Veröffentlichte Benchmarkwerte aus derselben Version und Vergleichskohorte, API-Preise und technische Eckdaten. Unterschiedliche Testeinstellungen werden sichtbar ausgewiesen.
gemeinsame Messreihen
173
verschiedene Benchmarks
20
jüngster Abruf
04.09.2026
Modellauswahl ändern
Steckbrief
Allgemeine Daten
Erscheinungsdatum, Verfügbarkeit, Kontextfenster, Architektur und veröffentlichte Parameterzahlen auf einen Blick. Nicht veröffentlichte Angaben bleiben als solche markiert.
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.
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.
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.
Kimi K2.6
GLM-5.1
Coding: 100 / 94,9 (6 Benchmarkfamilien)
Reasoning: 99,8 / 97,3 (2 Benchmarkfamilien)
Mathematik: 100 / 99,7 (1 Benchmarkfamilie)
Wissen: 99,8 / 99,6 (2 Benchmarkfamilien)
Finanzen: 99,8 / 97,9 (4 Benchmarkfamilien)
Recht: 89 / 74,9 (4 Benchmarkfamilien)
Agenten-Aufgaben: 97 / 97,1 (1 Benchmarkfamilie)
Produktivität: 91,6 / 100 (1 Benchmarkfamilie)
48 passende Messreihen aus 19 Benchmarkfamilien wurden berücksichtigt. Das Radar zeigt 8 von 11 vergleichbaren Kategorien.
Kimi K2.6GLM-5.1
Code MigrationOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Kimi K2.6Gewinner27,768 %
GLM-5.125,768 %
CorpFin v2Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Kimi K2.6Gewinner66,744 %
GLM-5.164,452 %
Finance Agent (v2)Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Kimi K2.6Gewinner44,899 %
GLM-5.144,792 %
GPQA DiamondOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Kimi K2.6Gewinner89,142 %
GLM-5.184,518 %
Harvey's Legal Agent BenchmarkOverall · Task fully resolved. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Kimi K2.6Gewinner1,667 %
GLM-5.10 %
Legal Research BenchOverall · All-pass. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Kimi K2.615,865 %
GLM-5.1Gewinner27,885 %
LegalBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Kimi K2.6Gewinner84,738 %
GLM-5.184,394 %
LiveCodeBench v6Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Kimi K2.6Gewinner86,771 %
GLM-5.181,38 %
LMArena Text, Style ControlOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Kimi K2.61.460,613
GLM-5.1Kein klarer Vorsprung1.466,019
MedCodeOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Kimi K2.640,142 %
GLM-5.1Gewinner41,604 %
MedScribeOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Kimi K2.6Gewinner78,149 %
GLM-5.172,27 %
MMLU-ProOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Kimi K2.6Gewinner87,572 %
GLM-5.186,9 %
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand
Benchmarkwerte von Kimi K2.6 und GLM-5.1
Benchmark und Aufgabe
Kimi K2.6
GLM-5.1
Quelle
Code MigrationOverallTestdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserKimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style control GLM-5.1: Snapshot: glm-5.1, Harness: Arena text, style controlKimi K2.6: Stilbereinigte Arena-Bewertung aus 37.573 anonymen Paarvergleichen.GLM-5.1: Stilbereinigte Arena-Bewertung aus 45.403 anonymen Paarvergleichen.
1.460,613
95-%-Konfidenzintervall: ±4,534Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
Kein klarer Vorsprung1.466,019
95-%-Konfidenzintervall: ±3,982Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserKimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserKimi K2.6: Top P: 0.95, Ausgabegrenze: 48.000 tokens
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserKimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserKimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserKimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserKimi K2.6: Top P: 0.95, Ausgabegrenze: 256.000 tokens
LMArena Text, Style ControlBusiness, management and financeTestdetails
Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserKimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style control GLM-5.1: Snapshot: glm-5.1, Harness: Arena text, style controlKimi K2.6: Stilbereinigte Arena-Bewertung aus 7.489 anonymen Paarvergleichen.GLM-5.1: Stilbereinigte Arena-Bewertung aus 9.036 anonymen Paarvergleichen.
1.455,777
95-%-Konfidenzintervall: ±7,725Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
Kein klarer Vorsprung1.464,877
95-%-Konfidenzintervall: ±7,07Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserKimi K2.6: Top P: 0.95, Ausgabegrenze: 96.000 tokens
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserKimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserKimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserKimi K2.6: Top P: 0.95, Ausgabegrenze: 48.000 tokens
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserKimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserKimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserKimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserKimi K2.6: Top P: 0.95, Ausgabegrenze: 256.000 tokens
Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserKimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style control GLM-5.1: Snapshot: glm-5.1, Harness: Arena text, style controlKimi K2.6: Stilbereinigte Arena-Bewertung aus 1.900 anonymen Paarvergleichen.GLM-5.1: Stilbereinigte Arena-Bewertung aus 2.742 anonymen Paarvergleichen.
Kein klarer Vorsprung1.526,043
95-%-Konfidenzintervall: ±14,272Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
1.516,722
95-%-Konfidenzintervall: ±12,084Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserKimi K2.6: Top P: 0.95, Ausgabegrenze: 96.000 tokens
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserKimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: mean reviewer code-quality ratingBewertung: Mehr ist besserKimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens GLM-5.1: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserKimi K2.6: Top P: 0.95, Ausgabegrenze: 48.000 tokens
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserKimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserKimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserKimi K2.6: Top P: 0.95, Ausgabegrenze: 256.000 tokens
Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserKimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style control GLM-5.1: Snapshot: glm-5.1, Harness: Arena text, style controlKimi K2.6: Stilbereinigte Arena-Bewertung aus 10.419 anonymen Paarvergleichen.GLM-5.1: Stilbereinigte Arena-Bewertung aus 12.659 anonymen Paarvergleichen.
Kein klarer Vorsprung1.514,216
95-%-Konfidenzintervall: ±7,05Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
1.513,669
95-%-Konfidenzintervall: ±6,252Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserKimi K2.6: Top P: 0.95, Ausgabegrenze: 96.000 tokens
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand
Eigene Modelltests
Community-Tests zum Anschauen
Vergleiche, wie die Modelle denselben Prompt umsetzen. Jeder Test zeigt den ersten Versuch, ohne nachträgliche Korrekturen am erzeugten Code. Die Ergebnisse fließen nicht in einen Gesamtscore ein.
Pelikan auf dem Fahrrad
Community-Klassiker für eine freie SVG-Zeichnung.
Kimi K2.6
In diesem Testlauf war kein API-Zugang verfügbar. Das Modell wurde nicht bewertet.
Erster Versuch
Datum des Testlaufs
07.09.2026
API-Anbieter
openrouter
Angefragtes API-Modell
moonshotai/kimi-k2.6
Festgelegter Endpunkt
Moonshot AI | moonshotai/kimi-k2.6-20260420
Reasoning-Einstellung
high
Temperatur
Anbieterstandard
Tokenlimit inklusive Reasoning
8.192 Token
Testprotokoll
community-visual-tests-v1
Technische Prüfung
Nicht ausgeführt
Visuell noch nicht bewertet. Eine erfolgreiche Aufzeichnung bestätigt weder korrekte Physik noch die vollständige Umsetzung des Prompts.
GLM-5.1
In diesem Testlauf war kein API-Zugang verfügbar. Das Modell wurde nicht bewertet.
Erster Versuch
Datum des Testlaufs
07.09.2026
API-Anbieter
openrouter
Angefragtes API-Modell
z-ai/glm-5.1
Festgelegter Endpunkt
Z.AI | z-ai/glm-5.1-20260406
Reasoning-Einstellung
high
Temperatur
Anbieterstandard
Tokenlimit inklusive Reasoning
8.192 Token
Testprotokoll
community-visual-tests-v1
Technische Prüfung
Nicht ausgeführt
Visuell noch nicht bewertet. Eine erfolgreiche Aufzeichnung bestätigt weder korrekte Physik noch die vollständige Umsetzung des Prompts.
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
Ähnliche LLM-Vergleiche
Vergleiche Kimi K2.6 und GLM-5.1 mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.