Verglichene Modelle

Benchmark-Vergleich GLM 5 (medium) vs GLM 5.1 (medium) vs Kimi K2.5 (medium) vs Qwen3.6 Plus Preview (medium): GLM 5.1 (medium) führt bei Punktzahl mit 7.5. GLM 5 (medium) führt bei Zuverlässigkeit mit 10.0. Qwen3.6 Plus Preview (medium) hat den niedrigsten Gesamtkosten mit $0.000. Qwen3.6 Plus Preview (medium) ist mit 15.25s am schnellsten.

Benchmarks aus AI BENCHY-Test-Suites generiert am: 2026-10-26

Verglichene Modelle

Rang: #184
Gesamte Ausgabe-Token: 120,942
Antwortzeit (Durchschnitt): 39.05s
Gesamtkosten: $0.479

Rang: #156
Gesamte Ausgabe-Token: 245,833
Antwortzeit (Durchschnitt): 66.38s
Gesamtkosten: $1.546

Rang: #253
Gesamte Ausgabe-Token: 209,217
Antwortzeit (Durchschnitt): 125.76s
Gesamtkosten: $0.841

Rang: #407
Gesamte Ausgabe-Token: 63,350
Antwortzeit (Durchschnitt): 15.25s
Gesamtkosten: $0.000

Empfohlenes Modell GLM 5 (medium)

Die Punktzahl bleibt nah an der besten hier (7.2 vs 7.5) und es kostet etwa 2.5x weniger als die anderen Modelle in diesem Vergleich.

Detaillierter Vergleich

Metrik	GLM 5 GLM 5 medium Veröffentlichung: 2026-02-12	GLM 5.1 GLM 5.1 medium Veröffentlichung: 2026-04-07	Kimi K2.5 Kimi K2.5 medium Veröffentlichung: 2026-01-27	Qwen3.6 Plus Preview Qwen3.6 Plus Preview medium Veröffentlichung: 2026-04-20 Kostenlos verfügbar

Metrik	GLM 5 GLM 5 medium Veröffentlichung: 2026-02-12	GLM 5.1 GLM 5.1 medium Veröffentlichung: 2026-04-07	Kimi K2.5 Kimi K2.5 medium Veröffentlichung: 2026-01-27	Qwen3.6 Plus Preview Qwen3.6 Plus Preview medium Veröffentlichung: 2026-04-20 Kostenlos verfügbar
Punktzahl	7.2	7.5	6.4	4.0
Rang	#184	#156	#253	#407
Zuverlässigkeit	10.0	9.2	9.6	k. A.
Konsistenz	7.9	8.4	7.1	8.3
Versuche	66/69	69/69	69/69	57/69
Korrekte Tests
Erfolgsquote pro Versuch	76.8%	66.7%	60.9%	39.1%
Instabile Tests	5	4	8	0
Gesamtläufe	66	69	69	57
Kosten pro Ergebnis	2.552	9.004	6.085	0.000
Gesamtkosten	$0.479	$1.546	$0.841	$0.000
Eingabepreis	$0.600 / 1M	$1.400 / 1M	$0.450 / 1M	$0.000 / 1M
Ausgabepreis	$1.920 / 1M	$4.400 / 1M	$2.250 / 1M	$0.000 / 1M
Preis für Cache-Lesen	$0.120 / 1M	$0.260 / 1M	$0.070 / 1M	k. A.
Preis für Cache-Schreiben	k. A.	k. A.	k. A.	k. A.
Gesamte Eingabe-Token	212,440	331,577	292,271	32,639
Ausgabe-Token	22,922	17,919	55,025	1,153
Denk-Token	115,335	230,789	186,071	62,197
Antwortzeit (Durchschnitt)	39.05s	66.38s	125.76s	15.25s
Antwortzeit (Maximum)	110.70s	308.75s	566.79s	43.55s
Antwortzeit (Gesamt)	546.68s	1460.31s	2137.84s	182.96s
Parameter	744B insgesamt (40B aktiv)	744B insgesamt (40B aktiv)	1T insgesamt (32B aktiv)	~397B insgesamt (~17B aktiv)
Verfügbarkeit	Open Source	Open Source	Gewichte verfügbar	Geschlossen

Cache-Preise gelten für Eingabetokens. Lesen nutzt gespeicherte Prompts erneut; Schreiben speichert sie und kann mehr kosten. Für Ausgabetokens gilt der Ausgabepreis.

Modell-Generierungs-Showcase

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#184 GLM 5

medium

Kosten: $0.005
Zeit: 20.7s
Token: 2,068 tok

#156 GLM 5.1

medium

Reached the allocated time limit (300 seconds) without receiving showcase output.

Kosten: $0.000
Zeit: 300.0s
Token: 0 tok

#253 MoonshotAI: Kimi K2.5

medium

Kosten: $0.030
Zeit: 58.6s
Token: 8,683 tok

#407 Qwen3.6 Plus Preview

medium

Für dieses Modell wurde noch kein Showcase-Ergebnis generiert.

Kosten: k. A.
Zeit: -
Token: 0 tok

Top-Modelle nach Score

Score vs. Gesamtkosten

Antwortzeit (Durchschnitt)

Punktzahl vs Antwortzeit (Durchschnitt)

Gesamte Ausgabe-Token

Punktzahl vs Gesamte Ausgabe-Token

Kategorieaufschlüsselung

Kategorie:

Agentenaufgaben	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GLM 5	4.7	3.1	33.3%	1	110.70s	177,216	1,352	12,339
GLM 5.1	10.0	10.0	100.0%	0	225.59s	248,985	1,830	30,989
Kimi K2.5	3.9	9.6	0.0%	0	566.79s	173,775	1,503	18,651
Qwen3.6 Plus Preview	0.0	0.0	0.0%	0	0ms	0	0	0

Anti-KI-Tricks	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GLM 5	10.0	10.0	100.0%	0	23.66s	555	480	7,056
GLM 5.1	10.0	10.0	100.0%	0	8.31s	555	401	5,122
Kimi K2.5	7.3	5.8	83.3%	2	51.38s	634	2,789	8,880
Qwen3.6 Plus Preview	8.3	10.0	75.0%	0	11.69s	501	61	5,812

Programmierung	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GLM 5	10.0	10.0	100.0%	0	74.30s	7,254	2,997	52,930
GLM 5.1	4.6	3.7	44.5%	2	109.63s	5,702	4,871	37,826
Kimi K2.5	6.1	4.6	66.7%	2	217.49s	6,935	5,705	74,693
Qwen3.6 Plus Preview	1.0	3.3	0.0%	0	0ms	0	0	0

Kombiniert	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GLM 5	5.0	5.0	50.0%	28.96s	12,804	662	3,242
GLM 5.1	9.8	10.0	100.0%	175.93s	66,926	4,761	65,248
Kimi K2.5	6.7	9.1	50.0%	89.19s	95,416	14,448	11,209
Qwen3.6 Plus Preview	5.0	5.0	50.0%	34.95s	14,934	452	13,073

Datenanalyse und -extraktion	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GLM 5	7.1	5.6	83.3%	1	8.90s	5,508	567	3,734
GLM 5.1	10.0	10.0	100.0%	0	9.33s	7,107	991	4,552
Kimi K2.5	10.0	10.0	100.0%	0	49.78s	7,020	563	7,940
Qwen3.6 Plus Preview	10.0	10.0	100.0%	0	14.95s	7,782	270	10,706

Domänenspezifisch	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GLM 5	3.5	4.4	33.3%	2	0ms	260	13,176	14,137
GLM 5.1	3.0	10.0	0.0%	0	113.95s	458	969	74,651
Kimi K2.5	2.9	4.4	22.2%	2	111.65s	533	12,151	32,741
Qwen3.6 Plus Preview	3.0	10.0	0.0%	0	22.08s	665	49	26,895

Allgemeine Intelligenz	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GLM 5	6.1	3.1	66.7%	1	14.69s	477	2,020	2,248
GLM 5.1	10.0	10.0	100.0%	0	20.95s	477	2,875	2,875
Kimi K2.5	6.5	3.4	66.7%	1	69.73s	480	3,815	4,262
Qwen3.6 Plus Preview	3.0	10.0	0.0%	0	0ms	0	0	0

Befolgung von Anweisungen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GLM 5	10.0	10.0	100.0%	0	7.25s	636	1,001	2,129
GLM 5.1	6.4	5.8	66.7%	1	7.47s	634	204	1,617
Kimi K2.5	10.0	10.0	100.0%	0	92.47s	675	5,371	6,547
Qwen3.6 Plus Preview	6.5	10.0	50.0%	0	3.40s	381	27	1,383

Rätsellösen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GLM 5	10.0	10.0	100.0%	0	11.33s	609	33	4,076
GLM 5.1	8.2	7.2	88.9%	1	31.64s	609	935	5,730
Kimi K2.5	5.3	7.3	44.4%	1	43.23s	659	8,426	12,692
Qwen3.6 Plus Preview	5.3	10.0	33.3%	0	7.52s	183	27	2,998

Werkzeugaufrufe	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GLM 5	10.0	10.0	100.0%	15.93s	6,935	233	994
GLM 5.1	3.0	10.0	0.0%	0ms	0	0	0
Kimi K2.5	10.0	10.0	100.0%	31.74s	5,933	242	812
Qwen3.6 Plus Preview	10.0	10.0	100.0%	5.87s	8,193	267	1,330

Allgemeinwissen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GLM 5	3.0	10.0	0.0%	67.37s	186	401	12,450
GLM 5.1	3.0	10.0	0.0%	29.40s	124	82	2,179
Kimi K2.5	3.0	10.0	0.0%	83.95s	211	12	7,644
Qwen3.6 Plus Preview	3.0	10.0	0.0%	0ms	0	0	0

Vergleichspaar wechseln

Space Bunny AlphahighvsGLM 5.1medium Kimi K2.5mediumvsBeam 1.0 501B A23Blow Step 3.7 FlashlowvsGLM 5medium Minimax M3.1 FlashxhighKostenlos verfügbarvsKimi K2.5medium Gemini 3.5 FlashminimalvsKimi K2.5medium Qwen3.7 FlashhighvsGLM 5medium Dots 3 Note PreviewhighKostenlos verfügbarvsKimi K2.5medium Dots 3 Note PreviewlowKostenlos verfügbarvsKimi K2.5medium Claude Opus 5nonevsGLM 5medium Qwen3.8 27BlowKostenlos verfügbarvsGLM 5.1medium GPT-6 LunalowvsGLM 5.1medium Claude Opus 4.8lowvsGLM 5medium

Verglichene Modelle