Direktvergleich

GPT-6.1 Sol vs. Kimi K3

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

gemeinsame Messreihen: 196
verschiedene Benchmarks: 22
jüngster Abruf: 15.10.2026

Erstes ModellZweites Modell

Steckbrief

Allgemeine Daten

Erscheinungsdatum, Verfügbarkeit, Kontextfenster, Architektur und veröffentlichte Parameterzahlen auf einen Blick. Nicht veröffentlichte Angaben bleiben als solche markiert.

Allgemeine Daten von GPT-6.1 Sol und Kimi K3
Merkmal	GPT-6.1 Sol	Kimi K3
Anbieter	OpenAI	Moonshot AI
Erschienen	29. Sept. 2026	16. Juli 2026
Verfügbarkeit	Aktiv	Aktiv
Modelltyp	Proprietär	Open Weights
Parameter	Nicht veröffentlicht	2,8 Billionen, 104 Mrd. aktiv
Architektur	Nicht veröffentlicht	Mixture of Experts
Kontextfenster	1.050.000 Token	1.048.576 Token
Wissensstand	30. April 2026	Nicht veröffentlicht
Technische Quellen	Modell, Kontext	Modell

Kosten

API-Preise im Vergleich

Die Tabelle vergleicht die offiziellen Standard-API-Tarife pro 1 Mio. Token einschließlich veröffentlichter Cache-Preise. Batch, Fast, Priority, regionale Aufschläge, Toolaufrufe und Cloudpreise sind nicht eingerechnet.

API-Preise von GPT-6.1 Sol und Kimi K3
Preisart	GPT-6.1 Sol	Kimi K3
API-Eingabe	2 $ ≤272K / 4 $ >272K	3 $
API-Ausgabe	10 $ ≤272K / 15 $ >272K	15 $
Cache lesen	0,1 $ ≤272K / 0,2 $ >272K	0,3 $
Cache schreiben (5 Min.)	2,5 $ ≤272K / 5 $ >272K	Nicht ausgewiesen
Cache schreiben (1 Std.)	Nicht ausgewiesen	Nicht ausgewiesen
Preis geprüft	29.09.2026 Quelle	22.09.2026 Quelle

GPT-6.1 SolKimi K3

API-EingabeUSD pro 1 Mio. Token, Basistarif

GPT-6.1 Sol2 $

Kimi K33 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

GPT-6.1 Sol10 $

Kimi K315 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

GPT-6.1 Sol0,1 $

Kimi K30,3 $

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Preise nach Anbieter

Direkte Entwicklertarife und über OpenRouter geroutete Anbieterpreise sind getrennt gekennzeichnet. Alle Preise gelten in USD pro 1 Mio. Token. Kontextabhängige Direktpreise sowie regionale, Flex-, Priority- und weitere OpenRouter-Tarife bleiben einzeln erkennbar.

Für GPT-6.1 Sol ist im gespeicherten OpenRouter-Stand kein Anbietertarif verfügbar. Der offizielle Direktpreis wird trotzdem angezeigt.

Anbieterpreise von GPT-6.1 Sol und Kimi K3
Modell	Anbieter	Bezugsweg und Tarif	Eingabe pro 1 Mio. Token	Ausgabe pro 1 Mio. Token	Quelle
GPT-6.1 Sol	OpenAI	Direkt beim EntwicklerBis 272.000 Kontext-Token	Günstigster erfasster Preis: 2 $	Günstigster erfasster Preis: 10 $	Quelle29.09.2026
GPT-6.1 Sol	OpenAI	Direkt beim EntwicklerÜber 272.000 Kontext-Token	4 $	15 $	Quelle29.09.2026
Kimi K3	Moonshot AI	Direkt beim EntwicklerStandard-API	3 $	15 $	Quelle22.09.2026
	AkashML	Über OpenRouterakashml/fp4	1,2 $	14 $	Quelle17.10.2026
	Alibaba	Über OpenRouteralibaba	3,45 $	17,25 $	Quelle17.10.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock/us-east-2	3 $	15 $	Quelle17.10.2026
	BaseTen	Über OpenRouterbaseten/fp8	3 $	15 $	Quelle17.10.2026
	Chutes	Über OpenRouterchutes/mxfp4	1,85 $	9,5 $	Quelle17.10.2026
	Decart	Über OpenRouterdecart/mxfp4	1,65 $	Günstigster erfasster Preis: 8,25 $	Quelle17.10.2026
	DeepInfra	Über OpenRouterdeepinfra/mxfp4	2,85 $	14,25 $	Quelle17.10.2026
	DigitalOcean	Über OpenRouterdigitalocean	2,55 $	12,95 $	Quelle17.10.2026
	Fireworks	Über OpenRouterfireworks	3 $	15 $	Quelle17.10.2026
	Fireworks	Über OpenRouterfireworks/fast	4,5 $	22,5 $	Quelle17.10.2026
	Fireworks	Über OpenRouterfireworks/us	4,5 $	22,5 $	Quelle17.10.2026
	InferenceNet	Über OpenRouterinference-net/fast	2,49 $	15 $	Quelle17.10.2026
	InferenceNet	Über OpenRouterinference-net/fp4	0,304 $	11,936 $	Quelle17.10.2026
	Makora	Über OpenRoutermakora/fp4	1,53 $	12,75 $	Quelle17.10.2026
	Modal	Über OpenRoutermodal/mxfp4	3 $	15 $	Quelle17.10.2026
	Moonshot AI	Über OpenRoutermoonshotai/mxfp4	3 $	15 $	Quelle17.10.2026
	Morph	Über OpenRoutermorph/fp8	0,75 $	14,9 $	Quelle17.10.2026
	Parasail	Über OpenRouterparasail/fast	3 $	15 $	Quelle17.10.2026
	Parasail	Über OpenRouterparasail/fp4	3 $	15 $	Quelle17.10.2026
	Phala	Über OpenRouterphala	2,55 $	12,75 $	Quelle17.10.2026
	Relace	Über OpenRouterrelace/fp4	0,35 $	14 $	Quelle17.10.2026
	Sail Research	Über OpenRoutersail-research/fp4	0,84 $	13,5 $	Quelle17.10.2026
	Sail Research	Über OpenRoutersail-research/fp4/us	0,84 $	13,5 $	Quelle17.10.2026
	Together	Über OpenRoutertogether	3 $	15 $	Quelle17.10.2026
	Wafer	Über OpenRouterwafer	Günstigster erfasster Preis: 0,294 $	24 $	Quelle17.10.2026
	Wafer	Über OpenRouterwafer/us	0,36 $	14,9 $	Quelle17.10.2026

Leistung

Gemeinsame Benchmarks

Nur veröffentlichte Ergebnisse mit derselben Benchmark-Version, Aufgabe, Metrik und Vergleichskohorte werden gegenübergestellt. Wenn Anbieter unterschiedliche Reasoning-Stufen, Agenten oder Ausgabegrenzen verwendet haben, steht das direkt in der Tabelle.

Fähigkeitsprofil aus vergleichbaren Benchmarks

Jede Achse mittelt direkt vergleichbare Benchmarkfamilien. Ein Wert von 100 bedeutet den stärkeren Wert innerhalb dieses Duells, keinen universellen Qualitätswert.

GPT-6.1 Sol

Kimi K3

Coding: 100 / 96,7 (2 Benchmarkfamilien)

Reasoning: 99,4 / 100 (1 Benchmarkfamilie)

Mathematik: 99,7 / 99,4 (1 Benchmarkfamilie)

Wissen: 99,3 / 100 (1 Benchmarkfamilie)

Finanzen: 99,7 / 100 (1 Benchmarkfamilie)

Recht: 99,1 / 100 (1 Benchmarkfamilie)

Gesundheit: 98,5 / 100 (1 Benchmarkfamilie)

Allgemein: 99,5 / 99,9 (1 Benchmarkfamilie)

30 passende Messreihen aus 2 Benchmarkfamilien wurden berücksichtigt. Das Radar zeigt 8 von 8 vergleichbaren Kategorien.

GPT-6.1 SolKimi K3

BioMysteryBenchOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-6.1 Sol79,63 %

Kimi K372,593 %

Code MigrationOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-6.1 Sol65,122 %

Kimi K316,099 %

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

GPT-6.1 Sol39,286 %

Kimi K375,238 %

EMBOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-6.1 Sol70,773 %

Kimi K366,677 %

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

GPT-6.1 Sol52,033 %

Kimi K353,114 %

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

GPT-6.1 Sol5,417 %

Kimi K312,917 %

IOIOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-6.1 Sol96,889 %

Kimi K348,944 %

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

GPT-6.1 Sol38,462 %

Kimi K346,154 %

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

GPT-6.1 Sol1.760,088

Kimi K31.655,295

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

GPT-6.1 Sol1.483,959

Kimi K31.488,095

MedCodeOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-6.1 Sol48,839 %

Kimi K349,357 %

MedScribeOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-6.1 Sol86,453 %

Kimi K388,048 %

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von GPT-6.1 Sol und Kimi K3
Benchmark und Aufgabe	GPT-6.1 Sol	Kimi K3	Quelle
BioMysteryBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Harness: Terminus 2, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Harness: Terminus 2, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert79,63 %	72,593 %	Vals AI Quellendetails Datenstand: 12.10.2026
Code MigrationOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert65,122 %	16,099 %	Vals AI Quellendetails Datenstand: 12.10.2026
CyberBench v1.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Ausgabegrenze: 262.144 tokens	39,286 %	Höherer Messwert75,238 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert70,773 %	66,677 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	52,033 %	Höherer Messwert53,114 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkOverall · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	5,417 %	Höherer Messwert12,917 %	Vals AI Quellendetails Datenstand: 12.10.2026
IOIOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert96,889 %	48,944 %	Vals AI Quellendetails Datenstand: 14.10.2026
Legal Research BenchOverall · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	38,462 %	Höherer Messwert46,154 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Code Arena WebDevOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserGPT-6.1 Sol: Snapshot: gpt-6.1-sol-max, Reasoning: max, Harness: Arena Code Arena WebDev Kimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena Code Arena WebDevGPT-6.1 Sol: Arena-Bewertung aus 2.592 veröffentlichten Paarvergleichen.Kimi K3: Arena-Bewertung aus 18.644 veröffentlichten Paarvergleichen.	Gewinner1.760,088 95-%-Konfidenzintervall: ±13,918Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.655,295 95-%-Konfidenzintervall: ±6,069Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Text, Style ControlOverall Testdetails Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGPT-6.1 Sol: Snapshot: gpt-6.1-sol-max, Reasoning: max, Harness: Arena Text, style control Kimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena Text, style controlGPT-6.1 Sol: Arena-Bewertung aus 5.762 veröffentlichten Paarvergleichen.Kimi K3: Arena-Bewertung aus 32.036 veröffentlichten Paarvergleichen.	1.483,959 95-%-Konfidenzintervall: ±8,383Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Kein klarer Vorsprung1.488,095 95-%-Konfidenzintervall: ±4,609Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
MedCodeOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	48,839 %	Höherer Messwert49,357 %	Vals AI Quellendetails Datenstand: 13.10.2026
MedScribeOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	86,453 %	Höherer Messwert88,048 %	Vals AI Quellendetails Datenstand: 13.10.2026
ProgramBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully resolved rateBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	Höherer Messwert3 %	2 %	Vals AI Quellendetails Datenstand: 12.10.2026
ProofBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Ausgabegrenze: 262.144 tokens	Höherer Messwert99 %	87 %	Vals AI Quellendetails Datenstand: 12.10.2026
Public Benefits Bench v1.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	59,337 %	Höherer Messwert68,2 %	Vals AI Quellendetails Datenstand: 12.10.2026
SAGEOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	46,538 %	Höherer Messwert52,783 %	Vals AI Quellendetails Datenstand: 08.10.2026
SWE-bench MultimodalOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert43,542 %	35,833 %	Vals AI Quellendetails Datenstand: 13.10.2026
Tax Agent BenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	21,754 %	Höherer Messwert33,368 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-Bench 4.0Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 4.0Messgröße: accuracyBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert55,051 %	17,172 %	Vals AI Quellendetails Datenstand: 13.10.2026
Terminal-Bench ScienceOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 0.1Messgröße: accuracyBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Harness: Mini-SWE-agent, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Harness: Mini-SWE-agent, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert52,857 %	1,429 %	Vals AI Quellendetails Datenstand: 14.10.2026
Vals IndexOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: weighted index scoreBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert61,154 %	50,297 %	Vals AI Quellendetails Datenstand: 13.10.2026
Vibe Code Bench v1.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Harness: OpenHands, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert88,931 %	84,968 %	Vals AI Quellendetails Datenstand: 12.10.2026
BioMysteryBenchHard Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Harness: Terminus 2, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Harness: Terminus 2, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	39,216 %	Höherer Messwert41,176 %	Vals AI Quellendetails Datenstand: 12.10.2026
Code MigrationCLI Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert63,496 %	1,465 %	Vals AI Quellendetails Datenstand: 12.10.2026
CyberBench v1.1Patch Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Ausgabegrenze: 262.144 tokens	78,571 %	Höherer Messwert82,143 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBComps Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	61,788 %	Höherer Messwert70,837 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Adjustments Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	44,717 %	Höherer Messwert45,274 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Criteria passed Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: criteria pass rateBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert89,493 %	88,768 %	Vals AI Quellendetails Datenstand: 12.10.2026
IOIIOI 2024 Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert100 %	59,667 %	Vals AI Quellendetails Datenstand: 14.10.2026
Legal Research BenchAdministrative / Regulatory · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	53,03 %	Höherer Messwert63,636 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Code Arena WebDevImage to webdev Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserGPT-6.1 Sol: Snapshot: gpt-6.1-sol-max, Reasoning: max, Harness: Arena Code Arena WebDev Kimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena Code Arena WebDevGPT-6.1 Sol: Arena-Bewertung aus 1.430 veröffentlichten Paarvergleichen.Kimi K3: Arena-Bewertung aus 3.504 veröffentlichten Paarvergleichen.	Gewinner1.703,464 95-%-Konfidenzintervall: ±17,054Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.579,165 95-%-Konfidenzintervall: ±10,818Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 09.10.2026
LMArena Text, Style ControlBusiness, management and finance Testdetails Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGPT-6.1 Sol: Snapshot: gpt-6.1-sol-max, Reasoning: max, Harness: Arena Text, style control Kimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena Text, style controlGPT-6.1 Sol: Arena-Bewertung aus 911 veröffentlichten Paarvergleichen.Kimi K3: Arena-Bewertung aus 6.035 veröffentlichten Paarvergleichen.	1.483,743 95-%-Konfidenzintervall: ±19,566Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Kein klarer Vorsprung1.487,914 95-%-Konfidenzintervall: ±8,167Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
ProgramBenchAlmost Resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: almost-resolved rateBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	Höherer Messwert46 %	17,5 %	Vals AI Quellendetails Datenstand: 12.10.2026
SAGEAutomata Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	40,476 %	Höherer Messwert43,254 %	Vals AI Quellendetails Datenstand: 08.10.2026
SWE-bench Multimodalbpmn-js Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert60,377 %	47,17 %	Vals AI Quellendetails Datenstand: 13.10.2026
Tax Agent BenchControversy & Precedence Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	6,667 %	Höherer Messwert13,333 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-Bench 4.0Hardware Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 4.0Messgröße: accuracyBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert40 %	13,333 %	Vals AI Quellendetails Datenstand: 13.10.2026
Terminal-Bench ScienceEarth Sciences Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 0.1Messgröße: accuracyBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Harness: Mini-SWE-agent, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Harness: Mini-SWE-agent, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert62,5 %	12,5 %	Vals AI Quellendetails Datenstand: 14.10.2026
Vals IndexCode Migration Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: benchmark scoreBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert63,309 %	16,042 %	Vals AI Quellendetails Datenstand: 13.10.2026
BioMysteryBenchHuman-solvable Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Harness: Terminus 2, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Harness: Terminus 2, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert89,041 %	79,909 %	Vals AI Quellendetails Datenstand: 12.10.2026
Code MigrationCOBOL Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert70 %	60 %	Vals AI Quellendetails Datenstand: 12.10.2026
CyberBench v1.1PoC Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Ausgabegrenze: 262.144 tokens	0 %	Höherer Messwert68,333 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBDataroom Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert84,477 %	82,661 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)All-Pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	39,906 %	Höherer Messwert41,837 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	0 %	Höherer Messwert20 %	Vals AI Quellendetails Datenstand: 12.10.2026
IOIIOI 2025 Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert100 %	29,333 %	Vals AI Quellendetails Datenstand: 14.10.2026
Legal Research BenchAdministrative / Regulatory · Weighted partial credit Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: weighted partial-credit scoreBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	85,547 %	Höherer Messwert89,252 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Code Arena WebDevWebdev Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserGPT-6.1 Sol: Snapshot: gpt-6.1-sol-max, Reasoning: max, Harness: Arena Code Arena WebDev Kimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena Code Arena WebDevGPT-6.1 Sol: Arena-Bewertung aus 2.592 veröffentlichten Paarvergleichen.Kimi K3: Arena-Bewertung aus 18.644 veröffentlichten Paarvergleichen.	Gewinner1.760,088 95-%-Konfidenzintervall: ±13,918Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.655,295 95-%-Konfidenzintervall: ±6,069Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Text, Style ControlChinese Testdetails Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGPT-6.1 Sol: Snapshot: gpt-6.1-sol-max, Reasoning: max, Harness: Arena Text, style control Kimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena Text, style controlGPT-6.1 Sol: Arena-Bewertung aus 536 veröffentlichten Paarvergleichen.Kimi K3: Arena-Bewertung aus 2.319 veröffentlichten Paarvergleichen.	1.522,457 95-%-Konfidenzintervall: ±25,531Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Kein klarer Vorsprung1.542,023 95-%-Konfidenzintervall: ±12,722Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
ProgramBenchFully Resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully resolved rateBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	Höherer Messwert3 %	2 %	Vals AI Quellendetails Datenstand: 12.10.2026
SAGECalculus Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Kein direkter Sieger79,938 %	Kein direkter Sieger79,938 %	Vals AI Quellendetails Datenstand: 08.10.2026
SWE-bench MultimodalCarbon Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert24,06 %	21,053 %	Vals AI Quellendetails Datenstand: 13.10.2026
Tax Agent BenchControversy & Precedence Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	64,799 %	Höherer Messwert68,8 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-Bench 4.0Media Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 4.0Messgröße: accuracyBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert50 %	16,667 %	Vals AI Quellendetails Datenstand: 13.10.2026
Terminal-Bench ScienceEngineering Sciences Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 0.1Messgröße: accuracyBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Harness: Mini-SWE-agent, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Harness: Mini-SWE-agent, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert33,333 %	0 %	Vals AI Quellendetails Datenstand: 14.10.2026
Vals IndexEMB Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: benchmark scoreBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert70,773 %	66,677 %	Vals AI Quellendetails Datenstand: 13.10.2026
Code MigrationCode Quality Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: mean reviewer code-quality ratingBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert4,496 / 5	3,899 / 5	Vals AI Quellendetails Datenstand: 12.10.2026
EMBDCF Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert65,313 %	56,736 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Comparables Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	42,619 %	Höherer Messwert47,778 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkArbitration International Dispute Resolution · Criteria passed Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: criteria pass rateBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	88,53 %	Höherer Messwert91,398 %	Vals AI Quellendetails Datenstand: 12.10.2026
IOIIOI 2026 Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert90,667 %	57,833 %	Vals AI Quellendetails Datenstand: 14.10.2026
Legal Research BenchBusiness & Commercial · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserGPT-6.1 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Kein direkter Sieger39,535 %	Kein direkter Sieger39,535 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Code Arena WebDevWebdev-html Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserGPT-6.1 Sol: Snapshot: gpt-6.1-sol-max, Reasoning: max, Harness: Arena Code Arena WebDev Kimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena Code Arena WebDevGPT-6.1 Sol: Arena-Bewertung aus 443 veröffentlichten Paarvergleichen.Kimi K3: Arena-Bewertung aus 2.538 veröffentlichten Paarvergleichen.	Gewinner1.795,266 95-%-Konfidenzintervall: ±34,707Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.645,8 95-%-Konfidenzintervall: ±13,981Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Text, Style ControlCoding Testdetails Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGPT-6.1 Sol: Snapshot: gpt-6.1-sol-max, Reasoning: max, Harness: Arena Text, style control Kimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena Text, style controlGPT-6.1 Sol: Arena-Bewertung aus 1.164 veröffentlichten Paarvergleichen.Kimi K3: Arena-Bewertung aus 8.136 veröffentlichten Paarvergleichen.	1.538,321 95-%-Konfidenzintervall: ±17,762Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Kein klarer Vorsprung1.538,885 95-%-Konfidenzintervall: ±7,308Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Eigene Modelltests

Unsere Tests

SVG-Kurztest

Ein SVG-Prompt, feste Ausgabeparameter. Aufnahmen erscheinen nur bei gemeldeten 0 Reasoning-Tokens oder dokumentiert fehlender Reasoning-Steuerung. Gleiche Testbedingungen machen die interne Rechenleistung der Modelle nicht identisch.

Gemeinsame Testrunde: 4ae5d8eeb9a9

GPT-6.1 Sol

In dieser Runde nicht verfügbar

Kimi K3

Frühere Tests

Pelikan auf dem Fahrrad

Community-Klassiker für eine freie SVG-Zeichnung.

GPT-6.1 Sol

Reasoning (angefragt): high

Aktueller Versuch

Datum des Testlaufs: 01.10.2026
API-Anbieter: openrouter
Angefragtes API-Modell: openai/gpt-6.1-sol
API-Modell laut Antwort: openai/gpt-6.1-sol
Reasoning-Einstellung: high
Festgelegter Endpunkt: OpenAI | openai/gpt-6.1-sol-20260929
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Bestanden, keine Qualitätsbewertung
Antwortzeit: 83,6 s

Visuell geprüft. Aus diesem Einzeltest ergibt sich kein Gesamturteil über das Modell.

Kimi K3

Reasoning (angefragt): high

Aktueller Versuch

Datum des Testlaufs: 01.10.2026
API-Anbieter: openrouter
Angefragtes API-Modell: moonshotai/kimi-k3
API-Modell laut Antwort: moonshotai/kimi-k3
Reasoning-Einstellung: high
Festgelegter Endpunkt: Moonshot AI | moonshotai/kimi-k3-20260715
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Bestanden, keine Qualitätsbewertung
Antwortzeit: 173,4 s

Visuell geprüft. Aus diesem Einzeltest ergibt sich kein Gesamturteil über das Modell.

Frühere Versuche (1)

07.09.2026API-Anfrage fehlgeschlagenReasoning-Einstellung: high

Prompt und Testbedingungen

Generate an SVG of a pelican riding a bicycle

Tokenlimit inklusive Reasoning: 8.192 Token

Ursprung der Aufgabe (Simon Willison)

So liest du den Vergleich

Ein Benchmark-Sieg ist kein Gesamturteil

Entscheidend sind deine Aufgaben, dein Budget und die benötigte Kontextlänge. Ein Coding-Benchmark sagt wenig über Bildverständnis oder Agentenarbeit aus.

Die Standardpreistabelle nutzt direkte Entwicklertarife. Der Anbieter-Vergleich kennzeichnet OpenRouter-Endpoints, Regionen und Sondertarife separat.

Jeder Messwert verlinkt seine Messstelle und zeigt den Abrufstand. Je nach Kennzeichnung handelt es sich um eine Anbieterangabe, ein offizielles Benchmark-Leaderboard oder eine unabhängige Evaluation. Strittige oder archivierte Ergebnisse werden nicht verwendet.

Weitere Duelle

Vergleiche GPT-6.1 Sol und Kimi K3 mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich

GPT-6.1 Sol vs. Kimi K3

Modellauswahl ändern

Allgemeine Daten

API-Preise im Vergleich

Gemeinsame Benchmarks

Fähigkeitsprofil aus vergleichbaren Benchmarks

Unsere Tests

SVG-Kurztest

GPT-6.1 Sol

Kimi K3

Pelikan auf dem Fahrrad

Ein Benchmark-Sieg ist kein Gesamturteil

Ähnliche LLM-Vergleiche