Direktvergleich

Muse Wonder vs. DeepSeek-V4.1-Flash

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

gemeinsame Messreihen: 188
verschiedene Benchmarks: 29
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 Muse Wonder und DeepSeek-V4.1-Flash
Merkmal	Muse Wonder	DeepSeek-V4.1-Flash
Anbieter	Meta	DeepSeek
Erschienen	12. Okt. 2026	10. Sept. 2026
Verfügbarkeit	Preview	Aktiv
Modelltyp	Proprietär	Open Weights
Parameter	Nicht veröffentlicht	552 Mrd.
Architektur	Nicht veröffentlicht	Mixture of Experts
Kontextfenster	1.048.576 Token	1.000.000 Token
Wissensstand	Nicht veröffentlicht	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 Muse Wonder und DeepSeek-V4.1-Flash
Preisart	Muse Wonder	DeepSeek-V4.1-Flash
API-Eingabe	4 $	0,15 $ (Off-Peak)
API-Ausgabe	20 $	0,6 $ (Off-Peak)
Cache lesen	0,2 $	0,003 $ (Off-Peak)
Cache schreiben (5 Min.)	Nicht ausgewiesen	Nicht ausgewiesen
Cache schreiben (1 Std.)	Nicht ausgewiesen	Nicht ausgewiesen
Preis geprüft	15.10.2026 Quelle	23.09.2026 Quelle
DeepSeek-V4.1-Flash: Spitzenpreise sind 0,3 $ Eingabe / 1,2 $ Ausgabe pro 1 Mio. Token während Mo, Di, Mi, Do, Fr, 01:00-04:00 UTC; Mo, Di, Mi, Do, Fr, 06:00-10:00 UTC; zu allen anderen Zeiten gelten Off-Peak-Preise.

Muse WonderDeepSeek-V4.1-Flash

API-EingabeUSD pro 1 Mio. Token, Basistarif

Muse Wonder4 $

DeepSeek-V4.1-Flash0,15 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

Muse Wonder20 $

DeepSeek-V4.1-Flash0,6 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

Muse Wonder0,2 $

DeepSeek-V4.1-Flash0,003 $

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.

Für Muse Wonder ist im gespeicherten OpenRouter-Stand kein Anbietertarif verfügbar. Der offizielle Direktpreis wird trotzdem angezeigt.

Anbieterpreise von Muse Wonder und DeepSeek-V4.1-Flash
Modell	Anbieter	Bezugsweg und Tarif	Eingabe pro 1 Mio. Token	Ausgabe pro 1 Mio. Token	Quelle
Muse Wonder	Meta	Direkt beim EntwicklerStandard-API	Günstigster erfasster Preis: 4 $	Günstigster erfasster Preis: 20 $	Quelle15.10.2026
DeepSeek-V4.1-Flash	DeepSeek	Direkt beim EntwicklerStandard-API	0,15 $	0,6 $	Quelle23.09.2026
	Alibaba	Über OpenRouteralibaba	0,15 $	0,6 $	Quelle16.10.2026
	AtlasCloud	Über OpenRouteratlas-cloud/fp8	0,192 $	0,768 $	Quelle16.10.2026
	Baidu	Über OpenRouterbaidu/fp8	0,3 $	1,2 $	Quelle16.10.2026
	BaseTen	Über OpenRouterbaseten/fast	0,6 $	2,4 $	Quelle16.10.2026
	BaseTen	Über OpenRouterbaseten/fp32	0,3 $	1,2 $	Quelle16.10.2026
	BaseTen	Über OpenRouterbaseten/fp8	0,3 $	1,2 $	Quelle16.10.2026
	Cloudflare	Über OpenRoutercloudflare	0,1 $	0,9 $	Quelle16.10.2026
	CoreWeave	Über OpenRoutercoreweave/fp8	0,15 $	0,65 $	Quelle16.10.2026
	Crusoe	Über OpenRoutercrusoe/fp8	0,29 $	1,2 $	Quelle16.10.2026
	Decart	Über OpenRouterdecart/fp4	0,09 $	Günstigster erfasster Preis: 0,18 $	Quelle16.10.2026
	DeepInfra	Über OpenRouterdeepinfra/fp8	0,14 $	0,42 $	Quelle16.10.2026
	DeepSeek	Über OpenRouterdeepseek	0,15 $	0,6 $	Quelle16.10.2026
	DigitalOcean	Über OpenRouterdigitalocean	0,225 $	0,9 $	Quelle16.10.2026
	Fireworks	Über OpenRouterfireworks/us	0,45 $	1,8 $	Quelle16.10.2026
	GMICloud	Über OpenRoutergmicloud/fp8	0,18 $	0,72 $	Quelle16.10.2026
	InferenceNet	Über OpenRouterinference-net/fp8	0,1 $	0,76 $	Quelle16.10.2026
	Ionstream	Über OpenRouterionstream	0,27 $	1,1 $	Quelle16.10.2026
	Makora	Über OpenRoutermakora/fp8	0,27 $	1,15 $	Quelle16.10.2026
	Modal	Über OpenRoutermodal	0,3 $	1,2 $	Quelle16.10.2026
	Morph	Über OpenRoutermorph/fp8	0,02 $	0,6 $	Quelle16.10.2026
	Novita	Über OpenRouternovita/fp8	0,195 $	0,78 $	Quelle16.10.2026
	OpenInference	Über OpenRouteropen-inference/fp4	Günstigster erfasster Preis: 0,0104 $	0,72 $	Quelle16.10.2026
	Parasail	Über OpenRouterparasail/fp8	0,3 $	1,2 $	Quelle16.10.2026
	PrimeIntellect	Über OpenRouterprimeintellect	0,3 $	1,2 $	Quelle16.10.2026
	Relace	Über OpenRouterrelace	0,0115 $	0,8 $	Quelle16.10.2026
	Sail Research	Über OpenRoutersail-research/fp4	0,09 $	0,3 $	Quelle16.10.2026
	SiliconFlow	Über OpenRoutersiliconflow/fp8	0,3 $	1,2 $	Quelle16.10.2026
	StreamLake	Über OpenRouterstreamlake/fp8	0,147 $	0,588 $	Quelle16.10.2026
	Together	Über OpenRoutertogether	0,3 $	1,2 $	Quelle16.10.2026
	Venice	Über OpenRoutervenice/fp8	0,3 $	1,2 $	Quelle16.10.2026
	Wafer	Über OpenRouterwafer	0,2 $	0,65 $	Quelle16.10.2026

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.

Muse Wonder

DeepSeek-V4.1-Flash

Coding: 100 / 82,2 (3 Benchmarkfamilien)

Reasoning: 99 / 79,7 (4 Benchmarkfamilien)

Wissen: 100 / 49,2 (2 Benchmarkfamilien)

Finanzen: 100 / 98,4 (1 Benchmarkfamilie)

Agenten-Aufgaben: 99,6 / 92 (3 Benchmarkfamilien)

Allgemein: 100 / 97,3 (1 Benchmarkfamilie)

Gesamt: 100 / 75,3 (1 Benchmarkfamilie)

31 passende Messreihen aus 11 Benchmarkfamilien wurden berücksichtigt. Das Radar zeigt 7 von 7 vergleichbaren Kategorien.

Muse WonderDeepSeek-V4.1-Flash

AA-BriefcaseOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Muse Wonder1.658,65 elo

DeepSeek-V4.1-Flash1.421,84 elo

AA-LCROverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Muse Wonder80,7 %

DeepSeek-V4.1-Flash84,0 %

AA-OmniscienceOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Muse Wonder25,483 Punkte

DeepSeek-V4.1-Flash-5,3 Punkte

Artificial Analysis Intelligence IndexOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Muse Wonder52,394 Punkte

DeepSeek-V4.1-Flash39,456 Punkte

AutomationBench-AAOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Muse Wonder68,1 %

DeepSeek-V4.1-Flash68,9 %

BioMysteryBenchOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Muse Wonder67,037 %

DeepSeek-V4.1-Flash67,778 %

Code MigrationOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Muse Wonder62,552 %

DeepSeek-V4.1-Flash45,623 %

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

Muse Wonder80,357 %

DeepSeek-V4.1-Flash73,69 %

EMBOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Muse Wonder67,084 %

DeepSeek-V4.1-Flash57,208 %

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

Muse Wonder56,637 %

DeepSeek-V4.1-Flash53,481 %

GDP.pdfOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Muse Wonder30,6 %

DeepSeek-V4.1-Flash12,8 %

GDPval-AAOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Muse Wonder1.770,34 elo

DeepSeek-V4.1-Flash1.600 elo

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von Muse Wonder und DeepSeek-V4.1-Flash
Benchmark und Aufgabe	Muse Wonder	DeepSeek-V4.1-Flash	Quelle
AA-BriefcaseOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v1.1Messgröße: AA-Briefcase EloBewertung: Mehr ist besserMuse Wonder: Snapshot: Muse Wonder (Max), Reasoning: Max DeepSeek-V4.1-Flash: Snapshot: DeepSeek V4.1 Flash (Max), Reasoning: MaxMuse Wonder: Exakte AA-Konfiguration: Muse Wonder (Max) (Release muse-wonder, Zeile muse-wonder, UUID ff2f3f3d-783f-4e27-8a39-47237501a313, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.DeepSeek-V4.1-Flash: Exakte AA-Konfiguration: DeepSeek V4.1 Flash (Max) (Release deepseek-v4-1-flash, Zeile deepseek-v4-1-flash, UUID dbe7c625-3100-4463-b479-a228c41f75dd, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner1.658,65 elo	1.421,84 elo	Artificial Analysis Quellendetails Datenstand: 15.10.2026
AA-LCROverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v1.1Messgröße: Pass rateBewertung: Mehr ist besserMuse Wonder: Snapshot: Muse Wonder (Max), Reasoning: Max DeepSeek-V4.1-Flash: Snapshot: DeepSeek V4.1 Flash (Max), Reasoning: MaxMuse Wonder: Exakte AA-Konfiguration: Muse Wonder (Max) (Release muse-wonder, Zeile muse-wonder, UUID ff2f3f3d-783f-4e27-8a39-47237501a313, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.DeepSeek-V4.1-Flash: Exakte AA-Konfiguration: DeepSeek V4.1 Flash (Max) (Release deepseek-v4-1-flash, Zeile deepseek-v4-1-flash, UUID dbe7c625-3100-4463-b479-a228c41f75dd, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	80,7 %	Gewinner84,0 %	Artificial Analysis Quellendetails Datenstand: 15.10.2026
AA-OmniscienceOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: AA-Omniscience IndexBewertung: Mehr ist besserMuse Wonder: Snapshot: Muse Wonder (Max), Reasoning: Max DeepSeek-V4.1-Flash: Snapshot: DeepSeek V4.1 Flash (Max), Reasoning: MaxMuse Wonder: Exakte AA-Konfiguration: Muse Wonder (Max) (Release muse-wonder, Zeile muse-wonder, UUID ff2f3f3d-783f-4e27-8a39-47237501a313, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.DeepSeek-V4.1-Flash: Exakte AA-Konfiguration: DeepSeek V4.1 Flash (Max) (Release deepseek-v4-1-flash, Zeile deepseek-v4-1-flash, UUID dbe7c625-3100-4463-b479-a228c41f75dd, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner25,483 Punkte Der Index kann negative Werte annehmen und reicht laut Anbieter von -100 bis 100.	-5,3 Punkte Der Index kann negative Werte annehmen und reicht laut Anbieter von -100 bis 100.	Artificial Analysis Quellendetails Datenstand: 15.10.2026
Artificial Analysis Intelligence IndexOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v4.3.2Messgröße: Artificial Analysis Intelligence IndexBewertung: Mehr ist besserMuse Wonder: Snapshot: Muse Wonder (Max), Reasoning: Max DeepSeek-V4.1-Flash: Snapshot: DeepSeek V4.1 Flash (Max), Reasoning: MaxMuse Wonder: Exakte AA-Konfiguration: Muse Wonder (Max) (Release muse-wonder, Zeile muse-wonder, UUID ff2f3f3d-783f-4e27-8a39-47237501a313, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.DeepSeek-V4.1-Flash: Exakte AA-Konfiguration: DeepSeek V4.1 Flash (Max) (Release deepseek-v4-1-flash, Zeile deepseek-v4-1-flash, UUID dbe7c625-3100-4463-b479-a228c41f75dd, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner52,394 Punkte	39,456 Punkte	Artificial Analysis Quellendetails Datenstand: 15.10.2026
AutomationBench-AAOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: Objectives completed without guardrail violationsBewertung: Mehr ist besserMuse Wonder: Snapshot: Muse Wonder (Max), Reasoning: Max DeepSeek-V4.1-Flash: Snapshot: DeepSeek V4.1 Flash (Max), Reasoning: MaxMuse Wonder: Exakte AA-Konfiguration: Muse Wonder (Max) (Release muse-wonder, Zeile muse-wonder, UUID ff2f3f3d-783f-4e27-8a39-47237501a313, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.DeepSeek-V4.1-Flash: Exakte AA-Konfiguration: DeepSeek V4.1 Flash (Max) (Release deepseek-v4-1-flash, Zeile deepseek-v4-1-flash, UUID dbe7c625-3100-4463-b479-a228c41f75dd, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	68,1 %	Gewinner68,9 %	Artificial Analysis Quellendetails Datenstand: 15.10.2026
BioMysteryBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Harness: Terminus 2, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: high, Harness: Terminus 2, Ausgabegrenze: 384.000 tokens	67,037 %	Höherer Messwert67,778 %	Vals AI Quellendetails Datenstand: 12.10.2026
Code MigrationOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	Höherer Messwert62,552 %	45,623 %	Vals AI Quellendetails Datenstand: 12.10.2026
CyberBench v1.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	Höherer Messwert80,357 %	73,69 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	Höherer Messwert67,084 %	57,208 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	Höherer Messwert56,637 %	53,481 %	Vals AI Quellendetails Datenstand: 12.10.2026
GDP.pdfOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: All-pass rateBewertung: Mehr ist besserMuse Wonder: Snapshot: Muse Wonder (Max), Reasoning: Max DeepSeek-V4.1-Flash: Snapshot: DeepSeek V4.1 Flash (Max), Reasoning: MaxMuse Wonder: Exakte AA-Konfiguration: Muse Wonder (Max) (Release muse-wonder, Zeile muse-wonder, UUID ff2f3f3d-783f-4e27-8a39-47237501a313, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.DeepSeek-V4.1-Flash: Exakte AA-Konfiguration: DeepSeek V4.1 Flash (Max) (Release deepseek-v4-1-flash, Zeile deepseek-v4-1-flash, UUID dbe7c625-3100-4463-b479-a228c41f75dd, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner30,6 %	12,8 %	Artificial Analysis Quellendetails Datenstand: 15.10.2026
GDPval-AAOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v2.1Messgröße: GDPval-AA EloBewertung: Mehr ist besserMuse Wonder: Snapshot: Muse Wonder (Max), Reasoning: Max DeepSeek-V4.1-Flash: Snapshot: DeepSeek V4.1 Flash (Max), Reasoning: MaxMuse Wonder: Exakte AA-Konfiguration: Muse Wonder (Max) (Release muse-wonder, Zeile muse-wonder, UUID ff2f3f3d-783f-4e27-8a39-47237501a313, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.DeepSeek-V4.1-Flash: Exakte AA-Konfiguration: DeepSeek V4.1 Flash (Max) (Release deepseek-v4-1-flash, Zeile deepseek-v4-1-flash, UUID dbe7c625-3100-4463-b479-a228c41f75dd, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner1.770,34 elo	1.600 elo	Artificial Analysis Quellendetails Datenstand: 15.10.2026
Harvey's Legal Agent BenchmarkOverall · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 384.000 tokens	Höherer Messwert17,083 %	6,667 %	Vals AI Quellendetails Datenstand: 12.10.2026
Humanity's Last ExamOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: Text-only pass@1 accuracyBewertung: Mehr ist besserMuse Wonder: Snapshot: Muse Wonder (Max), Reasoning: Max DeepSeek-V4.1-Flash: Snapshot: DeepSeek V4.1 Flash (Max), Reasoning: MaxMuse Wonder: Exakte AA-Konfiguration: Muse Wonder (Max) (Release muse-wonder, Zeile muse-wonder, UUID ff2f3f3d-783f-4e27-8a39-47237501a313, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.DeepSeek-V4.1-Flash: Exakte AA-Konfiguration: DeepSeek V4.1 Flash (Max) (Release deepseek-v4-1-flash, Zeile deepseek-v4-1-flash, UUID dbe7c625-3100-4463-b479-a228c41f75dd, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner50,1 % Der Anbieter beschreibt seine Vergleichsauswertung als text-only 2.158 Fragen, nicht als den vollständigen 2.500-Fragen-Datensatz.	39,2 % Der Anbieter beschreibt seine Vergleichsauswertung als text-only 2.158 Fragen, nicht als den vollständigen 2.500-Fragen-Datensatz.	Artificial Analysis Quellendetails Datenstand: 15.10.2026
IOIOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	Höherer Messwert66,944 %	40,278 %	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 besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 384.000 tokens	Höherer Messwert50,481 %	41,346 %	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 besserMuse Wonder: Snapshot: muse-wonder-max, Reasoning: max, Harness: Arena Code Arena WebDev DeepSeek-V4.1-Flash: Snapshot: deepseek-v4.1-flash-max, Reasoning: max, Harness: Arena Code Arena WebDevMuse Wonder: Arena-Bewertung aus 1.228 veröffentlichten Paarvergleichen.DeepSeek-V4.1-Flash: Arena-Bewertung aus 3.544 veröffentlichten Paarvergleichen.	Gewinner1.650,947 95-%-Konfidenzintervall: ±18,263Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.618,513 95-%-Konfidenzintervall: ±10,935Der 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 TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserMuse Wonder: Snapshot: muse-wonder-max, Reasoning: max, Harness: Arena Text, style control DeepSeek-V4.1-Flash: Snapshot: deepseek-v4.1-flash-max, Reasoning: max, Harness: Arena Text, style controlMuse Wonder: Arena-Bewertung aus 1.944 veröffentlichten Paarvergleichen.DeepSeek-V4.1-Flash: Arena-Bewertung aus 12.000 veröffentlichten Paarvergleichen.	Gewinner1.512,671 95-%-Konfidenzintervall: ±13,236Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.474,579 95-%-Konfidenzintervall: ±6,317Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
MysteryMechanismOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	Höherer Messwert27,477 %	21,171 %	Vals AI Quellendetails Datenstand: 12.10.2026
ProofBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	Höherer Messwert84 %	54 %	Vals AI Quellendetails Datenstand: 12.10.2026
Public Benefits Bench v1.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 384.000 tokens	Höherer Messwert70,23 %	64,276 %	Vals AI Quellendetails Datenstand: 12.10.2026
SWE-bench MultimodalOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 384.000 tokens	45,417 %	Höherer Messwert46,458 %	Vals AI Quellendetails Datenstand: 13.10.2026
Tax Agent BenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 384.000 tokens	Höherer Messwert36,269 %	26,63 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-BenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 4.0Messgröße: Task successBewertung: Mehr ist besserMuse Wonder: Snapshot: Muse Wonder (Max), Reasoning: Max DeepSeek-V4.1-Flash: Snapshot: DeepSeek V4.1 Flash (Max), Reasoning: MaxMuse Wonder: Exakte AA-Konfiguration: Muse Wonder (Max) (Release muse-wonder, Zeile muse-wonder, UUID ff2f3f3d-783f-4e27-8a39-47237501a313, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.DeepSeek-V4.1-Flash: Exakte AA-Konfiguration: DeepSeek V4.1 Flash (Max) (Release deepseek-v4-1-flash, Zeile deepseek-v4-1-flash, UUID dbe7c625-3100-4463-b479-a228c41f75dd, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner52,0 %	26,8 %	Artificial Analysis Quellendetails Datenstand: 15.10.2026
Terminal-Bench 4.0Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 4.0Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	Höherer Messwert49,495 %	19,697 %	Vals AI Quellendetails Datenstand: 13.10.2026
Terminal-Bench ScienceOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 0.1Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Harness: Mini-SWE-agent, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: high, Harness: Mini-SWE-agent, Ausgabegrenze: 384.000 tokens	Höherer Messwert22,857 %	0 %	Vals AI Quellendetails Datenstand: 14.10.2026
Vals IndexOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: weighted index scoreBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	Höherer Messwert61,062 %	51,32 %	Vals AI Quellendetails Datenstand: 13.10.2026
Vibe Code Bench 1-100Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.0Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: high, Harness: OpenHands, Ausgabegrenze: 384.000 tokens	Höherer Messwert26,55 %	16,378 %	Vals AI Quellendetails Datenstand: 14.10.2026
Vibe Code Bench v1.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: high, Harness: OpenHands, Ausgabegrenze: 384.000 tokens	83,089 %	Höherer Messwert84,739 %	Vals AI Quellendetails Datenstand: 12.10.2026
BioMysteryBenchHard Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Harness: Terminus 2, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: high, Harness: Terminus 2, Ausgabegrenze: 384.000 tokens	Höherer Messwert29,412 %	21,569 %	Vals AI Quellendetails Datenstand: 12.10.2026
Code MigrationCLI Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	Höherer Messwert60,07 %	37,497 %	Vals AI Quellendetails Datenstand: 12.10.2026
CyberBench v1.1Patch Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	Kein direkter Sieger85,714 %	Kein direkter Sieger85,714 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBComps Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	Höherer Messwert79,488 %	43,925 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Adjustments Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	Höherer Messwert52,67 %	49,241 %	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 besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 384.000 tokens	Höherer Messwert93,841 %	87,681 %	Vals AI Quellendetails Datenstand: 12.10.2026
IOIIOI 2024 Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	Höherer Messwert66,833 %	42,667 %	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 besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 384.000 tokens	Höherer Messwert63,636 %	53,03 %	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 besserMuse Wonder: Snapshot: muse-wonder-max, Reasoning: max, Harness: Arena Code Arena WebDev DeepSeek-V4.1-Flash: Snapshot: deepseek-v4.1-flash-max, Reasoning: max, Harness: Arena Code Arena WebDevMuse Wonder: Arena-Bewertung aus 1.228 veröffentlichten Paarvergleichen.DeepSeek-V4.1-Flash: Arena-Bewertung aus 3.544 veröffentlichten Paarvergleichen.	Gewinner1.650,947 95-%-Konfidenzintervall: ±18,263Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.618,513 95-%-Konfidenzintervall: ±10,935Der 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 ControlBusiness, management and finance Testdetails Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserMuse Wonder: Snapshot: muse-wonder-max, Reasoning: max, Harness: Arena Text, style control DeepSeek-V4.1-Flash: Snapshot: deepseek-v4.1-flash-max, Reasoning: max, Harness: Arena Text, style controlMuse Wonder: Arena-Bewertung aus 338 veröffentlichten Paarvergleichen.DeepSeek-V4.1-Flash: Arena-Bewertung aus 2.143 veröffentlichten Paarvergleichen.	Kein klarer Vorsprung1.500,247 95-%-Konfidenzintervall: ±30,856Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.476,217 95-%-Konfidenzintervall: ±12,877Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
SWE-bench Multimodalbpmn-js Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 384.000 tokens	Höherer Messwert67,925 %	60,377 %	Vals AI Quellendetails Datenstand: 13.10.2026
Tax Agent BenchControversy & Precedence Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 384.000 tokens	Höherer Messwert20 %	3,333 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-Bench 4.0Hardware Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 4.0Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	Höherer Messwert46,667 %	0 %	Vals AI Quellendetails Datenstand: 13.10.2026
Terminal-Bench ScienceEarth Sciences Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 0.1Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Harness: Mini-SWE-agent, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: high, Harness: Mini-SWE-agent, Ausgabegrenze: 384.000 tokens	Höherer Messwert50 %	0 %	Vals AI Quellendetails Datenstand: 14.10.2026
Vals IndexCode Migration Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: benchmark scoreBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 384.000 tokens	Höherer Messwert62,009 %	46,854 %	Vals AI Quellendetails Datenstand: 13.10.2026
BioMysteryBenchHuman-solvable Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Harness: Terminus 2, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: high, Harness: Terminus 2, Ausgabegrenze: 384.000 tokens	75,799 %	Höherer Messwert78,539 %	Vals AI Quellendetails Datenstand: 12.10.2026
Code MigrationCOBOL Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	Kein direkter Sieger70 %	Kein direkter Sieger70 %	Vals AI Quellendetails Datenstand: 12.10.2026
CyberBench v1.1PoC Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	Höherer Messwert75 %	61,667 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBDataroom Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	Höherer Messwert79,232 %	73,863 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)All-Pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	Höherer Messwert45,936 %	41,052 %	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 besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 384.000 tokens	Höherer Messwert20 %	0 %	Vals AI Quellendetails Datenstand: 12.10.2026
IOIIOI 2025 Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	Höherer Messwert75,5 %	35,167 %	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 besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 384.000 tokens	Höherer Messwert90,571 %	89,06 %	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 besserMuse Wonder: Snapshot: muse-wonder-max, Reasoning: max, Harness: Arena Code Arena WebDev DeepSeek-V4.1-Flash: Snapshot: deepseek-v4.1-flash-max, Reasoning: max, Harness: Arena Code Arena WebDevMuse Wonder: Arena-Bewertung aus 158 veröffentlichten Paarvergleichen.DeepSeek-V4.1-Flash: Arena-Bewertung aus 610 veröffentlichten Paarvergleichen.	Gewinner1.721,908 95-%-Konfidenzintervall: ±51,47Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.611,774 95-%-Konfidenzintervall: ±26,22Der 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 besserMuse Wonder: Snapshot: muse-wonder-max, Reasoning: max, Harness: Arena Text, style control DeepSeek-V4.1-Flash: Snapshot: deepseek-v4.1-flash-max, Reasoning: max, Harness: Arena Text, style controlMuse Wonder: Arena-Bewertung aus 487 veröffentlichten Paarvergleichen.DeepSeek-V4.1-Flash: Arena-Bewertung aus 3.319 veröffentlichten Paarvergleichen.	Kein klarer Vorsprung1.557,956 95-%-Konfidenzintervall: ±26,189Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.525,635 95-%-Konfidenzintervall: ±10,535Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
SWE-bench MultimodalCarbon Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 384.000 tokens	27,068 %	Höherer Messwert29,323 %	Vals AI Quellendetails Datenstand: 13.10.2026
Tax Agent BenchControversy & Precedence Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 384.000 tokens	Höherer Messwert71,362 %	52,802 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-Bench 4.0Media Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 4.0Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	Höherer Messwert33,333 %	8,333 %	Vals AI Quellendetails Datenstand: 13.10.2026
Terminal-Bench ScienceEngineering Sciences Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 0.1Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Harness: Mini-SWE-agent, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: high, Harness: Mini-SWE-agent, Ausgabegrenze: 384.000 tokens	Kein direkter Sieger0 %	Kein direkter Sieger0 %	Vals AI Quellendetails Datenstand: 14.10.2026
Vals IndexEMB Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: benchmark scoreBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	Höherer Messwert67,084 %	57,208 %	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 besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	4,061 / 5	Höherer Messwert4,411 / 5	Vals AI Quellendetails Datenstand: 12.10.2026
EMBDCF Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	Höherer Messwert51,035 %	51,026 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Comparables Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	Höherer Messwert47,933 %	46,054 %	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 besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 384.000 tokens	Höherer Messwert92,473 %	90,323 %	Vals AI Quellendetails Datenstand: 12.10.2026
IOIIOI 2026 Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	Höherer Messwert58,5 %	43 %	Vals AI Quellendetails Datenstand: 14.10.2026
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Eigene Modelltests

Unsere Tests

Für diese Auswahl gibt es keine gemeinsame Testrunde. Es werden keine Ergebnisse aus verschiedenen Runden gemischt.

Frühere Tests

Pelikan auf dem Fahrrad

Community-Klassiker für eine freie SVG-Zeichnung.

Muse Wonder

Noch nicht getestet

DeepSeek-V4.1-Flash

Die Antwort hat das Tokenlimit erreicht. Es liegt keine vollständige Aufzeichnung vor.

Reasoning (angefragt): high

Aktueller Versuch

Datum des Testlaufs: 05.10.2026
API-Anbieter: openrouter
Angefragtes API-Modell: deepseek/deepseek-v4.1-flash
API-Modell laut Antwort: deepseek/deepseek-v4.1-flash
Reasoning-Einstellung: high
Festgelegter Endpunkt: DeepSeek | deepseek/deepseek-v4.1-flash-20260910
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Nicht bestanden
Antwortzeit: 25,8 s

Visuell noch nicht bewertet. Eine erfolgreiche Aufzeichnung bestätigt weder korrekte Physik noch die vollständige Umsetzung des Prompts.

Frühere Versuche (2)

02.10.2026API-Anfrage fehlgeschlagenReasoning-Einstellung: high
01.10.2026API-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 Muse Wonder und DeepSeek-V4.1-Flash mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich