AI BENCHY

KI-Benchmark-Bestenliste

Name: AI BENCHY Modell-Benchmark-Ergebnisse
Creator: AI BENCHY
License: https://aibenchy.com/methodology/

Benchmarks aus AI BENCHY-Test-Suites generiert am: 2026-04-20 Bewertete Modelle: 99

Suchen

99/99

Rang	Modell	Punktzahl	Unternehmen	Gesamtkosten	Antwortzeit (Durchschnitt)
#1🥇 #1	Gemini 3 Flash Previewmedium	10.0	Google	$0.314	17.60s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 0 Erfolgsquote pro Versuch: 100.0% Instabile Tests: 0 Ausgabe-Token: 2,072 Denk-Token: 97,041 Antwortzeit: Durchschn. 17.60s · Gesamt 193.57s · Max. 79.71s Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 10.0 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0
#2🥈 #2	Gemini 3.1 Pro Previewmedium	9.6	Google	$0.578	15.96s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 1 Erfolgsquote pro Versuch: 94.4% Instabile Tests: 0 Ausgabe-Token: 1,932 Denk-Token: 40,542 Antwortzeit: Durchschn. 15.96s · Gesamt 175.52s · Max. 40.61s Falsche Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 9.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0
#3🥉 #3	Claude Opus 4.7medium	9.2	Anthropic	$0.447	3.53s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 2 Erfolgsquote pro Versuch: 88.9% Instabile Tests: 0 Ausgabe-Token: 5,375 Denk-Token: 1,341 Antwortzeit: Durchschn. 3.53s · Gesamt 60.03s · Max. 21.45s Zeitüberschreitung: 1 Falsche Antwort: 1 Anti-KI-Tricks : 8.3 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0
#4#4	Claude Opus 4.7none	9.2	Anthropic	$0.505	3.13s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 2 Erfolgsquote pro Versuch: 88.9% Instabile Tests: 0 Ausgabe-Token: 6,326 Denk-Token: 0 Antwortzeit: Durchschn. 3.13s · Gesamt 56.33s · Max. 18.27s Falsche Antwort: 2 Anti-KI-Tricks : 8.3 Programmierung : 10.0 Kombiniert : 9.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0
#5#5	Gemini 3 Flash Previewlow	8.8	Google	$0.091	6.01s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 3 Erfolgsquote pro Versuch: 85.2% Instabile Tests: 1 Ausgabe-Token: 2,018 Denk-Token: 23,273 Antwortzeit: Durchschn. 6.01s · Gesamt 108.12s · Max. 14.72s Falsche Antwort: 3 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0
#8#8	Qwen3.5 Plus 2026-02-15medium	8.5	Qwen	$0.220	46.56s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 4 Erfolgsquote pro Versuch: 83.3% Instabile Tests: 2 Ausgabe-Token: 2,121 Denk-Token: 111,889 Antwortzeit: Durchschn. 46.56s · Gesamt 512.20s · Max. 120.91s Zeitüberschreitung: 2 Falsche Antwort: 2 Anti-KI-Tricks : 8.2 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.7 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0
#12#12	Gemini 3 PRO Previewmedium	8.4	Google	$0.197	9.06s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 4 Erfolgsquote pro Versuch: 77.8% Instabile Tests: 0 Ausgabe-Token: 1,508 Denk-Token: 10,084 Antwortzeit: Durchschn. 9.06s · Gesamt 90.58s · Max. 26.24s Falsche Antwort: 3 API-Fehler: 1 Anti-KI-Tricks : 10.0 Programmierung : 3.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0
#9#9	Qwen3.6 Plus Previewmedium	8.5	Qwen	$0.000	13.94s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 4 Erfolgsquote pro Versuch: 76.5% Instabile Tests: 0 Ausgabe-Token: 1,756 Denk-Token: 77,213 Antwortzeit: Durchschn. 13.94s · Gesamt 237.01s · Max. 43.55s Falsche Antwort: 3 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0
#11#11	Gemini 3.1 Flash Lite Previewhigh	8.4	Google	$2.310	68.83s
Modellkarte anzeigen Gesamttests: 16 Falsche Tests: 4 Erfolgsquote pro Versuch: 77.1% Instabile Tests: 1 Ausgabe-Token: 1,283 Denk-Token: 1,533,310 Antwortzeit: Durchschn. 68.83s · Gesamt 1101.32s · Max. 280.52s Falsche Antwort: 3 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 7.9 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0
#6#6	Seed-2.0-Litemedium	8.6	Bytedance Seed	$0.121	30.37s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 5 Erfolgsquote pro Versuch: 83.3% Instabile Tests: 3 Ausgabe-Token: 3,257 Denk-Token: 52,042 Antwortzeit: Durchschn. 30.37s · Gesamt 546.72s · Max. 168.71s Falsche Antwort: 3 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 8.3 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 6.7 Befolgung von Anweisungen : 10.0 Rätsellösen : 9.0 Werkzeugaufrufe : 10.0
#7#7	GPT-5.3-Codexmedium	8.6	OpenAI	$0.573	15.38s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 5 Erfolgsquote pro Versuch: 83.3% Instabile Tests: 3 Ausgabe-Token: 2,279 Denk-Token: 35,179 Antwortzeit: Durchschn. 15.38s · Gesamt 276.91s · Max. 100.93s Falsche Antwort: 3 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 8.7 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 4.6 Befolgung von Anweisungen : 10.0 Rätsellösen : 9.0 Werkzeugaufrufe : 10.0
#10#10	Qwen3.5-27Bmedium	8.4	Qwen	$0.497	53.03s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 5 Erfolgsquote pro Versuch: 81.5% Instabile Tests: 3 Ausgabe-Token: 2,500 Denk-Token: 242,500 Antwortzeit: Durchschn. 53.03s · Gesamt 954.46s · Max. 163.96s Anweisungen nicht befolgt: 2 Zusätzliche Formatierung: 1 Zeitüberschreitung: 1 Falsche Antwort: 1 Anti-KI-Tricks : 8.7 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0
#13#13	GLM 5medium	8.4	Z.ai	$0.155	23.34s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 5 Erfolgsquote pro Versuch: 85.2% Instabile Tests: 4 Ausgabe-Token: 20,163 Denk-Token: 58,337 Antwortzeit: Durchschn. 23.34s · Gesamt 233.40s · Max. 79.09s Falsche Antwort: 2 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 7.1 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0
#14#14	Gemma 4 31Bmedium	8.3	Google	$0.018	24.88s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 5 Erfolgsquote pro Versuch: 79.6% Instabile Tests: 2 Ausgabe-Token: 12,734 Denk-Token: 27,950 Antwortzeit: Durchschn. 24.88s · Gesamt 398.13s · Max. 70.97s API-Fehler: 2 Anweisungen nicht befolgt: 1 Zeitüberschreitung: 1 Falsche Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 4.7 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.8 Werkzeugaufrufe : 3.0
#15#15	Gemini 2.5 Flashmedium	8.2	Google	$0.319	12.12s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 5 Erfolgsquote pro Versuch: 75.9% Instabile Tests: 1 Ausgabe-Token: 1,898 Denk-Token: 122,273 Antwortzeit: Durchschn. 12.12s · Gesamt 218.12s · Max. 95.48s Falsche Antwort: 4 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 8.4 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 9.8 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0
#16#16	GPT-5.4medium	8.2	OpenAI	$0.832	18.63s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 5 Erfolgsquote pro Versuch: 79.6% Instabile Tests: 3 Ausgabe-Token: 2,169 Denk-Token: 48,732 Antwortzeit: Durchschn. 18.63s · Gesamt 335.26s · Max. 100.41s Falsche Antwort: 3 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 8.3 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.7 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0
#17#17	Gemini 3.1 Flash Lite Previewmedium	8.2	Google	$0.055	3.74s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 5 Erfolgsquote pro Versuch: 72.2% Instabile Tests: 0 Ausgabe-Token: 2,168 Denk-Token: 29,030 Antwortzeit: Durchschn. 3.74s · Gesamt 67.31s · Max. 14.93s Falsche Antwort: 4 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 9.1 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0
#19#19	Qwen3.5-122B-A10Bmedium	8.1	Qwen	$0.528	31.38s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 5 Erfolgsquote pro Versuch: 79.6% Instabile Tests: 3 Ausgabe-Token: 17,635 Denk-Token: 162,668 Antwortzeit: Durchschn. 31.38s · Gesamt 564.84s · Max. 119.29s Falsche Antwort: 3 Zeitüberschreitung: 2 Anti-KI-Tricks : 10.0 Programmierung : 4.7 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 3.4 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0
#20#20	Qwen3.6 Plusmedium	8.1	Qwen	$0.000	15.27s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 5 Erfolgsquote pro Versuch: 74.1% Instabile Tests: 1 Ausgabe-Token: 1,763 Denk-Token: 83,782 Antwortzeit: Durchschn. 15.27s · Gesamt 259.55s · Max. 43.55s Falsche Antwort: 3 API-Fehler: 1 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 10.0 Programmierung : 3.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0
#21#21	Gemini 3 Flash Previewnone	8.1	Google	$0.021	1.65s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 5 Erfolgsquote pro Versuch: 77.8% Instabile Tests: 2 Ausgabe-Token: 1,840 Denk-Token: 0 Antwortzeit: Durchschn. 1.65s · Gesamt 18.20s · Max. 3.56s Falsche Antwort: 5 Anti-KI-Tricks : 8.3 Programmierung : 10.0 Kombiniert : 4.7 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.4 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0
#22#22	Gemini 3.1 Flash Lite Previewlow	8.1	Google	$0.022	3.22s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 5 Erfolgsquote pro Versuch: 72.2% Instabile Tests: 0 Ausgabe-Token: 2,247 Denk-Token: 8,058 Antwortzeit: Durchschn. 3.22s · Gesamt 58.00s · Max. 11.91s Falsche Antwort: 4 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 8.3 Programmierung : 10.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0
#24#24	Gemma 4 26B A4Bmedium	8.0	Google	$0.028	25.03s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 5 Erfolgsquote pro Versuch: 75.9% Instabile Tests: 2 Ausgabe-Token: 15,928 Denk-Token: 44,631 Antwortzeit: Durchschn. 25.03s · Gesamt 425.48s · Max. 147.47s Zeitüberschreitung: 2 Falsche Antwort: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 10.0 Programmierung : 2.8 Kombiniert : 9.6 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.9 Werkzeugaufrufe : 10.0
#26#26	Claude Sonnet 4.6medium	8.0	Anthropic	$1.161	12.66s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 5 Erfolgsquote pro Versuch: 74.1% Instabile Tests: 1 Ausgabe-Token: 42,068 Denk-Token: 26,784 Antwortzeit: Durchschn. 12.66s · Gesamt 126.62s · Max. 46.35s Zusätzliche Formatierung: 2 Falsche Antwort: 2 Zeitüberschreitung: 1 Anti-KI-Tricks : 6.5 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0
#18#18	GLM 5 Turbomedium	8.1	Z.ai	$0.182	17.67s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 6 Erfolgsquote pro Versuch: 77.8% Instabile Tests: 5 Ausgabe-Token: 12,197 Denk-Token: 38,933 Antwortzeit: Durchschn. 17.67s · Gesamt 317.98s · Max. 194.23s Falsche Antwort: 3 Anweisungen nicht befolgt: 2 Zeitüberschreitung: 1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.3 Werkzeugaufrufe : 10.0
#23#23	MiMo-V2-Promedium	8.1	Xiaomi	$0.159	12.27s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 6 Erfolgsquote pro Versuch: 77.8% Instabile Tests: 3 Ausgabe-Token: 2,360 Denk-Token: 38,320 Antwortzeit: Durchschn. 12.27s · Gesamt 208.56s · Max. 64.71s Falsche Antwort: 3 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 4.7 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 7.0 Werkzeugaufrufe : 10.0
#25#25	Grok 4.20 Betamedium	8.0	X AI	$0.633	9.81s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 6 Erfolgsquote pro Versuch: 74.1% Instabile Tests: 2 Ausgabe-Token: 1,568 Denk-Token: 91,909 Antwortzeit: Durchschn. 9.81s · Gesamt 176.62s · Max. 31.36s Anweisungen nicht befolgt: 3 Falsche Antwort: 3 Anti-KI-Tricks : 8.7 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 8.3 Rätsellösen : 8.2 Werkzeugaufrufe : 3.0
#27#27	DeepSeek V3.2medium	8.0	DeepSeek	$0.029	46.41s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 6 Erfolgsquote pro Versuch: 79.6% Instabile Tests: 4 Ausgabe-Token: 10,620 Denk-Token: 48,511 Antwortzeit: Durchschn. 46.41s · Gesamt 835.33s · Max. 180.92s Falsche Antwort: 3 Zeitüberschreitung: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 8.4 Programmierung : 4.7 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.4 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0
#28#28	GPT-5.2 Chatnone	7.9	OpenAI	$0.291	6.84s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 6 Erfolgsquote pro Versuch: 75.9% Instabile Tests: 3 Ausgabe-Token: 17,346 Denk-Token: 0 Antwortzeit: Durchschn. 6.84s · Gesamt 123.17s · Max. 38.52s Falsche Antwort: 5 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 8.7 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 7.5 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0
#29#29	Gemini 3.1 Flash Lite Previewnone	7.9	Google	$0.016	1.30s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 6 Erfolgsquote pro Versuch: 70.4% Instabile Tests: 1 Ausgabe-Token: 5,361 Denk-Token: 0 Antwortzeit: Durchschn. 1.30s · Gesamt 23.42s · Max. 3.39s Falsche Antwort: 4 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 7.5 Programmierung : 10.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0
#33#33	GLM 5.1medium	7.8	Z.ai	$0.201	24.13s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 6 Erfolgsquote pro Versuch: 75.9% Instabile Tests: 3 Ausgabe-Token: 8,005 Denk-Token: 49,090 Antwortzeit: Durchschn. 24.13s · Gesamt 410.25s · Max. 118.52s Falsche Antwort: 3 Zeitüberschreitung: 2 API-Fehler: 1 Anti-KI-Tricks : 10.0 Programmierung : 4.7 Kombiniert : 9.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.4 Rätsellösen : 8.2 Werkzeugaufrufe : 3.0
#37#37	Claude Opus 4.6medium	7.6	Anthropic	$1.446	21.08s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 6 Erfolgsquote pro Versuch: 70.4% Instabile Tests: 2 Ausgabe-Token: 29,829 Denk-Token: 18,938 Antwortzeit: Durchschn. 21.08s · Gesamt 231.84s · Max. 83.40s Zusätzliche Formatierung: 4 Falsche Antwort: 2 Anti-KI-Tricks : 6.4 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0
#30#30	Step 3.5 Flashmedium	7.9	Stepfun	$0.000	26.78s
Modellkarte anzeigen Gesamttests: 17 Falsche Tests: 6 Erfolgsquote pro Versuch: 70.6% Instabile Tests: 2 Ausgabe-Token: 71,904 Denk-Token: 155,607 Antwortzeit: Durchschn. 26.78s · Gesamt 294.58s · Max. 170.45s Anweisungen nicht befolgt: 3 Falsche Antwort: 3 Anti-KI-Tricks : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.5 Befolgung von Anweisungen : 8.5 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0
#31#31	GLM 5V Turbomedium	7.8	Z.ai	$0.291	14.96s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 7 Erfolgsquote pro Versuch: 77.8% Instabile Tests: 6 Ausgabe-Token: 2,351 Denk-Token: 58,941 Antwortzeit: Durchschn. 14.96s · Gesamt 269.32s · Max. 67.08s Falsche Antwort: 3 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 2 Anti-KI-Tricks : 7.2 Programmierung : 10.0 Kombiniert : 6.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 7.7 Werkzeugaufrufe : 7.0
#32#32	Qwen3.5-Flashmedium	7.8	Qwen	$0.080	66.72s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 7 Erfolgsquote pro Versuch: 81.5% Instabile Tests: 6 Ausgabe-Token: 2,073 Denk-Token: 191,899 Antwortzeit: Durchschn. 66.72s · Gesamt 1201.03s · Max. 234.29s Zeitüberschreitung: 4 API-Fehler: 1 Anweisungen nicht befolgt: 1 Falsche Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 4.7 Kombiniert : 10.0 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 6.4 Werkzeugaufrufe : 10.0
#34#34	Kimi K2.6medium	7.7	Moonshot AI	$0.722	45.20s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 7 Erfolgsquote pro Versuch: 74.1% Instabile Tests: 4 Ausgabe-Token: 80,759 Denk-Token: 179,814 Antwortzeit: Durchschn. 45.20s · Gesamt 768.37s · Max. 215.85s Anweisungen nicht befolgt: 3 Zeitüberschreitung: 2 Falsche Antwort: 2 Anti-KI-Tricks : 7.0 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 5.0 Werkzeugaufrufe : 10.0
#35#35	MiMo-V2-Omnimedium	7.7	Xiaomi	$0.153	16.76s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 7 Erfolgsquote pro Versuch: 61.1% Instabile Tests: 0 Ausgabe-Token: 928 Denk-Token: 72,661 Antwortzeit: Durchschn. 16.76s · Gesamt 301.61s · Max. 158.78s Falsche Antwort: 3 Anweisungen nicht befolgt: 2 Zusätzliche Formatierung: 1 Keine Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 4.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 8.3 Rätsellösen : 6.5 Werkzeugaufrufe : 10.0
#36#36	GPT-5.3 Chatnone	7.7	OpenAI	$0.340	5.88s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 7 Erfolgsquote pro Versuch: 68.5% Instabile Tests: 3 Ausgabe-Token: 20,784 Denk-Token: 0 Antwortzeit: Durchschn. 5.88s · Gesamt 105.90s · Max. 18.33s Falsche Antwort: 5 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 6.7 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 4.6 Befolgung von Anweisungen : 8.3 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0
#38#38	GPT-5.4 Nanomedium	7.6	OpenAI	$0.083	11.21s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 7 Erfolgsquote pro Versuch: 68.5% Instabile Tests: 2 Ausgabe-Token: 2,946 Denk-Token: 58,132 Antwortzeit: Durchschn. 11.21s · Gesamt 201.80s · Max. 94.06s Falsche Antwort: 4 Anweisungen nicht befolgt: 3 Anti-KI-Tricks : 8.3 Programmierung : 10.0 Kombiniert : 9.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 4.5 Befolgung von Anweisungen : 9.8 Rätsellösen : 4.0 Werkzeugaufrufe : 10.0
#39#39	Seed-2.0-Minimedium	7.5	Bytedance Seed	$0.037	69.70s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 7 Erfolgsquote pro Versuch: 66.7% Instabile Tests: 2 Ausgabe-Token: 2,419 Denk-Token: 79,238 Antwortzeit: Durchschn. 69.70s · Gesamt 1045.47s · Max. 262.83s Zeitüberschreitung: 4 Falsche Antwort: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 6.6 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.2 Werkzeugaufrufe : 10.0
#40#40	GPT-5.2medium	7.5	OpenAI	$0.352	14.04s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 7 Erfolgsquote pro Versuch: 72.2% Instabile Tests: 4 Ausgabe-Token: 2,705 Denk-Token: 18,977 Antwortzeit: Durchschn. 14.04s · Gesamt 154.41s · Max. 77.80s Anweisungen nicht befolgt: 3 Falsche Antwort: 2 Keine Antwort: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 6.5 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 3.7 Befolgung von Anweisungen : 9.9 Rätsellösen : 7.7 Werkzeugaufrufe : 4.7
#41#41	MiMo-V2-Flashmedium	7.5	Xiaomi	$0.038	23.36s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 7 Erfolgsquote pro Versuch: 70.4% Instabile Tests: 3 Ausgabe-Token: 12,387 Denk-Token: 115,182 Antwortzeit: Durchschn. 23.36s · Gesamt 280.34s · Max. 96.01s Falsche Antwort: 3 API-Fehler: 1 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 8.1 Programmierung : 4.7 Kombiniert : 9.8 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0
#42#42	Claude Sonnet 4.6none	7.4	Anthropic	$0.262	4.98s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 7 Erfolgsquote pro Versuch: 64.8% Instabile Tests: 1 Ausgabe-Token: 7,433 Denk-Token: 0 Antwortzeit: Durchschn. 4.98s · Gesamt 54.83s · Max. 23.84s Zusätzliche Formatierung: 3 Falsche Antwort: 3 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 4.8 Programmierung : 10.0 Kombiniert : 9.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 6.5 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0
#43#43	Qwen3.5-35B-A3Bmedium	7.4	Qwen	$0.398	44.51s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 8 Erfolgsquote pro Versuch: 79.6% Instabile Tests: 7 Ausgabe-Token: 10,137 Denk-Token: 208,761 Antwortzeit: Durchschn. 44.51s · Gesamt 801.21s · Max. 106.00s Zeitüberschreitung: 4 Falsche Antwort: 2 API-Fehler: 1 Keine Antwort: 1 Anti-KI-Tricks : 10.0 Programmierung : 10.0 Kombiniert : 4.7 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 2.8 Befolgung von Anweisungen : 10.0 Rätsellösen : 6.4 Werkzeugaufrufe : 10.0
#48#48	Gemma 4 31Bnone	6.9	Google	$0.003	4.02s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 8 Erfolgsquote pro Versuch: 55.6% Instabile Tests: 0 Ausgabe-Token: 1,359 Denk-Token: 0 Antwortzeit: Durchschn. 4.02s · Gesamt 64.33s · Max. 26.13s Falsche Antwort: 5 API-Fehler: 2 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 6.5 Programmierung : 10.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.5 Werkzeugaufrufe : 3.0
#44#44	GPT-5.4 Minimedium	7.3	OpenAI	$0.299	15.22s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 9 Erfolgsquote pro Versuch: 70.4% Instabile Tests: 6 Ausgabe-Token: 2,131 Denk-Token: 59,567 Antwortzeit: Durchschn. 15.22s · Gesamt 273.90s · Max. 102.91s Anweisungen nicht befolgt: 5 Falsche Antwort: 4 Anti-KI-Tricks : 8.6 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 4.1 Allgemeine Intelligenz : 4.5 Befolgung von Anweisungen : 7.4 Rätsellösen : 6.8 Werkzeugaufrufe : 4.7
#45#45	GPT-5 Minimedium	7.0	OpenAI	$0.128	23.98s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 9 Erfolgsquote pro Versuch: 61.1% Instabile Tests: 3 Ausgabe-Token: 6,379 Denk-Token: 53,482 Antwortzeit: Durchschn. 23.98s · Gesamt 431.56s · Max. 88.15s Anweisungen nicht befolgt: 4 Falsche Antwort: 4 Zeitüberschreitung: 1 Anti-KI-Tricks : 7.1 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 4.5 Befolgung von Anweisungen : 8.0 Rätsellösen : 5.6 Werkzeugaufrufe : 10.0
#46#46	Kimi K2.5medium	7.0	Moonshot AI	$0.220	72.43s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 9 Erfolgsquote pro Versuch: 72.2% Instabile Tests: 7 Ausgabe-Token: 42,176 Denk-Token: 84,870 Antwortzeit: Durchschn. 72.43s · Gesamt 796.70s · Max. 150.77s Falsche Antwort: 4 Anweisungen nicht befolgt: 2 Zeitüberschreitung: 2 Keine Antwort: 1 Anti-KI-Tricks : 7.3 Programmierung : 4.7 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 10.0 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0
#47#47	Grok 4.20medium	7.0	X AI	$0.743	10.33s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 9 Erfolgsquote pro Versuch: 66.7% Instabile Tests: 5 Ausgabe-Token: 1,744 Denk-Token: 109,882 Antwortzeit: Durchschn. 10.33s · Gesamt 185.87s · Max. 29.87s Anweisungen nicht befolgt: 4 Falsche Antwort: 3 API-Fehler: 1 Zusätzliche Formatierung: 1 Anti-KI-Tricks : 8.2 Programmierung : 4.3 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.8 Befolgung von Anweisungen : 7.3 Rätsellösen : 6.4 Werkzeugaufrufe : 3.0
#49#49	Qwen3.5 Plus 2026-02-15none	6.8	Qwen	$0.017	2.60s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 9 Erfolgsquote pro Versuch: 53.7% Instabile Tests: 2 Ausgabe-Token: 2,461 Denk-Token: 0 Antwortzeit: Durchschn. 2.60s · Gesamt 31.23s · Max. 6.65s Falsche Antwort: 9 Anti-KI-Tricks : 4.8 Programmierung : 6.3 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0
#51#51	Nemotron 3 Supermedium	6.7	NVIDIA	$0.000	19.06s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 9 Erfolgsquote pro Versuch: 55.6% Instabile Tests: 3 Ausgabe-Token: 11,947 Denk-Token: 29,768 Antwortzeit: Durchschn. 19.06s · Gesamt 305.04s · Max. 87.80s Anweisungen nicht befolgt: 4 Falsche Antwort: 3 API-Fehler: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 10.0 Programmierung : 3.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 3.8 Befolgung von Anweisungen : 7.2 Rätsellösen : 3.5 Werkzeugaufrufe : 10.0
#52#52	Grok 4.1 Fastmedium	6.7	X AI	$0.056	23.88s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 9 Erfolgsquote pro Versuch: 64.8% Instabile Tests: 6 Ausgabe-Token: 2,010 Denk-Token: 91,298 Antwortzeit: Durchschn. 23.88s · Gesamt 262.66s · Max. 121.79s Anweisungen nicht befolgt: 4 Falsche Antwort: 3 Keine Antwort: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 8.7 Programmierung : 2.3 Kombiniert : 10.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.8 Allgemeine Intelligenz : 4.2 Befolgung von Anweisungen : 6.6 Rätsellösen : 5.3 Werkzeugaufrufe : 2.8
#53#53	GLM 5none	6.6	Z.ai	$0.020	4.23s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 9 Erfolgsquote pro Versuch: 51.9% Instabile Tests: 1 Ausgabe-Token: 1,959 Denk-Token: 0 Antwortzeit: Durchschn. 4.23s · Gesamt 46.51s · Max. 11.07s Falsche Antwort: 9 Anti-KI-Tricks : 4.8 Programmierung : 5.6 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0
#50#50	Hunter Alphamedium	6.7	OpenRouter	$0.000	10.33s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 10 Erfolgsquote pro Versuch: 64.8% Instabile Tests: 6 Ausgabe-Token: 4,724 Denk-Token: 17,921 Antwortzeit: Durchschn. 10.33s · Gesamt 175.60s · Max. 30.53s Falsche Antwort: 4 Anweisungen nicht befolgt: 2 Zeitüberschreitung: 2 API-Fehler: 1 Zusätzliche Formatierung: 1 Anti-KI-Tricks : 7.3 Programmierung : 3.0 Kombiniert : 4.7 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 7.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 6.1 Werkzeugaufrufe : 10.0
#54#54	Mercury 2medium	6.5	Inception	$0.047	2.21s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 10 Erfolgsquote pro Versuch: 53.7% Instabile Tests: 3 Ausgabe-Token: 3,972 Denk-Token: 48,333 Antwortzeit: Durchschn. 2.21s · Gesamt 37.51s · Max. 14.63s Falsche Antwort: 6 Anweisungen nicht befolgt: 4 Anti-KI-Tricks : 6.9 Programmierung : 10.0 Kombiniert : 10.0 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 10.0 Rätsellösen : 3.9 Werkzeugaufrufe : 10.0
#55#55	MiMo-V2-Omninone	6.5	Xiaomi	$0.007	1.99s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 10 Erfolgsquote pro Versuch: 44.4% Instabile Tests: 0 Ausgabe-Token: 868 Denk-Token: 0 Antwortzeit: Durchschn. 1.99s · Gesamt 35.81s · Max. 6.81s Falsche Antwort: 8 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 4.8 Programmierung : 6.6 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.5 Befolgung von Anweisungen : 6.5 Rätsellösen : 8.0 Werkzeugaufrufe : 10.0
#58#58	GLM 5V Turbonone	6.2	Z.ai	$0.044	3.10s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 10 Erfolgsquote pro Versuch: 44.4% Instabile Tests: 0 Ausgabe-Token: 1,724 Denk-Token: 0 Antwortzeit: Durchschn. 3.10s · Gesamt 55.87s · Max. 6.51s Falsche Antwort: 8 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 4.8 Programmierung : 10.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.6 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0
#59#59	Qwen3.5-Flashnone	6.2	Qwen	$0.006	3.25s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 10 Erfolgsquote pro Versuch: 46.3% Instabile Tests: 1 Ausgabe-Token: 4,266 Denk-Token: 0 Antwortzeit: Durchschn. 3.25s · Gesamt 58.44s · Max. 13.73s Falsche Antwort: 9 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 3.5 Programmierung : 10.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.3 Werkzeugaufrufe : 10.0
#61#61	Seed-2.0-Litenone	6.2	Bytedance Seed	$0.016	2.53s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 10 Erfolgsquote pro Versuch: 55.6% Instabile Tests: 5 Ausgabe-Token: 3,129 Denk-Token: 0 Antwortzeit: Durchschn. 2.53s · Gesamt 45.46s · Max. 6.70s Falsche Antwort: 10 Anti-KI-Tricks : 3.0 Programmierung : 10.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 5.2 Werkzeugaufrufe : 10.0
#56#56	Grok 4.20 Multi Agent Betamedium	6.4	X AI	$5.074	9.80s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 11 Erfolgsquote pro Versuch: 57.4% Instabile Tests: 6 Ausgabe-Token: 299,034 Denk-Token: 309,670 Antwortzeit: Durchschn. 9.80s · Gesamt 156.75s · Max. 35.28s Anweisungen nicht befolgt: 4 Falsche Antwort: 3 API-Fehler: 2 Zusätzliche Formatierung: 2 Anti-KI-Tricks : 6.9 Programmierung : 10.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.8 Befolgung von Anweisungen : 8.3 Rätsellösen : 7.2 Werkzeugaufrufe : 3.0
#57#57	GPT-5 Nanomedium	6.3	OpenAI	$0.066	44.13s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 11 Erfolgsquote pro Versuch: 59.3% Instabile Tests: 8 Ausgabe-Token: 4,980 Denk-Token: 156,288 Antwortzeit: Durchschn. 44.13s · Gesamt 485.47s · Max. 204.02s Falsche Antwort: 7 Anweisungen nicht befolgt: 3 Zeitüberschreitung: 1 Anti-KI-Tricks : 6.5 Programmierung : 6.7 Kombiniert : 10.0 Datenanalyse und -extraktion : 3.7 Domänenspezifisch : 5.2 Allgemeine Intelligenz : 4.1 Befolgung von Anweisungen : 8.5 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0
#60#60	Gemma 4 26B A4Bnone	6.2	Google	$0.005	6.59s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 11 Erfolgsquote pro Versuch: 48.2% Instabile Tests: 3 Ausgabe-Token: 1,783 Denk-Token: 0 Antwortzeit: Durchschn. 6.59s · Gesamt 118.61s · Max. 57.10s Falsche Antwort: 7 Anweisungen nicht befolgt: 3 Zeitüberschreitung: 1 Anti-KI-Tricks : 8.3 Programmierung : 4.7 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 4.4 Rätsellösen : 5.7 Werkzeugaufrufe : 10.0
#62#62	Gemini 2.5 Flashnone	6.2	Google	$0.013	903ms
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 11 Erfolgsquote pro Versuch: 44.4% Instabile Tests: 2 Ausgabe-Token: 1,726 Denk-Token: 0 Antwortzeit: Durchschn. 903ms · Gesamt 16.26s · Max. 4.39s Falsche Antwort: 10 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 3.0 Programmierung : 10.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 8.0 Rätsellösen : 5.7 Werkzeugaufrufe : 10.0
#63#63	Qwen3.5-35B-A3Bnone	6.1	Qwen	$0.016	3.82s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 11 Erfolgsquote pro Versuch: 50.0% Instabile Tests: 3 Ausgabe-Token: 4,300 Denk-Token: 0 Antwortzeit: Durchschn. 3.82s · Gesamt 68.74s · Max. 47.43s Falsche Antwort: 9 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 3.4 Programmierung : 10.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.9 Werkzeugaufrufe : 10.0
#64#64	DeepSeek V3.2none	6.1	DeepSeek	$0.016	12.09s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 11 Erfolgsquote pro Versuch: 50.0% Instabile Tests: 4 Ausgabe-Token: 8,384 Denk-Token: 0 Antwortzeit: Durchschn. 12.09s · Gesamt 217.56s · Max. 115.89s Falsche Antwort: 8 Zusätzliche Formatierung: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 3.2 Programmierung : 2.4 Kombiniert : 6.5 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 8.5 Werkzeugaufrufe : 10.0
#65#65	MiMo-V2-Pronone	6.0	Xiaomi	$0.043	2.39s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 11 Erfolgsquote pro Versuch: 48.2% Instabile Tests: 3 Ausgabe-Token: 2,320 Denk-Token: 0 Antwortzeit: Durchschn. 2.39s · Gesamt 43.06s · Max. 6.58s Falsche Antwort: 9 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 3.5 Programmierung : 10.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.3 Befolgung von Anweisungen : 6.5 Rätsellösen : 6.0 Werkzeugaufrufe : 10.0
#66#66	GPT-5.4none	5.9	OpenAI	$0.104	1.51s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 11 Erfolgsquote pro Versuch: 42.6% Instabile Tests: 2 Ausgabe-Token: 2,317 Denk-Token: 0 Antwortzeit: Durchschn. 1.51s · Gesamt 27.21s · Max. 2.95s Falsche Antwort: 10 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 3.2 Programmierung : 10.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.6 Werkzeugaufrufe : 10.0
#68#68	gpt-oss-120bmedium	5.8	OpenAI	$0.011	16.08s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 11 Erfolgsquote pro Versuch: 51.9% Instabile Tests: 6 Ausgabe-Token: 13,493 Denk-Token: 36,879 Antwortzeit: Durchschn. 16.08s · Gesamt 176.88s · Max. 50.92s Falsche Antwort: 7 Anweisungen nicht befolgt: 4 Anti-KI-Tricks : 6.7 Programmierung : 4.3 Kombiniert : 10.0 Datenanalyse und -extraktion : 6.4 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.3 Befolgung von Anweisungen : 9.9 Rätsellösen : 3.2 Werkzeugaufrufe : 9.8
#69#69	Kimi K2.6none	5.8	Moonshot AI	$0.038	2.05s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 11 Erfolgsquote pro Versuch: 42.6% Instabile Tests: 2 Ausgabe-Token: 2,973 Denk-Token: 0 Antwortzeit: Durchschn. 2.05s · Gesamt 36.93s · Max. 6.65s Falsche Antwort: 8 Anweisungen nicht befolgt: 3 Anti-KI-Tricks : 4.6 Programmierung : 10.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.4 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.4 Werkzeugaufrufe : 10.0
#67#67	Qwen3.5-27Bnone	5.9	Qwen	$0.016	1.74s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 12 Erfolgsquote pro Versuch: 38.9% Instabile Tests: 2 Ausgabe-Token: 3,545 Denk-Token: 0 Antwortzeit: Durchschn. 1.74s · Gesamt 31.32s · Max. 9.39s Falsche Antwort: 10 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 4.8 Programmierung : 10.0 Kombiniert : 2.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 4.8 Rätsellösen : 6.7 Werkzeugaufrufe : 10.0
#70#70	Qwen3.5-122B-A10Bnone	5.7	Qwen	$0.022	3.69s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 12 Erfolgsquote pro Versuch: 38.9% Instabile Tests: 2 Ausgabe-Token: 3,341 Denk-Token: 0 Antwortzeit: Durchschn. 3.69s · Gesamt 66.50s · Max. 46.00s Falsche Antwort: 11 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 4.8 Programmierung : 4.3 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 4.5 Rätsellösen : 5.4 Werkzeugaufrufe : 10.0
#72#72	Hunter Alphanone	5.7	OpenRouter	$0.000	4.58s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 12 Erfolgsquote pro Versuch: 46.3% Instabile Tests: 4 Ausgabe-Token: 2,278 Denk-Token: 0 Antwortzeit: Durchschn. 4.58s · Gesamt 77.92s · Max. 15.17s Falsche Antwort: 9 Anweisungen nicht befolgt: 2 API-Fehler: 1 Anti-KI-Tricks : 3.5 Programmierung : 3.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 6.1 Befolgung von Anweisungen : 6.4 Rätsellösen : 5.8 Werkzeugaufrufe : 10.0
#76#76	Kimi K2.5none	5.5	Moonshot AI	$0.017	13.37s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 12 Erfolgsquote pro Versuch: 40.7% Instabile Tests: 3 Ausgabe-Token: 2,659 Denk-Token: 0 Antwortzeit: Durchschn. 13.37s · Gesamt 147.05s · Max. 42.13s Falsche Antwort: 12 Anti-KI-Tricks : 3.6 Programmierung : 10.0 Kombiniert : 2.8 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0
#77#77	GLM 5 Turbonone	5.5	Z.ai	$0.032	2.94s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 12 Erfolgsquote pro Versuch: 37.0% Instabile Tests: 2 Ausgabe-Token: 1,775 Denk-Token: 0 Antwortzeit: Durchschn. 2.94s · Gesamt 52.98s · Max. 8.21s Falsche Antwort: 10 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 3.0 Programmierung : 5.3 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.2 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.5 Werkzeugaufrufe : 10.0
#71#71	MiniMax M2.5medium	5.7	Minimax	$0.250	39.65s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 13 Erfolgsquote pro Versuch: 57.4% Instabile Tests: 10 Ausgabe-Token: 107,044 Denk-Token: 206,422 Antwortzeit: Durchschn. 39.65s · Gesamt 396.47s · Max. 237.27s Falsche Antwort: 5 Zeitüberschreitung: 4 Anweisungen nicht befolgt: 3 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 7.9 Programmierung : 3.0 Kombiniert : 4.5 Datenanalyse und -extraktion : 4.6 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 3.8 Befolgung von Anweisungen : 8.1 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0
#73#73	Mistral Small 4medium	5.7	Mistral	$0.034	5.64s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 13 Erfolgsquote pro Versuch: 50.0% Instabile Tests: 7 Ausgabe-Token: 15,084 Denk-Token: 39,408 Antwortzeit: Durchschn. 5.64s · Gesamt 101.52s · Max. 30.49s Falsche Antwort: 8 Anweisungen nicht befolgt: 3 API-Fehler: 2 Anti-KI-Tricks : 5.6 Programmierung : 6.7 Kombiniert : 3.0 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 7.3 Rätsellösen : 3.4 Werkzeugaufrufe : 10.0
#74#74	GLM 4.7 Flashnone	5.6	Z.ai	$0.003	3.35s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 13 Erfolgsquote pro Versuch: 37.0% Instabile Tests: 3 Ausgabe-Token: 2,489 Denk-Token: 0 Antwortzeit: Durchschn. 3.35s · Gesamt 36.90s · Max. 7.05s Falsche Antwort: 10 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 5.2 Programmierung : 6.4 Kombiniert : 3.0 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 6.5 Rätsellösen : 4.4 Werkzeugaufrufe : 2.8
#75#75	GLM 5.1none	5.6	Z.ai	$0.053	4.33s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 13 Erfolgsquote pro Versuch: 37.0% Instabile Tests: 4 Ausgabe-Token: 3,720 Denk-Token: 0 Antwortzeit: Durchschn. 4.33s · Gesamt 78.02s · Max. 32.57s Falsche Antwort: 10 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 4.0 Programmierung : 5.1 Kombiniert : 2.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 8.3 Rätsellösen : 5.7 Werkzeugaufrufe : 10.0
#78#78	Trinity Large Previewnone	5.3	Arcee AI	$0.000	5.07s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 13 Erfolgsquote pro Versuch: 29.6% Instabile Tests: 1 Ausgabe-Token: 1,985 Denk-Token: 0 Antwortzeit: Durchschn. 5.07s · Gesamt 91.23s · Max. 39.47s Falsche Antwort: 11 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 3.0 Programmierung : 6.3 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 4.1 Rätsellösen : 5.4 Werkzeugaufrufe : 10.0
#81#81	Elephantmedium	5.2	Openrouter	$0.000	1.27s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 13 Erfolgsquote pro Versuch: 29.6% Instabile Tests: 1 Ausgabe-Token: 2,596 Denk-Token: 0 Antwortzeit: Durchschn. 1.27s · Gesamt 22.82s · Max. 3.70s Falsche Antwort: 9 Anweisungen nicht befolgt: 3 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 6.6 Programmierung : 5.1 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.3 Befolgung von Anweisungen : 9.8 Rätsellösen : 3.7 Werkzeugaufrufe : 3.0
#82#82	Grok 4.20none	5.2	X AI	$0.095	1.11s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 13 Erfolgsquote pro Versuch: 29.6% Instabile Tests: 1 Ausgabe-Token: 1,967 Denk-Token: 0 Antwortzeit: Durchschn. 1.11s · Gesamt 20.02s · Max. 6.04s Falsche Antwort: 9 Anweisungen nicht befolgt: 2 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 4.8 Programmierung : 3.4 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 4.8 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0
#83#83	Mistral Small 4none	5.2	Mistral	$0.006	665ms
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 13 Erfolgsquote pro Versuch: 31.5% Instabile Tests: 1 Ausgabe-Token: 2,207 Denk-Token: 0 Antwortzeit: Durchschn. 665ms · Gesamt 11.97s · Max. 1.72s Falsche Antwort: 11 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 3.4 Programmierung : 4.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0
#85#85	Elephantnone	5.2	Openrouter	$0.000	1.23s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 13 Erfolgsquote pro Versuch: 31.5% Instabile Tests: 1 Ausgabe-Token: 2,573 Denk-Token: 0 Antwortzeit: Durchschn. 1.23s · Gesamt 22.16s · Max. 3.81s Falsche Antwort: 9 Anweisungen nicht befolgt: 3 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 6.6 Programmierung : 6.4 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 9.8 Rätsellösen : 3.3 Werkzeugaufrufe : 3.0
#86#86	GPT-5.4 Mininone	5.1	OpenAI	$0.032	1.17s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 13 Erfolgsquote pro Versuch: 35.2% Instabile Tests: 3 Ausgabe-Token: 2,418 Denk-Token: 0 Antwortzeit: Durchschn. 1.17s · Gesamt 21.01s · Max. 2.52s Falsche Antwort: 10 Anweisungen nicht befolgt: 3 Anti-KI-Tricks : 3.1 Programmierung : 10.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 6.3 Rätsellösen : 5.4 Werkzeugaufrufe : 3.0
#79#79	Grok 4.20 Betanone	5.3	X AI	$0.091	1.19s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 14 Erfolgsquote pro Versuch: 29.6% Instabile Tests: 2 Ausgabe-Token: 1,591 Denk-Token: 0 Antwortzeit: Durchschn. 1.19s · Gesamt 21.37s · Max. 6.48s Falsche Antwort: 10 Anweisungen nicht befolgt: 3 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 4.0 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 4.8 Rätsellösen : 5.9 Werkzeugaufrufe : 10.0
#80#80	MiniMax M2.7medium	5.3	Minimax	$0.091	31.08s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 14 Erfolgsquote pro Versuch: 51.9% Instabile Tests: 10 Ausgabe-Token: 4,984 Denk-Token: 62,787 Antwortzeit: Durchschn. 31.08s · Gesamt 528.37s · Max. 117.04s Anweisungen nicht befolgt: 6 Falsche Antwort: 5 Zeitüberschreitung: 2 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 7.9 Programmierung : 10.0 Kombiniert : 4.7 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 3.9 Befolgung von Anweisungen : 3.7 Rätsellösen : 3.8 Werkzeugaufrufe : 4.7
#84#84	gpt-oss-120bnone	5.2	OpenAI	$0.009	11.96s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 14 Erfolgsquote pro Versuch: 38.9% Instabile Tests: 5 Ausgabe-Token: 44,652 Denk-Token: 0 Antwortzeit: Durchschn. 11.96s · Gesamt 179.34s · Max. 68.97s Falsche Antwort: 6 Anweisungen nicht befolgt: 5 API-Fehler: 3 Anti-KI-Tricks : 6.6 Programmierung : 4.3 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.6 Befolgung von Anweisungen : 8.4 Rätsellösen : 4.5 Werkzeugaufrufe : 3.0
#87#87	Qwen3 Coder Nextnone	5.1	Qwen	$0.008	10.18s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 14 Erfolgsquote pro Versuch: 25.9% Instabile Tests: 1 Ausgabe-Token: 3,617 Denk-Token: 0 Antwortzeit: Durchschn. 10.18s · Gesamt 122.13s · Max. 45.14s Falsche Antwort: 12 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 3.6 Programmierung : 7.3 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 4.8 Rätsellösen : 3.2 Werkzeugaufrufe : 10.0
#88#88	Nemotron 3 Supernone	5.1	NVIDIA	$0.000	8.54s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 14 Erfolgsquote pro Versuch: 35.2% Instabile Tests: 4 Ausgabe-Token: 4,760 Denk-Token: 0 Antwortzeit: Durchschn. 8.54s · Gesamt 153.69s · Max. 24.97s Falsche Antwort: 10 Anweisungen nicht befolgt: 4 Anti-KI-Tricks : 4.8 Programmierung : 3.3 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 4.2 Befolgung von Anweisungen : 4.9 Rätsellösen : 5.7 Werkzeugaufrufe : 4.7
#89#89	GPT-4o-mininone	4.9	OpenAI	$0.005	2.00s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 14 Erfolgsquote pro Versuch: 22.2% Instabile Tests: 0 Ausgabe-Token: 1,947 Denk-Token: 0 Antwortzeit: Durchschn. 2.00s · Gesamt 21.99s · Max. 7.58s Falsche Antwort: 13 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 4.8 Programmierung : 3.0 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 4.8 Rätsellösen : 3.7 Werkzeugaufrufe : 10.0
#90#90	Qwen3.5-9Bnone	4.8	Qwen	$0.005	1.47s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 14 Erfolgsquote pro Versuch: 24.1% Instabile Tests: 1 Ausgabe-Token: 3,951 Denk-Token: 0 Antwortzeit: Durchschn. 1.47s · Gesamt 26.43s · Max. 5.91s Falsche Antwort: 10 Anweisungen nicht befolgt: 3 Ungültiger Werkzeugaufruf: 1 Anti-KI-Tricks : 3.1 Programmierung : 5.2 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.2 Werkzeugaufrufe : 10.0
#91#91	Mercury 2none	4.8	Inception	$0.007	613ms
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 14 Erfolgsquote pro Versuch: 27.8% Instabile Tests: 2 Ausgabe-Token: 1,625 Denk-Token: 0 Antwortzeit: Durchschn. 613ms · Gesamt 11.04s · Max. 1.27s Falsche Antwort: 13 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 3.0 Programmierung : 3.6 Kombiniert : 3.0 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.8 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0
#93#93	GLM 4.7 Flashmedium	4.6	Z.ai	$0.046	32.33s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 14 Erfolgsquote pro Versuch: 38.9% Instabile Tests: 8 Ausgabe-Token: 39,688 Denk-Token: 72,401 Antwortzeit: Durchschn. 32.33s · Gesamt 355.65s · Max. 174.55s Falsche Antwort: 8 Anweisungen nicht befolgt: 2 Keine Antwort: 2 Ungültiger Werkzeugaufruf: 1 Zeitüberschreitung: 1 Anti-KI-Tricks : 4.7 Programmierung : 3.6 Kombiniert : 2.8 Datenanalyse und -extraktion : 6.3 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 3.6 Befolgung von Anweisungen : 6.2 Rätsellösen : 2.9 Werkzeugaufrufe : 10.0
#92#92	Qwen3 Coder Nextmedium	4.7	Qwen	$0.008	10.75s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 15 Erfolgsquote pro Versuch: 27.8% Instabile Tests: 3 Ausgabe-Token: 3,241 Denk-Token: 0 Antwortzeit: Durchschn. 10.75s · Gesamt 129.01s · Max. 81.80s Falsche Antwort: 9 Anweisungen nicht befolgt: 5 Zeitüberschreitung: 1 Anti-KI-Tricks : 3.5 Programmierung : 4.7 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 6.3 Befolgung von Anweisungen : 4.8 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0
#94#94	MiMo-V2-Flashnone	4.5	Xiaomi	$0.023	2.79s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 15 Erfolgsquote pro Versuch: 27.8% Instabile Tests: 5 Ausgabe-Token: 68,522 Denk-Token: 0 Antwortzeit: Durchschn. 2.79s · Gesamt 39.08s · Max. 19.68s Falsche Antwort: 12 API-Fehler: 1 Zusätzliche Formatierung: 1 Anweisungen nicht befolgt: 1 Anti-KI-Tricks : 3.2 Programmierung : 6.3 Kombiniert : 3.0 Datenanalyse und -extraktion : 2.9 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.6 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.6 Werkzeugaufrufe : 10.0
#95#95	Grok 4.1 Fastnone	4.5	X AI	$0.009	1.76s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 15 Erfolgsquote pro Versuch: 24.1% Instabile Tests: 3 Ausgabe-Token: 1,721 Denk-Token: 0 Antwortzeit: Durchschn. 1.76s · Gesamt 19.35s · Max. 5.51s Falsche Antwort: 13 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 3.2 Programmierung : 5.3 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 3.0 Rätsellösen : 3.2 Werkzeugaufrufe : 2.8
#97#97	Qwen3.5-9Bmedium	4.4	Qwen	$0.030	73.64s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 15 Erfolgsquote pro Versuch: 33.3% Instabile Tests: 6 Ausgabe-Token: 24,291 Denk-Token: 172,597 Antwortzeit: Durchschn. 73.64s · Gesamt 1104.60s · Max. 226.38s Zeitüberschreitung: 11 Anweisungen nicht befolgt: 2 Zusätzliche Formatierung: 1 Falsche Antwort: 1 Anti-KI-Tricks : 5.1 Programmierung : 2.6 Kombiniert : 3.0 Datenanalyse und -extraktion : 3.6 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 2.8 Befolgung von Anweisungen : 6.4 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0
#96#96	GPT-5.4 Nanonone	4.5	OpenAI	$0.009	1.40s
Modellkarte anzeigen Gesamttests: 18 Falsche Tests: 16 Erfolgsquote pro Versuch: 31.5% Instabile Tests: 7 Ausgabe-Token: 2,762 Denk-Token: 0 Antwortzeit: Durchschn. 1.40s · Gesamt 25.14s · Max. 3.84s Falsche Antwort: 13 Anweisungen nicht befolgt: 3 Anti-KI-Tricks : 3.5 Programmierung : 7.1 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 3.8 Befolgung von Anweisungen : 5.0 Rätsellösen : 3.7 Werkzeugaufrufe : 10.0
#98#98	LFM2-24B-A2Bnone	4.1	Liquid	$0.001	811ms
Modellkarte anzeigen Gesamttests: 16 Falsche Tests: 15 Erfolgsquote pro Versuch: 14.6% Instabile Tests: 2 Ausgabe-Token: 1,185 Denk-Token: 0 Antwortzeit: Durchschn. 811ms · Gesamt 11.35s · Max. 2.88s Falsche Antwort: 9 API-Fehler: 4 Anweisungen nicht befolgt: 2 Anti-KI-Tricks : 3.3 Kombiniert : 3.0 Datenanalyse und -extraktion : 3.0 Domänenspezifisch : 5.9 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 4.8 Rätsellösen : 4.4 Werkzeugaufrufe : 3.0
#99#99	Step 3.5 Flashnone	3.0	Stepfun	$0.000	0ms
Modellkarte anzeigen Gesamttests: 1 Falsche Tests: 1 Erfolgsquote pro Versuch: 0.0% Instabile Tests: 0 Ausgabe-Token: 0 Denk-Token: 0 Antwortzeit: Durchschn. 0ms · Gesamt 0ms · Max. 0ms API-Fehler: 1 Programmierung : 3.0

Schnellvergleich

Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7medium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7none Gemini 3 Flash PreviewmediumvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewmediumvsSeed-2.0-Litemedium Gemini 3 Flash PreviewmediumvsGPT-5.3-Codexmedium Gemini 3 Flash PreviewmediumvsQwen3.6 Plus PreviewmediumKostenlos verfügbar Gemini 3.1 Pro PreviewmediumvsClaude Opus 4.7medium Claude Opus 4.7mediumvsClaude Opus 4.7none Claude Opus 4.7nonevsGemini 3 Flash Previewlow Gemini 3 Flash PreviewlowvsSeed-2.0-Litemedium Seed-2.0-LitemediumvsGPT-5.3-Codexmedium

KI-Benchmark-Bestenliste

Modelle filtern

Schnellvergleich