Zuletzt aktualisiert:

Modellgeneration
Rangliste der Schreibmodelle auf Basis paarweiser Ergebnisse
RangModellKI- BewertungMenschliche Bewertung
1GPT-6.1 Sol 💡 high96,5—
2GPT-6 Astra 💡 high95,5—
3Claude Opus 5 💡 adaptive high94,4—
4Claude Fable 5 💡 adaptive high94,0—
5Claude Opus 5.5 💡 adaptive high93,9—
5Kimi K3.1 Pro 💡 high93,9—
7Claude Fable 5.1 💡 adaptive high93,3—
8Claude Fable 5.2 💡 adaptive high91,6—
9Gemini 4 Hydrogen 💡 high91,3—
10Kimi K3 💡 enabled91,2—
11Muse Spark 1.2 💡 high89,6—
12GPT-6 Sol 💡 high89,0—
13GPT-5.6 Sol 💡 high88,9—
13GPT-6.1 Terra 💡 high88,9—
15DeepSeek V4.1 Flash 💡 high88,2—
17Grok 4.7 💡 high87,4—
18Gemini 3.7 Flash 💡 medium87,1—
19Gemini 3.8 Flash 💡 high86,9—
20Claude Sonnet 5.5 💡 adaptive high86,7—
21Muse Spark 1.3 💡 high84,2—
22GLM 5.3 💡 max83,6—
23Gemini 4 Argon 💡 high82,6—
24Qwen3.8 Max 💡 xhigh81,5—
25GPT-6 Luna 💡 high80,7—
26Hy4 Preview 💡 high79,7—
28Claude Haiku 5.5 💡 adaptive high77,5—
29Claude Sonnet 5 💡 adaptive high77,1—
30Qwen3.7 Max 💡 enabled76,5—
31GPT-5.6 Terra 💡 high76,4—
32GPT-5.6 Luna 💡 high75,6—
33Aion 3.5 💡 high74,7—
34Mistral Large 4 💡 high72,5—
35Inkling 💡 high71,0—
36Muse Ember 💡 high69,5—
37Qwen4 Max 💡 high68,3—
38Beam 1.0 💡 high67,3—
39DeepSeek V4 Flash 💡 enabled67,2—
40Ling 3.2 Flash 💡 high66,9—
41MiniMax M3 💡 enabled66,4—
42Gemma 4 31B Q8_0 💡 on* 🏠66,357,2
43Aion 3.0 💡 mandatory66,2—
44Hy3 💡 high65,0—
45GLM 5.2 💡 enabled64,8—
46Gemma 4 26B A4B Q8_0 💡 on* 🏠63,338,4
47Step 5 Preview fp8 💡 high62,9—
49MiMo V2.6 Pro fp8 💡 high61,8—
51Qwen3.7 Plus 💡 enabled60,9—
53Qwen3.8 27B Q8_0 💡 xhigh** 🏠59,3—
57MiMo V2.5 Pro 💡 enabled56,9—
58DeepSeek V4 Pro 💡 enabled56,3—
60Gemma 4 12B Q8_0 ↯ 🏠55,7—
60Gemma 4 31B Q8_0 ↯ 🏠55,7—
62Ling 3.1 Flash 💡 high55,6—
63Qwen3.6 27B Q8_0 💡 on* 🏠52,342,4
66Nemotron 3.5 Super VL 💡 high49,7—
68Qwen3.8 Flash 💡 high48,8—
69Gemma 4 12B Q8_0 💡 on* 🏠48,7—
70Mercury 3 💡 high48,5—
73GLM 5.3 Flash 💡 high45,9—
74Nemotron 3 Ultra 💡 high45,4—
75Grok 4.6 💡 high45,0—
79Gemma 4 26B A4B Q8_0 ↯ 🏠43,4—
81Mistral Medium 3.5 💡 high39,0—
82Qwen3.6 35B A3B Q8_0 💡 on* 🏠38,257,6
86Seed 2.1 Turbo ↯34,5—
87MiMo V2.6 Flash 💡 high26,8—
89MiMo V2.5 💡 enabled22,9—
89Agnes 3.0 Flash 💡 high22,9—
91Qwen3.8 27B Q8_0 ↯ 🏠22,7—
92Nemotron 3.5 Lightning 💡 high20,1—
95Qwen3.6 27B Q8_0 ↯ 🏠19,2—
96MiniMax M3.1 Flash 💡 high19,0—
97Gemma 4 E4B Q8_0 💡 on* 🏠17,3—
99Flint V1.0 💡 high15,3—
103Gemma 4 E4B Q8_0 ↯ 🏠11,3—
104Qwen3.6 35B A3B Q8_0 ↯ 🏠11,2—
107Gemma 4 E2B Q8_0 💡 on* 🏠10,2—
110Gemma 4 E2B Q8_0 ↯ 🏠9,7—
117Granite 4.2 30B Q8_0 💡 full 🏠5,0—
118Nemotron 3 Nano Omni 30B A3B Q8_0 💡 on* 🏠4,7—
121Granite 4.2 8B Q8_0 💡 full 🏠1,5—

121 verglichene Modelle135.341 veröffentlichte KI-Urteile

Methode: regularisiertes Bradley–Terry-Modell. Die KI-Bewertung bestimmt den Rang; die menschliche Bewertung ist davon unabhängig und bleibt nachrangig, bis mehr Stimmen aus dem Publikum vorliegen. Eine Bewertung von 50 bedeutet, dass ein Modell das durchschnittliche Modell dieser Sprache und Kategorie schätzungsweise in der Hälfte der Duelle schlägt.

Ergebnisse der direkten Duelle

Jede Zelle zeigt den Anteil der möglichen Punkte, den das Zeilenmodell gegen das Spaltenmodell erzielt: Ein Sieg zählt 100 %, ein Unentschieden 50 %, eine Niederlage 0 %. Diese Ergebnismatrix verwendet nur die mit der Hauptrangliste kompatiblen Bewertungsprotokolle.

Gerichtete Matrix der in direkten Duellen erzielten Punkte. Werte über 50 % sprechen für das Zeilenmodell, Werte darunter für das Spaltenmodell.

0 %100 %

💡 kennzeichnet ein Modell mit Reasoning, ↯ eines ohne Reasoning. 🏠 kennzeichnet ein Modell, das lokal ausgeführt wurde: auf dem Rechner des Autors dieser Website.„on*“ bedeutet, dass sich Reasoning nur ein- oder ausschalten lässt (lokale Modelle ohne Zwischenstufen): Die lokale Datei unterstützt die angeforderte Feineinstellung nicht und fällt auf den standardmäßig aktivierten Modus zurück. Bei lokalen Modellen mit einstellbarem Reasoning (Qwen3.8, Muse Glimmer, Granite 4.2, Nemotron 3 Super, K2 Horizon, Ling 3.0 Flash) ist das angezeigte Niveau (xhigh**, high, full) das Standardniveau des Modells: Die lokale Datei unterstützt die angeforderte Feineinstellung nicht und fällt auf ihr Standardverhalten zurück.

Als Tabelle anzeigen
In direkten Duellen erzielte Punkte je Modellpaar
Modell

Abdeckung der veröffentlichten Duelle

Jede Zelle zeigt, wie viele veröffentlichte, KI-bewertete Duelle über alle Protokolle hinweg die beiden Modelle für diese Sprache und Kategorie vergleichen. Die Modelle auf beiden Achsen sind Kandidaten; die Matrix zeigt nicht, welcher Juror das jeweilige Urteil gefällt hat.

Symmetrische Matrix der veröffentlichten Duellzahlen. Die Diagonale ist null, weil ein Modell nicht mit sich selbst verglichen wird.

0

💡 kennzeichnet ein Modell mit Reasoning, ↯ eines ohne Reasoning. 🏠 kennzeichnet ein Modell, das lokal ausgeführt wurde: auf dem Rechner des Autors dieser Website.„on*“ bedeutet, dass sich Reasoning nur ein- oder ausschalten lässt (lokale Modelle ohne Zwischenstufen): Die lokale Datei unterstützt die angeforderte Feineinstellung nicht und fällt auf den standardmäßig aktivierten Modus zurück. Bei lokalen Modellen mit einstellbarem Reasoning (Qwen3.8, Muse Glimmer, Granite 4.2, Nemotron 3 Super, K2 Horizon, Ling 3.0 Flash) ist das angezeigte Niveau (xhigh**, high, full) das Standardniveau des Modells: Die lokale Datei unterstützt die angeforderte Feineinstellung nicht und fällt auf ihr Standardverhalten zurück.

Als Tabelle anzeigen
Veröffentlichte Duelle je Modellpaar
Modell

Helfen Sie mit, das beste Schreibmodell für Deutsch zu küren

Welches Modell schreibt den besseren Text? Beurteilen Sie dieses anonyme Paar und tragen Sie zur menschlichen Rangliste bei. Im Textduell sehen Sie nicht, welches Modell welchen Text geschrieben hat. Die Namen erscheinen erst nach Ihrer Wahl.

Textduell