Direktvergleich

Muse Wonder vs. Kimi K3

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

gemeinsame Messreihen: 187
verschiedene Benchmarks: 28
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 Kimi K3
Merkmal	Muse Wonder	Kimi K3
Anbieter	Meta	Moonshot AI
Erschienen	12. Okt. 2026	16. Juli 2026
Verfügbarkeit	Preview	Aktiv
Modelltyp	Proprietär	Open Weights
Parameter	Nicht veröffentlicht	2,8 Billionen, 104 Mrd. aktiv
Architektur	Nicht veröffentlicht	Mixture of Experts
Kontextfenster	1.048.576 Token	1.048.576 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 Kimi K3
Preisart	Muse Wonder	Kimi K3
API-Eingabe	4 $	3 $
API-Ausgabe	20 $	15 $
Cache lesen	0,2 $	0,3 $
Cache schreiben (5 Min.)	Nicht ausgewiesen	Nicht ausgewiesen
Cache schreiben (1 Std.)	Nicht ausgewiesen	Nicht ausgewiesen
Preis geprüft	15.10.2026 Quelle	22.09.2026 Quelle

Muse WonderKimi K3

API-EingabeUSD pro 1 Mio. Token, Basistarif

Muse Wonder4 $

Kimi K33 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

Muse Wonder20 $

Kimi K315 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

Muse Wonder0,2 $

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

Anbieterpreise von Muse Wonder und Kimi K3
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
Kimi K3	Moonshot AI	Direkt beim EntwicklerStandard-API	3 $	15 $	Quelle22.09.2026
	AkashML	Über OpenRouterakashml/fp4	1,2 $	14 $	Quelle16.10.2026
	Alibaba	Über OpenRouteralibaba	3,45 $	17,25 $	Quelle16.10.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock/us-east-2	3 $	15 $	Quelle16.10.2026
	BaseTen	Über OpenRouterbaseten/fp8	3 $	15 $	Quelle16.10.2026
	Chutes	Über OpenRouterchutes/mxfp4	1,85 $	Günstigster erfasster Preis: 9,5 $	Quelle16.10.2026
	Decart	Über OpenRouterdecart/mxfp4	2,13 $	10,65 $	Quelle16.10.2026
	DeepInfra	Über OpenRouterdeepinfra/mxfp4	2,85 $	14,25 $	Quelle16.10.2026
	DigitalOcean	Über OpenRouterdigitalocean	2,55 $	12,95 $	Quelle16.10.2026
	Fireworks	Über OpenRouterfireworks	3 $	15 $	Quelle16.10.2026
	Fireworks	Über OpenRouterfireworks/fast	4,5 $	22,5 $	Quelle16.10.2026
	InferenceNet	Über OpenRouterinference-net/fast	2,49 $	15 $	Quelle16.10.2026
	InferenceNet	Über OpenRouterinference-net/fp4	0,405 $	15 $	Quelle16.10.2026
	Makora	Über OpenRoutermakora/fp4	1,53 $	12,75 $	Quelle16.10.2026
	Modal	Über OpenRoutermodal/mxfp4	3 $	15 $	Quelle16.10.2026
	Moonshot AI	Über OpenRoutermoonshotai/mxfp4	3 $	15 $	Quelle16.10.2026
	Morph	Über OpenRoutermorph/fp8	1 $	14,9 $	Quelle16.10.2026
	Parasail	Über OpenRouterparasail/fast	3 $	15 $	Quelle16.10.2026
	Parasail	Über OpenRouterparasail/fp4	2,6 $	13 $	Quelle16.10.2026
	Phala	Über OpenRouterphala	2,55 $	12,75 $	Quelle16.10.2026
	Relace	Über OpenRouterrelace/fp4	Günstigster erfasster Preis: 0,35 $	14 $	Quelle16.10.2026
	Sail Research	Über OpenRoutersail-research/fp4	0,84 $	13,5 $	Quelle16.10.2026
	Together	Über OpenRoutertogether	3 $	15 $	Quelle16.10.2026
	Wafer	Über OpenRouterwafer	0,72 $	24 $	Quelle16.10.2026
	Wafer	Über OpenRouterwafer/us	0,36 $	14,9 $	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

Kimi K3

Coding: 99,8 / 74 (3 Benchmarkfamilien)

Reasoning: 97,6 / 91,2 (4 Benchmarkfamilien)

Wissen: 100 / 88,6 (2 Benchmarkfamilien)

Finanzen: 100 / 99,2 (1 Benchmarkfamilie)

Agenten-Aufgaben: 100 / 87,6 (3 Benchmarkfamilien)

Allgemein: 100 / 98,5 (1 Benchmarkfamilie)

Gesamt: 100 / 83,2 (1 Benchmarkfamilie)

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

Muse WonderKimi K3

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

Muse Wonder1.658,65 elo

Kimi K31.500,97 elo

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

Muse Wonder80,7 %

Kimi K388,7 %

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

Muse Wonder25,483 Punkte

Kimi K319,7 Punkte

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

Muse Wonder52,394 Punkte

Kimi K343,594 Punkte

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

Muse Wonder68,1 %

Kimi K358,3 %

BioMysteryBenchOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Muse Wonder67,037 %

Kimi K372,593 %

Code MigrationOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Muse Wonder62,552 %

Kimi K316,099 %

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

Muse Wonder80,357 %

Kimi K375,238 %

EMBOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Muse Wonder67,084 %

Kimi K366,677 %

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

Muse Wonder56,637 %

Kimi K353,114 %

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

Muse Wonder30,6 %

Kimi K322,0 %

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

Muse Wonder1.770,34 elo

Kimi K31.533,13 elo

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von Muse Wonder und Kimi K3
Benchmark und Aufgabe	Muse Wonder	Kimi K3	Quelle
AA-BriefcaseOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v1.1Messgröße: AA-Briefcase EloBewertung: Mehr ist besserMuse Wonder: Snapshot: Muse Wonder (Max), Reasoning: Max Kimi K3: Snapshot: Kimi K3 (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.Kimi K3: Exakte AA-Konfiguration: Kimi K3 (Max) (Release kimi-k3, Zeile kimi-k3, UUID f7d2fc3e-1f7b-405f-818c-07952a4af78f, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner1.658,65 elo	1.500,97 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 Kimi K3: Snapshot: Kimi K3 (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.Kimi K3: Exakte AA-Konfiguration: Kimi K3 (Max) (Release kimi-k3, Zeile kimi-k3, UUID f7d2fc3e-1f7b-405f-818c-07952a4af78f, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	80,7 %	Gewinner88,7 %	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 Kimi K3: Snapshot: Kimi K3 (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.Kimi K3: Exakte AA-Konfiguration: Kimi K3 (Max) (Release kimi-k3, Zeile kimi-k3, UUID f7d2fc3e-1f7b-405f-818c-07952a4af78f, 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.	19,7 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 Kimi K3: Snapshot: Kimi K3 (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.Kimi K3: Exakte AA-Konfiguration: Kimi K3 (Max) (Release kimi-k3, Zeile kimi-k3, UUID f7d2fc3e-1f7b-405f-818c-07952a4af78f, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner52,394 Punkte	43,594 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 Kimi K3: Snapshot: Kimi K3 (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.Kimi K3: Exakte AA-Konfiguration: Kimi K3 (Max) (Release kimi-k3, Zeile kimi-k3, UUID f7d2fc3e-1f7b-405f-818c-07952a4af78f, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner68,1 %	58,3 %	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 Kimi K3: Reasoning: max, Harness: Terminus 2, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	67,037 %	Höherer Messwert72,593 %	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 Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert62,552 %	16,099 %	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 Kimi K3: Reasoning: max, Ausgabegrenze: 262.144 tokens	Höherer Messwert80,357 %	75,238 %	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 Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert67,084 %	66,677 %	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 Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert56,637 %	53,114 %	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 Kimi K3: Snapshot: Kimi K3 (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.Kimi K3: Exakte AA-Konfiguration: Kimi K3 (Max) (Release kimi-k3, Zeile kimi-k3, UUID f7d2fc3e-1f7b-405f-818c-07952a4af78f, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner30,6 %	22,0 %	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 Kimi K3: Snapshot: Kimi K3 (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.Kimi K3: Exakte AA-Konfiguration: Kimi K3 (Max) (Release kimi-k3, Zeile kimi-k3, UUID f7d2fc3e-1f7b-405f-818c-07952a4af78f, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner1.770,34 elo	1.533,13 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 Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert17,083 %	12,917 %	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 Kimi K3: Snapshot: Kimi K3 (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.Kimi K3: Exakte AA-Konfiguration: Kimi K3 (Max) (Release kimi-k3, Zeile kimi-k3, UUID f7d2fc3e-1f7b-405f-818c-07952a4af78f, 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.	46,9 % 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 Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert66,944 %	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 besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert50,481 %	46,154 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Code Arena WebDevOverall Testdetails Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserMuse Wonder: Snapshot: muse-wonder-max, Reasoning: max, Harness: Arena Code Arena WebDev Kimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena Code Arena WebDevMuse Wonder: Arena-Bewertung aus 1.228 veröffentlichten Paarvergleichen.Kimi K3: Arena-Bewertung aus 18.644 veröffentlichten Paarvergleichen.	1.650,947 95-%-Konfidenzintervall: ±18,263Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Kein klarer Vorsprung1.655,295 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 TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserMuse Wonder: Snapshot: muse-wonder-max, Reasoning: max, Harness: Arena Text, style control Kimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena Text, style controlMuse Wonder: Arena-Bewertung aus 1.944 veröffentlichten Paarvergleichen.Kimi K3: Arena-Bewertung aus 32.036 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.	1.488,095 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
ProofBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Ausgabegrenze: 262.144 tokens	84 %	Höherer Messwert87 %	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 Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert70,23 %	68,2 %	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 Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert45,417 %	35,833 %	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 Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert36,269 %	33,368 %	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 Kimi K3: Snapshot: Kimi K3 (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.Kimi K3: Exakte AA-Konfiguration: Kimi K3 (Max) (Release kimi-k3, Zeile kimi-k3, UUID f7d2fc3e-1f7b-405f-818c-07952a4af78f, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner52,0 %	12,6 %	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 Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert49,495 %	17,172 %	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 Kimi K3: Reasoning: max, Harness: Mini-SWE-agent, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert22,857 %	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 besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert61,062 %	50,297 %	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 Kimi K3: Reasoning: max, Harness: OpenHands, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert26,55 %	18,244 %	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 Kimi K3: Reasoning: max, Harness: OpenHands, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	83,089 %	Höherer Messwert84,968 %	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 Kimi K3: Reasoning: max, Harness: Terminus 2, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	29,412 %	Höherer Messwert41,176 %	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 Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert60,07 %	1,465 %	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 Kimi K3: Reasoning: max, Ausgabegrenze: 262.144 tokens	Höherer Messwert85,714 %	82,143 %	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 Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert79,488 %	70,837 %	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 Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert52,67 %	45,274 %	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 besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert93,841 %	88,768 %	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 Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert66,833 %	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 besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Kein direkter Sieger63,636 %	Kein direkter Sieger63,636 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Code Arena WebDevWebdev Testdetails Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserMuse Wonder: Snapshot: muse-wonder-max, Reasoning: max, Harness: Arena Code Arena WebDev Kimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena Code Arena WebDevMuse Wonder: Arena-Bewertung aus 1.228 veröffentlichten Paarvergleichen.Kimi K3: Arena-Bewertung aus 18.644 veröffentlichten Paarvergleichen.	1.650,947 95-%-Konfidenzintervall: ±18,263Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Kein klarer Vorsprung1.655,295 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 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 Kimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena Text, style controlMuse Wonder: Arena-Bewertung aus 338 veröffentlichten Paarvergleichen.Kimi K3: Arena-Bewertung aus 6.035 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.	1.487,914 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
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 Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert67,925 %	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 besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert20 %	13,333 %	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 Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert46,667 %	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 besserMuse Wonder: Reasoning: max, Harness: Mini-SWE-agent, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Harness: Mini-SWE-agent, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert50 %	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 besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert62,009 %	16,042 %	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 Kimi K3: Reasoning: max, Harness: Terminus 2, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	75,799 %	Höherer Messwert79,909 %	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 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 besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Ausgabegrenze: 262.144 tokens	Höherer Messwert75 %	68,333 %	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 Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	79,232 %	Höherer Messwert82,661 %	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 Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert45,936 %	41,837 %	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 besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Kein direkter Sieger20 %	Kein direkter Sieger20 %	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 Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert75,5 %	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 besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert90,571 %	89,252 %	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 Kimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena Code Arena WebDevMuse Wonder: Arena-Bewertung aus 158 veröffentlichten Paarvergleichen.Kimi K3: Arena-Bewertung aus 2.538 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.	1.645,8 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 besserMuse Wonder: Snapshot: muse-wonder-max, Reasoning: max, Harness: Arena Text, style control Kimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena Text, style controlMuse Wonder: Arena-Bewertung aus 487 veröffentlichten Paarvergleichen.Kimi K3: Arena-Bewertung aus 8.136 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.	1.538,885 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
SWE-bench MultimodalCarbon Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert27,068 %	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 besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert71,362 %	68,8 %	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 Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert33,333 %	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 besserMuse Wonder: Reasoning: max, Harness: Mini-SWE-agent, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Harness: Mini-SWE-agent, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 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 Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert67,084 %	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 besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert4,061 / 5	3,899 / 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 Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	51,035 %	Höherer Messwert56,736 %	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 Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert47,933 %	47,778 %	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 besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert92,473 %	91,398 %	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 Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert58,5 %	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 besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert48,837 %	39,535 %	Vals AI Quellendetails Datenstand: 12.10.2026
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

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 Muse Wonder und Kimi K3 mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich