Unabhängige Analyse von KI

Die KI-Landschaft verstehen und das beste Modell und den besten Anbieter für den eigenen Anwendungsfall auswählen

Artificial Analysis Intelligence Index · Higher is better
Output tokens per second · Higher is better
Weighted average cost (USD) per Intelligence Index task · Lower is better
Neuer Artikel veröffentlicht · 15. Okt.
NVIDIA Releases Nemotron 3.5 Super VL and Nemotron 3.5 Bolt 74B A9B
Neue Sprachmodellevaluation · 15. Okt.
Solar Pro 4Solar Pro 4
Neue Sprachmodellevaluation · 15. Okt.
Muse Spark Open (Xhigh)Muse Spark Open (Xhigh)
Neue Sprachmodellevaluation · 15. Okt.
Nemotron 3.5 Super VLNemotron 3.5 Super VL
Neue Sprachmodellevaluation · 15. Okt.
Nemotron 3.5 Bolt 74B-A9BNemotron 3.5 Bolt 74B-A9B
Neuer Artikel veröffentlicht · 14. Okt.
Welcome to the era of embodied AI: Introducing AA-Robotics v0.1
Neuer Artikel veröffentlicht · 13. Okt.
Artificial Analysis Decision Index v1.0
Neuer Artikel veröffentlicht · 12. Okt.
Muse Wonder and Muse Wonder Full: a material jump in intelligence over previous Meta models
Neuer Artikel veröffentlicht · 12. Okt.
Announcing FrontierCode on Artificial Analysis: can AI models write code maintainers would merge?
Neuer Artikel veröffentlicht · 12. Okt.
Announcing AA-3D: a benchmark for AI models building interactive 3D experiences
Neue Sprachmodellevaluation · 12. Okt.
Muse Wonder Full (Max)Muse Wonder Full (Max)
Neue Sprachmodellevaluation · 12. Okt.
Muse Wonder (Max)Muse Wonder (Max)
Neues Speech-to-Text-Modell · 12. Okt.
Zoom Scribe V2 ProZoom Scribe V2 Pro
Neuer Artikel veröffentlicht · 8. Okt.
Introducing trusted-access models to the Artificial Analysis Cyber Index
Neuer Artikel veröffentlicht · 8. Okt.
Announcing Harvey LAB-AA v1.1: adding hallucination checks to raise the bar for agentic legal work
Neue Sprachmodellevaluation · 8. Okt.
GPT-6 Sol (Daybreak Blue, max)GPT-6 Sol (Daybreak Blue, max)
Neuer Artikel veröffentlicht · 7. Okt.
Anthropic has released Claude Haiku 5.5
Neue Sprachmodellevaluation · 7. Okt.
Claude Haiku 5.5 (High)Claude Haiku 5.5 (High)
Neue Sprachmodellevaluation · 7. Okt.
Claude Haiku 5.5 (Low)Claude Haiku 5.5 (Low)
Neue Sprachmodellevaluation · 7. Okt.
Claude Haiku 5.5 (Medium)Claude Haiku 5.5 (Medium)Mehr anzeigen

Intelligenz

Intelligenz führender KI-Modelle auf Grundlage unserer unabhängigen Evaluationen

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v4.3.2 incorporates 10 evaluations: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR v1.1
No publicly available API

Artificial Analysis Intelligence Index: Open Weights vs. proprietär

Artificial Analysis Intelligence Index v4.3.2 incorporates 10 evaluations: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR v1.1
No publicly available API

Kosten pro Aufgabe des Intelligence Index

Weighted average cost (USD) per Intelligence Index task · Segmented by token type · Lower is better

Intelligence Index vs. Kosten pro Aufgabe des Intelligence Index

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task
Most attractive quadrant
Pareto line

Intelligence Index vs. Kosten pro Aufgabe nach Modell-Release

All reasoning and effort variants of each selected release · Weighted average cost (USD) per Artificial Analysis Intelligence Index task
Most attractive quadrant
Pareto line

Intelligenz von Frontier-Sprachmodellen im Zeitverlauf

Artificial Analysis Intelligence Index v4.3.2 incorporates 10 evaluations: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR v1.1

Leistung, Kosten und Ausführungszeit führender Programmieragenten bei durchgängigen Aufgaben der Softwareentwicklung

Artificial Analysis Coding Agent Index

Artificial Analysis Coding Agent Index v1.5 incorporates 3 benchmarks: DeepSWE v1.1, Terminal-Bench 4.0, and SWE-Atlas-QnA · Higher is better

Artificial Analysis Coding Agent Index vs. Kosten pro Aufgabe

Artificial Analysis Coding Agent Index vs. durchschnittliche Pay-per-Token-API-Kosten pro Aufgabe (USD)
Most attractive quadrant
Pareto line

Misst die Fähigkeiten von Modellen in der Cyberabwehr von Unternehmen

Artificial Analysis Cyber Index

Artificial Analysis Cyber Index v1 incorporates 3 evaluations: CWE-Bench-AA, DeepsecBench-AA, and CyberGym-E2E-AA
Successes
Safety blocks
Trusted-access model (not publicly available)

Artificial Analysis Cyber Index: Ergebnis vs. Kosten pro Aufgabe

Artificial Analysis Cyber Index score vs. average cost per task (USD) · Refused tasks are estimated from other models' token use
Most attractive quadrant
Pareto line

Misst, wie gut KI-Modelle interaktive 3D-Erlebnisse erstellen, bewertet durch blinde Stimmen unseres rekrutierten Panels

AA-3D Elo

Elo from blind pairwise votes, with 95% confidence intervals · Higher is better

Bild und Video

Führende Modelle aus den Bestenlisten unserer Image Arena und Video Arena mit 95-%-Konfidenzintervallen

Text-zu-Bild-Bestenliste

Elo-Werte aus blinden Präferenzabstimmungen unserer validierten privaten Bewertenden. Hier die vollständige Bestenliste ansehen.

Sprache

Führende Modelle aus unserer Text to Speech Arena sowie unseren Speech-to-Text- und Speech-to-Speech-Evaluationen

Arena-Präferenz-Elo für Anbieterstimmen

Arena Elo: average Elo rating of the model · Higher is better

Misst die Leistung von Modellen bei bestimmten Fähigkeiten und in bestimmten Branchen

Artificial Analysis Finance & Accounting Index

Incorporates 7 evaluations: AA-Omniscience, GDPval-AA v2.1, AA-Briefcase v1.1, Humanity's Last Exam, AutomationBench-AA, AA-LCR v1.1, GDP.pdf · Higher is better
No publicly available API

Intelligence Evaluations

Intelligence evaluations measured independently by Artificial Analysis · Higher is better
Mehr anzeigen
No publicly available API

Agentic knowledge work, (Elo-500)/2000

Agentic SaaS workflows

Agentic real-world work tasks, (Elo-500)/2000

Reasoning & knowledge

Professional document reasoning, All-pass

Agentic coding & terminal use

Long context reasoning

SciCodeUnder review

Coding

CritPtUnder review

Physics reasoning

Agentic scientific research workflows in a terminal

Agentic software engineering in open-source repositories

Quantitative analysis on spreadsheets & documents

Legal agentic work, Hallucination-Gated All-Pass Rate

Agentic business operations

Kubernetes incident root-cause analysis

Medical long context reasoning

Visual reasoning

AA-Briefcase v1.1Updated

AA-Briefcase ist eine agentische Frontier-Evaluation für Wissensarbeit über lange Zeithorizonte. Agenten werden mit realistischen Geschäftsabläufen getestet, die Ergebnisse wie Tabellen, Präsentationen und Memos erfordern

AA-Briefcase-Elo

AA-Briefcase v1.1 is an agentic knowledge work benchmark developed by Artificial Analysis. AA-Briefcase Elo is a combined metric that aggregates rubric pass rate, analytical quality Elo and presentation Elo · Higher is better
No publicly available API

AA-Omniscience

AA-Omniscience ist ein Benchmark für Wissen und Halluzinationen, der Genauigkeit belohnt, falsche Vermutungen bestraft und umfassend zeigt, welche Modelle in verschiedenen Bereichen sachlich zuverlässige Ausgaben erzeugen

AA-Omniscience Index

AA-Omniscience Index (higher is better) measures knowledge reliability and hallucination. It rewards correct answers, penalizes hallucinations, and has no penalty for refusing to answer. Scores range from -100 to 100, where 0 means as many correct as incorrect answers, and negative scores mean more incorrect than correct.
No publicly available API

Der Artificial Analysis Openness Index bewertet anhand ihrer Verfügbarkeit und Transparenz in verschiedenen Komponenten, wie „offen“ Modelle sind.

Artificial Analysis Openness Index: Komponenten

Beitrag der einzelnen Komponenten zum Openness Index, bis maximal 18 (höher bedeutet offener)

Artificial Analysis Openness Index vs. Artificial Analysis Intelligence Index

Most attractive quadrant

Ausgabetokens

Ausgabetokens führender KI-Modelle auf Grundlage unserer unabhängigen Evaluationen

Ausgabe-Token pro Aufgabe des Intelligence Index

Gewichtete durchschnittliche Anzahl an Ausgabe-Token für eine Aufgabe im Artificial Analysis Intelligence Index
No publicly available API

Kosten

Preise und reale Kosten führender KI-Modelle auf Grundlage unserer unabhängigen Evaluationen

Kosten pro Aufgabe des Intelligence Index

Weighted average cost (USD) per Intelligence Index task · Segmented by token type · Lower is better

Kosten für die Durchführung des Artificial Analysis Intelligence Index

Cost (USD) to run all evaluations in the Artificial Analysis Intelligence Index

Preise: Cache-Treffer, Eingabe und Ausgabe

Price (USD per M Tokens)

Geschwindigkeit und Latenz

Leistungsvergleich von Erstanbieter-APIs

Ausgabegeschwindigkeit

Output tokens per second · Higher is better

Zeit pro Aufgabe des Intelligence Index

Weighted average decode time (minutes) per Intelligence Index task · Excludes TTFT and overhead time · Lower is better

Anbieter

Endpoint Accuracy Index: gpt-oss-120b (High)

v1.0 · Composite of BFCL v4-500, HLE-250 and AA-LCR-25 run against each provider endpoint · Percentage of the reference endpoint, with 95% confidence interval · Higher is better

Ausgabegeschwindigkeit vs. Preis: gpt-oss-120b (High)

Output tokens per second · USD per 1M tokens (blended) · 10,000 input tokens
Most attractive quadrant
Pareto line

Preise (Cache-Treffer, Eingabe und Ausgabe): gpt-oss-120b (High)

Price (USD per M Tokens) · Lower is better · 10,000 input tokens

Ausgabegeschwindigkeit: gpt-oss-120b (High)

Ausgabegeschwindigkeit: Ausgabe-Token pro Sekunde · 10,000 input tokens