KI-Modell-Rangliste: wer ist gerade die Nr. 1?

So funktioniert die Rangliste

LMArena (die frühere Chatbot Arena der LMSYS-Gruppe an der UC Berkeley) zeigt Besuchern zwei anonyme Modelle, die dieselbe Frage beantworten, und fragt, welche Antwort besser war. Millionen solcher Stimmen fließen in eine Bradley-Terry-Wertung, dieselbe Mathematik-Familie wie die Elo-Zahl im Schach: Der Score eines Modells sagt, wie oft es gegen das Feld gewinnt. Die 95-%-Spanne neben jedem Score ist die Unsicherheit; ein Modell mit 5.000 Stimmen hat eine breitere Spanne als eines mit 70.000. Wir zeigen LMArenas Standard-Gesamttabelle für Text, eine Zeile pro Modell. LMArena listet dasselbe Modell mehrfach mit verschiedenen Reasoning-Einstellungen („high“, „max“); wir behalten die bestplatzierte und nennen die Einstellung in Klammern.

So lesen Sie die Preise

KI-Anbieter rechnen pro Token ab, und ein Token entspricht etwa drei Vierteln eines englischen Wortes; eine Million Tokens sind also grob 750.000 Wörter. Eingabe ist, was Sie senden (Ihre Frage, das eingefügte Dokument); Ausgabe ist, was das Modell zurückschreibt. Die Ausgabe ist die teure Seite, und „Denk“- oder Reasoning-Modi rechnen auch ihr verborgenes Nachdenken als Ausgabe ab, sodass eine schwere Frage ein Vielfaches dessen kosten kann, was die Antwortlänge vermuten lässt. Die Preise hier sind die Listenpreise aus OpenRouters öffentlichem Katalog, die die Tarife der Hersteller spiegeln; OpenAI, Anthropic und Google verkaufen außerdem Batch-Tarife zum halben Preis für Aufträge, die warten können. Prüfen Sie vor dem Budgetieren immer die Preisseite des Herstellers.

Welches sollten Sie tatsächlich nutzen?

Wer KI über eine Chat-App statt über eine API nutzt, für den zählt die Rangliste weniger, als es scheint. Die Top Ten liegen wenige Punkte auseinander, die Gratisstufen von ChatGPT, Claude und Gemini laufen alle mit Modellen aus dieser Gruppe, und die Unterschiede, die im Alltag zählen, sind die Funktionen der App: Gedächtnis, Umgang mit Dateien, Sprache und ob Ihr Arbeitgeber sie erlaubt. Wählen Sie nach der App, die Ihnen gefällt, und dem Preis, den Sie zahlen. Wer pro Token bezahlt, sollte die Kostentabelle lesen: Zwischen dem günstigsten und dem teuersten Markenmodell liegt mehr als der Faktor hundert, und für Routinearbeit reicht das günstige Ende meist aus.

Was diese Seite nicht sagt

Eine Duell-Abstimmung misst, welche Antwort Menschen im Chatfenster bevorzugt haben. Sie misst nicht Programmiergenauigkeit, Arbeit mit langen Dokumenten, Bildverständnis, Geschwindigkeit oder das Verhalten eines Modells in einem Agenten. LMArena führt für einige davon eigene Tabellen, und Benchmark-Sammlungen wie Artificial Analysis veröffentlichen eigene Indizes. Betrachten Sie diese Tabelle als Publikumsvotum, nicht als die ganze Wahl.

Häufige Fragen

Weiterlesen

• GPT-6 Astra ist da: was sich geändert hat
• Claude Fable 5.1: das Modell, das Bugs jagt
• Warum alle KIs gleich klingen
• Warum Opus 4.6 die Copilot-Ära beendet hat
• Reasoning-Modelle erklärt: KI, die vor dem Sprechen denkt

Ranglistendaten: LMArena. Preis- und Listungsdaten: OpenRouter. Beide sind an jeder Tabelle genannt; diese Website ist mit keinem von beiden verbunden.