Sprache: Suaheli – Benchmark für KI-Modelle Mehrsprachige LLM-Leistung vergleichen

Die fünf besten KI-Modelle für Aufgaben in der Sprache Suaheli sind Gemini 3.1 Pro Preview, Gemini 3 Pro Preview (high), GPT-5 (high), Gemini 3 Flash und Claude Opus 4.6 (max). Sie erreichen im Artificial Analysis Multilingual Index die höchsten Werte für Schlussfolgern in Suaheli.

Einen Leistungsvergleich über alle unterstützten Sprachen finden Sie auf der vollständigen Seite zum mehrsprachigen Benchmark für KI-Modelle.

🇰🇪 Führende Modelle für Suaheli

#1
Gemini 3.1 Pro PreviewGemini 3.1 Pro Preview
92#2
Gemini 3 Pro Preview (High)Gemini 3 Pro Preview (high)
91#3
GPT-5 (High)GPT-5 (high)
90#4
Gemini 3 Flash Preview (Reasoning)Gemini 3 Flash
90#5
Claude Opus 4.6 (Max)Claude Opus 4.6 (max)
90
Multilingual Index: Swahili · Higher is better
Output tokens divided by total request time, including time to first token · Higher is better
USD per 1M tokens (blended) · Lower is better

Multilingual Index

Multilingual Index: Sprache Suaheli

Artificial Analysis Multilingual Index · Higher is better

Multilingual Index: Sprache Suaheli vs. Preis

Artificial Analysis Multilingual Index · USD per 1M tokens (blended)
Most attractive quadrant

Multilingual Index: Sprache Suaheli vs. Ausgabegeschwindigkeit

Artificial Analysis Multilingual Index · Output speed: output tokens divided by total request time, including time to first token
Most attractive quadrant

Multilingual Index: Sprache Suaheli vs. Kontextfenster

Artificial Analysis Multilingual Index · Context window: tokens limit
Most attractive quadrant

Global-MMLU-Lite

Mehrsprachiges Global-MMLU-Lite: Sprache Suaheli

Multilingual Global-MMLU-Lite · Higher is better

Preise

Preise: Cache-Treffer, Eingabe und Ausgabe

Price (USD per M Tokens)

Geschwindigkeit und Latenz

Ausgabegeschwindigkeit

Output tokens divided by total request time, including time to first token · Higher is better

Zeit bis zum ersten Antworttoken

Sekunden bis zum ersten Antworttoken · Berücksichtigt die „Denkzeit“ von Reasoning-Modellen