Modellvergleich: Analyse von Intelligenz, Leistung und Preis
AusprobierenIntelligenz
Artificial Analysis Intelligence Index
Artificial Analysis Intelligence Index: Open Weights vs. proprietär
Intelligence Index vs. Kosten pro Aufgabe
Fähigkeitsindizes
Incorporates 5 evaluations: AA-Briefcase v1.1, AA-Omniscience v1.1, HLE-Diamond, AutomationBench-AA, GDP.pdf · Higher is better
Incorporates 4 evaluations: AutomationBench-AA, AA-Briefcase v1.1, AA-Omniscience v1.1, GDP.pdf · Higher is better
Incorporates 5 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, HLE-Diamond, GDP.pdf, AutomationBench-AA · Higher is better
Incorporates 5 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, MLCR-AA, AutomationBench-AA, HLE-Diamond · Higher is better
Incorporates 7 evaluations: AA-Omniscience v1.1, CritPt v2 (Hard Subset), Terminal-Bench-Science 0.1, HLE-Diamond, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Briefcase v1.1 · Higher is better
Incorporates 4 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, HLE-Diamond, GDP.pdf · Higher is better
Evaluations
Agentic knowledge work, Elo
Knowledge
1 - hallucination rate
Agentic SaaS workflows
Agentic scientific research workflows in a terminal
Agentic software engineering in open-source repositories
Reasoning & knowledge
Professional document reasoning, All-pass
Agentic coding & terminal use
Physics reasoning
Quantitative analysis on spreadsheets & documents
Legal agentic work, Hallucination-Gated All-Pass Rate
Agentic business operations
Agentic real-world work tasks, Elo
Agentic interactive 3D experiences, Elo
Product and brand videos designed in code, Elo
Kubernetes incident root-cause analysis
Medical long context reasoning
Visual reasoning
Rich, varied, well-crafted language
Well-structured, scannable, answer-first
Truthful, acknowledges uncertainty, non-sycophantic
Use of filler and generic language
AA-PersonalityBench
Persönlichkeitsindizes
Openness Index
Artificial Analysis Openness Index: Wert
Kosten
Kosten pro Aufgabe des Intelligence Index
Kosten für die Durchführung des Artificial Analysis Intelligence Index
Preise: Cache-Treffer, Eingabe und Ausgabe
Leistung
Gemessen an der Zeit pro Aufgabe (Minuten), der Ausgabegeschwindigkeit (Tokens pro Sekunde), der Zeit bis zum ersten Antworttoken und der Zeit bis zum ersten Token (Sekunden)
Zeit pro Aufgabe des Intelligence Index
Ausgabegeschwindigkeit
Zeit bis zum ersten Antworttoken
Tokenverbrauch
Ausgabe-Token pro Aufgabe des Intelligence Index
Kontextfenster
Kontextfenster
Modellgröße (nur Modelle mit offenen Gewichten)
Modellgröße: Gesamtparameter und aktive Parameter
Häufig gestellte Fragen
Claude Fable 5.2 (Max, Default Fallback) führt derzeit den Artificial Analysis Intelligence Index mit einem Wert von 65 an. Insgesamt wurden 113 Modelle bewertet.
Die führenden KI-Modelle nach Intelligence Index sind: 1. Claude Fable 5.2 (Max, Default Fallback) (65), 2. Claude Fable 5.2 (Xhigh, Default Fallback) (62), 3. Claude Fable 5.2 (High, Default Fallback) (62), 4. Gemini 4 Carbon (High) (60) und 5. Claude Opus 5.5 (Max, Default Fallback) (59).
GPT-6 Luna (Low) ist mit der niedrigsten Zeit pro Aufgabe von 0.6 Minuten pro Aufgabe des Intelligence Index am schnellsten, gefolgt von GPT-6.1 Terra (Low) (1.2 Min.) und Gemini 4 Hydrogen (Low) (1.4 Min.). Niedriger ist besser.
K2 Horizon 375B A23B ist mit $0.00 pro 1 Mio. Tokens (Mischpreis) am günstigsten, gefolgt von Command A+ ($0.00) und Gemma 4 31B (Reasoning) ($0.00).
Tiny Aya Global hat mit 0.20 s die kürzeste Zeit bis zum ersten Antworttoken, gefolgt von Phi-4 Multimodal Instruct (0.39 s) und Celeris-1 (0.68 s).
Kimi K3.1 Pro ist mit einem Wert von 46 im Intelligence Index das am höchsten eingestufte Modell mit offenen Gewichten. Von insgesamt 113 bewerteten Modellen haben 44 Modelle offene Gewichte.
Die führenden KI-Modelle mit offenen Gewichten nach Intelligence Index sind: 1. Kimi K3.1 Pro (46), 2. DeepSeek V4.1 Flash 1017 (Max) (33) und 3. GLM-5.3 (Max) (32).
Claude Fable 5.2 (Max, Default Fallback) führt unter 108 Reasoning-Modellen mit einem Wert von 65 im Intelligence Index. Reasoning-Modelle durchdenken komplexe Probleme ausführlich, bevor sie eine Antwort geben.
Modelle werden in mehreren Dimensionen verglichen, darunter Intelligenz (Qualität), Preis, Zeit pro Aufgabe (Minuten pro Aufgabe des Intelligence Index, aus der Ende-zu-Ende-Ausgabegeschwindigkeit), Latenz (Zeit bis zum ersten Antworttoken) und Größe des Kontextfensters. Die Leistungsmetriken werden mit standardisierten Prompts direkt über 290 Modelle gemessen.
Klicken Sie in den Diagrammen auf einen Modellnamen oder eine Zeile, um die zugehörige Seite mit detaillierten Metriken und direkten Vergleichen mit ähnlichen Modellen aufzurufen. Mit der Modellauswahl können Sie außerdem festlegen, welche Modelle in den einzelnen Diagrammen angezeigt werden. Bestenliste anzeigen