Abgerufen am 16.08.2026 |
| EMBOverall | 51,623 % | 66,399 %Gewinner | 1accuracyMehr ist besserKohorte: vals-emb:1:overallKein dokumentierter Setup-UnterschiedSieger: Kimi K3DeepSeek-V4-Pro: Keine weiteren Einstellungen ausgewiesen Kimi K3: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 13.08.2026Import-ID: vals-emb-2026-08-16-68d5d1d47a97Abgerufen am 16.08.2026 |
| Finance Agent (v2)Overall | 44,083 % | 54,36 %Gewinner | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:overallKein dokumentierter Setup-UnterschiedSieger: Kimi K3DeepSeek-V4-Pro: Keine weiteren Einstellungen ausgewiesen Kimi K3: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 14.08.2026Import-ID: vals-fabv2-2026-08-16-8853da43085dAbgerufen am 16.08.2026 |
| GPQA DiamondOverall | 89,394 % | 92,929 %Gewinner | 1accuracyMehr ist besserKohorte: vals-gpqa:1:overallKein dokumentierter Setup-UnterschiedSieger: Kimi K3DeepSeek-V4-Pro: Keine weiteren Einstellungen ausgewiesen Kimi K3: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-gpqa-2026-08-16-7f8363eaa2dbAbgerufen am 16.08.2026 |
| Harvey's Legal Agent BenchmarkOverall · Task fully resolved | 3,75 % | 10,833 %Gewinner | 1task resolution rateMehr ist besserKohorte: vals-legal-agent-benchmark:1:overallKein dokumentierter Setup-UnterschiedSieger: Kimi K3DeepSeek-V4-Pro: Keine weiteren Einstellungen ausgewiesen Kimi K3: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 14.08.2026Import-ID: vals-hlab-2026-08-16-bae90566df2fAbgerufen am 16.08.2026 |
| Legal Research BenchOverall · All-pass | 23,077 % | 44,231 %Gewinner | 1all-pass rateMehr ist besserKohorte: vals-legal-research:1:overallKein dokumentierter Setup-UnterschiedSieger: Kimi K3DeepSeek-V4-Pro: Keine weiteren Einstellungen ausgewiesen Kimi K3: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 14.08.2026Import-ID: vals-legal_research-2026-08-16-af296c00ecaaAbgerufen am 16.08.2026 |
| LegalBenchOverall | 80,323 % | 86,016 %Gewinner | 1accuracyMehr ist besserKohorte: vals-legal-bench:1:overallKein dokumentierter Setup-UnterschiedSieger: Kimi K3DeepSeek-V4-Pro: Keine weiteren Einstellungen ausgewiesen Kimi K3: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-legal_bench-2026-08-16-d5b3b1b2b5c8Abgerufen am 16.08.2026 |
| LiveCodeBench v6Overall | 87,484 %Gewinner | 87,185 % | 1accuracyMehr ist besserKohorte: vals-lcb:1:overallKein dokumentierter Setup-UnterschiedSieger: DeepSeek-V4-ProDeepSeek-V4-Pro: Keine weiteren Einstellungen ausgewiesen Kimi K3: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 13.08.2026Import-ID: vals-lcb-2026-08-16-17b9c147080dAbgerufen am 16.08.2026 |
| MedCodeOverall | 40,455 % | 48,884 %Gewinner | 1accuracyMehr ist besserKohorte: vals-medcode:1:overallKein dokumentierter Setup-UnterschiedSieger: Kimi K3DeepSeek-V4-Pro: Keine weiteren Einstellungen ausgewiesen Kimi K3: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-medcode-2026-08-16-524f7f474eacAbgerufen am 16.08.2026 |
| MedScribeOverall | 75,144 % | 87,958 %Gewinner | 1accuracyMehr ist besserKohorte: vals-medscribe:1:overallKein dokumentierter Setup-UnterschiedSieger: Kimi K3DeepSeek-V4-Pro: Keine weiteren Einstellungen ausgewiesen Kimi K3: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-medscribe-2026-08-16-c385354a7e62Abgerufen am 16.08.2026 |
| MMLU-ProOverall | 87,249 % | 87,973 %Gewinner | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:overallKein dokumentierter Setup-UnterschiedSieger: Kimi K3DeepSeek-V4-Pro: Keine weiteren Einstellungen ausgewiesen Kimi K3: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-mmlu_pro-2026-08-16-e14d5bb3a34cAbgerufen am 16.08.2026 |
| ProgramBenchOverall | 0 % | 2 %Gewinner | 1accuracyMehr ist besserKohorte: vals-programbench:1:overallKein dokumentierter Setup-UnterschiedSieger: Kimi K3DeepSeek-V4-Pro: Keine weiteren Einstellungen ausgewiesen Kimi K3: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 13.08.2026Import-ID: vals-programbench-2026-08-16-08d9727662ddAbgerufen am 16.08.2026 |
| ProofBenchOverall | 16 % | 87 %Gewinner | 1.1accuracyMehr ist besserKohorte: vals-proof-bench:1.1:overallKein dokumentierter Setup-UnterschiedSieger: Kimi K3DeepSeek-V4-Pro: Keine weiteren Einstellungen ausgewiesen Kimi K3: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 14.08.2026Import-ID: vals-proof_bench-2026-08-16-14232db24de1Abgerufen am 16.08.2026 |
| Public Benefits Bench v1.1Overall | 62,923 % | 68,268 %Gewinner | 1.1accuracyMehr ist besserKohorte: vals-snap:1.1:overallKein dokumentierter Setup-UnterschiedSieger: Kimi K3DeepSeek-V4-Pro: Keine weiteren Einstellungen ausgewiesen Kimi K3: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-public-benefits-bench-2026-08-16-7ce68123c502Abgerufen am 16.08.2026 |
| SWE-bench VerifiedOverall | 77,4 % | 93,4 %Gewinner | 1accuracyMehr ist besserKohorte: vals-swebench:1:overallKein dokumentierter Setup-UnterschiedSieger: Kimi K3DeepSeek-V4-Pro: Keine weiteren Einstellungen ausgewiesen Kimi K3: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-swebench-2026-08-16-c133071b8167Abgerufen am 16.08.2026 |
| TaxEval v2Overall | 72,077 % | 75,716 %Gewinner | 2accuracyMehr ist besserKohorte: vals-tax-eval-v2:2:overallKein dokumentierter Setup-UnterschiedSieger: Kimi K3DeepSeek-V4-Pro: Keine weiteren Einstellungen ausgewiesen Kimi K3: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-tax_eval_v2-2026-08-16-5bbd495dac53Abgerufen am 16.08.2026 |
| Terminal-Bench 2.1Overall | 50,187 % | 80,899 %Gewinner | 2.1accuracyMehr ist besserKohorte: vals-terminal-bench-2-1:2.1:overallKein dokumentierter Setup-UnterschiedSieger: Kimi K3DeepSeek-V4-Pro: Keine weiteren Einstellungen ausgewiesen Kimi K3: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 13.08.2026Import-ID: vals-terminal-bench-2-1-2026-08-16-b3f38c18bea4Abgerufen am 16.08.2026 |
| Vals IndexOverall | 42,888 % | 57,813 %Gewinner | 2weighted index scoreMehr ist besserKohorte: vals-vals-index:2:overallKein dokumentierter Setup-UnterschiedSieger: Kimi K3DeepSeek-V4-Pro: Keine weiteren Einstellungen ausgewiesen Kimi K3: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 14.08.2026Import-ID: vals-vals_index-2026-08-16-ab641d89d6edAbgerufen am 16.08.2026 |
| Vibe Code Bench v1.1Overall | 49,931 % | 84,963 %Gewinner | 1.1accuracyMehr ist besserKohorte: vals-vibe-code-bench:1.1:overallKein dokumentierter Setup-UnterschiedSieger: Kimi K3DeepSeek-V4-Pro: Harness: OpenHands Kimi K3: Harness: OpenHands | Vals AITyp: Unabhängige EvaluationMessstand: 13.08.2026Import-ID: vals-vibe-code-2026-08-16-a73c9770bcc4Abgerufen am 16.08.2026 |
| Arena Text, Style ControlOverall | 1.455,61 Arena-Punkte 95-%-Konfidenzintervall: ±4,089Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.488,568 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±6,219Der 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-Pro: Snapshot: deepseek-v4-pro-high-preview, Reasoning: high, Harness: Arena text, style control Kimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena text, style controlDeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 51.670 anonymen Paarvergleichen.Kimi K3: Stilbereinigte Arena-Bewertung aus 11.864 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| CorpFin v2Exact Pages | 59,207 % | 69,347 %Höherer Messwert | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:exact_pagesTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-corp_fin_v2-2026-08-11-d9e58d191cd9Abgerufen am 11.08.2026 |
| CyberBenchPatch | 79,661 % | 83,051 %Höherer Messwert | 1accuracyMehr ist besserKohorte: vals-cyberbench:1:patchTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Pro: Keine weiteren Einstellungen ausgewiesen Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 03.08.2026Import-ID: vals-cyber-2026-08-11-1f20498a3dc1Abgerufen am 11.08.2026 |
| EMBComps | 57,434 % | 72,685 %Höherer Messwert | 1accuracyMehr ist besserKohorte: vals-emb:1:compsTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-emb-2026-08-11-e3c855e236e4Abgerufen am 11.08.2026 |
| Finance Agent (v2)Adjustments | 41,586 % | 51,461 %Höherer Messwert | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:adjustmentsTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-fabv2-2026-08-11-3e5c93a1857cAbgerufen am 11.08.2026 |
| GPQA DiamondFew-Shot CoT | 90,404 % | 93,434 %Höherer Messwert | 1accuracyMehr ist besserKohorte: vals-gpqa:1:diamond_few_shot_cotTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-gpqa-2026-08-11-d3325290a404Abgerufen am 11.08.2026 |
| Harvey's Legal Agent BenchmarkAntitrust Competition · Criteria passed | 83,696 % | 87,319 %Höherer Messwert | 1criteria pass rateMehr ist besserKohorte: vals-legal-agent-benchmark:1:criteria_pass_rate__antitrust_competitionTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 07.08.2026Import-ID: vals-hlab-2026-08-11-ea11b6e53414Abgerufen am 11.08.2026 |
| Legal Research BenchAdministrative / Regulatory · All-pass | 28,788 % | 54,545 %Höherer Messwert | 1all-pass rateMehr ist besserKohorte: vals-legal-research:1:administrative_regulatoryTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-legal_research-2026-08-11-326cf7aaca58Abgerufen am 11.08.2026 |
| LegalBenchConclusion Tasks | 89,117 % | 90,733 %Höherer Messwert | 1accuracyMehr ist besserKohorte: vals-legal-bench:1:conclusion_tasksTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-legal_bench-2026-08-11-836e5e44618eAbgerufen am 11.08.2026 |
| LiveCodeBench v6Easy | 98,758 %Kein direkter Sieger | 98,758 %Kein direkter Sieger | 1accuracyMehr ist besserKohorte: vals-lcb:1:easyTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-lcb-2026-08-11-0342bcc364e4Abgerufen am 11.08.2026 |
| MMLU-ProBiology | 92,887 % | 93,863 %Höherer Messwert | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:biologyTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mmlu_pro-2026-08-11-b8e53828d746Abgerufen am 11.08.2026 |
| ProgramBenchAlmost Resolved | 0 % | 17,5 %Höherer Messwert | 1accuracyMehr ist besserKohorte: vals-programbench:1:almostTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-programbench-2026-08-11-b6f8959fbdfeAbgerufen am 11.08.2026 |
| SWE-bench Verified<15 min fix | 87,629 % | 92,268 %Höherer Messwert | 1accuracyMehr ist besserKohorte: vals-swebench:1:<15 min fixTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 08.08.2026Import-ID: vals-swebench-2026-08-11-a6212cd857d8Abgerufen am 11.08.2026 |
| TaxEval v2Correctness | 60,589 % | 65,331 %Höherer Messwert | 2accuracyMehr ist besserKohorte: vals-tax-eval-v2:2:correctnessTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-tax_eval_v2-2026-08-11-d05a40bf446fAbgerufen am 11.08.2026 |
| Terminal-Bench 2.1Easy | 66,667 % | 91,667 %Höherer Messwert | 2.1accuracyMehr ist besserKohorte: vals-terminal-bench-2-1:2.1:easyTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Pro: Ausgabegrenze: 128.000 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-terminal-bench-2-1-2026-08-11-8f0ebd72a609Abgerufen am 11.08.2026 |
| Vals IndexCorpFin v2 | 61,888 % | 72,611 %Höherer Messwert | 1.2benchmark scoreMehr ist besserKohorte: vals-vals-index:1.2:corp_fin_v2Testaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-vals_index-2026-08-11-e79d08d59249Abgerufen am 11.08.2026 |
| Arena Text, Style ControlBusiness, management and finance | 1.460,638 Arena-Punkte 95-%-Konfidenzintervall: ±6,951Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.494,784 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±12,523Der 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-Pro: Snapshot: deepseek-v4-pro, Harness: Arena text, style control Kimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena text, style controlDeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 10.715 anonymen Paarvergleichen.Kimi K3: Stilbereinigte Arena-Bewertung aus 2.416 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| CorpFin v2Max Fitting Context | 63,054 % | 72,727 %Höherer Messwert | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:max_fitting_contextTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-corp_fin_v2-2026-08-11-d9e58d191cd9Abgerufen am 11.08.2026 |
| CyberBenchPoC | 57,627 % | 75 %Höherer Messwert | 1accuracyMehr ist besserKohorte: vals-cyberbench:1:pocTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Pro: Keine weiteren Einstellungen ausgewiesen Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 03.08.2026Import-ID: vals-cyber-2026-08-11-1f20498a3dc1Abgerufen am 11.08.2026 |
| EMBDataroom | 62,572 % | 85,13 %Höherer Messwert | 1accuracyMehr ist besserKohorte: vals-emb:1:dataroomTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-emb-2026-08-11-e3c855e236e4Abgerufen am 11.08.2026 |
| Finance Agent (v2)All-Pass | 31,448 % | 41,69 %Höherer Messwert | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:all_passTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-fabv2-2026-08-11-3e5c93a1857cAbgerufen am 11.08.2026 |
| GPQA DiamondZero-Shot CoT | 88,384 % | 92,424 %Höherer Messwert | 1accuracyMehr ist besserKohorte: vals-gpqa:1:diamond_zero_shot_cotTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-gpqa-2026-08-11-d3325290a404Abgerufen am 11.08.2026 |
| Harvey's Legal Agent BenchmarkAntitrust Competition · Task fully resolved | 0 %Kein direkter Sieger | 0 %Kein direkter Sieger | 1task resolution rateMehr ist besserKohorte: vals-legal-agent-benchmark:1:antitrust_competitionTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 07.08.2026Import-ID: vals-hlab-2026-08-11-ea11b6e53414Abgerufen am 11.08.2026 |
| Legal Research BenchAdministrative / Regulatory · Weighted partial credit | 83,372 % | 90,731 %Höherer Messwert | 1weighted partial-credit scoreMehr ist besserKohorte: vals-legal-research:1:weighted_pass__administrative_regulatoryTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-legal_research-2026-08-11-326cf7aaca58Abgerufen am 11.08.2026 |
| LegalBenchInterpretation Tasks | 75,169 % | 82,612 %Höherer Messwert | 1accuracyMehr ist besserKohorte: vals-legal-bench:1:interpretation_tasksTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-legal_bench-2026-08-11-836e5e44618eAbgerufen am 11.08.2026 |
| LiveCodeBench v6Hard | 72,571 % | 74,286 %Höherer Messwert | 1accuracyMehr ist besserKohorte: vals-lcb:1:hardTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-lcb-2026-08-11-0342bcc364e4Abgerufen am 11.08.2026 |
| MMLU-ProBusiness | 91,888 % | 92,015 %Höherer Messwert | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:businessTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mmlu_pro-2026-08-11-b8e53828d746Abgerufen am 11.08.2026 |
| ProgramBenchFully Resolved | 0 % | 2 %Höherer Messwert | 1accuracyMehr ist besserKohorte: vals-programbench:1:strictTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-programbench-2026-08-11-b6f8959fbdfeAbgerufen am 11.08.2026 |
| SWE-bench Verified>4 hours | 0 % | 66,667 %Höherer Messwert | 1accuracyMehr ist besserKohorte: vals-swebench:1:>4 hoursTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 08.08.2026Import-ID: vals-swebench-2026-08-11-a6212cd857d8Abgerufen am 11.08.2026 |
| TaxEval v2Stepwise Reasoning | 83,565 % | 86,1 %Höherer Messwert | 2accuracyMehr ist besserKohorte: vals-tax-eval-v2:2:stepwise_reasoningTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-tax_eval_v2-2026-08-11-d05a40bf446fAbgerufen am 11.08.2026 |
| Terminal-Bench 2.1Hard | 31,111 % | 74,444 %Höherer Messwert | 2.1accuracyMehr ist besserKohorte: vals-terminal-bench-2-1:2.1:hardTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Pro: Ausgabegrenze: 128.000 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-terminal-bench-2-1-2026-08-11-8f0ebd72a609Abgerufen am 11.08.2026 |
| Vals IndexFinance Agent v2 | 44,081 % | 55,882 %Höherer Messwert | 1.2benchmark scoreMehr ist besserKohorte: vals-vals-index:1.2:finance_agentTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-vals_index-2026-08-11-e79d08d59249Abgerufen am 11.08.2026 |
| Arena Text, Style ControlBusiness, management and finance | 1.447,754 Arena-Punkte 95-%-Konfidenzintervall: ±7,037Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.494,784 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±12,523Der 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-Pro: Snapshot: deepseek-v4-pro-high-preview, Reasoning: high, Harness: Arena text, style control Kimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena text, style controlDeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 10.363 anonymen Paarvergleichen.Kimi K3: Stilbereinigte Arena-Bewertung aus 2.416 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| CorpFin v2Shared Max Context | 61,888 % | 72,611 %Höherer Messwert | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:shared_max_contextTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-corp_fin_v2-2026-08-11-d9e58d191cd9Abgerufen am 11.08.2026 |
| EMBDCF | 44,435 % | 58,877 %Höherer Messwert | 1accuracyMehr ist besserKohorte: vals-emb:1:dcfTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-emb-2026-08-11-e3c855e236e4Abgerufen am 11.08.2026 |
| Finance Agent (v2)Comparables | 39,632 % | 46,691 %Höherer Messwert | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:comparablesTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-fabv2-2026-08-11-3e5c93a1857cAbgerufen am 11.08.2026 |
| Harvey's Legal Agent BenchmarkArbitration International Dispute Resolution · Criteria passed | 83,512 % | 92,115 %Höherer Messwert | 1criteria pass rateMehr ist besserKohorte: vals-legal-agent-benchmark:1:criteria_pass_rate__arbitration_international_dispute_resolutionTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 07.08.2026Import-ID: vals-hlab-2026-08-11-ea11b6e53414Abgerufen am 11.08.2026 |
| Legal Research BenchBusiness & Commercial · All-pass | 23,256 % | 46,512 %Höherer Messwert | 1all-pass rateMehr ist besserKohorte: vals-legal-research:1:business_commercialTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-legal_research-2026-08-11-326cf7aaca58Abgerufen am 11.08.2026 |
| LegalBenchIssue Tasks | 84,587 % | 91,099 %Höherer Messwert | 1accuracyMehr ist besserKohorte: vals-legal-bench:1:issue_tasksTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-legal_bench-2026-08-11-836e5e44618eAbgerufen am 11.08.2026 |
| LiveCodeBench v6Medium | 91,123 %Höherer Messwert | 88,512 % | 1accuracyMehr ist besserKohorte: vals-lcb:1:mediumTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-lcb-2026-08-11-0342bcc364e4Abgerufen am 11.08.2026 |
| MMLU-ProChemistry | 92,491 %Höherer Messwert | 91,784 % | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:chemistryTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mmlu_pro-2026-08-11-b8e53828d746Abgerufen am 11.08.2026 |
| ProgramBenchRaw Pass Rate | 47,778 % | 62,768 %Höherer Messwert | 1accuracyMehr ist besserKohorte: vals-programbench:1:partialTestaufbau nicht identisch dokumentiertKein direkter SiegerDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-programbench-2026-08-11-b6f8959fbdfeAbgerufen am 11.08.2026 |
Die Tabelle zeigt 64 diversifizierte Messreihen aus insgesamt 210 gemeinsamen Ergebnissen. Dadurch verdrängt ein Benchmark mit vielen Unteraufgaben nicht alle anderen Tests.
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.