LLM-Bestenliste & KI-Modell-Rankings
Eine Seite, die die wichtigsten KI-Benchmarks und Leaderboards bündelt – Chatbot Arena Elo (arena.ai), den Artificial Analysis Intelligence Index, die Speech-Arenen und die OpenRouter-Nutzung – für Chat, Coding, TTS, Sprach-zu-Text, Bild, Video und Agenten.
| Rang | Modell | Anbieter | Elo ? | Stimmen ? | Input ? | Output | Cache ? |
|---|---|---|---|---|---|---|---|
| 1 |  claude-opus-5-high | Anthropic | 1516 ±7 | 8,794 | 5.00 | 25.0 | 0.500 |
| 2 | claude-fable-5.1-max | Anthropic | 1513 ±15 | 1,403 | 10.0 | 50.0 | 0.250 |
| 3 | claude-opus-4-6-high | Anthropic | 1507 ±6 | 27,929 | 5.00 | 25.0 | 0.500 |
| 4 | claude-opus-4-6 | Anthropic | 1507 ±6 | 41,260 | 5.00 | 25.0 | 0.500 |
| 5 | claude-fable-5-high | Anthropic | 1496 ±8 | 8,497 | 10.0 | 50.0 | 1.00 |
| 6 | claude-opus-4-7 | Anthropic | 1495 ±6 | 22,192 | 5.00 | 25.0 | 0.500 |
| 7 | claude-opus-4-7-high | Anthropic | 1495 ±7 | 21,957 | 5.00 | 25.0 | 0.500 |
| 8 |  gpt-5.5 | OpenAI | 1486 ±6 | 21,279 | 5.00 | 30.0 | 0.500 |
| 9 | gpt-5.5-high | OpenAI | 1484 ±6 | 20,944 | 5.00 | 30.0 | 0.500 |
| 10 | gpt-5.6-sol-xhigh | OpenAI | 1483 ±9 | 4,818 | 2.00 | 10.0 | 0.200 |
| 11 | claude-sonnet-4-6 | Anthropic | 1482 ±6 | 57,813 | 3.00 | 15.0 | 0.300 |
| 12 | claude-opus-4-8-high | Anthropic | 1475 ±7 | 11,551 | 5.00 | 25.0 | 0.500 |
| 13 | gpt-5.6-terra-xhigh | OpenAI | 1472 ±8 | 5,787 | 2.00 | 12.0 | 0.200 |
| 14 | gpt-5.4 | OpenAI | 1471 ±6 | 33,331 | 2.50 | 15.0 | 0.250 |
| 15 |  muse-spark-1.3-max | Meta | 1471 ±18 | 1,006 | 1.25 | 4.25 | 0.150 |
| 16 | gpt-6-astra-max | OpenAI | 1468 ±14 | 1,621 | 10.0 | 50.0 | 1.00 |
| 17 | claude-sonnet-5-high | Anthropic | 1466 ±8 | 7,411 | 2.00 | 10.0 | 0.200 |
| 18 | muse-spark-1.1 | Meta | 1465 ±9 | 4,885 | 1.25 | 4.25 | 0.150 |
| 19 | claude-opus-4-8 | Anthropic | 1464 ±7 | 12,128 | 5.00 | 25.0 | 0.500 |
| 20 |  gemini-3.5-flash-medium | 1463 ±8 | 6,500 | 1.50 | 9.00 | 0.150 | |
| 21 | claude-opus-4-5-20251101 | Anthropic | 1462 ±10 | 7,981 | 5.00 | 25.0 | 0.500 |
| 22 | gemini-3.5-flash-high | 1461 ±9 | 4,061 | 1.50 | 9.00 | 0.150 | |
| 23 | gpt-5.6-luna-xhigh | OpenAI | 1457 ±8 | 5,766 | 0.200 | 1.20 | 0.020 |
| 24 | gemini-3.6-flash-high | 1456 ±11 | 2,975 | 0.750 | 3.75 | 0.075 | |
| 25 |  grok-4.6-high | SpaceXAI | 1452 ±12 | 2,258 | 2.00 | 6.00 | 0.500 |
| 26 | grok-4.5 | SpaceXAI | 1452 ±9 | 4,965 | 2.00 | 6.00 | 0.300 |
| 27 |  kimi-k2.6 | Moonshot | 1451 ±8 | 11,291 | 0.650 | 3.41 | 0.150 |
| 28 | claude-sonnet-4-5-20250929 | Anthropic | 1450 ±6 | 31,455 | 3.00 | 15.0 | 0.300 |
| 29 | muse-spark | Meta | 1444 ±18 | 1,084 | — | — | — |
| 30 |  qwen3.7-plus | Alibaba | 1444 ±9 | 4,591 | 0.320 | 1.28 | 0.064 |
| 31 | gemini-3.1-pro-preview | 1444 ±5 | 49,457 | 2.00 | 12.0 | 0.200 | |
| 32 |  minimax-m3 | MiniMax | 1435 ±8 | 6,314 | 0.300 | 1.20 | 0.060 |
| 33 | gemini-3-pro | 1434 ±9 | 10,769 | — | — | — | |
| 34 | kimi-k2.5-thinking | Moonshot | 1430 ±7 | 21,569 | 0.500 | 2.50 | 0.150 |
| 35 | gemma-4-31b | 1425 ±8 | 12,326 | 0.090 | 0.340 | 0.050 | |
| 36 | gemini-2.5-pro | 1421 ±6 | 25,110 | 1.25 | 10.0 | 0.125 | |
| 37 | claude-haiku-4-5-20251001 | Anthropic | 1420 ±6 | 34,677 | 1.00 | 5.00 | 0.100 |
| 38 | grok-4.20-beta-0309-reasoning | SpaceXAI | 1416 ±7 | 20,948 | — | — | — |
| 39 |  glm-5v-turbo | Z.ai | 1416 ±8 | 6,995 | 1.20 | 4.00 | 0.240 |
| 40 | gemini-3-flash | 1413 ±9 | 7,158 | 0.500 | 3.00 | 0.050 | |
| 41 | gpt-5.2-high | OpenAI | 1405 ±10 | 7,108 | 1.75 | 14.0 | 0.175 |
| 42 | gpt-5.1 | OpenAI | 1403 ±9 | 8,244 | 1.25 | 10.0 | 0.125 |
| 43 | gpt-5.5-instant | OpenAI | 1403 ±8 | 8,497 | 5.00 | 30.0 | 0.500 |
| 44 | gpt-5.2 | OpenAI | 1401 ±6 | 28,212 | 1.75 | 14.0 | 0.175 |
Quelle: arena.ai · Aktualisiert Sep 13, 2026 · PandaNpc Aktualisiert 13. Okt. 2026, 06:00 UTCVollständige Rangliste anzeigen →
Zahlen lesen
Eine LLM-Rangliste zeigt dir, welches Modell Nutzer bevorzugen; ein KI-Benchmark sagt dir, was ein Modell objektiv kann; Nutzungsdaten sagen dir, was Entwickler tatsächlich einsetzen. Kein einzelnes Ranking beantwortet die Frage „Welches ist das beste KI-Modell?“, daher fasst diese Seite alle drei zusammen — Chatbot Arena Elo von arena.ai, den Artificial Analysis Intelligence Index und Sprach-Arenas sowie den OpenRouter-Token-Anteil — und aktualisiert sie täglich.
arena.ai (ehemals LMArena) zeigt den Nutzern zwei anonyme Antworten auf dieselbe Aufforderung und bittet sie, eine auszuwählen, und leitet dann eine Elo-Bewertung aus diesen Kämpfen ab. Es misst, welche Antwort die Leute bevorzugen – nicht die objektive Fähigkeit. Ein sympathischer Stil kann gewinnen, während eine gründliche, aber wortreiche Antwort verlieren kann.
Stimmen sind die Kämpfe, die ein Modell gesammelt hat. Ein neu gelistetes Modell hat wenige Stimmen und ein breites Konfidenzintervall, daher schwankt sein Rang leicht — lesen Sie den Rang immer zusammen mit dem ±-Intervall.
Das Agent-Board funktioniert anders als die anderen: Es misst reale Agent-Sitzungen anstatt Blindabstimmungspräferenzen. Seine Hauptkennzahl, Net Improvement, ist ein prozentualer Zuwachs – kein Elo-Wert – und kann daher nicht über Boards hinweg verglichen werden. arena.ai berichtet auf der vollständigen Rangliste auch fünf weitere Dimensionen (Confirmed Success, Steerability, Bash Recovery und andere).
Das Nutzungsboard stammt von OpenRouter und zählt den tatsächlichen API-Token-Anteil — Entwickler stimmen mit ihren Geldbörsen ab, was die subjektiven Präferenzboards ergänzt.
Die Sprach-Boards stammen von Artificial Analysis: TTS verwendet das Speech-Arena-Elo mit Blindanhörung; ASR verwendet AA-WER v2, wobei niedriger besser ist; und natives Speech-to-Speech verwendet einen gleichgewichteten zusammengesetzten Wert aus Big Bench Audio, Full Duplex Bench und τ-Voice, wobei höher besser ist. Vergleichen Sie Werte nur innerhalb desselben Boards. Quelle: artificialanalysis.ai.
Das Intelligence Index-Board stammt von Artificial Analysis: Es destilliert viele öffentliche Benchmarks in einen einzelnen Intelligence Index von 0-100, der objektive Fähigkeiten statt subjektiver Präferenzen misst – eine natürliche Ergänzung zu arena.ais menschlicher Blindabstimmung. Quelle: artificialanalysis.ai.