Warum dieser Benchmark nützlich ist
Long-Context-Research scheitert, wenn Modelle den Faden über entfernte Evidenz verlieren. AA-LCR ist eine der wenigen öffentlichen Suites, die Synthese über lange Inputs bewertet — nicht nur Retrieval-Trivia.
Artificial Analysis Long Context Reasoning
AA-LCR
Long-Context-Synthese und Reasoning: 100 offene Antwortfragen, die Modelle zwingen, Evidenz über lange Inputs zu integrieren. 6 % Gewicht im AA Intelligence Index v4.1.
Was dieser Benchmark nicht misst
- Retrieval aus externen Datenbanken — der Kontext liegt nur im Prompt.
- Multimodale Langdokumente — AA-LCR ist im aktuellen AA-Harness nur Text.
- Unendlicher Kontext — das Eval nutzt ein fixes Long-Context-Fenster, keine beliebige Dokumentlänge.
Abdeckung
- Aufgabenfamilie
- Langer Kontext
- Format
- 100 offene Antwortfragen mit langen Kontextpassagen; Equality-Checker-LLM-Bewertung, pass@1.
- Bewertung
- pass@1-Genauigkeit mit 3 Wiederholungen.
- Verantwortliche Stelle
- Artificial Analysis
So liest du die Scores
Lies pass@1 mit drei Wiederholungen als konservative Headline. Vergleiche nur Zeilen derselben AA-Harness-Version und desselben Long-Context-Fensters.
Was er nicht abdeckt
- Retrieval aus externen Datenbanken — der Kontext liegt nur im Prompt.
- Multimodale Langdokumente — AA-LCR ist im aktuellen AA-Harness nur Text.
- Unendlicher Kontext — das Eval nutzt ein fixes Long-Context-Fenster, keine beliebige Dokumentlänge.
Scores
179 ZeilenEvidenz-Ledger
179179 Zeilen
83.33%bester Score
179quellgeprüft
1Quellen
2026-09-01bis 2026-06-17
Wo die Zeilen liegen
0255075100
Auf die Skala dieses Benchmarks normalisiert (0–100). Die Tabelle zeigt die Rohwerte.
Neueste Belege
- Muse Spark 1.283.33% ·
- Kimi K382.67% ·
- Muse Spark 1.181.33% ·
- Gemini 3.5 Flash81% ·
- MiniMax M380.33% ·
Scores nutzen die eigene Einheit und Skala dieses Benchmarks, keinen universellen Qualitätswert.
| # | Modell | Veröffentlichung | Score | Herkunft | Beleglage |
|---|---|---|---|---|---|
| 1 | Muse Spark 1.2Meta | 2026-08-05 | 83.33% | 2026-09-01 | Quelle geprüft |
| 2 | Kimi K3Moonshot | 2026-07-16 | 82.67% | 2026-09-01 | Quelle geprüft |
| 3 | Muse Spark 1.1Meta | 2026-07-09 | 81.33% | 2026-09-01 | Quelle geprüft |
| 4 | Gemini 3.5 FlashGoogle | 2026-05-19 | 81% | 2026-09-01 | Quelle geprüft |
| 5 | MiniMax M3MiniMax | 2026-05-31 | 80.33% | 2026-09-01 | Quelle geprüft |
| 6 | Gemini 3.7 FlashGoogle | 2026-08-13 | 80% | 2026-09-01 | Quelle geprüft |
| 7 | Muse GlimmerMeta | 2026-08-10 | 80% | 2026-09-01 | Quelle geprüft |
| 8 | Gemini 3.5 Flash (medium)Google | 2026-05-19 | 79.67% | 2026-09-01 | Quelle geprüft |
| 9 | GPT-5.6 TerraOpenAI | 2026-07-09 | 79.67% | 2026-09-01 | Quelle geprüft |
| 10 | GPT-5.2OpenAI | 2025-12-11 | 79.33% | 2026-09-01 | Quelle geprüft |
| 11 | GPT-5.2 Codex (xhigh)OpenAI | 2025-12-11 | 79.33% | 2026-09-01 | Quelle geprüft |
| 12 | Gemini 3.1 Pro PreviewGoogle | 2026-02-19 | 79% | 2026-09-01 | Quelle geprüft |
| 13 | Gemini 3.6 Flash (high)Google | 2026-07-21 | 79% | 2026-09-01 | Quelle geprüft |
| 14 | GPT-5.5 (high)OpenAI | 2026-04-23 | 79% | 2026-09-01 | Quelle geprüft |
| 15 | Claude Opus 5 (Adaptive Reasoning, Medium Effort)Anthropic | 2026-07-24 | 78.67% | 2026-09-01 | Quelle geprüft |
| 16 | GPT-5.3 Codex (xhigh)OpenAI | 2026-02-05 | 78.33% | 2026-09-01 | Quelle geprüft |
| 17 | GPT-5.6 LunaOpenAI | 2026-07-09 | 78.33% | 2026-09-01 | Quelle geprüft |
| 18 | Agnes 2.5 Pro BetaOther | 2026-08-26 | 78% | 2026-09-01 | Quelle geprüft |
| 19 | DeepSeek V4 Flash Vision (Reasoning, Max Effort)DeepSeek | 2026-08-21 | 78% | 2026-09-01 | Quelle geprüft |
| 20 | GLM-5.3-FlashZhipu | 2026-08-26 | 78% | 2026-09-01 | Quelle geprüft |
| 21 | GPT 5.4OpenAI | 2026-03-05 | 77.67% | 2026-09-01 | Quelle geprüft |
| 22 | GPT-5.5 (low)OpenAI | 2026-04-23 | 77.67% | 2026-09-01 | Quelle geprüft |
| 23 | GPT-5.6 SolOpenAI | 2026-07-09 | 77.67% | 2026-09-01 | Quelle geprüft |
| 24 | MiMo-V2.5-ProXiaomi | 2026-04-22 | 77.67% | 2026-09-01 | Quelle geprüft |
| 25 | Qwen3.8 27BAlibaba | 2026-08-14 | 77.33% | 2026-09-01 | Quelle geprüft |
| 26 | Claude Opus 5 (Adaptive Reasoning, Low Effort)Anthropic | 2026-07-24 | 77% | 2026-09-01 | Quelle geprüft |
| 27 | Claude Sonnet 5Anthropic | 2026-06-30 | 77% | 2026-09-01 | Quelle geprüft |
| 28 | Kimi K3 (low)Moonshot | 2026-07-16 | 77% | 2026-09-01 | Quelle geprüft |
| 29 | Muse SparkOther | 2026-01-01 | 77% | 2026-09-01 | Quelle geprüft |
| 30 | Qwen3.8-Flash-NextAlibaba | 2026-08-26 | 77% | 2026-09-01 | Quelle geprüft |
| 31 | Claude Fable 5Anthropic | 2026-06-09 | 76.67% | 2026-09-01 | Quelle geprüft |
| 32 | GLM-5.2Zhipu | 2026-06-13 | 76.67% | 2026-09-01 | Quelle geprüft |
| 33 | GPT-5.1OpenAI | 2025-11-13 | 76.67% | 2026-09-01 | Quelle geprüft |
| 34 | GPT-5.5 (medium)OpenAI | 2026-04-23 | 76.67% | 2026-09-01 | Quelle geprüft |
| 35 | Kimi K2.6Moonshot | 2026-04-20 | 76.67% | 2026-09-01 | Quelle geprüft |
| 36 | Claude Opus 5 (Adaptive Reasoning, High Effort)Anthropic | 2026-07-24 | 76.33% | 2026-09-01 | Quelle geprüft |
| 37 | Claude Opus 5 (Adaptive Reasoning, Xhigh Effort)Anthropic | 2026-07-24 | 76.33% | 2026-09-01 | Quelle geprüft |
| 38 | GLM-5.3Zhipu | 2026-08-14 | 76.33% | 2026-09-01 | Quelle geprüft |
| 39 | GPT-5 (high)OpenAI | 2025-08-07 | 76.33% | 2026-09-01 | Quelle geprüft |
| 40 | GPT-5 (medium)OpenAI | 2025-08-07 | 76.33% | 2026-09-01 | Quelle geprüft |
| 41 | Nex-N2-ProOther | 2026-06-02 | 76.33% | 2026-09-01 | Quelle geprüft |
| 42 | Claude Opus 4.5 (Reasoning)Anthropic | 2025-11-24 | 76% | 2026-09-01 | Quelle geprüft |
| 43 | Claude Opus 5 (Adaptive Reasoning, Max Effort)Anthropic | 2026-07-24 | 75.67% | 2026-09-01 | Quelle geprüft |
| 44 | Claude Opus 4.7Anthropic | 2026-04-16 | 75.33% | 2026-09-01 | Quelle geprüft |
| 45 | DeepSeek V4 Pro 0813 (Reasoning, Max Effort)DeepSeek | 2026-08-13 | 75.33% | 2026-09-01 | Quelle geprüft |
| 46 | MiniMax M2.7MiniMax | 2026-04-15 | 75.33% | 2026-09-01 | Quelle geprüft |
| 47 | Qwen3.8 2.4T A95BAlibaba | 2026-08-12 | 75.33% | 2026-09-01 | Quelle geprüft |
| 48 | Grok 4.6xAI | 2026-08-12 | 75% | 2026-09-01 | Quelle geprüft |
| 49 | Kimi K2.7 CodeMoonshot | 2026-06-12 | 75% | 2026-09-01 | Quelle geprüft |
| 50 | Apodex 1.1Other | 2026-08-30 | 74.67% | 2026-09-01 | Quelle geprüft |
| 51 | Gemini 3.5 Flash-LiteGoogle | 2026-07-21 | 74.67% | 2026-09-01 | Quelle geprüft |
| 52 | Hy3Other | 2026-07-06 | 74.67% | 2026-09-01 | Quelle geprüft |
| 53 | Qwen3.7 MaxAlibaba | 2026-05-19 | 74.67% | 2026-09-01 | Quelle geprüft |
| 54 | Claude Opus 4.6 (Adaptive Reasoning, Max Effort)Anthropic | 2026-02-05 | 74.33% | 2026-09-01 | Quelle geprüft |
| 55 | DeepSeek V4 Flash 0731 (Reasoning, Max Effort)DeepSeek | 2026-07-31 | 74.33% | 2026-09-01 | Quelle geprüft |
| 56 | Qwen3.8 MaxAlibaba | 2026-08-03 | 74.33% | 2026-09-01 | Quelle geprüft |
| 57 | Claude Sonnet 4.6 (Adaptive Reasoning, Max Effort)Anthropic | 2026-02-17 | 74% | 2026-09-01 | Quelle geprüft |
| 58 | Grok 4.5xAI | 2026-07-08 | 74% | 2026-09-01 | Quelle geprüft |
| 59 | GPT-5.4 (low)OpenAI | 2026-03-05 | 73.67% | 2026-09-01 | Quelle geprüft |
| 60 | Claude 4.1 Opus (Reasoning)Anthropic | 2025-08-05 | 73.33% | 2026-09-01 | Quelle geprüft |
| 61 | Inkling (xhigh)Other | 2026-07-15 | 73.33% | 2026-09-01 | Quelle geprüft |
| 62 | OpenAI o3OpenAI | 2025-04-16 | 73.33% | 2026-09-01 | Quelle geprüft |
| 63 | Qwen3.6 27B (Reasoning)Alibaba | 2026-04-22 | 73.33% | 2026-09-01 | Quelle geprüft |
| 64 | Agnes 2.5 Pro AlphaOther | 2026-07-24 | 73% | 2026-09-01 | Quelle geprüft |
| 65 | Gemini 3 Flash Preview (Reasoning)Google | 2025-12-17 | 73% | 2026-09-01 | Quelle geprüft |
| 66 | Gemini 3 ProGoogle | 2025-11-18 | 73% | 2026-09-01 | Quelle geprüft |
| 67 | GPT-5.4 MiniOpenAI | 2026-03-17 | 73% | 2026-09-01 | Quelle geprüft |
| 68 | Kimi K2.5Moonshot | 2026-01-27 | 73% | 2026-09-01 | Quelle geprüft |
| 69 | Qwen3.5 397B A17B (Reasoning)Alibaba | 2026-02-16 | 72.67% | 2026-09-01 | Quelle geprüft |
| 70 | Claude Opus 4.7 (Non-reasoning, High Effort)Anthropic | 2026-04-16 | 72.33% | 2026-09-01 | Quelle geprüft |
| 71 | Motif 3Other | 2026-08-12 | 72.33% | 2026-09-01 | Quelle geprüft |
| 72 | Qwen3.5 27B (Reasoning)Alibaba | 2026-02-24 | 72.33% | 2026-09-01 | Quelle geprüft |
| 73 | Qwen3.6 PlusAlibaba | 2026-04-02 | 72.33% | 2026-09-01 | Quelle geprüft |
| 74 | GPT-5.4 NanoOpenAI | 2026-03-17 | 72% | 2026-09-01 | Quelle geprüft |
| 75 | MiniMax M2.5MiniMax | 2026-04-01 | 72% | 2026-09-01 | Quelle geprüft |
| 76 | Qwen3.6 Max PreviewAlibaba | 2026-04-20 | 72% | 2026-09-01 | Quelle geprüft |
| 77 | MiMo-V2-OmniXiaomi | 2026-03-19 | 71.67% | 2026-09-01 | Quelle geprüft |
| 78 | Gemini 3.1 Flash LiteGoogle | 2026-05-07 | 71.33% | 2026-09-01 | Quelle geprüft |
| 79 | GPT-5 Codex (high)OpenAI | 2025-09-23 | 71% | 2026-09-01 | Quelle geprüft |
| 80 | Nemotron 3 Ultra 550B A55B (Reasoning)NVIDIA | 2026-06-04 | 71% | 2026-09-01 | Quelle geprüft |
| 81 | DeepSeek V3.2 (Reasoning)DeepSeek | 2025-12-01 | 70.67% | 2026-09-01 | Quelle geprüft |
| 82 | GLM-5 (Reasoning)Zhipu | 2026-02-11 | 70.67% | 2026-09-01 | Quelle geprüft |
| 83 | Motif 3 (Beta)Other | 2026-07-21 | 70.67% | 2026-09-01 | Quelle geprüft |
| 84 | Solar Pro 4Other | 2026-08-06 | 70.67% | 2026-09-01 | Quelle geprüft |
| 85 | Gemini 3 Pro Preview (low)Google | 2025-11-18 | 70.33% | 2026-09-01 | Quelle geprüft |
| 86 | JT-4.1 Flash 236B A21BOther | 2026-07-09 | 70.33% | 2026-09-01 | Quelle geprüft |
| 87 | Kimi K2 ThinkingMoonshot | 2025-11-06 | 70.33% | 2026-09-01 | Quelle geprüft |
| 88 | Qwen3 Max ThinkingAlibaba | 2026-01-26 | 70.33% | 2026-09-01 | Quelle geprüft |
| 89 | Qwen3.5 122B A10B (Reasoning)Alibaba | 2026-02-24 | 70.33% | 2026-09-01 | Quelle geprüft |
| 90 | Grok Build 0.1 0616xAI | 2026-06-16 | 70% | 2026-09-01 | Quelle geprüft |
| 91 | KAT Coder Pro V2Other | 2026-03-27 | 70% | 2026-09-01 | Quelle geprüft |
| 92 | MiMo-V2-Omni-0327Xiaomi | 2026-03-27 | 69.67% | 2026-09-01 | Quelle geprüft |
| 93 | Step 3.7 FlashStepFun | 2026-06-01 | 69.67% | 2026-09-01 | Quelle geprüft |
| 94 | Inkling SmallOther | 2026-07-30 | 69.33% | 2026-09-01 | Quelle geprüft |
| 95 | DeepSeek V4 Flash (Reasoning, High Effort)DeepSeek | 2026-04-24 | 69% | 2026-09-01 | Quelle geprüft |
| 96 | GPT-5.1 Codex (high)OpenAI | 2025-11-13 | 69% | 2026-09-01 | Quelle geprüft |
| 97 | GPT-5.2 (medium)OpenAI | 2025-12-11 | 69% | 2026-09-01 | Quelle geprüft |
| 98 | Qwen 3.7 PlusAlibaba | 2026-06-02 | 69% | 2026-09-01 | Quelle geprüft |
| 99 | MiMo-V2-Flash (Feb 2026)Xiaomi | 2025-12-16 | 68.67% | 2026-09-01 | Quelle geprüft |
| 100 | Claude 4.5 Sonnet (Reasoning)Anthropic | 2025-09-29 | 68.33% | 2026-09-01 | Quelle geprüft |
| 101 | Gemma 4 31B ITGoogle | 2026-03-01 | 68.33% | 2026-09-01 | Quelle geprüft |
| 102 | Grok 4.3 (medium)xAI | 2026-04-30 | 68.33% | 2026-09-01 | Quelle geprüft |
| 103 | MiMo-V2.5Xiaomi | 2026-04-22 | 68.33% | 2026-09-01 | Quelle geprüft |
| 104 | Solar Open2 250BOther | 2026-08-12 | 68.33% | 2026-09-01 | Quelle geprüft |
| 105 | GLM-4.7 (Reasoning)Zhipu | 2025-12-22 | 68% | 2026-09-01 | Quelle geprüft |
| 106 | GLM-5.1Zhipu | 2026-04-07 | 68% | 2026-09-01 | Quelle geprüft |
| 107 | MiMo-V2-Flash (Reasoning)Xiaomi | 2025-12-16 | 68% | 2026-09-01 | Quelle geprüft |
| 108 | Grok 4.3 (low)xAI | 2026-04-30 | 67.67% | 2026-09-01 | Quelle geprüft |
| 109 | Claude Opus 4.5Anthropic | 2025-11-24 | 67.33% | 2026-09-01 | Quelle geprüft |
| 110 | Ring-2.6-1TOther | 2026-05-08 | 67.33% | 2026-09-01 | Quelle geprüft |
| 111 | DeepSeek V4 Pro (Reasoning, High Effort)DeepSeek | 2026-04-24 | 67% | 2026-09-01 | Quelle geprüft |
| 112 | GPT-5.5 Instant (June 2026)OpenAI | 2026-06-25 | 67% | 2026-09-01 | Quelle geprüft |
| 113 | Grok 4xAI | 2025-07-10 | 67% | 2026-09-01 | Quelle geprüft |
| 114 | Ling 3.0 FlashOther | 2026-08-04 | 67% | 2026-09-01 | Quelle geprüft |
| 115 | GLM-5-TurboZhipu | 2026-03-15 | 66.67% | 2026-09-01 | Quelle geprüft |
| 116 | Qwen3.6 35B A3B (Reasoning)Alibaba | 2026-04-16 | 66.67% | 2026-09-01 | Quelle geprüft |
| 117 | MiniMax-M2.1MiniMax | 2025-12-23 | 66.33% | 2026-09-01 | Quelle geprüft |
| 118 | A.X-K2Other | 2026-08-12 | 66% | 2026-09-01 | Quelle geprüft |
| 119 | Grok 4.3xAI | 2026-04-30 | 66% | 2026-09-01 | Quelle geprüft |
| 120 | Kimi K2.6 (Non-reasoning)Other | 2026-04-20 | 66% | 2026-09-01 | Quelle geprüft |
| 121 | GLM 5V Turbo (Reasoning)Zhipu | 2026-04-01 | 65.67% | 2026-09-01 | Quelle geprüft |
| 122 | MiMo-V2-ProXiaomi | 2026-03-18 | 65.67% | 2026-09-01 | Quelle geprüft |
| 123 | Mistral Medium 3.5Mistral | 2026-04-29 | 65.33% | 2026-09-01 | Quelle geprüft |
| 124 | Claude Sonnet 4.6 (Non-reasoning, Low Effort)Anthropic | 2026-02-17 | 64.67% | 2026-09-01 | Quelle geprüft |
| 125 | Qwen3.6 27B (Non-reasoning)Alibaba | 2026-04-22 | 64.33% | 2026-09-01 | Quelle geprüft |
| 126 | GPT-5.5 Instant (May 2026)OpenAI | 2026-05-05 | 64% | 2026-09-01 | Quelle geprüft |
| 127 | GPT-5 (low)OpenAI | 2025-08-07 | 63.67% | 2026-09-01 | Quelle geprüft |
| 128 | JT-35B-FlashOther | 2026-05-14 | 63.67% | 2026-09-01 | Quelle geprüft |
| 129 | OpenAI o1OpenAI | 2024-09-12 | 63.33% | 2026-09-01 | Quelle geprüft |
| 130 | LongCat-2.0Meituan | 2026-06-29 | 62.67% | 2026-09-01 | Quelle geprüft |
| 131 | Claude Opus 4.6Anthropic | 2026-02-05 | 62.33% | 2026-09-01 | Quelle geprüft |
| 132 | Claude Sonnet 4.6Anthropic | 2026-02-17 | 62.33% | 2026-09-01 | Quelle geprüft |
| 133 | Grok 4.20 ReasoningxAI | 2026-03-05 | 62.33% | 2026-09-01 | Quelle geprüft |
| 134 | G9v3-39A5BOther | 2026-08-03 | 62% | 2026-09-01 | Quelle geprüft |
| 135 | Qwen3.5 397B A17B (Non-reasoning)Alibaba | 2026-02-16 | 62% | 2026-09-01 | Quelle geprüft |
| 136 | Gemma 4 12B (Reasoning)Google | 2026-06-07 | 61.67% | 2026-09-01 | Quelle geprüft |
| 137 | Grok 4.20 0309 (Reasoning)xAI | 2026-03-10 | 60.67% | 2026-09-01 | Quelle geprüft |
| 138 | Hy3-preview (Reasoning)Other | 2026-04-23 | 60.33% | 2026-09-01 | Quelle geprüft |
| 139 | Qwen3.6 35B A3B (Non-reasoning)Alibaba | 2026-04-16 | 60% | 2026-09-01 | Quelle geprüft |
| 140 | Ling 3.0 TinyOther | 2026-08-06 | 58.67% | 2026-09-01 | Quelle geprüft |
| 141 | Gemini 3.5 Flash (minimal)Google | 2026-05-19 | 58.33% | 2026-09-01 | Quelle geprüft |
| 1 | Claude Opus 4.8Anthropic | 2026-05-28 | 58.3% | 2026-06-17 | Quelle geprüft |
| 143 | GPT-5.5 (Non-reasoning)OpenAI | 2026-04-23 | 58% | 2026-09-01 | Quelle geprüft |
| 144 | K-EXAONE 2.0 0803Other | 2026-08-12 | 57.67% | 2026-09-01 | Quelle geprüft |
| 145 | DeepSeek R1DeepSeek | 2025-01-20 | 56.67% | 2026-09-01 | Quelle geprüft |
| 146 | Nemotron 3.5 LightningNVIDIA | 2026-08-11 | 55.33% | 2026-09-01 | Quelle geprüft |
| 147 | Gemini 3 Flash PreviewGoogle | 2025-12-17 | 53% | 2026-09-01 | Quelle geprüft |
| 2 | GPT 5.5OpenAI | 2026-04-23 | 52.1% | 2026-06-17 | Quelle geprüft |
| 149 | EXAONE 4.5 33BOther | 2026-04-09 | 51.67% | 2026-09-01 | Quelle geprüft |
| 150 | Llama 4 MaverickMeta | 2026-04-05 | 50% | 2026-09-01 | Quelle geprüft |
| 151 | DeepSeek V4 Pro (Non-reasoning)DeepSeek | 2026-04-24 | 49.67% | 2026-09-01 | Quelle geprüft |
| 152 | Command ACohere | 2026-03-15 | 48.67% | 2026-09-01 | Quelle geprüft |
| 153 | Granite 4.2 30BOther | 2026-08-25 | 46.67% | 2026-09-01 | Quelle geprüft |
| 154 | GLM-5.2 (Non-reasoning)Zhipu | 2026-06-16 | 45% | 2026-09-01 | Quelle geprüft |
| 155 | GLM-5 (Non-reasoning)Zhipu | 2026-02-11 | 43.33% | 2026-09-01 | Quelle geprüft |
| 156 | Granite 4.2 8BOther | 2026-08-25 | 43.33% | 2026-09-01 | Quelle geprüft |
| 157 | G9v3-3BOther | 2026-07-23 | 40.67% | 2026-09-01 | Quelle geprüft |
| 158 | Nemotron 3 Nano Omni 30B A3B ReasoningNVIDIA | 2026-04-29 | 40.67% | 2026-09-01 | Quelle geprüft |
| 159 | MiMo-V2.5-Pro (Non-reasoning)Xiaomi | 2026-04-22 | 39.33% | 2026-09-01 | Quelle geprüft |
| 160 | Hy3-preview (Non-reasoning)Other | 2026-04-23 | 38.67% | 2026-09-01 | Quelle geprüft |
| 161 | Ling-2.6-1TOther | 2026-04-23 | 38% | 2026-09-01 | Quelle geprüft |
| 162 | DeepSeek V4 Flash (Non-reasoning)DeepSeek | 2026-04-24 | 37.33% | 2026-09-01 | Quelle geprüft |
| 163 | Claude 4 Opus (Reasoning)Anthropic | 2025-05-22 | 36.33% | 2026-09-01 | Quelle geprüft |
| 164 | North Mini CodeCohere | 2026-06-09 | 36% | 2026-09-01 | Quelle geprüft |
| 165 | HyperNova 60B 2605Multiverse | 2026-05-06 | 35.33% | 2026-09-01 | Quelle geprüft |
| 166 | Mistral Large 3Mistral | 2025-12-02 | 34.67% | 2026-09-01 | Quelle geprüft |
| 167 | Gemma 4 12B (Non-reasoning)Google | 2026-06-10 | 31.33% | 2026-09-01 | Quelle geprüft |
| 168 | Llama 4 ScoutMeta | 2026-04-05 | 30.33% | 2026-09-01 | Quelle geprüft |
| 169 | Grok 4.3 (Non-reasoning)xAI | 2026-04-30 | 28% | 2026-09-01 | Quelle geprüft |
| 170 | Ling 2.6 FlashOther | 2026-04-21 | 28% | 2026-09-01 | Quelle geprüft |
| 171 | Granite 4.2 3BOther | 2026-08-25 | 24.33% | 2026-09-01 | Quelle geprüft |
| 172 | Grok 4.20 0309 v2 (Non-reasoning)xAI | 2026-04-07 | 20.67% | 2026-09-01 | Quelle geprüft |
| 173 | Granite 4.1 30BOther | 2026-04-29 | 20.33% | 2026-09-01 | Quelle geprüft |
| 174 | DiffusionGemma 26B A4BGoogle | 2026-06-10 | 18.33% | 2026-09-01 | Quelle geprüft |
| 175 | JT-MINIOther | 2026-04-15 | 12.67% | 2026-09-01 | Quelle geprüft |
| 176 | MiniCPM-V 4.6 1.3BOpenBMB | 2026-05-11 | 6.67% | 2026-09-01 | Quelle geprüft |
| 177 | MiniCPM5-1B (Non-reasoning)OpenBMB | 2026-05-25 | 4.67% | 2026-09-01 | Quelle geprüft |
| 178 | MiniCPM5-1B (Reasoning)OpenBMB | 2026-06-04 | 4.67% | 2026-09-01 | Quelle geprüft |
| 179 | LFM2.5-8B-A1BLiquid | 2026-06-08 | 0% | 2026-09-01 | Quelle geprüft |
Was er abdeckt
Dieser Benchmark gehört zur Familie langer kontext. Sein Format: 100 offene Antwortfragen mit langen Kontextpassagen; Equality-Checker-LLM-Bewertung, pass@1. Der Score sollte immer mit Aufgabenformat, Bewertungsmethode, Quelldatum und Benchmark-Version gelesen werden.
Wo er an Grenzen stößt
Hohe Werte bei In-Prompt-Long-Context beweisen keine verlässliche Retrieval-Qualität aus externen Korpora oder multimodalen Dokumenten.
Belege
Quellen und weiterführende Lektüre
AA-LCR-Evaluation· geprüft 2026-06-22
Fragen zu diesem Benchmark
Jede Antwort unten stammt aus den datierten Feldern dieser Seite. Nichts davon ist zusätzlich für Suchmaschinen geschrieben.
Was misst AA-LCR?
Long-Context-Synthese und Reasoning: 100 offene Antwortfragen, die Modelle zwingen, Evidenz über lange Inputs zu integrieren. 6 % Gewicht im AA Intelligence Index v4.1.
Was beweist ein hoher AA-LCR-Wert nicht?
Ein starkes AA-LCR-Ergebnis sagt nichts aus über:
- Retrieval aus externen Datenbanken — der Kontext liegt nur im Prompt.
- Multimodale Langdokumente — AA-LCR ist im aktuellen AA-Harness nur Text.
- Unendlicher Kontext — das Eval nutzt ein fixes Long-Context-Fenster, keine beliebige Dokumentlänge.
Wie wird AA-LCR bewertet?
pass@1-Genauigkeit mit 3 Wiederholungen. Aufgabenformat: 100 offene Antwortfragen mit langen Kontextpassagen; Equality-Checker-LLM-Bewertung, pass@1.
Ist AA-LCR gesättigt?
AA-LCR ist im Atlas derzeit als Aktiv markiert.
Können AA-LCR-Ergebnisse durch Trainingsdaten verunreinigt sein?
Das Kontaminationsrisiko für AA-LCR ist als Kontamination niedrig eingestuft. Behandle jede Zeile auf dieser Seite als öffentliche Angabe mit Quelle und Datum, nicht als kontrolliertes Experiment.
The Pack · Redaktionsnewsletter
Neue Tools in dein Postfach. Kostenlos.
Eine kurze E-Mail, wenn ein Tool erscheint oder den Status wechselt. Kein Tracking, keine Drittanbieter-Analytics. Abmeldung mit einem Klick.