Warum dieser Benchmark nützlich ist
Er prüft, ob ein System über mehrere Schritte mit Tools handeln kann. Nutze ihn, wenn Ausführung, Erholung nach Fehlern und Aufgabenabschluss wichtiger sind als flüssiger Chat.
Benchmarks / Agentisch
Vals Index
Vals AI Index
Ein Vals-Kompositwert über branchennähere Aufgaben wie Finance und Coding, gedacht als Näherung für praktische Modellnützlichkeit bei wirtschaftlich relevanter Arbeit.
AgentischSolidAktivUnbekanntes KontaminationsrisikoSeit 2026
Was dieser Benchmark nicht misst
- Offene Reproduzierbarkeit — Teile des Benchmarks nutzen proprietäre, nicht öffentliche Datensätze; Leser können die Suite nicht vollständig nachlaufen lassen.
- Keine Einzelfähigkeit — der Index mischt Domänen; ein hoher Wert kann ungleichmäßige Stärken über Finance, Coding, Bildung oder Multimodalität verdecken.
- Keine VerdictPal-Empfehlung — Vals ist nützliche Evidenz, bleibt aber eine Quellenzeile mit eigener Methodik und Gewichtung.
Abdeckung
- Aufgabenfamilie
- Agentisch
- Format
- Komposit-Index aus der Vals-Branchensuite; öffentliche Seiten zeigen Modellwert, Rang und Aktualisierungsdatum.
- Bewertung
- Prozentähnlicher Kompositwert. Die aktuelle Aufgabenmischung und Gewichtung stehen auf der Quellseite.
- Verantwortliche Stelle
- Vals AI
So liest du die Scores
Lies Vals Index als aktiv Signal mit unbekanntes kontaminationsrisiko. Vergleiche Modelle nur, wenn Quelle, Testumgebung, Prompting, Sampling und Score-Einheit übereinstimmen.
Was er nicht abdeckt
- Offene Reproduzierbarkeit — Teile des Benchmarks nutzen proprietäre, nicht öffentliche Datensätze; Leser können die Suite nicht vollständig nachlaufen lassen.
- Keine Einzelfähigkeit — der Index mischt Domänen; ein hoher Wert kann ungleichmäßige Stärken über Finance, Coding, Bildung oder Multimodalität verdecken.
- Keine VerdictPal-Empfehlung — Vals ist nützliche Evidenz, bleibt aber eine Quellenzeile mit eigener Methodik und Gewichtung.
Scores
20 ZeilenEvidenz-Ledger
2020 Zeilen
75.1%bester Score
20quellgeprüft
1Quellen
2026-07-16bis 2026-06-04
Wo die Zeilen liegen
0255075100
Auf die Skala dieses Benchmarks normalisiert (0–100). Die Tabelle zeigt die Rohwerte.
Neueste Belege
- Claude Fable 575.1% · Vals AI — Vals Index
- Kimi K374.7% · Vals AI — Vals Index
- GPT-5.6 Sol73.1% · Vals AI — Vals Index
- Claude Mythos Preview73.42% · Vals AI — Vals Index
- Claude Opus 4.870.4% · Vals AI — Vals Index
Scores nutzen die eigene Einheit und Skala dieses Benchmarks, keinen universellen Qualitätswert.
| # | Modell | Veröffentlichung | Score | Herkunft | Beleglage |
|---|---|---|---|---|---|
| 1 | Claude Fable 5AnthropicVals meldet 75,14 % ± 0,64 auf der öffentlichen Modellseite; der Index-Text rundet auf 75,1. Snapshot am 19. Juli 2026 aktualisiert. | 2026-06-09 | 75.1% | Vals AI — Vals Index2026-07-16 | Quelle geprüft |
| 2 | Kimi K3Moonshot | 2026-07-16 | 74.7% | Vals AI — Vals Index2026-07-16 | Quelle geprüft |
| 3 | Claude Mythos PreviewAnthropicResearch-Preview-Zeile abgelöst durch Claude Fable 5 (GA, 75,15 % Vals-Index, 2026-06-09). Mythos 5 nur für Glasswing-Partner. | 2026-06-01 | 73.42% | Vals AI — Vals Index2026-06-04 | Quelle geprüft |
| 4 | GPT-5.6 SolOpenAI | 2026-07-09 | 73.1% | Vals AI — Vals Index2026-07-16 | Quelle geprüft |
| 5 | Claude Opus 4.8Anthropic | 2026-05-28 | 70.4% | Vals AI — Vals Index2026-06-04 | Quelle geprüft |
| 6 | GPT 5.5OpenAI | 2026-04-23 | 68% | Vals AI — Vals Index2026-06-04 | Quelle geprüft |
| 7 | Claude Opus 4.7Anthropic | 2026-04-16 | 66.1% | Vals AI — Vals Index2026-06-04 | Quelle geprüft |
| 8 | Claude Sonnet 4.6Anthropic | 2026-02-17 | 60.3% | Vals AI — Vals Index2026-06-04 | Quelle geprüft |
| 9 | DeepSeek V4 ProDeepSeek | 2026-04-24 | 56.23% | Vals AI — Vals Index2026-06-04 | Quelle geprüft |
| 10 | Kimi K2.6 ThinkingMoonshot | 2026-04-20 | 55.55% | Vals AI — Vals Index2026-06-04 | Quelle geprüft |
| 11 | Gemini 3.1 Pro PreviewGoogle | 2026-02-19 | 53.42% | Vals AI — Vals Index2026-06-04 | Quelle geprüft |
| 12 | GPT-5.4 MiniOpenAI | 2026-03-17 | 51.42% | Vals AI — Vals Index2026-06-04 | Quelle geprüft |
| 13 | Gemini 3 Flash PreviewGoogle | 2025-12-17 | 49.31% | Vals AI — Vals Index2026-06-04 | Quelle geprüft |
| 14 | Qwen 3.7 MaxAlibaba | 2026-05-20 | 48.04% | Vals AI — Vals Index2026-06-04 | Quelle geprüft |
| 15 | Grok 4.3xAI | 2026-04-30 | 46.63% | Vals AI — Vals Index2026-06-04 | Quelle geprüft |
| 16 | GPT-5.4 NanoOpenAI | 2026-03-17 | 46.46% | Vals AI — Vals Index2026-06-04 | Quelle geprüft |
| 17 | MiniMax M2.7MiniMax | 2026-04-15 | 41.41% | Vals AI — Vals Index2026-06-04 | Quelle geprüft |
| 18 | Claude Haiku 4.5 ThinkingAnthropic | 2025-10-01 | 40.33% | Vals AI — Vals Index2026-06-04 | Quelle geprüft |
| 19 | Grok 4.20 0309 ReasoningxAI | 2026-03-05 | 39.11% | Vals AI — Vals Index2026-06-04 | Quelle geprüft |
| 20 | Gemini 3.1 Flash Lite PreviewGoogle | 2026-05-07 | 35.24% | Vals AI — Vals Index2026-06-04 | Quelle geprüft |
Was er abdeckt
Top-Zeilen wurden am 19.07.2026 aus dem öffentlichen Vals-Index aktualisiert. Akademische Überschneidungen (SWE-bench, GPQA usw.) bleiben auf offiziellen Slugs; Vals-Läufe werden dort nur querverlinkt.
Wo er an Grenzen stößt
Noch ist keine Obergrenze erfasst. Wenn sich Scores oben bündeln, kann der Benchmark Frontier-Modelle möglicherweise nicht mehr trennen.
Belege
Quellen und weiterführende Lektüre
- Vals-AI-Benchmarks· geprüft 2026-07-19
- Vals-Index-Seite· geprüft 2026-07-19
- Vals benchmarks
- Vals Index
The Pack · Redaktionsnewsletter
Neue Karten in dein Postfach. Kostenlos.
Eine kurze E-Mail, wenn eine Karte erscheint oder den Status wechselt. Kein Tracking, keine Drittanbieter-Analytics. Abmeldung mit einem Klick.