VerdictPal · Redaktions-Desk · 2026VerdictPal

Benchmarks

Jeder Benchmark, ehrlich gelesen.

Wähle ein Modell und sieh die öffentlichen Benchmark-Belege, die VerdictPal dafür hat. Jede Zeile ist datiert, belegt und mit Caveats versehen. Die Seite liest sich wie Evidenz, nicht wie ein Scoreboard. Für die modellzentrierte Ansicht (Ränge, Familien, Quellen-Ledger) öffne den modellzentrierten Atlas.

Das ist kein Leaderboard

Scores wandern, Anbieter cherry-picken, alte Benchmarks lecken in Trainingsdaten. Jede Zahl ist datiert, belegt und mit Kontaminationsrisiko markiert. Lies es wie Evidenz, nicht wie ein Scoreboard.

Öffentliche Benchmarks

944

Ledger-Zeilen

797/944

Quellgeprüfte Scores

Belegte Quellen

Benchmark-Karte

Starte mit dem Test, nicht dem Modell.

Der Atlas ist nach dem gruppiert, was der Benchmark messen will. Score-Zeilen sitzen unter jedem Test, damit unvergleichbare Metriken nicht in ein Fake-Ranking kollabieren.

Benchmarks suchen

Benchmark-Bibliothek

Was jeder Test wirklich misst

AktivGesättigtGelöst

AA output speedOutput tokens per second

PerformanceUnbekanntes Kontaminationsrisiko

Medianer Output-Tokens pro Sekunde nach dem ersten Chunk, gemessen am Default-API-Provider jedes Modells mit ~1k Input-Tokens (AA-Medium-Workload).

Sagt dir nicht · IDE- oder Chat-App-Latenz — nur First-Party-API-Routen, die AA als Default-Provider trackt.

69 Score-Zeilen · 1 Quelle · aktualisiert 2026-07-21

AA time to first tokenTTFT

PerformanceUnbekanntes Kontaminationsrisiko

Median-Sekunden bis zum ersten Token am Default-API-Provider mit ~1k Input-Tokens.

Sagt dir nicht · End-to-End-Aufgabenzeit für Agent-Loops — TTFT ist ein Hop, keine ganze Coding-Session.

69 Score-Zeilen · 1 Quelle · aktualisiert 2026-07-21

Artificial Analysis Long Context ReasoningAA-LCR

Langer KontextNiedriges Kontaminationsrisiko

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.

Sagt dir nicht · Retrieval aus externen Datenbanken — der Kontext liegt nur im Prompt.

64 Score-Zeilen · 1 Quelle · aktualisiert 2026-07-21

Papers / model cardsAbstraction and Reasoning CorpusARC-AGI

ReasoningNiedriges Kontaminationsrisiko

Flüssiges, dateneffizientes Schließen über die ARC-Prize-Benchmark-Serie — von statischen Gitter-Rätseln (ARC-AGI-1/2) bis zu interaktiven agentischen Umgebungen (ARC-AGI-3). Gegen Auswendiglernen gebaut, belohnt echte Generalisierung.

Sagt dir nicht · Wissen oder Sprache — Aufgaben sind bewusst wissensfrei; Werte sagen nichts über faktische Genauigkeit.

16 Score-Zeilen · 1 Quelle · aktualisiert 2026-06-22

Artificial Analysis Intelligence IndexAA Intelligence Index

ReasoningMittleres Kontaminationsrisiko

AA Intelligence Index v4.1 — gewichteter Composite mit Fokus auf agentische Workloads: GDPval-AA v2 (20 %), Terminal-Bench 2.1 (16 %), τ³-Bench Banking (14 %), Humanity's Last Exam (12 %), AA-Omniscience (12 %), SciCode (8 %), GPQA Diamond (6 %), AA-LCR (6 %), CritPt (6 %). IFBench wegen Sättigung entfernt.

Sagt dir nicht · Latenz, Kosten-pro-Token und Durchsatz — der Index ist reine Intelligenz. Für $/1M-Token die AA-API parallel nutzen.

67 Score-Zeilen · 1 Quelle · aktualisiert 2026-07-21

Berkeley BFCLBerkeley Function Calling LeaderboardBFCL

Tool-NutzungMittleres Kontaminationsrisiko

Ob ein Modell Funktionsaufrufe über Single-Turn-, Multi-Turn-, parallele und Live-API-artige Tool-Use-Aufgaben korrekt auswählt und formatiert.

Sagt dir nicht · Nicht, ob das Tool-Ergebnis nützlich ist — BFCL fokussiert Auswahl und Formatierung von Calls, nicht den gesamten Produktworkflow danach.

20 Score-Zeilen · 1 Quelle · aktualisiert 2026-06-09

DeepSWEDeepSWE

CodingNiedriges Kontaminationsrisiko

Langhorizont-Software-Engineering auf 113 kontaminationsfreien Aufgaben über 91 Repos und fünf Sprachen — Patches müssen handgeschriebene Verhaltens-Verifier bestehen, keine String-Diffs.

Sagt dir nicht · Kein Python-only-Issue-Fixing wie SWE-bench Verified — DeepSWE umfasst Go, Rust, TypeScript und mehr.

6 Score-Zeilen · 1 Quelle · aktualisiert 2026-06-22

GDPvalReal-work deliverables vs experts

AgentischNiedriges Kontaminationsrisiko

GDPval-AA v2 — echte Wissensarbeits-Lieferungen über 44 Berufe, blind paarweise gegen menschliche Experten bewertet (Elo bei 1000 verankert). 20 % Gewicht im AA Intelligence Index v4.1.

Sagt dir nicht · Keine VerdictPal-Empfehlung — GDPval ist eine Quelle, mit eigener Aufgabenmischung.

6 Score-Zeilen · 3 Quellen · aktualisiert 2026-06-22

GPQA DiamondGraduate-Level Google-Proof Q&A

ReasoningNiedriges Kontaminationsrisiko

Schwere Wissenschaftsfragen auf Graduiertenniveau (Biologie, Physik, Chemie), so geschrieben, dass Laien sie auch mit Websuche nicht lösen — die 'Diamond'-Teilmenge ist der hochwertigste, von Experten geprüfte Anteil.

Sagt dir nicht · Allgemeine Nützlichkeit — ein schmaler Ausschnitt der Spitzenwissenschaft, keine Alltagsaufgaben.

69 Score-Zeilen · 2 Quellen · aktualisiert 2026-07-21

Stanford HELMHELM SafetyHolistic Evaluation of Language Models

SicherheitMittleres Kontaminationsrisiko

Eine multimetrische Sicherheits-Evaluationssuite von Stanford CRFM, die Modellverhalten über sicherheitsbezogene Szenarien ausweist, statt alles in einen einzigen Headline-Wert zu pressen.

Sagt dir nicht · Kein reales Deployment-Risiko allein — ein Modell kann in HELM sicherer aussehen als in einem Produkt mit Tools, Memory, Browsing oder schwacher Policy-Durchsetzung.

9 Score-Zeilen · 1 Quelle · aktualisiert 2026-06-09

Humanity's Last ExamHLE

ReasoningNiedriges Kontaminationsrisiko

Fachübergreifende Fragen auf Expertenniveau — Mathematik, Naturwissenschaften, Geisteswissenschaften, professionelles Recht und Medizin — entworfen als die härteste öffentliche Prüfung, die ein Frontier-Modell ablegen kann.

Sagt dir nicht · Echte Forschungsproduktivität — Prüfungsfragen erfassen nicht die unordentliche Such-und-Synthetisieren-Arbeit, die eine Forscher:in tatsächlich leistet.

65 Score-Zeilen · 1 Quelle · aktualisiert 2026-07-21

LiveBenchLiveBench

ReasoningNiedriges Kontaminationsrisiko

Ein kontaminationsarmer Benchmark, der Fragen über Zeit erneuert und Reasoning, Coding, Mathe, Datenanalyse, Sprache und Instruction Following abdeckt.

Sagt dir nicht · Keine statische Benchmark-Meisterschaft — der Sinn ist Frische; alte Snapshots sind keine dauerhafte Modellwahrheit.

21 Score-Zeilen · 1 Quelle · aktualisiert 2026-06-09

LiveCodeBench

CodingNiedriges Kontaminationsrisiko

Kontaminationsresistente Coding-Probleme aus aktuellen Contest-Releases — AA führt Modelle im öffentlichen Harness erneut aus.

Sagt dir nicht · Mehrdatei-Refactors oder IDE-Agent-Loops.

13 Score-Zeilen · 1 Quelle · aktualisiert 2026-07-21

LMArenaLMArena (Chatbot Arena)Chatbot Arena

Menschliche PräferenzNiedriges Kontaminationsrisiko

Menschliche Präferenz im großen Maßstab: Menschen chatten mit zwei anonymen Modellen nebeneinander und stimmen für die bessere Antwort. Stimmen werden zu einem Elo-Ranking.

Sagt dir nicht · Korrektheit — Wähler belohnen, was gut aussieht; Formatierung, Länge und Selbstsicherheit können Genauigkeit schlagen.

13 Score-Zeilen · 1 Quelle · aktualisiert 2026-06-09

LongBenchLongBench v2LongBench 2

Langer KontextMittleres Kontaminationsrisiko

Ob Long-Context-Modelle über lange, realistische Inputs schlussfolgern können, statt nur ein großes Tokenfenster anzunehmen.

Sagt dir nicht · Keine Retrieval-Qualität — der Benchmark testet Modellnutzung bereitgestellten Kontexts, nicht ob dein Suchsystem die richtigen Dokumente gefunden hat.

19 Score-Zeilen · 1 Quelle · aktualisiert 2026-06-09

Papers / model cardsMCP Atlas

Tool-NutzungNiedriges Kontaminationsrisiko

Wie zuverlässig ein Modell über das Model Context Protocol bereitgestellte Werkzeuge auswählt, sequenziert und wiederherstellt — inklusive Schema-Treue, Fehlerbehandlung und Werkzeug-Ketten-Schlussfolgern.

Sagt dir nicht · Harness-Qualität — unterschiedliche MCP-Server-Implementierungen können Scores künstlich heben oder senken.

10 Score-Zeilen · 1 Quelle · aktualisiert 2026-06-09

MMLU-Pro

WissenMittleres Kontaminationsrisiko

Ein schwererer MMLU-Nachfolger: zehn statt vier Optionen, schlussfolgerungslastige Fragen und ein bereinigter Satz, der schwerer zu erraten ist.

Sagt dir nicht · Offene Praxisfähigkeit — es bleibt eine Multiple-Choice-Prüfung, nur strenger.

21 Score-Zeilen · 2 Quellen · aktualisiert 2026-07-21

Papers / model cardsMassive Multi-discipline Multimodal UnderstandingMMMU

MultimodalMittleres Kontaminationsrisiko

Fragen auf Hochschulniveau, die Bilder und Text zusammen erfordern — Diagramme, Schaltpläne, chemische Strukturen, medizinische Scans — über 30 Fächer.

Sagt dir nicht · Reine Bildqualität — viele Items lassen sich teils allein aus dem Text lösen, was Werte aufbläht.

8 Score-Zeilen · 1 Quelle · aktualisiert 2026-06-09

SciCode

CodingMittleres Kontaminationsrisiko

Wissenschaftliche Programmieraufgaben mit Domänen-Bibliotheken und mehrstufigem numerischem Code — AA-Snapshot-Läufe.

Sagt dir nicht · Wet-Lab-Validierung — generierter Code wird nur gegen Referenztests bewertet.

65 Score-Zeilen · 1 Quelle · aktualisiert 2026-07-21

Terminal-BenchTerminal-Bench 2.1

AgentischNiedriges Kontaminationsrisiko

Ob ein Agent realistische, containerisierte Terminal-Aufgaben (Terminal-Bench 2.1) erledigen kann: Code debuggen, Dateien bearbeiten, Befehle ausführen und das Artefakt liefern, das der versteckte Checker erwartet. 16 % Gewicht im AA Intelligence Index v4.1.

Sagt dir nicht · Nicht nur das Modell — Harness, Tools, Retries, Zeitlimits und Container-Setup können Werte stark verschieben.

69 Score-Zeilen · 3 Quellen · aktualisiert 2026-07-21

Vals AIVals IndexVals AI Index

AgentischUnbekanntes Kontaminationsrisiko

Ein Vals-Kompositwert über branchennähere Aufgaben wie Finance und Coding, gedacht als Näherung für praktische Modellnützlichkeit bei wirtschaftlich relevanter Arbeit.

Sagt dir nicht · Offene Reproduzierbarkeit — Teile des Benchmarks nutzen proprietäre, nicht öffentliche Datensätze; Leser können die Suite nicht vollständig nachlaufen lassen.

20 Score-Zeilen · 1 Quelle · aktualisiert 2026-07-19

Vending-BenchVending-Bench 2

AgentischNiedriges Kontaminationsrisiko

Langhorizont-Business-Kohärenz: Ein Modell führt 365 Tage ein simuliertes Automaten-Unternehmen — Inventar, Lieferanten-Mail, Preise, Refunds — bewertet nach Endkontostand (USD).

Sagt dir nicht · Keine Single-Shot-Tool-Calls — Läufe überschreiten 20 Mio. Output-Tokens; der Test ist anhaltendes Urteil.

5 Score-Zeilen · 1 Quelle · aktualisiert 2026-06-22

Archiv · 7 EinträgeGesättigt, gelöst oder eingestellt

Papers / model cardsMassive Multitask Language UnderstandingMMLU

WissenGesättigtHohes Kontaminationsrisiko

Breites Multiple-Choice-Wissen über 57 Fächer — von US-Geschichte über Hochschulphysik bis Jura — im Vier-Optionen-Prüfungsformat.

Sagt dir nicht · Schlussfolgern unter Unsicherheit — ein Modell kann den richtigen Buchstaben erraten, ohne die Frage zu verstehen.

22 Score-Zeilen · 2 Quellen · aktualisiert 2026-06-09

SWE-benchSWE-bench Verified

CodingGesättigtMittleres Kontaminationsrisiko

Ob ein Modell echte GitHub-Issues aus populären Python-Repos lösen kann — es muss einen Patch erzeugen, der die versteckte Testsuite besteht. 'Verified' ist eine 500-Issue-Teilmenge, von Menschen validiert.

Sagt dir nicht · Nichts außer Python — die Suite ist Python-only und sagt wenig über andere Sprachen oder Frontend aus.

23 Score-Zeilen · 2 Quellen · aktualisiert 2026-07-01

American Invitational Mathematics ExaminationAIME

MatheAusgedientMittleres Kontaminationsrisiko

Schwere Schulwettbewerbs-Mathematik: 15 Aufgaben mit Ganzzahl-Antwort pro Prüfung. Als Reasoning-Eval genutzt, weil jedes neue Paper anfangs kontaminationsresistent ist — bis es durchsickert.

Sagt dir nicht · Winzige Stichprobe (15 Aufgaben/Jahr) — eine Aufgabe ist ~6,7 %, Einzelläufe sind verrauscht; pass@k oder mehrere Seeds verlangen.

19 Score-Zeilen · 3 Quellen · aktualisiert 2026-07-21

Vendor claimsHumanEval

CodingAusgedientHohes Kontaminationsrisiko

Ob ein Modell aus einem Docstring eine kurze Python-Funktion schreibt, die einige Unit-Tests besteht — der ursprüngliche Code-Generierungs-Benchmark.

Sagt dir nicht · Echte Softwarearbeit — 164 eigenständige Spielfunktionen sind weit von einer Produktions-Codebasis entfernt.

15 Score-Zeilen · 3 Quellen · aktualisiert 2026-06-09

IFBenchInstruction-Following Benchmark

ReasoningAusgedientMittleres Kontaminationsrisiko

Präzises Instruction-Following bei neuen Constraints — testet, ob Modelle komplexe, ungesehene Formatregeln ohne Abdriften befolgen.

Sagt dir nicht · Frontier-Trennung heute — Artificial Analysis entfernte IFBench aus dem Intelligence Index v4.1, weil Frontier-Modelle ihn sättigten.

57 Score-Zeilen · 1 Quelle · aktualisiert 2026-07-21

Vendor claimsMATH

MatheAusgedientHohes Kontaminationsrisiko

Schritt-für-Schritt-Lösungen zu 12.500 Wettbewerbs-Mathematikaufgaben (AMC/AIME-Stil), bewertet an der finalen Antwort.

Sagt dir nicht · Ob die Herleitung korrekt ist — nur die Endantwort zählt, eine richtige Antwort aus falschem Weg wird gewertet.

20 Score-Zeilen · 3 Quellen · aktualisiert 2026-07-21

τ³-Bench Bankingtau3-bench-banking

AgentischAusgedientNiedriges Kontaminationsrisiko

Dual-Control-Agent-User-Simulation für Banking-Aufgaben: 97 Szenarien mit Wissens-Retrieval, Backend-Datenbank-Zustandsbewertung, pass@1. 14 % Gewicht im AA Intelligence Index v4.1.

Sagt dir nicht · Echte Bank-Integrationen — simulierte Umgebung mit kontrollierten APIs, keine Produktions-Kernbankensysteme.

64 Score-Zeilen · 1 Quelle · aktualisiert 2026-07-21

Evidenz-Konsole — Modell-Lookup (14 Quellen)

Evidenz-Konsole

Modell-Belege nachschlagen

Wähle ein oder zwei Modelle aus dem Ledger. Scores bleiben nach Benchmark gruppiert, damit Arena-Elo nie gegen MMLU-Genauigkeit gerankt wird.

PrimärmodellVergleichen mit

Letzte Ledger-Aktualisierung: 2026-07-21Statischer Snapshot; Quellen unten verlinkt2 / 2 Modellplätzen belegt

Modell-Evidenz — 54 Zeilen

Modell-Evidenz im Überblick

GPT 5.5 · Claude Opus 4.8 · Evidenz nebeneinander

54 Zeilen gefunden

OpenAI

GPT 5.5

Veröffentlicht 2026-04-23

28 Zeilen

Wissen

Massive Multitask Language Understanding

MMLU

90.8%

OpenAI model release notesAudit nötigRang 3

Quelle· Quelle vom 2025-12-01· eingelesen 2026-06-09

MMLU-Pro

81.6%

MMLU-Pro HuggingFace leaderboardAudit nötigRang 2

Quelle· Quelle vom 2026-04-23· eingelesen 2026-06-09

Reasoning

Abstraction and Reasoning Corpus

ARC-AGI-2 semi-private

85%

ARC Prize leaderboardQuelle geprüftRang 1

Quelle· Quelle vom 2026-05-15· eingelesen 2026-06-05

Artificial Analysis Intelligence Index

AA Intelligence Index v4.1

54.8%

Artificial AnalysisQuelle geprüft

Quelle· Quelle vom 2026-07-21· eingelesen 2026-07-21

GPQA Diamond

GPQA Diamond accuracy (CoT)

81.2%

GPQA Diamond paper leaderboardQuelle geprüftRang 3

Quelle· Quelle vom 2026-05-15· eingelesen 2026-06-05

Humanity's Last Exam

HLE (AA run)

44.3%

Artificial AnalysisQuelle geprüft

Quelle· Quelle vom 2026-07-21· eingelesen 2026-07-21

IFBench

IFBench (AA run)

75.85%

Artificial AnalysisQuelle geprüft

Quelle· Quelle vom 2026-07-21· eingelesen 2026-07-21

LiveBench

69.8%

LiveBench leaderboardAudit nötigRang 3

Quelle· Quelle vom 2026-04-15· eingelesen 2026-06-09

Mathe

American Invitational Mathematics Examination

AIME

91.8%

OpenAI model release notesAudit nötigRang 3

Quelle· Quelle vom 2026-04-23· eingelesen 2026-06-09

MATH

89.6%

OpenAI model release notesAudit nötigRang 2

Quelle· Quelle vom 2026-04-23· eingelesen 2026-06-09

Coding

DeepSWE

DeepSWE pass@1 (xhigh effort)

67%

DeepSWE leaderboard v1.1Quelle geprüftRang 2

Quelle· Quelle vom 2026-06-20· eingelesen 2026-06-22

HumanEval

96.2% pass@1

CodeSOTA HumanEval leaderboardAudit nötigRang 2

Quelle· Quelle vom 2026-04-23· eingelesen 2026-06-09

SciCode

SciCode (AA run)

56.1%

Artificial AnalysisQuelle geprüft

Quelle· Quelle vom 2026-07-21· eingelesen 2026-07-21

SWE-bench Verified

82.5%

SWE-bench Verified leaderboardQuelle geprüft

Quelle· Quelle vom 2026-06-01· eingelesen 2026-06-09

Agentisch

GDPval

GDPval-AA v2

1531

Artificial Analysis — GDPval-AA v2Quelle geprüftRang 3

Quelle· Quelle vom 2026-06-17· eingelesen 2026-06-22

τ³-Bench Banking

τ³-Bench Banking pass@1

54.8%

Artificial Analysis — τ³-Bench BankingQuelle geprüftRang 2

Quelle· Quelle vom 2026-06-17· eingelesen 2026-06-22

Terminal-Bench

Terminal-Bench 2.0 (audited harness)

82%

Terminal-Bench 2.0 leaderboardQuelle geprüftRang 2

Quelle· Quelle vom 2026-05-20· eingelesen 2026-06-05

Vals Index

68%

Vals AI — Vals IndexQuelle geprüft

Quelle· Quelle vom 2026-06-04· eingelesen 2026-06-09

Vending-Bench 2

Final bank balance (USD)

7523.84

Andon Labs Vending-Bench 2Quelle geprüftRang 4

Quelle· Quelle vom 2026-06-01· eingelesen 2026-06-22

Multimodal

Massive Multi-discipline Multimodal Understanding

MMMU

71.8%

MMMU leaderboardAudit nötigRang 2

Quelle· Quelle vom 2026-04-23· eingelesen 2026-06-09

Langer Kontext

Artificial Analysis Long Context Reasoning

AA-LCR pass@1

52.1%

Artificial Analysis — AA-LCRQuelle geprüftRang 2

Quelle· Quelle vom 2026-06-17· eingelesen 2026-06-22

LongBench v2

56.1%

LongBench v2 leaderboardAudit nötigRang 3

Quelle· Quelle vom 2026-04-01· eingelesen 2026-06-09

Tool-Nutzung

Berkeley Function Calling Leaderboard

BFCL

87.4%

Berkeley Function Calling Leaderboard V4Audit nötigRang 2

Quelle· Quelle vom 2026-04-15· eingelesen 2026-06-09

MCP Atlas

77.8%

MCP Atlas leaderboardAudit nötigRang 3

Quelle· Quelle vom 2026-06-09· eingelesen 2026-06-09

Performance

AA output speed

Median output tokens/s (1k prompt, default provider)

90 t/s

Artificial AnalysisQuelle geprüft

Quelle· Quelle vom 2026-07-21· eingelesen 2026-07-21

AA time to first token

Median time to first token (1k prompt, default provider)

31.38s

Artificial AnalysisQuelle geprüft

Quelle· Quelle vom 2026-07-21· eingelesen 2026-07-21

Sicherheit

HELM Safety

90.6%

Stanford HELM leaderboardAudit nötigRang 3

Quelle· Quelle vom 2026-04-23· eingelesen 2026-06-09

Menschliche Präferenz

LMArena (Chatbot Arena)

LMArena Elo (Style Controlled)

1473

LMArena leaderboardQuelle geprüftRang 1

Quelle· Quelle vom 2026-05-25· eingelesen 2026-06-05

Anthropic

Claude Opus 4.8

Veröffentlicht 2026-05-28

26 Zeilen

Wissen

Massive Multitask Language Understanding

MMLU

91.4%

Anthropic Claude 4 familyAudit nötigRang 1

Quelle· Quelle vom 2026-05-28· eingelesen 2026-06-09

MMLU-Pro

82.4%

MMLU-Pro HuggingFace leaderboardAudit nötigRang 1

Quelle· Quelle vom 2026-05-28· eingelesen 2026-06-09

Reasoning

Artificial Analysis Intelligence Index

AA Intelligence Index v4.1

55.7%

Artificial AnalysisQuelle geprüft

Quelle· Quelle vom 2026-07-21· eingelesen 2026-07-21

GPQA Diamond

GPQA Diamond accuracy (CoT)

79.8%

GPQA Diamond paper leaderboardQuelle geprüftRang 4

Quelle· Quelle vom 2026-05-15· eingelesen 2026-06-05

Humanity's Last Exam

HLE (AA run)

45.7%

Artificial AnalysisQuelle geprüft

Quelle· Quelle vom 2026-07-21· eingelesen 2026-07-21

IFBench

IFBench (AA run)

62.24%

Artificial AnalysisQuelle geprüft

Quelle· Quelle vom 2026-07-21· eingelesen 2026-07-21

LiveBench

70.8%

LiveBench leaderboardAudit nötigRang 2

Quelle· Quelle vom 2026-04-15· eingelesen 2026-06-09

Mathe

American Invitational Mathematics Examination

AIME

94.2%

Anthropic Claude 4 familyAudit nötigRang 1

Quelle· Quelle vom 2026-05-28· eingelesen 2026-06-09

MATH

88.4%

Anthropic Claude 4 familyAudit nötigRang 3

Quelle· Quelle vom 2026-05-28· eingelesen 2026-06-09

Coding

DeepSWE

DeepSWE pass@1 (max effort)

59%

DeepSWE leaderboard v1.1Quelle geprüftRang 3

Quelle· Quelle vom 2026-06-20· eingelesen 2026-06-22

HumanEval

95.8% pass@1

Anthropic Claude 4 familyAudit nötigRang 3

Quelle· Quelle vom 2026-05-28· eingelesen 2026-06-09

SciCode

SciCode (AA run)

53.5%

Artificial AnalysisQuelle geprüft

Quelle· Quelle vom 2026-07-21· eingelesen 2026-07-21

SWE-bench Verified

88.6%

SWE-bench official leaderboardQuelle geprüftRang 2

Quelle· Quelle vom 2026-05-30· eingelesen 2026-06-05

Agentisch

GDPval

GDPval-AA v2

1638

Artificial Analysis — GDPval-AA v2Quelle geprüftRang 2

Quelle· Quelle vom 2026-06-17· eingelesen 2026-06-22

τ³-Bench Banking

τ³-Bench Banking (AA run)

27.63%

Artificial AnalysisQuelle geprüft

Quelle· Quelle vom 2026-07-21· eingelesen 2026-07-21

Terminal-Bench

Terminal-Bench 2.0 (audited harness)

74.6%

Terminal-Bench 2.0 leaderboardQuelle geprüftRang 5

Quelle· Quelle vom 2026-05-20· eingelesen 2026-06-05

Vals Index

70.4%

Vals AI — Vals IndexQuelle geprüft

Quelle· Quelle vom 2026-06-04· eingelesen 2026-06-09

Multimodal

Massive Multi-discipline Multimodal Understanding

MMMU

70.6%

MMMU leaderboardAudit nötigRang 3

Quelle· Quelle vom 2026-05-28· eingelesen 2026-06-09

Langer Kontext

Artificial Analysis Long Context Reasoning

AA-LCR pass@1

58.3%

Artificial Analysis — AA-LCRQuelle geprüftRang 1

Quelle· Quelle vom 2026-06-17· eingelesen 2026-06-22

LongBench v2

58.4%

LongBench v2 leaderboardAudit nötigRang 1

Quelle· Quelle vom 2026-04-01· eingelesen 2026-06-09

Tool-Nutzung

Berkeley Function Calling Leaderboard

BFCL

86.9%

Berkeley Function Calling Leaderboard V4Audit nötigRang 3

Quelle· Quelle vom 2026-04-15· eingelesen 2026-06-09

MCP Atlas

79.2%

MCP Atlas leaderboardAudit nötigRang 2

Quelle· Quelle vom 2026-06-09· eingelesen 2026-06-09

Performance

AA output speed

Median output tokens/s (1k prompt, default provider)

63 t/s

Artificial AnalysisQuelle geprüft

Quelle· Quelle vom 2026-07-21· eingelesen 2026-07-21

AA time to first token

Median time to first token (1k prompt, default provider)

30.13s

Artificial AnalysisQuelle geprüft

Quelle· Quelle vom 2026-07-21· eingelesen 2026-07-21

Sicherheit

HELM Safety

91.8%

Stanford HELM leaderboardAudit nötigRang 2

Quelle· Quelle vom 2026-05-28· eingelesen 2026-06-09

Menschliche Präferenz

LMArena (Chatbot Arena)

LMArena Elo (Style Controlled)

1462

LMArena leaderboardQuelle geprüftRang 2

Quelle· Quelle vom 2026-05-25· eingelesen 2026-06-05

Score-Datenbank — 944 Ledger-Zeilen

Score-Datenbank

Alle Zeilen, sortierbar und belegt

Diese Datenbank trägt den Evidenz-Überblick. Sie enthält den geprüften Snapshot und ältere Score-Zeilen aus Benchmark-Seiten.

Sortieren

673

api · api

Vals AI20

manual-snapshot · manual

SWE-bench22

official-json · scheduled

Terminal-Bench16

official-page · manual

LMArena13

official-page · manual

CodeSOTA6

manual-snapshot · manual

Stanford HELM9

official-page · manual

Berkeley BFCL20

official-page · manual

LongBench19

official-page · manual

LiveBench21

official-page · manual

Papers / model cards80

manual-snapshot · manual

Vendor claims34

manual-snapshot · manual

DeepSWE6

official-page · manual

Vending-Bench5

official-page · manual

Modell	Veröffentlichung	Benchmark	Score	Quelle	Datum
Claude 3 OpusAnthropic	2024-03-04	AA output speedPerformance · Aktiv	0 t/s	Artificial Analysis	2026-07-21
Claude Fable 5Anthropic	2026-06-09	AA output speedPerformance · Aktiv	70 t/s	Artificial Analysis	2026-07-21
Claude Opus 4.5Anthropic	2025-11-24	AA output speedPerformance · Aktiv	68 t/s	Artificial Analysis	2026-07-21
Claude Opus 4.6Anthropic	2026-02-05	AA output speedPerformance · Aktiv	57 t/s	Artificial Analysis	2026-07-21
Claude Opus 4.6 (Adaptive Reasoning, Max Effort)Anthropic	2026-02-05	AA output speedPerformance · Aktiv	64 t/s	Artificial Analysis	2026-07-21
Claude Opus 4.7Anthropic	2026-04-16	AA output speedPerformance · Aktiv	61 t/s	Artificial Analysis	2026-07-21
Claude Opus 4.7 (Non-reasoning, High Effort)Anthropic	2026-04-16	AA output speedPerformance · Aktiv	50 t/s	Artificial Analysis	2026-07-21
Claude Opus 4.8Anthropic	2026-05-28	AA output speedPerformance · Aktiv	63 t/s	Artificial Analysis	2026-07-21
Claude Sonnet 4.6Anthropic	2026-02-17	AA output speedPerformance · Aktiv	60 t/s	Artificial Analysis	2026-07-21
Claude Sonnet 4.6 (Adaptive Reasoning, Max Effort)Anthropic	2026-02-17	AA output speedPerformance · Aktiv	72 t/s	Artificial Analysis	2026-07-21
Claude Sonnet 5Anthropic	2026-06-30	AA output speedPerformance · Aktiv	88 t/s	Artificial Analysis	2026-07-21
Command ACohere	2026-03-15	AA output speedPerformance · Aktiv	61 t/s	Artificial Analysis	2026-07-21
DeepSeek Coder V2DeepSeek	2024-05-15	AA output speedPerformance · Aktiv	0 t/s	Artificial Analysis	2026-07-21
DeepSeek R1DeepSeek	2025-01-20	AA output speedPerformance · Aktiv	0 t/s	Artificial Analysis	2026-07-21
DeepSeek V4 Pro (Reasoning, Max Effort)DeepSeek	2026-04-24	AA output speedPerformance · Aktiv	73 t/s	Artificial Analysis	2026-07-21
Gemini 1.0 UltraGoogle	2024-02-08	AA output speedPerformance · Aktiv	0 t/s	Artificial Analysis	2026-07-21
Gemini 3 Flash PreviewGoogle	2025-12-17	AA output speedPerformance · Aktiv	218 t/s	Artificial Analysis	2026-07-21
Gemini 3 ProGoogle	2025-11-18	AA output speedPerformance · Aktiv	0 t/s	Artificial Analysis	2026-07-21
Gemini 3.1 Flash LiteGoogle	2026-05-07	AA output speedPerformance · Aktiv	315 t/s	Artificial Analysis	2026-07-21
Gemini 3.1 Pro PreviewGoogle	2026-02-19	AA output speedPerformance · Aktiv	136 t/s	Artificial Analysis	2026-07-21
Gemini 3.5 FlashGoogle	2026-05-19	AA output speedPerformance · Aktiv	287 t/s	Artificial Analysis	2026-07-21
Gemini 3.5 Flash (medium)Google	2026-05-19	AA output speedPerformance · Aktiv	299 t/s	Artificial Analysis	2026-07-21
Gemma 4 12B (Non-reasoning)Google	2026-06-10	AA output speedPerformance · Aktiv	119 t/s	Artificial Analysis	2026-07-21
Gemma 4 12B (Reasoning)Google	2026-06-07	AA output speedPerformance · Aktiv	129 t/s	Artificial Analysis	2026-07-21
Gemma 4 31B ITGoogle	2026-03-01	AA output speedPerformance · Aktiv	36 t/s	Artificial Analysis	2026-07-21
GLM-5.1Zhipu	2026-04-07	AA output speedPerformance · Aktiv	85 t/s	Artificial Analysis	2026-07-21
GLM-5.2Zhipu	2026-06-13	AA output speedPerformance · Aktiv	196 t/s	Artificial Analysis	2026-07-21
GPT 5.4OpenAI	2026-03-05	AA output speedPerformance · Aktiv	152 t/s	Artificial Analysis	2026-07-21
GPT 5.5OpenAI	2026-04-23	AA output speedPerformance · Aktiv	90 t/s	Artificial Analysis	2026-07-21
GPT-5.1OpenAI	2025-11-13	AA output speedPerformance · Aktiv	110 t/s	Artificial Analysis	2026-07-21
GPT-5.2OpenAI	2025-12-11	AA output speedPerformance · Aktiv	87 t/s	Artificial Analysis	2026-07-21
GPT-5.3 Codex (xhigh)OpenAI	2026-02-05	AA output speedPerformance · Aktiv	127 t/s	Artificial Analysis	2026-07-21
GPT-5.4 MiniOpenAI	2026-03-17	AA output speedPerformance · Aktiv	180 t/s	Artificial Analysis	2026-07-21
GPT-5.4 NanoOpenAI	2026-03-17	AA output speedPerformance · Aktiv	163 t/s	Artificial Analysis	2026-07-21
GPT-5.4 ProOpenAI	2026-03-05	AA output speedPerformance · Aktiv	0 t/s	Artificial Analysis	2026-07-21
GPT-5.5 (high)OpenAI	2026-04-23	AA output speedPerformance · Aktiv	77 t/s	Artificial Analysis	2026-07-21
GPT-5.5 (low)OpenAI	2026-04-23	AA output speedPerformance · Aktiv	76 t/s	Artificial Analysis	2026-07-21
GPT-5.5 (medium)OpenAI	2026-04-23	AA output speedPerformance · Aktiv	76 t/s	Artificial Analysis	2026-07-21
GPT-5.5 ProOpenAI	2026-04-23	AA output speedPerformance · Aktiv	0 t/s	Artificial Analysis	2026-07-21
GPT-5.6 LunaOpenAI	2026-07-09	AA output speedPerformance · Aktiv	203 t/s	Artificial Analysis	2026-07-21
GPT-5.6 SolOpenAI	2026-07-09	AA output speedPerformance · Aktiv	67 t/s	Artificial Analysis	2026-07-21
GPT-5.6 TerraOpenAI	2026-07-09	AA output speedPerformance · Aktiv	157 t/s	Artificial Analysis	2026-07-21
Grok 4.20 ReasoningxAI	2026-03-05	AA output speedPerformance · Aktiv	227 t/s	Artificial Analysis	2026-07-21
Grok 4.3xAI	2026-04-30	AA output speedPerformance · Aktiv	124 t/s	Artificial Analysis	2026-07-21
Grok 4.5xAI	2026-07-08	AA output speedPerformance · Aktiv	77 t/s	Artificial Analysis	2026-07-21
HyperNova 60B 2605Multiverse	2026-05-06	AA output speedPerformance · Aktiv	381 t/s	Artificial Analysis	2026-07-21
Kimi K2.5Moonshot	2026-01-27	AA output speedPerformance · Aktiv	50 t/s	Artificial Analysis	2026-07-21
Kimi K2.6Moonshot	2026-04-20	AA output speedPerformance · Aktiv	56 t/s	Artificial Analysis	2026-07-21
Kimi K2.7 CodeMoonshot	2026-06-12	AA output speedPerformance · Aktiv	47 t/s	Artificial Analysis	2026-07-21
Kimi K3Moonshot	2026-07-16	AA output speedPerformance · Aktiv	38 t/s	Artificial Analysis	2026-07-21
LFM2.5-8B-A1BLiquid	2026-06-08	AA output speedPerformance · Aktiv	343 t/s	Artificial Analysis	2026-07-21
Llama 4 MaverickMeta	2026-04-05	AA output speedPerformance · Aktiv	110 t/s	Artificial Analysis	2026-07-21
Llama 4 ScoutMeta	2026-04-05	AA output speedPerformance · Aktiv	76 t/s	Artificial Analysis	2026-07-21
LongCat-2.0Meituan	2026-06-29	AA output speedPerformance · Aktiv	0 t/s	Artificial Analysis	2026-07-21
MiMo-V2.5-ProXiaomi	2026-04-22	AA output speedPerformance · Aktiv	58 t/s	Artificial Analysis	2026-07-21
MiniCPM5-1B (Reasoning)OpenBMB	2026-06-04	AA output speedPerformance · Aktiv	0 t/s	Artificial Analysis	2026-07-21
MiniMax M2.5MiniMax	2026-04-01	AA output speedPerformance · Aktiv	87 t/s	Artificial Analysis	2026-07-21
MiniMax M2.7MiniMax	2026-04-15	AA output speedPerformance · Aktiv	59 t/s	Artificial Analysis	2026-07-21
MiniMax M3MiniMax	2026-05-31	AA output speedPerformance · Aktiv	97 t/s	Artificial Analysis	2026-07-21
Mistral Large 3Mistral	2025-12-02	AA output speedPerformance · Aktiv	64 t/s	Artificial Analysis	2026-07-21
Muse SparkOther	2026-01-01	AA output speedPerformance · Aktiv	0 t/s	Artificial Analysis	2026-07-21
Muse Spark 1.1Meta	2026-07-09	AA output speedPerformance · Aktiv	122 t/s	Artificial Analysis	2026-07-21
Nemotron 3 Ultra 550B A55B (Reasoning)NVIDIA	2026-06-04	AA output speedPerformance · Aktiv	215 t/s	Artificial Analysis	2026-07-21
North Mini CodeCohere	2026-06-09	AA output speedPerformance · Aktiv	96 t/s	Artificial Analysis	2026-07-21
OpenAI o1OpenAI	2024-09-12	AA output speedPerformance · Aktiv	0 t/s	Artificial Analysis	2026-07-21
OpenAI o3OpenAI	2025-04-16	AA output speedPerformance · Aktiv	155 t/s	Artificial Analysis	2026-07-21
Qwen 3.7 PlusAlibaba	2026-06-02	AA output speedPerformance · Aktiv	53 t/s	Artificial Analysis	2026-07-21
Qwen3.7 MaxAlibaba	2026-05-19	AA output speedPerformance · Aktiv	207 t/s	Artificial Analysis	2026-07-21
Step 3.7 FlashStepFun	2026-06-01	AA output speedPerformance · Aktiv	401 t/s	Artificial Analysis	2026-07-21
Claude 3 OpusAnthropic	2024-03-04	AA time to first tokenPerformance · Aktiv	0.00s	Artificial Analysis	2026-07-21
Claude Fable 5Anthropic	2026-06-09	AA time to first tokenPerformance · Aktiv	68.33s	Artificial Analysis	2026-07-21
Claude Opus 4.5Anthropic	2025-11-24	AA time to first tokenPerformance · Aktiv	1.32s	Artificial Analysis	2026-07-21
Claude Opus 4.6Anthropic	2026-02-05	AA time to first tokenPerformance · Aktiv	1.85s	Artificial Analysis	2026-07-21
Claude Opus 4.6 (Adaptive Reasoning, Max Effort)Anthropic	2026-02-05	AA time to first tokenPerformance · Aktiv	14.02s	Artificial Analysis	2026-07-21
Claude Opus 4.7Anthropic	2026-04-16	AA time to first tokenPerformance · Aktiv	16.72s	Artificial Analysis	2026-07-21
Claude Opus 4.7 (Non-reasoning, High Effort)Anthropic	2026-04-16	AA time to first tokenPerformance · Aktiv	1.55s	Artificial Analysis	2026-07-21
Claude Opus 4.8Anthropic	2026-05-28	AA time to first tokenPerformance · Aktiv	30.13s	Artificial Analysis	2026-07-21
Claude Sonnet 4.6Anthropic	2026-02-17	AA time to first tokenPerformance · Aktiv	1.18s	Artificial Analysis	2026-07-21
Claude Sonnet 4.6 (Adaptive Reasoning, Max Effort)Anthropic	2026-02-17	AA time to first tokenPerformance · Aktiv	57.98s	Artificial Analysis	2026-07-21
Claude Sonnet 5Anthropic	2026-06-30	AA time to first tokenPerformance · Aktiv	88.49s	Artificial Analysis	2026-07-21
Command ACohere	2026-03-15	AA time to first tokenPerformance · Aktiv	0.36s	Artificial Analysis	2026-07-21
DeepSeek Coder V2DeepSeek	2024-05-15	AA time to first tokenPerformance · Aktiv	0.00s	Artificial Analysis	2026-07-21
DeepSeek R1DeepSeek	2025-01-20	AA time to first tokenPerformance · Aktiv	0.00s	Artificial Analysis	2026-07-21
DeepSeek V4 Pro (Reasoning, Max Effort)DeepSeek	2026-04-24	AA time to first tokenPerformance · Aktiv	1.01s	Artificial Analysis	2026-07-21
Gemini 1.0 UltraGoogle	2024-02-08	AA time to first tokenPerformance · Aktiv	0.00s	Artificial Analysis	2026-07-21
Gemini 3 Flash PreviewGoogle	2025-12-17	AA time to first tokenPerformance · Aktiv	0.72s	Artificial Analysis	2026-07-21
Gemini 3 ProGoogle	2025-11-18	AA time to first tokenPerformance · Aktiv	0.00s	Artificial Analysis	2026-07-21
Gemini 3.1 Flash LiteGoogle	2026-05-07	AA time to first tokenPerformance · Aktiv	4.90s	Artificial Analysis	2026-07-21
Gemini 3.1 Pro PreviewGoogle	2026-02-19	AA time to first tokenPerformance · Aktiv	21.91s	Artificial Analysis	2026-07-21
Gemini 3.5 FlashGoogle	2026-05-19	AA time to first tokenPerformance · Aktiv	12.11s	Artificial Analysis	2026-07-21
Gemini 3.5 Flash (medium)Google	2026-05-19	AA time to first tokenPerformance · Aktiv	8.89s	Artificial Analysis	2026-07-21
Gemma 4 12B (Non-reasoning)Google	2026-06-10	AA time to first tokenPerformance · Aktiv	1.49s	Artificial Analysis	2026-07-21
Gemma 4 12B (Reasoning)Google	2026-06-07	AA time to first tokenPerformance · Aktiv	1.46s	Artificial Analysis	2026-07-21
Gemma 4 31B ITGoogle	2026-03-01	AA time to first tokenPerformance · Aktiv	0.98s	Artificial Analysis	2026-07-21
GLM-5.1Zhipu	2026-04-07	AA time to first tokenPerformance · Aktiv	0.86s	Artificial Analysis	2026-07-21
GLM-5.2Zhipu	2026-06-13	AA time to first tokenPerformance · Aktiv	0.84s	Artificial Analysis	2026-07-21
GPT 5.4OpenAI	2026-03-05	AA time to first tokenPerformance · Aktiv	129.43s	Artificial Analysis	2026-07-21
GPT 5.5OpenAI	2026-04-23	AA time to first tokenPerformance · Aktiv	31.38s	Artificial Analysis	2026-07-21
GPT-5.1OpenAI	2025-11-13	AA time to first tokenPerformance · Aktiv	38.96s	Artificial Analysis	2026-07-21
GPT-5.2OpenAI	2025-12-11	AA time to first tokenPerformance · Aktiv	97.23s	Artificial Analysis	2026-07-21
GPT-5.3 Codex (xhigh)OpenAI	2026-02-05	AA time to first tokenPerformance · Aktiv	41.56s	Artificial Analysis	2026-07-21
GPT-5.4 MiniOpenAI	2026-03-17	AA time to first tokenPerformance · Aktiv	8.20s	Artificial Analysis	2026-07-21
GPT-5.4 NanoOpenAI	2026-03-17	AA time to first tokenPerformance · Aktiv	3.46s	Artificial Analysis	2026-07-21
GPT-5.4 ProOpenAI	2026-03-05	AA time to first tokenPerformance · Aktiv	0.00s	Artificial Analysis	2026-07-21
GPT-5.5 (high)OpenAI	2026-04-23	AA time to first tokenPerformance · Aktiv	13.95s	Artificial Analysis	2026-07-21
GPT-5.5 (low)OpenAI	2026-04-23	AA time to first tokenPerformance · Aktiv	1.61s	Artificial Analysis	2026-07-21
GPT-5.5 (medium)OpenAI	2026-04-23	AA time to first tokenPerformance · Aktiv	6.88s	Artificial Analysis	2026-07-21
GPT-5.5 ProOpenAI	2026-04-23	AA time to first tokenPerformance · Aktiv	0.00s	Artificial Analysis	2026-07-21
GPT-5.6 LunaOpenAI	2026-07-09	AA time to first tokenPerformance · Aktiv	83.80s	Artificial Analysis	2026-07-21
GPT-5.6 SolOpenAI	2026-07-09	AA time to first tokenPerformance · Aktiv	76.91s	Artificial Analysis	2026-07-21
GPT-5.6 TerraOpenAI	2026-07-09	AA time to first tokenPerformance · Aktiv	100.45s	Artificial Analysis	2026-07-21
Grok 4.20 ReasoningxAI	2026-03-05	AA time to first tokenPerformance · Aktiv	16.81s	Artificial Analysis	2026-07-21
Grok 4.3xAI	2026-04-30	AA time to first tokenPerformance · Aktiv	31.32s	Artificial Analysis	2026-07-21
Grok 4.5xAI	2026-07-08	AA time to first tokenPerformance · Aktiv	9.69s	Artificial Analysis	2026-07-21
HyperNova 60B 2605Multiverse	2026-05-06	AA time to first tokenPerformance · Aktiv	0.60s	Artificial Analysis	2026-07-21
Kimi K2.5Moonshot	2026-01-27	AA time to first tokenPerformance · Aktiv	1.02s	Artificial Analysis	2026-07-21
Kimi K2.6Moonshot	2026-04-20	AA time to first tokenPerformance · Aktiv	1.08s	Artificial Analysis	2026-07-21
Kimi K2.7 CodeMoonshot	2026-06-12	AA time to first tokenPerformance · Aktiv	1.17s	Artificial Analysis	2026-07-21
Kimi K3Moonshot	2026-07-16	AA time to first tokenPerformance · Aktiv	6.19s	Artificial Analysis	2026-07-21
LFM2.5-8B-A1BLiquid	2026-06-08	AA time to first tokenPerformance · Aktiv	1.79s	Artificial Analysis	2026-07-21
Llama 4 MaverickMeta	2026-04-05	AA time to first tokenPerformance · Aktiv	0.60s	Artificial Analysis	2026-07-21
Llama 4 ScoutMeta	2026-04-05	AA time to first tokenPerformance · Aktiv	0.56s	Artificial Analysis	2026-07-21
LongCat-2.0Meituan	2026-06-29	AA time to first tokenPerformance · Aktiv	0.00s	Artificial Analysis	2026-07-21
MiMo-V2.5-ProXiaomi	2026-04-22	AA time to first tokenPerformance · Aktiv	2.38s	Artificial Analysis	2026-07-21
MiniCPM5-1B (Reasoning)OpenBMB	2026-06-04	AA time to first tokenPerformance · Aktiv	0.00s	Artificial Analysis	2026-07-21
MiniMax M2.5MiniMax	2026-04-01	AA time to first tokenPerformance · Aktiv	1.02s	Artificial Analysis	2026-07-21
MiniMax M2.7MiniMax	2026-04-15	AA time to first tokenPerformance · Aktiv	1.17s	Artificial Analysis	2026-07-21
MiniMax M3MiniMax	2026-05-31	AA time to first tokenPerformance · Aktiv	1.26s	Artificial Analysis	2026-07-21
Mistral Large 3Mistral	2025-12-02	AA time to first tokenPerformance · Aktiv	0.59s	Artificial Analysis	2026-07-21
Muse SparkOther	2026-01-01	AA time to first tokenPerformance · Aktiv	0.00s	Artificial Analysis	2026-07-21
Muse Spark 1.1Meta	2026-07-09	AA time to first tokenPerformance · Aktiv	0.83s	Artificial Analysis	2026-07-21
Nemotron 3 Ultra 550B A55B (Reasoning)NVIDIA	2026-06-04	AA time to first tokenPerformance · Aktiv	0.88s	Artificial Analysis	2026-07-21
North Mini CodeCohere	2026-06-09	AA time to first tokenPerformance · Aktiv	0.23s	Artificial Analysis	2026-07-21
OpenAI o1OpenAI	2024-09-12	AA time to first tokenPerformance · Aktiv	0.00s	Artificial Analysis	2026-07-21
OpenAI o3OpenAI	2025-04-16	AA time to first tokenPerformance · Aktiv	4.84s	Artificial Analysis	2026-07-21
Qwen 3.7 PlusAlibaba	2026-06-02	AA time to first tokenPerformance · Aktiv	1.69s	Artificial Analysis	2026-07-21
Qwen3.7 MaxAlibaba	2026-05-19	AA time to first tokenPerformance · Aktiv	1.55s	Artificial Analysis	2026-07-21
Step 3.7 FlashStepFun	2026-06-01	AA time to first tokenPerformance · Aktiv	0.72s	Artificial Analysis	2026-07-21
Claude Fable 5Anthropic	2026-06-09	AA-LCRLanger Kontext · Aktiv	70%	Artificial Analysis	2026-07-21
Claude Opus 4.5Anthropic	2025-11-24	AA-LCRLanger Kontext · Aktiv	65.33%	Artificial Analysis	2026-07-21
Claude Opus 4.6Anthropic	2026-02-05	AA-LCRLanger Kontext · Aktiv	58.33%	Artificial Analysis	2026-07-21
Claude Opus 4.6 (Adaptive Reasoning, Max Effort)Anthropic	2026-02-05	AA-LCRLanger Kontext · Aktiv	70.67%	Artificial Analysis	2026-07-21
Claude Opus 4.7Anthropic	2026-04-16	AA-LCRLanger Kontext · Aktiv	70.33%	Artificial Analysis	2026-07-21
Claude Opus 4.7 (Non-reasoning, High Effort)Anthropic	2026-04-16	AA-LCRLanger Kontext · Aktiv	67%	Artificial Analysis	2026-07-21
Claude Opus 4.8Anthropic	2026-05-28	AA-LCRLanger Kontext · Aktiv	58.3%	Artificial Analysis — AA-LCR	2026-06-17
Claude Sonnet 4.6Anthropic	2026-02-17	AA-LCRLanger Kontext · Aktiv	57.67%	Artificial Analysis	2026-07-21
Claude Sonnet 4.6 (Adaptive Reasoning, Max Effort)Anthropic	2026-02-17	AA-LCRLanger Kontext · Aktiv	70.67%	Artificial Analysis	2026-07-21
Claude Sonnet 5Anthropic	2026-06-30	AA-LCRLanger Kontext · Aktiv	70.67%	Artificial Analysis	2026-07-21
Command ACohere	2026-03-15	AA-LCRLanger Kontext · Aktiv	18%	Artificial Analysis	2026-07-21
DeepSeek R1DeepSeek	2025-01-20	AA-LCRLanger Kontext · Aktiv	54.67%	Artificial Analysis	2026-07-21
DeepSeek V4 Pro (Reasoning, Max Effort)DeepSeek	2026-04-24	AA-LCRLanger Kontext · Aktiv	66.33%	Artificial Analysis	2026-07-21
Gemini 3 Flash PreviewGoogle	2025-12-17	AA-LCRLanger Kontext · Aktiv	48%	Artificial Analysis	2026-07-21
Gemini 3 ProGoogle	2025-11-18	AA-LCRLanger Kontext · Aktiv	70.67%	Artificial Analysis	2026-07-21
Gemini 3.1 Flash LiteGoogle	2026-05-07	AA-LCRLanger Kontext · Aktiv	65.33%	Artificial Analysis	2026-07-21
Gemini 3.1 Pro PreviewGoogle	2026-02-19	AA-LCRLanger Kontext · Aktiv	72.67%	Artificial Analysis	2026-07-21
Gemini 3.5 FlashGoogle	2026-05-19	AA-LCRLanger Kontext · Aktiv	69.33%	Artificial Analysis	2026-07-21
Gemini 3.5 Flash (medium)Google	2026-05-19	AA-LCRLanger Kontext · Aktiv	71%	Artificial Analysis	2026-07-21
Gemma 4 12B (Non-reasoning)Google	2026-06-10	AA-LCRLanger Kontext · Aktiv	30.67%	Artificial Analysis	2026-07-21
Gemma 4 12B (Reasoning)Google	2026-06-07	AA-LCRLanger Kontext · Aktiv	55.33%	Artificial Analysis	2026-07-21
Gemma 4 31B ITGoogle	2026-03-01	AA-LCRLanger Kontext · Aktiv	62%	Artificial Analysis	2026-07-21
GLM-5.1Zhipu	2026-04-07	AA-LCRLanger Kontext · Aktiv	62.33%	Artificial Analysis	2026-07-21
GLM-5.2Zhipu	2026-06-13	AA-LCRLanger Kontext · Aktiv	71.33%	Artificial Analysis	2026-07-21
GPT 5.4OpenAI	2026-03-05	AA-LCRLanger Kontext · Aktiv	74%	Artificial Analysis	2026-07-21
GPT 5.5OpenAI	2026-04-23	AA-LCRLanger Kontext · Aktiv	52.1%	Artificial Analysis — AA-LCR	2026-06-17
GPT-5.1OpenAI	2025-11-13	AA-LCRLanger Kontext · Aktiv	75%	Artificial Analysis	2026-07-21
GPT-5.2OpenAI	2025-12-11	AA-LCRLanger Kontext · Aktiv	72.67%	Artificial Analysis	2026-07-21
GPT-5.3 Codex (xhigh)OpenAI	2026-02-05	AA-LCRLanger Kontext · Aktiv	74%	Artificial Analysis	2026-07-21
GPT-5.4 MiniOpenAI	2026-03-17	AA-LCRLanger Kontext · Aktiv	69.33%	Artificial Analysis	2026-07-21
GPT-5.4 NanoOpenAI	2026-03-17	AA-LCRLanger Kontext · Aktiv	66%	Artificial Analysis	2026-07-21
GPT-5.5 (high)OpenAI	2026-04-23	AA-LCRLanger Kontext · Aktiv	73.33%	Artificial Analysis	2026-07-21
GPT-5.5 (low)OpenAI	2026-04-23	AA-LCRLanger Kontext · Aktiv	72%	Artificial Analysis	2026-07-21
GPT-5.5 (medium)OpenAI	2026-04-23	AA-LCRLanger Kontext · Aktiv	72.33%	Artificial Analysis	2026-07-21
GPT-5.6 LunaOpenAI	2026-07-09	AA-LCRLanger Kontext · Aktiv	74%	Artificial Analysis	2026-07-21
GPT-5.6 SolOpenAI	2026-07-09	AA-LCRLanger Kontext · Aktiv	73.67%	Artificial Analysis	2026-07-21
GPT-5.6 TerraOpenAI	2026-07-09	AA-LCRLanger Kontext · Aktiv	74%	Artificial Analysis	2026-07-21
Grok 4.20 ReasoningxAI	2026-03-05	AA-LCRLanger Kontext · Aktiv	58%	Artificial Analysis	2026-07-21
Grok 4.3xAI	2026-04-30	AA-LCRLanger Kontext · Aktiv	64.33%	Artificial Analysis	2026-07-21
Grok 4.5xAI	2026-07-08	AA-LCRLanger Kontext · Aktiv	67.67%	Artificial Analysis	2026-07-21
HyperNova 60B 2605Multiverse	2026-05-06	AA-LCRLanger Kontext · Aktiv	31.67%	Artificial Analysis	2026-07-21
Kimi K2.5Moonshot	2026-01-27	AA-LCRLanger Kontext · Aktiv	65.33%	Artificial Analysis	2026-07-21
Kimi K2.6Moonshot	2026-04-20	AA-LCRLanger Kontext · Aktiv	69.67%	Artificial Analysis	2026-07-21
Kimi K2.7 CodeMoonshot	2026-06-12	AA-LCRLanger Kontext · Aktiv	66.33%	Artificial Analysis	2026-07-21
Kimi K3Moonshot	2026-07-16	AA-LCRLanger Kontext · Aktiv	74.67%	Artificial Analysis	2026-07-21
LFM2.5-8B-A1BLiquid	2026-06-08	AA-LCRLanger Kontext · Aktiv	0%	Artificial Analysis	2026-07-21
Llama 4 MaverickMeta	2026-04-05	AA-LCRLanger Kontext · Aktiv	46%	Artificial Analysis	2026-07-21
Llama 4 ScoutMeta	2026-04-05	AA-LCRLanger Kontext · Aktiv	25.8%	Artificial Analysis	2026-07-21
LongCat-2.0Meituan	2026-06-29	AA-LCRLanger Kontext · Aktiv	58%	Artificial Analysis	2026-07-21
MiMo-V2.5-ProXiaomi	2026-04-22	AA-LCRLanger Kontext · Aktiv	73.33%	Artificial Analysis	2026-07-21
MiniCPM5-1B (Reasoning)OpenBMB	2026-06-04	AA-LCRLanger Kontext · Aktiv	3.67%	Artificial Analysis	2026-07-21
MiniMax M2.5MiniMax	2026-04-01	AA-LCRLanger Kontext · Aktiv	66%	Artificial Analysis	2026-07-21
MiniMax M2.7MiniMax	2026-04-15	AA-LCRLanger Kontext · Aktiv	68.67%	Artificial Analysis	2026-07-21
MiniMax M3MiniMax	2026-05-31	AA-LCRLanger Kontext · Aktiv	74%	Artificial Analysis	2026-07-21
Mistral Large 3Mistral	2025-12-02	AA-LCRLanger Kontext · Aktiv	34.67%	Artificial Analysis	2026-07-21
Muse SparkOther	2026-01-01	AA-LCRLanger Kontext · Aktiv	69.67%	Artificial Analysis	2026-07-21
Muse Spark 1.1Meta	2026-07-09	AA-LCRLanger Kontext · Aktiv	63.33%	Artificial Analysis	2026-07-21
Nemotron 3 Ultra 550B A55B (Reasoning)NVIDIA	2026-06-04	AA-LCRLanger Kontext · Aktiv	67%	Artificial Analysis	2026-07-21
North Mini CodeCohere	2026-06-09	AA-LCRLanger Kontext · Aktiv	32.33%	Artificial Analysis	2026-07-21
OpenAI o1OpenAI	2024-09-12	AA-LCRLanger Kontext · Aktiv	59.33%	Artificial Analysis	2026-07-21
OpenAI o3OpenAI	2025-04-16	AA-LCRLanger Kontext · Aktiv	69.33%	Artificial Analysis	2026-07-21
Qwen 3.7 PlusAlibaba	2026-06-02	AA-LCRLanger Kontext · Aktiv	65%	Artificial Analysis	2026-07-21
Qwen3.7 MaxAlibaba	2026-05-19	AA-LCRLanger Kontext · Aktiv	69%	Artificial Analysis	2026-07-21
Step 3.7 FlashStepFun	2026-06-01	AA-LCRLanger Kontext · Aktiv	63.67%	Artificial Analysis	2026-07-21
Claude 3 OpusAnthropic	2024-03-04	AIMEMathe · Ausgedient	3.33%	Artificial Analysis	2026-07-21
Claude 3.7 Sonnet (2025-02)Anthropic	2025-02-19	AIMEMathe · Ausgedient	93.7%	Anthropic Claude 3.7 Sonnet announcement	2025-02-19
Claude Opus 4.5Anthropic	2025-11-24	AIMEMathe · Ausgedient	62.67%	Artificial Analysis	2026-07-21
Claude Opus 4.8Anthropic	2026-05-28	AIMEMathe · Ausgedient	94.2%	Anthropic Claude 4 family	2026-05-28
Command ACohere	2026-03-15	AIMEMathe · Ausgedient	13%	Artificial Analysis	2026-07-21
DeepSeek R1DeepSeek	2025-01-20	AIMEMathe · Ausgedient	88.4%	DeepSeek R1 model card	2025-01-20
Gemini 3 Flash PreviewGoogle	2025-12-17	AIMEMathe · Ausgedient	55.67%	Artificial Analysis	2026-07-21
Gemini 3 ProGoogle	2025-11-18	AIMEMathe · Ausgedient	95.67%	Artificial Analysis	2026-07-21
Gemini 3.1 ProGoogle	2026-02-19	AIMEMathe · Ausgedient	87.6%	Google Gemini 3.1 Pro	2026-02-19
GPT 5OpenAI	2025-12-11	AIMEMathe · Ausgedient	89.2%	OpenAI model release notes	2025-12-01
GPT 5.5OpenAI	2026-04-23	AIMEMathe · Ausgedient	91.8%	OpenAI model release notes	2026-04-23
GPT-5.1OpenAI	2025-11-13	AIMEMathe · Ausgedient	94%	Artificial Analysis	2026-07-21
Kimi K2.6Moonshot	2026-04-20	AIMEMathe · Ausgedient	85.2%	Moonshot Kimi K2.6	2026-04-20
Llama 4 MaverickMeta	2026-04-05	AIMEMathe · Ausgedient	19.33%	Artificial Analysis	2026-07-21
Llama 4 ScoutMeta	2026-04-05	AIMEMathe · Ausgedient	14%	Artificial Analysis	2026-07-21
Mistral Large 3Mistral	2025-12-02	AIMEMathe · Ausgedient	38%	Artificial Analysis	2026-07-21
o3 (cons@64, AIME 2025)OpenAI	2025-04-16	AIMEMathe · Ausgedient	87.5%	OpenAI: Learning to Reason	2025-01-20
OpenAI o1 (AIME 2024, cons@64)OpenAI	2024-09-12	AIMEMathe · Ausgedient	83.3%	OpenAI: Learning to Reason	2024-09-12
OpenAI o3OpenAI	2025-04-16	AIMEMathe · Ausgedient	88.33%	Artificial Analysis	2026-07-21
Claude Mythos (ARC-AGI-2, low compute)Anthropic	2026-06-01	ARC-AGIReasoning · Aktiv	24.1%	ARC Prize leaderboard	2026-06-02
Claude Opus 4.6 (Max)Anthropic	2026-03-09	ARC-AGIReasoning · Aktiv	0.5%	ARC-AGI-3 paper (arXiv 2603.24621)	2026-03-20
Claude Opus 4.7 (Adaptive)Anthropic	2026-04-16	ARC-AGIReasoning · Aktiv	75.8%	ARC Prize leaderboard	2026-05-15
Claude Sonnet 4.6Anthropic	2026-02-17	ARC-AGIReasoning · Aktiv	58.3%	ARC Prize semi-private evaluation	2026-02-17
Gemini 3 ProGoogle	2025-12-01	ARC-AGIReasoning · Aktiv	75.7%	ARC Prize leaderboard	2026-02-19
Gemini 3 Pro Deep ThinkGoogle	2025-12-01	ARC-AGIReasoning · Aktiv	45.1%	ARC Prize leaderboard	2026-05-15
Gemini 3.1 ProGoogle	2026-02-19	ARC-AGIReasoning · Aktiv	77.1%	ARC Prize leaderboard	2026-05-15
Gemini 3.1 Pro PreviewGoogle	2026-02-19	ARC-AGIReasoning · Aktiv	0.4%	ARC-AGI-3 paper (arXiv 2603.24621)	2026-03-20
Gemini 3.5 FlashGoogle	2026-05-19	ARC-AGIReasoning · Aktiv	72.1%	ARC Prize leaderboard	2026-05-15
GPT 5.2OpenAI	2025-12-11	ARC-AGIReasoning · Aktiv	52.9%	ARC Prize leaderboard	2026-05-15
GPT 5.4 (High)OpenAI	2026-04-15	ARC-AGIReasoning · Aktiv	0.2%	ARC-AGI-3 paper (arXiv 2603.24621)	2026-03-20
GPT 5.4 ProOpenAI	2026-04-15	ARC-AGIReasoning · Aktiv	83.3%	ARC Prize leaderboard	2026-05-15
GPT 5.5OpenAI	2026-04-23	ARC-AGIReasoning · Aktiv	85%	ARC Prize leaderboard	2026-05-15
Grok 4.20xAI	2026-03-05	ARC-AGIReasoning · Aktiv	53.3%	ARC Prize leaderboard	2026-05-15
Grok 4.20 (Reasoning)xAI	2026-03-09	ARC-AGIReasoning · Aktiv	0.1%	ARC-AGI-3 paper (arXiv 2603.24621)	2026-03-20
OpenAI o3 (high compute)OpenAI	2025-01-20	ARC-AGIReasoning · Aktiv	87.5%	ARC Prize / OpenAI o3 announcement	2025-04-01
Claude 3 OpusAnthropic	2024-03-04	Artificial Analysis Intelligence IndexReasoning · Aktiv	11.8%	Artificial Analysis	2026-07-21
Claude Fable 5Anthropic	2026-06-09	Artificial Analysis Intelligence IndexReasoning · Aktiv	59.9%	Artificial Analysis	2026-07-21
Claude Opus 4.5Anthropic	2025-11-24	Artificial Analysis Intelligence IndexReasoning · Aktiv	34.7%	Artificial Analysis	2026-07-21
Claude Opus 4.6Anthropic	2026-02-05	Artificial Analysis Intelligence IndexReasoning · Aktiv	37.8%	Artificial Analysis	2026-07-21
Claude Opus 4.6 (Adaptive Reasoning, Max Effort)Anthropic	2026-02-05	Artificial Analysis Intelligence IndexReasoning · Aktiv	43.7%	Artificial Analysis	2026-07-21
Claude Opus 4.7Anthropic	2026-04-16	Artificial Analysis Intelligence IndexReasoning · Aktiv	53.5%	Artificial Analysis	2026-07-21
Claude Opus 4.7 (Non-reasoning, High Effort)Anthropic	2026-04-16	Artificial Analysis Intelligence IndexReasoning · Aktiv	42.7%	Artificial Analysis	2026-07-21
Claude Opus 4.8Anthropic	2026-05-28	Artificial Analysis Intelligence IndexReasoning · Aktiv	55.7%	Artificial Analysis	2026-07-21
Claude Sonnet 4.6Anthropic	2026-02-17	Artificial Analysis Intelligence IndexReasoning · Aktiv	35.9%	Artificial Analysis	2026-07-21
Claude Sonnet 4.6 (Adaptive Reasoning, Max Effort)Anthropic	2026-02-17	Artificial Analysis Intelligence IndexReasoning · Aktiv	47.2%	Artificial Analysis	2026-07-21
Claude Sonnet 5Anthropic	2026-06-30	Artificial Analysis Intelligence IndexReasoning · Aktiv	53.4%	Artificial Analysis	2026-07-21
Command ACohere	2026-03-15	Artificial Analysis Intelligence IndexReasoning · Aktiv	7.7%	Artificial Analysis	2026-07-21
DeepSeek Coder V2DeepSeek	2024-05-15	Artificial Analysis Intelligence IndexReasoning · Aktiv	5.1%	Artificial Analysis	2026-07-21
DeepSeek R1DeepSeek	2025-01-20	Artificial Analysis Intelligence IndexReasoning · Aktiv	20.1%	Artificial Analysis	2026-07-21
DeepSeek V4 Pro (Reasoning, Max Effort)DeepSeek	2026-04-24	Artificial Analysis Intelligence IndexReasoning · Aktiv	44.3%	Artificial Analysis	2026-07-21
Gemini 1.0 UltraGoogle	2024-02-08	Artificial Analysis Intelligence IndexReasoning · Aktiv	4.6%	Artificial Analysis	2026-07-21
Gemini 3 Flash PreviewGoogle	2025-12-17	Artificial Analysis Intelligence IndexReasoning · Aktiv	27.4%	Artificial Analysis	2026-07-21
Gemini 3 ProGoogle	2025-11-18	Artificial Analysis Intelligence IndexReasoning · Aktiv	39.6%	Artificial Analysis	2026-07-21
Gemini 3.1 Flash LiteGoogle	2026-05-07	Artificial Analysis Intelligence IndexReasoning · Aktiv	25%	Artificial Analysis	2026-07-21
Gemini 3.1 Pro PreviewGoogle	2026-02-19	Artificial Analysis Intelligence IndexReasoning · Aktiv	46.5%	Artificial Analysis	2026-07-21
Gemini 3.5 FlashGoogle	2026-05-19	Artificial Analysis Intelligence IndexReasoning · Aktiv	50.2%	Artificial Analysis	2026-07-21
Gemini 3.5 Flash (medium)Google	2026-05-19	Artificial Analysis Intelligence IndexReasoning · Aktiv	45.4%	Artificial Analysis	2026-07-21
Gemma 4 12B (Non-reasoning)Google	2026-06-10	Artificial Analysis Intelligence IndexReasoning · Aktiv	13.2%	Artificial Analysis	2026-07-21
Gemma 4 12B (Reasoning)Google	2026-06-07	Artificial Analysis Intelligence IndexReasoning · Aktiv	22%	Artificial Analysis	2026-07-21
Gemma 4 31B ITGoogle	2026-03-01	Artificial Analysis Intelligence IndexReasoning · Aktiv	29.4%	Artificial Analysis	2026-07-21
GLM-5.1Zhipu	2026-04-07	Artificial Analysis Intelligence IndexReasoning · Aktiv	40.2%	Artificial Analysis	2026-07-21
GLM-5.2Zhipu	2026-06-13	Artificial Analysis Intelligence IndexReasoning · Aktiv	51.1%	Artificial Analysis	2026-07-21
GPT 5.4OpenAI	2026-03-05	Artificial Analysis Intelligence IndexReasoning · Aktiv	51.4%	Artificial Analysis	2026-07-21
GPT 5.5OpenAI	2026-04-23	Artificial Analysis Intelligence IndexReasoning · Aktiv	54.8%	Artificial Analysis	2026-07-21
GPT-5.1OpenAI	2025-11-13	Artificial Analysis Intelligence IndexReasoning · Aktiv	36.9%	Artificial Analysis	2026-07-21
GPT-5.2OpenAI	2025-12-11	Artificial Analysis Intelligence IndexReasoning · Aktiv	42.2%	Artificial Analysis	2026-07-21
GPT-5.3 Codex (xhigh)OpenAI	2026-02-05	Artificial Analysis Intelligence IndexReasoning · Aktiv	44.3%	Artificial Analysis	2026-07-21
GPT-5.4 MiniOpenAI	2026-03-17	Artificial Analysis Intelligence IndexReasoning · Aktiv	40%	Artificial Analysis	2026-07-21
GPT-5.4 NanoOpenAI	2026-03-17	Artificial Analysis Intelligence IndexReasoning · Aktiv	38.2%	Artificial Analysis	2026-07-21
GPT-5.5 (high)OpenAI	2026-04-23	Artificial Analysis Intelligence IndexReasoning · Aktiv	53.1%	Artificial Analysis	2026-07-21
GPT-5.5 (low)OpenAI	2026-04-23	Artificial Analysis Intelligence IndexReasoning · Aktiv	43.5%	Artificial Analysis	2026-07-21
GPT-5.5 (medium)OpenAI	2026-04-23	Artificial Analysis Intelligence IndexReasoning · Aktiv	50.4%	Artificial Analysis	2026-07-21
GPT-5.6 LunaOpenAI	2026-07-09	Artificial Analysis Intelligence IndexReasoning · Aktiv	51.2%	Artificial Analysis	2026-07-21
GPT-5.6 SolOpenAI	2026-07-09	Artificial Analysis Intelligence IndexReasoning · Aktiv	58.9%	Artificial Analysis	2026-07-21
GPT-5.6 TerraOpenAI	2026-07-09	Artificial Analysis Intelligence IndexReasoning · Aktiv	55%	Artificial Analysis	2026-07-21
Grok 4.20 ReasoningxAI	2026-03-05	Artificial Analysis Intelligence IndexReasoning · Aktiv	37%	Artificial Analysis	2026-07-21
Grok 4.3xAI	2026-04-30	Artificial Analysis Intelligence IndexReasoning · Aktiv	37.6%	Artificial Analysis	2026-07-21
Grok 4.5xAI	2026-07-08	Artificial Analysis Intelligence IndexReasoning · Aktiv	53.8%	Artificial Analysis	2026-07-21
HyperNova 60B 2605Multiverse	2026-05-06	Artificial Analysis Intelligence IndexReasoning · Aktiv	17.8%	Artificial Analysis	2026-07-21
Kimi K2.5Moonshot	2026-01-27	Artificial Analysis Intelligence IndexReasoning · Aktiv	35.4%	Artificial Analysis	2026-07-21
Kimi K2.6Moonshot	2026-04-20	Artificial Analysis Intelligence IndexReasoning · Aktiv	44.2%	Artificial Analysis	2026-07-21
Kimi K2.7 CodeMoonshot	2026-06-12	Artificial Analysis Intelligence IndexReasoning · Aktiv	41.9%	Artificial Analysis	2026-07-21
Kimi K3Moonshot	2026-07-16	Artificial Analysis Intelligence IndexReasoning · Aktiv	57.1%	Artificial Analysis	2026-07-21
LFM2.5-8B-A1BLiquid	2026-06-08	Artificial Analysis Intelligence IndexReasoning · Aktiv	8.3%	Artificial Analysis	2026-07-21
Llama 4 MaverickMeta	2026-04-05	Artificial Analysis Intelligence IndexReasoning · Aktiv	14.3%	Artificial Analysis	2026-07-21
Llama 4 ScoutMeta	2026-04-05	Artificial Analysis Intelligence IndexReasoning · Aktiv	10%	Artificial Analysis	2026-07-21
LongCat-2.0Meituan	2026-06-29	Artificial Analysis Intelligence IndexReasoning · Aktiv	33.5%	Artificial Analysis	2026-07-21
MiMo-V2.5-ProXiaomi	2026-04-22	Artificial Analysis Intelligence IndexReasoning · Aktiv	42.2%	Artificial Analysis	2026-07-21
MiniCPM5-1B (Reasoning)OpenBMB	2026-06-04	Artificial Analysis Intelligence IndexReasoning · Aktiv	12%	Artificial Analysis	2026-07-21
MiniMax M2.5MiniMax	2026-04-01	Artificial Analysis Intelligence IndexReasoning · Aktiv	33.7%	Artificial Analysis	2026-07-21
MiniMax M2.7MiniMax	2026-04-15	Artificial Analysis Intelligence IndexReasoning · Aktiv	38.1%	Artificial Analysis	2026-07-21
MiniMax M3MiniMax	2026-05-31	Artificial Analysis Intelligence IndexReasoning · Aktiv	44.4%	Artificial Analysis	2026-07-21
Mistral Large 3Mistral	2025-12-02	Artificial Analysis Intelligence IndexReasoning · Aktiv	15.9%	Artificial Analysis	2026-07-21
Muse SparkOther	2026-01-01	Artificial Analysis Intelligence IndexReasoning · Aktiv	43.1%	Artificial Analysis	2026-07-21
Muse Spark 1.1Meta	2026-07-09	Artificial Analysis Intelligence IndexReasoning · Aktiv	50.6%	Artificial Analysis	2026-07-21
Nemotron 3 Ultra 550B A55B (Reasoning)NVIDIA	2026-06-04	Artificial Analysis Intelligence IndexReasoning · Aktiv	37.8%	Artificial Analysis	2026-07-21
North Mini CodeCohere	2026-06-09	Artificial Analysis Intelligence IndexReasoning · Aktiv	19.8%	Artificial Analysis	2026-07-21
OpenAI o1OpenAI	2024-09-12	Artificial Analysis Intelligence IndexReasoning · Aktiv	23.4%	Artificial Analysis	2026-07-21
OpenAI o3OpenAI	2025-04-16	Artificial Analysis Intelligence IndexReasoning · Aktiv	30.4%	Artificial Analysis	2026-07-21
Qwen 3.7 PlusAlibaba	2026-06-02	Artificial Analysis Intelligence IndexReasoning · Aktiv	39%	Artificial Analysis	2026-07-21
Qwen3.7 MaxAlibaba	2026-05-19	Artificial Analysis Intelligence IndexReasoning · Aktiv	46%	Artificial Analysis	2026-07-21
Step 3.7 FlashStepFun	2026-06-01	Artificial Analysis Intelligence IndexReasoning · Aktiv	30.3%	Artificial Analysis	2026-07-21
Claude Haiku 4.5Anthropic	2025-10-01	BFCLTool-Nutzung · Aktiv	71.8%	Berkeley Function Calling Leaderboard V4	2026-04-15
Claude Opus 4.8Anthropic	2026-05-28	BFCLTool-Nutzung · Aktiv	86.9%	Berkeley Function Calling Leaderboard V4	2026-04-15
Claude Sonnet 4.6Anthropic	2026-02-17	BFCLTool-Nutzung · Aktiv	88.7%	Berkeley Function Calling Leaderboard V4	2026-04-15
Cohere Command ACohere	2026-03-15	BFCLTool-Nutzung · Aktiv	70.6%	Berkeley Function Calling Leaderboard V4	2026-04-15
DeepSeek R1DeepSeek	2025-01-20	BFCLTool-Nutzung · Aktiv	72.4%	Berkeley Function Calling Leaderboard V4	2026-04-15
DeepSeek V4DeepSeek	2026-04-24	BFCLTool-Nutzung · Aktiv	74.6%	Berkeley Function Calling Leaderboard V4	2026-04-15
DeepSeek V4 Flash MaxDeepSeek	2026-04-24	BFCLTool-Nutzung · Aktiv	76.8%	Berkeley Function Calling Leaderboard V4	2026-04-15
Gemini 3 Flash PreviewGoogle	2025-12-17	BFCLTool-Nutzung · Aktiv	79.4%	Berkeley Function Calling Leaderboard V4	2026-04-15
Gemini 3.1 ProGoogle	2026-02-19	BFCLTool-Nutzung · Aktiv	81.6%	Berkeley Function Calling Leaderboard V4	2026-04-15
Gemini 3.5 FlashGoogle	2026-05-19	BFCLTool-Nutzung · Aktiv	82.3%	Berkeley Function Calling Leaderboard V4	2026-04-15
GPT 5.4OpenAI	2026-03-05	BFCLTool-Nutzung · Aktiv	83.8%	Berkeley Function Calling Leaderboard V4	2026-04-15
GPT 5.5OpenAI	2026-04-23	BFCLTool-Nutzung · Aktiv	87.4%	Berkeley Function Calling Leaderboard V4	2026-04-15
Grok 4.3xAI	2026-04-30	BFCLTool-Nutzung · Aktiv	77.2%	Berkeley Function Calling Leaderboard V4	2026-04-15
Kimi K2.6Moonshot	2026-04-20	BFCLTool-Nutzung · Aktiv	85.2%	Berkeley Function Calling Leaderboard V4	2026-04-15
Llama 4 MaverickMeta	2026-04-05	BFCLTool-Nutzung · Aktiv	75.9%	Berkeley Function Calling Leaderboard V4	2026-04-15
Llama 4 ScoutMeta	2026-04-05	BFCLTool-Nutzung · Aktiv	74.1%	Berkeley Function Calling Leaderboard V4	2026-04-15
MiniMax M3MiniMax	2026-05-31	BFCLTool-Nutzung · Aktiv	76.2%	Berkeley Function Calling Leaderboard V4	2026-04-15
Mistral Large 3Mistral	2025-12-02	BFCLTool-Nutzung · Aktiv	80.1%	Berkeley Function Calling Leaderboard V4	2026-04-15
o3OpenAI	2025-04-16	BFCLTool-Nutzung · Aktiv	78.1%	Berkeley Function Calling Leaderboard V4	2026-04-15
Qwen 3.7 MaxAlibaba	2026-05-20	BFCLTool-Nutzung · Aktiv	78.4%	Berkeley Function Calling Leaderboard V4	2026-04-15
Claude Fable 5 (max)Anthropic	2026-06-09	DeepSWECoding · Aktiv	70%	DeepSWE leaderboard v1.1	2026-06-20
Claude Opus 4.8 (max)Anthropic	2026-05-28	DeepSWECoding · Aktiv	59%	DeepSWE leaderboard v1.1	2026-06-20
Gemini 3.5 Flash (medium)Google	2026-04-10	DeepSWECoding · Aktiv	37%	DeepSWE leaderboard v1.1	2026-06-20
GLM 5.2 (max)Zhipu	2026-05-15	DeepSWECoding · Aktiv	44%	DeepSWE leaderboard v1.1	2026-06-20
GPT 5.4 (xhigh)OpenAI	2026-03-15	DeepSWECoding · Aktiv	52%	DeepSWE leaderboard v1.1	2026-06-20
GPT 5.5 (xhigh)OpenAI	2026-04-23	DeepSWECoding · Aktiv	67%	DeepSWE leaderboard v1.1	2026-06-20
Claude Fable 5Anthropic	2026-06-09	GDPvalAgentisch · Aktiv	1818	Artificial Analysis — GDPval-AA v2	2026-06-17
Claude Opus 4.8Anthropic	2026-05-28	GDPvalAgentisch · Aktiv	1638	Artificial Analysis — GDPval-AA v2	2026-06-17
GPT 5.2OpenAI	2025-12-11	GDPvalAgentisch · Aktiv	71.8%	OpenAI GDPval	2025-12-11
GPT 5.2 ProOpenAI	2026-05-12	GDPvalAgentisch · Aktiv	74.1%	OpenAI GDPval paper (arXiv)	2026-05-12
GPT 5.5 (xhigh)OpenAI	2026-04-23	GDPvalAgentisch · Aktiv	1531	Artificial Analysis — GDPval-AA v2	2026-06-17
GPT 5.5 ProOpenAI	2026-04-23	GDPvalAgentisch · Aktiv	82.3%	OpenAI GDPval grading portal	2026-04-23
Claude 3 OpusAnthropic	2024-03-04	GPQA DiamondReasoning · Aktiv	48.9%	Artificial Analysis	2026-07-21
Claude Fable 5Anthropic	2026-06-09	GPQA DiamondReasoning · Aktiv	92.6%	Artificial Analysis	2026-07-21
Claude Mythos PreviewAnthropic	2026-06-01	GPQA DiamondReasoning · Aktiv	94.6%	GPQA Diamond paper leaderboard	2026-06-02
Claude Opus 4.5Anthropic	2025-11-24	GPQA DiamondReasoning · Aktiv	81%	Artificial Analysis	2026-07-21
Claude Opus 4.6Anthropic	2026-02-05	GPQA DiamondReasoning · Aktiv	84%	Artificial Analysis	2026-07-21
Claude Opus 4.6 (Adaptive Reasoning, Max Effort)Anthropic	2026-02-05	GPQA DiamondReasoning · Aktiv	89.6%	Artificial Analysis	2026-07-21
Claude Opus 4.7Anthropic	2026-04-16	GPQA DiamondReasoning · Aktiv	91.4%	Artificial Analysis	2026-07-21
Claude Opus 4.7 (Non-reasoning, High Effort)Anthropic	2026-04-16	GPQA DiamondReasoning · Aktiv	88.5%	Artificial Analysis	2026-07-21
Claude Opus 4.8Anthropic	2026-05-28	GPQA DiamondReasoning · Aktiv	79.8%	GPQA Diamond paper leaderboard	2026-05-15
Claude Sonnet 4.6Anthropic	2026-02-17	GPQA DiamondReasoning · Aktiv	77.2%	Artificial Analysis GPQA Diamond evaluation	2026-06-09
Claude Sonnet 4.6 (Adaptive Reasoning, Max Effort)Anthropic	2026-02-17	GPQA DiamondReasoning · Aktiv	87.5%	Artificial Analysis	2026-07-21
Claude Sonnet 5Anthropic	2026-06-30	GPQA DiamondReasoning · Aktiv	91.1%	Artificial Analysis	2026-07-21
Command ACohere	2026-03-15	GPQA DiamondReasoning · Aktiv	52.7%	Artificial Analysis	2026-07-21
DeepSeek R1DeepSeek	2025-01-20	GPQA DiamondReasoning · Aktiv	81.3%	Artificial Analysis	2026-07-21
DeepSeek V4 Pro (Reasoning, Max Effort)DeepSeek	2026-04-24	GPQA DiamondReasoning · Aktiv	88.8%	Artificial Analysis	2026-07-21
DeepSeek V4 Pro MaxDeepSeek	2026-04-24	GPQA DiamondReasoning · Aktiv	75.6%	Artificial Analysis GPQA Diamond evaluation	2026-06-09
Gemini 3 Flash PreviewGoogle	2025-12-17	GPQA DiamondReasoning · Aktiv	81.2%	Artificial Analysis	2026-07-21
Gemini 3 ProGoogle	2025-11-18	GPQA DiamondReasoning · Aktiv	90.8%	Artificial Analysis	2026-07-21
Gemini 3.1 Flash LiteGoogle	2026-05-07	GPQA DiamondReasoning · Aktiv	82.2%	Artificial Analysis	2026-07-21
Gemini 3.1 ProGoogle	2026-02-19	GPQA DiamondReasoning · Aktiv	78.4%	Artificial Analysis GPQA Diamond evaluation	2026-06-09
Gemini 3.1 Pro PreviewGoogle	2026-02-19	GPQA DiamondReasoning · Aktiv	94.1%	Artificial Analysis	2026-07-21
Gemini 3.5 FlashGoogle	2026-05-19	GPQA DiamondReasoning · Aktiv	74.1%	Artificial Analysis GPQA Diamond evaluation	2026-06-09
Gemini 3.5 Flash (medium)Google	2026-05-19	GPQA DiamondReasoning · Aktiv	92.1%	Artificial Analysis	2026-07-21
Gemma 4 12B (Non-reasoning)Google	2026-06-10	GPQA DiamondReasoning · Aktiv	66.1%	Artificial Analysis	2026-07-21
Gemma 4 12B (Reasoning)Google	2026-06-07	GPQA DiamondReasoning · Aktiv	75.3%	Artificial Analysis	2026-07-21
Gemma 4 31B ITGoogle	2026-03-01	GPQA DiamondReasoning · Aktiv	85.7%	Artificial Analysis	2026-07-21
GLM-5.1Zhipu	2026-04-07	GPQA DiamondReasoning · Aktiv	86.8%	Artificial Analysis	2026-07-21
GLM-5.2Zhipu	2026-06-13	GPQA DiamondReasoning · Aktiv	89.5%	Artificial Analysis	2026-07-21
GPT 5.4OpenAI	2026-03-05	GPQA DiamondReasoning · Aktiv	92%	Artificial Analysis	2026-07-21
GPT 5.5OpenAI	2026-04-23	GPQA DiamondReasoning · Aktiv	81.2%	GPQA Diamond paper leaderboard	2026-05-15
GPT-5.1OpenAI	2025-11-13	GPQA DiamondReasoning · Aktiv	87.3%	Artificial Analysis	2026-07-21
GPT-5.2OpenAI	2025-12-11	GPQA DiamondReasoning · Aktiv	90.3%	Artificial Analysis	2026-07-21
GPT-5.3 Codex (xhigh)OpenAI	2026-02-05	GPQA DiamondReasoning · Aktiv	91.5%	Artificial Analysis	2026-07-21
GPT-5.4 MiniOpenAI	2026-03-17	GPQA DiamondReasoning · Aktiv	87.5%	Artificial Analysis	2026-07-21
GPT-5.4 NanoOpenAI	2026-03-17	GPQA DiamondReasoning · Aktiv	81.7%	Artificial Analysis	2026-07-21
GPT-5.5 (high)OpenAI	2026-04-23	GPQA DiamondReasoning · Aktiv	93.2%	Artificial Analysis	2026-07-21
GPT-5.5 (low)OpenAI	2026-04-23	GPQA DiamondReasoning · Aktiv	91%	Artificial Analysis	2026-07-21
GPT-5.5 (medium)OpenAI	2026-04-23	GPQA DiamondReasoning · Aktiv	92.6%	Artificial Analysis	2026-07-21
GPT-5.6 LunaOpenAI	2026-07-09	GPQA DiamondReasoning · Aktiv	91.1%	Artificial Analysis	2026-07-21
GPT-5.6 SolOpenAI	2026-07-09	GPQA DiamondReasoning · Aktiv	94.1%	Artificial Analysis	2026-07-21
GPT-5.6 TerraOpenAI	2026-07-09	GPQA DiamondReasoning · Aktiv	92.5%	Artificial Analysis	2026-07-21
Grok 4.20 ReasoningxAI	2026-03-05	GPQA DiamondReasoning · Aktiv	91.1%	Artificial Analysis	2026-07-21
Grok 4.3xAI	2026-04-30	GPQA DiamondReasoning · Aktiv	88%	GPQA Diamond paper leaderboard	2026-05-15
Grok 4.5xAI	2026-07-08	GPQA DiamondReasoning · Aktiv	93.1%	Artificial Analysis	2026-07-21
HyperNova 60B 2605Multiverse	2026-05-06	GPQA DiamondReasoning · Aktiv	73.3%	Artificial Analysis	2026-07-21
Kimi K2.5Moonshot	2026-01-27	GPQA DiamondReasoning · Aktiv	87.9%	Artificial Analysis	2026-07-21
Kimi K2.6Moonshot	2026-04-20	GPQA DiamondReasoning · Aktiv	90.5%	GPQA Diamond paper leaderboard	2026-05-15
Kimi K2.7 CodeMoonshot	2026-06-12	GPQA DiamondReasoning · Aktiv	89.6%	Artificial Analysis	2026-07-21
Kimi K3Moonshot	2026-07-16	GPQA DiamondReasoning · Aktiv	93.5%	Artificial Analysis	2026-07-21
LFM2.5-8B-A1BLiquid	2026-06-08	GPQA DiamondReasoning · Aktiv	51.3%	Artificial Analysis	2026-07-21
Llama 4 MaverickMeta	2026-04-05	GPQA DiamondReasoning · Aktiv	69.4%	Artificial Analysis GPQA Diamond evaluation	2026-06-09
Llama 4 ScoutMeta	2026-04-05	GPQA DiamondReasoning · Aktiv	58.7%	Artificial Analysis	2026-07-21
LongCat-2.0Meituan	2026-06-29	GPQA DiamondReasoning · Aktiv	78%	Artificial Analysis	2026-07-21
MiMo-V2.5-ProXiaomi	2026-04-22	GPQA DiamondReasoning · Aktiv	86.6%	Artificial Analysis	2026-07-21
MiniCPM5-1B (Reasoning)OpenBMB	2026-06-04	GPQA DiamondReasoning · Aktiv	27.8%	Artificial Analysis	2026-07-21
MiniMax M2.5MiniMax	2026-04-01	GPQA DiamondReasoning · Aktiv	84.8%	Artificial Analysis	2026-07-21
MiniMax M2.7MiniMax	2026-04-15	GPQA DiamondReasoning · Aktiv	87.4%	Artificial Analysis	2026-07-21
MiniMax M3MiniMax	2026-05-31	GPQA DiamondReasoning · Aktiv	92.9%	Artificial Analysis	2026-07-21
Mistral Large 3Mistral	2025-12-02	GPQA DiamondReasoning · Aktiv	71.2%	Artificial Analysis GPQA Diamond evaluation	2026-06-09
Muse SparkOther	2026-01-01	GPQA DiamondReasoning · Aktiv	88.4%	Artificial Analysis	2026-07-21
Muse Spark 1.1Meta	2026-07-09	GPQA DiamondReasoning · Aktiv	89.8%	Artificial Analysis	2026-07-21
Nemotron 3 Ultra 550B A55B (Reasoning)NVIDIA	2026-06-04	GPQA DiamondReasoning · Aktiv	86.7%	Artificial Analysis	2026-07-21
North Mini CodeCohere	2026-06-09	GPQA DiamondReasoning · Aktiv	75.7%	Artificial Analysis	2026-07-21
OpenAI o1OpenAI	2024-09-12	GPQA DiamondReasoning · Aktiv	74.7%	Artificial Analysis	2026-07-21
OpenAI o3OpenAI	2025-04-16	GPQA DiamondReasoning · Aktiv	82.7%	Artificial Analysis	2026-07-21
Qwen 3.7 MaxAlibaba	2026-05-20	GPQA DiamondReasoning · Aktiv	73.8%	Artificial Analysis GPQA Diamond evaluation	2026-06-09
Qwen 3.7 PlusAlibaba	2026-06-02	GPQA DiamondReasoning · Aktiv	90%	Artificial Analysis	2026-07-21
Qwen3.7 MaxAlibaba	2026-05-19	GPQA DiamondReasoning · Aktiv	92.3%	Artificial Analysis	2026-07-21
Step 3.7 FlashStepFun	2026-06-01	GPQA DiamondReasoning · Aktiv	80.9%	Artificial Analysis	2026-07-21
Claude Opus 4 (2024-07)Anthropic	2024-07-01	HELM SafetySicherheit · Aktiv	92.1%	Stanford HELM leaderboard	2024-08-15
Claude Opus 4.8Anthropic	2026-05-28	HELM SafetySicherheit · Aktiv	91.8%	Stanford HELM leaderboard	2026-05-28
Claude Sonnet 4.6Anthropic	2026-02-17	HELM SafetySicherheit · Aktiv	89.2%	Stanford HELM leaderboard	2026-02-17
DeepSeek V4 Pro MaxDeepSeek	2026-04-24	HELM SafetySicherheit · Aktiv	86.4%	Stanford HELM leaderboard	2026-04-24
Gemini 1.5 Pro (2024-06)Google	2024-06-01	HELM SafetySicherheit · Aktiv	88.7%	Stanford HELM leaderboard	2024-08-15
Gemini 3.1 ProGoogle	2026-02-19	HELM SafetySicherheit · Aktiv	88.9%	Stanford HELM leaderboard	2026-02-19
GPT 5.5OpenAI	2026-04-23	HELM SafetySicherheit · Aktiv	90.6%	Stanford HELM leaderboard	2026-04-23
GPT-4o (2024-05)OpenAI	2024-05-13	HELM SafetySicherheit · Aktiv	89.4%	Stanford HELM leaderboard	2024-08-15
Mistral Large 2 (2024-07)Mistral	2024-07-24	HELM SafetySicherheit · Aktiv	84.3%	Stanford HELM leaderboard	2024-08-15
Claude 3.5 Sonnet (2024-06)Anthropic	2024-06-20	HumanEvalCoding · Ausgedient	92% pass@1	Anthropic Claude 3.5 Sonnet	2024-06-20
Claude Opus 4.6Anthropic	2026-02-05	HumanEvalCoding · Ausgedient	96.3% pass@1	Anthropic Claude 3.7/4.6 model card	2026-01-01
Claude Opus 4.8Anthropic	2026-05-28	HumanEvalCoding · Ausgedient	95.8% pass@1	Anthropic Claude 4 family	2026-05-28
Claude Sonnet 4.6Anthropic	2026-02-17	HumanEvalCoding · Ausgedient	94.1% pass@1	Anthropic Claude 3.7/4.6 model card	2026-01-01
DeepSeek Coder V2DeepSeek	2024-05-15	HumanEvalCoding · Ausgedient	92.7% pass@1	DeepSeek Coder V2 repository	2024-05-15
DeepSeek V4 Pro MaxDeepSeek	2026-04-24	HumanEvalCoding · Ausgedient	93.4% pass@1	DeepSeek V4 release	2026-04-24
Gemini 3.5 FlashGoogle	2026-05-19	HumanEvalCoding · Ausgedient	94.6% pass@1	CodeSOTA HumanEval leaderboard	2026-05-19
GPT 5.5OpenAI	2026-04-23	HumanEvalCoding · Ausgedient	96.2% pass@1	CodeSOTA HumanEval leaderboard	2026-04-23
GPT-4 (2023)OpenAI	2023-03-14	HumanEvalCoding · Ausgedient	67% pass@1	GPT-4 Technical Report	2023-03-15
GPT-5OpenAI	2025-12-11	HumanEvalCoding · Ausgedient	95.1% pass@1	CodeSOTA HumanEval leaderboard	2025-12-01
Kimi K2.6Moonshot	2026-04-20	HumanEvalCoding · Ausgedient	93.8% pass@1	CodeSOTA HumanEval leaderboard	2026-04-20
Llama 4 MaverickMeta	2026-04-05	HumanEvalCoding · Ausgedient	91.8% pass@1	Meta Llama 4 model card	2026-04-05
Mistral Large 3Mistral	2025-12-02	HumanEvalCoding · Ausgedient	92.4% pass@1	Mistral Large 3 model card	2025-12-02
o3OpenAI	2025-04-16	HumanEvalCoding · Ausgedient	94.8% pass@1	CodeSOTA HumanEval leaderboard	2025-04-01
Qwen 3.7 MaxAlibaba	2026-05-20	HumanEvalCoding · Ausgedient	93.1% pass@1	CodeSOTA HumanEval leaderboard	2026-05-20
Claude 3 OpusAnthropic	2024-03-04	Humanity's Last ExamReasoning · Aktiv	3.1%	Artificial Analysis	2026-07-21
Claude Fable 5Anthropic	2026-06-09	Humanity's Last ExamReasoning · Aktiv	53.3%	Artificial Analysis	2026-07-21
Claude Opus 4.5Anthropic	2025-11-24	Humanity's Last ExamReasoning · Aktiv	12.9%	Artificial Analysis	2026-07-21
Claude Opus 4.6Anthropic	2026-02-05	Humanity's Last ExamReasoning · Aktiv	18.6%	Artificial Analysis	2026-07-21
Claude Opus 4.6 (Adaptive Reasoning, Max Effort)Anthropic	2026-02-05	Humanity's Last ExamReasoning · Aktiv	36.7%	Artificial Analysis	2026-07-21
Claude Opus 4.7Anthropic	2026-04-16	Humanity's Last ExamReasoning · Aktiv	39.6%	Artificial Analysis	2026-07-21
Claude Opus 4.7 (Non-reasoning, High Effort)Anthropic	2026-04-16	Humanity's Last ExamReasoning · Aktiv	31.2%	Artificial Analysis	2026-07-21
Claude Opus 4.8Anthropic	2026-05-28	Humanity's Last ExamReasoning · Aktiv	45.7%	Artificial Analysis	2026-07-21
Claude Sonnet 4.6Anthropic	2026-02-17	Humanity's Last ExamReasoning · Aktiv	13.2%	Artificial Analysis	2026-07-21
Claude Sonnet 4.6 (Adaptive Reasoning, Max Effort)Anthropic	2026-02-17	Humanity's Last ExamReasoning · Aktiv	30%	Artificial Analysis	2026-07-21
Claude Sonnet 5Anthropic	2026-06-30	Humanity's Last ExamReasoning · Aktiv	39.6%	Artificial Analysis	2026-07-21
Command ACohere	2026-03-15	Humanity's Last ExamReasoning · Aktiv	4.6%	Artificial Analysis	2026-07-21
DeepSeek R1DeepSeek	2025-01-20	Humanity's Last ExamReasoning · Aktiv	14.9%	Artificial Analysis	2026-07-21
DeepSeek V4 Pro (Reasoning, Max Effort)DeepSeek	2026-04-24	Humanity's Last ExamReasoning · Aktiv	35.9%	Artificial Analysis	2026-07-21
Gemini 3 Flash PreviewGoogle	2025-12-17	Humanity's Last ExamReasoning · Aktiv	14.1%	Artificial Analysis	2026-07-21
Gemini 3 ProGoogle	2025-11-18	Humanity's Last ExamReasoning · Aktiv	37.2%	Artificial Analysis	2026-07-21
Gemini 3.1 Flash LiteGoogle	2026-05-07	Humanity's Last ExamReasoning · Aktiv	16.2%	Artificial Analysis	2026-07-21
Gemini 3.1 Pro PreviewGoogle	2026-02-19	Humanity's Last ExamReasoning · Aktiv	44.7%	Artificial Analysis	2026-07-21
Gemini 3.5 FlashGoogle	2026-05-19	Humanity's Last ExamReasoning · Aktiv	41%	Artificial Analysis	2026-07-21
Gemini 3.5 Flash (medium)Google	2026-05-19	Humanity's Last ExamReasoning · Aktiv	39.9%	Artificial Analysis	2026-07-21
Gemma 4 12B (Non-reasoning)Google	2026-06-10	Humanity's Last ExamReasoning · Aktiv	6.2%	Artificial Analysis	2026-07-21
Gemma 4 12B (Reasoning)Google	2026-06-07	Humanity's Last ExamReasoning · Aktiv	14.8%	Artificial Analysis	2026-07-21
Gemma 4 31B ITGoogle	2026-03-01	Humanity's Last ExamReasoning · Aktiv	22.7%	Artificial Analysis	2026-07-21
GLM-5.1Zhipu	2026-04-07	Humanity's Last ExamReasoning · Aktiv	28%	Artificial Analysis	2026-07-21
GLM-5.2Zhipu	2026-06-13	Humanity's Last ExamReasoning · Aktiv	40.1%	Artificial Analysis	2026-07-21
GPT 5.4OpenAI	2026-03-05	Humanity's Last ExamReasoning · Aktiv	41.6%	Artificial Analysis	2026-07-21
GPT 5.5OpenAI	2026-04-23	Humanity's Last ExamReasoning · Aktiv	44.3%	Artificial Analysis	2026-07-21
GPT-5.1OpenAI	2025-11-13	Humanity's Last ExamReasoning · Aktiv	26.5%	Artificial Analysis	2026-07-21
GPT-5.2OpenAI	2025-12-11	Humanity's Last ExamReasoning · Aktiv	35.4%	Artificial Analysis	2026-07-21
GPT-5.3 Codex (xhigh)OpenAI	2026-02-05	Humanity's Last ExamReasoning · Aktiv	39.9%	Artificial Analysis	2026-07-21
GPT-5.4 MiniOpenAI	2026-03-17	Humanity's Last ExamReasoning · Aktiv	26.6%	Artificial Analysis	2026-07-21
GPT-5.4 NanoOpenAI	2026-03-17	Humanity's Last ExamReasoning · Aktiv	26.5%	Artificial Analysis	2026-07-21
GPT-5.5 (high)OpenAI	2026-04-23	Humanity's Last ExamReasoning · Aktiv	43%	Artificial Analysis	2026-07-21
GPT-5.5 (low)OpenAI	2026-04-23	Humanity's Last ExamReasoning · Aktiv	31%	Artificial Analysis	2026-07-21
GPT-5.5 (medium)OpenAI	2026-04-23	Humanity's Last ExamReasoning · Aktiv	40.6%	Artificial Analysis	2026-07-21
GPT-5.6 LunaOpenAI	2026-07-09	Humanity's Last ExamReasoning · Aktiv	37.2%	Artificial Analysis	2026-07-21
GPT-5.6 SolOpenAI	2026-07-09	Humanity's Last ExamReasoning · Aktiv	47.2%	Artificial Analysis	2026-07-21
GPT-5.6 TerraOpenAI	2026-07-09	Humanity's Last ExamReasoning · Aktiv	41.8%	Artificial Analysis	2026-07-21
Grok 4.20 ReasoningxAI	2026-03-05	Humanity's Last ExamReasoning · Aktiv	32.2%	Artificial Analysis	2026-07-21
Grok 4.3xAI	2026-04-30	Humanity's Last ExamReasoning · Aktiv	35%	Artificial Analysis	2026-07-21
Grok 4.5xAI	2026-07-08	Humanity's Last ExamReasoning · Aktiv	40.3%	Artificial Analysis	2026-07-21
HyperNova 60B 2605Multiverse	2026-05-06	Humanity's Last ExamReasoning · Aktiv	15.1%	Artificial Analysis	2026-07-21
Kimi K2.5Moonshot	2026-01-27	Humanity's Last ExamReasoning · Aktiv	29.4%	Artificial Analysis	2026-07-21
Kimi K2.6Moonshot	2026-04-20	Humanity's Last ExamReasoning · Aktiv	35.9%	Artificial Analysis	2026-07-21
Kimi K2.7 CodeMoonshot	2026-06-12	Humanity's Last ExamReasoning · Aktiv	32.8%	Artificial Analysis	2026-07-21
Kimi K3Moonshot	2026-07-16	Humanity's Last ExamReasoning · Aktiv	44.3%	Artificial Analysis	2026-07-21
LFM2.5-8B-A1BLiquid	2026-06-08	Humanity's Last ExamReasoning · Aktiv	6.9%	Artificial Analysis	2026-07-21
Llama 4 MaverickMeta	2026-04-05	Humanity's Last ExamReasoning · Aktiv	4.8%	Artificial Analysis	2026-07-21
Llama 4 ScoutMeta	2026-04-05	Humanity's Last ExamReasoning · Aktiv	4.3%	Artificial Analysis	2026-07-21
LongCat-2.0Meituan	2026-06-29	Humanity's Last ExamReasoning · Aktiv	32.1%	Artificial Analysis	2026-07-21
MiMo-V2.5-ProXiaomi	2026-04-22	Humanity's Last ExamReasoning · Aktiv	33.8%	Artificial Analysis	2026-07-21
MiniCPM5-1B (Reasoning)OpenBMB	2026-06-04	Humanity's Last ExamReasoning · Aktiv	6.5%	Artificial Analysis	2026-07-21
MiniMax M2.5MiniMax	2026-04-01	Humanity's Last ExamReasoning · Aktiv	19.1%	Artificial Analysis	2026-07-21
MiniMax M2.7MiniMax	2026-04-15	Humanity's Last ExamReasoning · Aktiv	28.1%	Artificial Analysis	2026-07-21
MiniMax M3MiniMax	2026-05-31	Humanity's Last ExamReasoning · Aktiv	37.1%	Artificial Analysis	2026-07-21
Mistral Large 3Mistral	2025-12-02	Humanity's Last ExamReasoning · Aktiv	4.1%	Artificial Analysis	2026-07-21
Muse SparkOther	2026-01-01	Humanity's Last ExamReasoning · Aktiv	39.9%	Artificial Analysis	2026-07-21
Muse Spark 1.1Meta	2026-07-09	Humanity's Last ExamReasoning · Aktiv	45.1%	Artificial Analysis	2026-07-21
Nemotron 3 Ultra 550B A55B (Reasoning)NVIDIA	2026-06-04	Humanity's Last ExamReasoning · Aktiv	26.6%	Artificial Analysis	2026-07-21
North Mini CodeCohere	2026-06-09	Humanity's Last ExamReasoning · Aktiv	10%	Artificial Analysis	2026-07-21
OpenAI o1OpenAI	2024-09-12	Humanity's Last ExamReasoning · Aktiv	7.7%	Artificial Analysis	2026-07-21
OpenAI o3OpenAI	2025-04-16	Humanity's Last ExamReasoning · Aktiv	20%	Artificial Analysis	2026-07-21
Qwen 3.7 PlusAlibaba	2026-06-02	Humanity's Last ExamReasoning · Aktiv	33.4%	Artificial Analysis	2026-07-21
Qwen3.7 MaxAlibaba	2026-05-19	Humanity's Last ExamReasoning · Aktiv	38.1%	Artificial Analysis	2026-07-21
Step 3.7 FlashStepFun	2026-06-01	Humanity's Last ExamReasoning · Aktiv	19.9%	Artificial Analysis	2026-07-21
Claude Fable 5Anthropic	2026-06-09	IFBenchReasoning · Ausgedient	63.47%	Artificial Analysis	2026-07-21
Claude Opus 4.5Anthropic	2025-11-24	IFBenchReasoning · Ausgedient	42.99%	Artificial Analysis	2026-07-21
Claude Opus 4.6Anthropic	2026-02-05	IFBenchReasoning · Ausgedient	44.63%	Artificial Analysis	2026-07-21
Claude Opus 4.6 (Adaptive Reasoning, Max Effort)Anthropic	2026-02-05	IFBenchReasoning · Ausgedient	53.13%	Artificial Analysis	2026-07-21
Claude Opus 4.7Anthropic	2026-04-16	IFBenchReasoning · Ausgedient	58.64%	Artificial Analysis	2026-07-21
Claude Opus 4.7 (Non-reasoning, High Effort)Anthropic	2026-04-16	IFBenchReasoning · Ausgedient	43.61%	Artificial Analysis	2026-07-21
Claude Opus 4.8Anthropic	2026-05-28	IFBenchReasoning · Ausgedient	62.24%	Artificial Analysis	2026-07-21
Claude Sonnet 4.6Anthropic	2026-02-17	IFBenchReasoning · Ausgedient	41.16%	Artificial Analysis	2026-07-21
Claude Sonnet 4.6 (Adaptive Reasoning, Max Effort)Anthropic	2026-02-17	IFBenchReasoning · Ausgedient	56.6%	Artificial Analysis	2026-07-21
DeepSeek R1DeepSeek	2025-01-20	IFBenchReasoning · Ausgedient	39.59%	Artificial Analysis	2026-07-21
DeepSeek V4 Pro (Reasoning, Max Effort)DeepSeek	2026-04-24	IFBenchReasoning · Ausgedient	76.46%	Artificial Analysis	2026-07-21
Gemini 3 Flash PreviewGoogle	2025-12-17	IFBenchReasoning · Ausgedient	55.1%	Artificial Analysis	2026-07-21
Gemini 3 ProGoogle	2025-11-18	IFBenchReasoning · Ausgedient	70.41%	Artificial Analysis	2026-07-21
Gemini 3.1 Flash LiteGoogle	2026-05-07	IFBenchReasoning · Ausgedient	77.21%	Artificial Analysis	2026-07-21
Gemini 3.1 Pro PreviewGoogle	2026-02-19	IFBenchReasoning · Ausgedient	77.14%	Artificial Analysis	2026-07-21
Gemini 3.5 FlashGoogle	2026-05-19	IFBenchReasoning · Ausgedient	76.33%	Artificial Analysis	2026-07-21
Gemini 3.5 Flash (medium)Google	2026-05-19	IFBenchReasoning · Ausgedient	74.56%	Artificial Analysis	2026-07-21
Gemma 4 12B (Non-reasoning)Google	2026-06-10	IFBenchReasoning · Ausgedient	45.17%	Artificial Analysis	2026-07-21
Gemma 4 12B (Reasoning)Google	2026-06-07	IFBenchReasoning · Ausgedient	73.54%	Artificial Analysis	2026-07-21
Gemma 4 31B ITGoogle	2026-03-01	IFBenchReasoning · Ausgedient	75.58%	Artificial Analysis	2026-07-21
GLM-5.1Zhipu	2026-04-07	IFBenchReasoning · Ausgedient	76.26%	Artificial Analysis	2026-07-21
GLM-5.2Zhipu	2026-06-13	IFBenchReasoning · Ausgedient	73.33%	Artificial Analysis	2026-07-21
GPT 5.4OpenAI	2026-03-05	IFBenchReasoning · Ausgedient	73.95%	Artificial Analysis	2026-07-21
GPT 5.5OpenAI	2026-04-23	IFBenchReasoning · Ausgedient	75.85%	Artificial Analysis	2026-07-21
GPT-5.1OpenAI	2025-11-13	IFBenchReasoning · Ausgedient	72.86%	Artificial Analysis	2026-07-21
GPT-5.2OpenAI	2025-12-11	IFBenchReasoning · Ausgedient	75.44%	Artificial Analysis	2026-07-21
GPT-5.3 Codex (xhigh)OpenAI	2026-02-05	IFBenchReasoning · Ausgedient	75.37%	Artificial Analysis	2026-07-21
GPT-5.4 MiniOpenAI	2026-03-17	IFBenchReasoning · Ausgedient	73.27%	Artificial Analysis	2026-07-21
GPT-5.4 NanoOpenAI	2026-03-17	IFBenchReasoning · Ausgedient	75.92%	Artificial Analysis	2026-07-21
GPT-5.5 (high)OpenAI	2026-04-23	IFBenchReasoning · Ausgedient	71.63%	Artificial Analysis	2026-07-21
GPT-5.5 (low)OpenAI	2026-04-23	IFBenchReasoning · Ausgedient	64.35%	Artificial Analysis	2026-07-21
GPT-5.5 (medium)OpenAI	2026-04-23	IFBenchReasoning · Ausgedient	70.95%	Artificial Analysis	2026-07-21
GPT-5.6 SolOpenAI	2026-07-09	IFBenchReasoning · Ausgedient	72.65%	Artificial Analysis	2026-07-21
GPT-5.6 TerraOpenAI	2026-07-09	IFBenchReasoning · Ausgedient	71.22%	Artificial Analysis	2026-07-21
Grok 4.20 ReasoningxAI	2026-03-05	IFBenchReasoning · Ausgedient	81.22%	Artificial Analysis	2026-07-21
Grok 4.3xAI	2026-04-30	IFBenchReasoning · Ausgedient	81.29%	Artificial Analysis	2026-07-21
HyperNova 60B 2605Multiverse	2026-05-06	IFBenchReasoning · Ausgedient	66.46%	Artificial Analysis	2026-07-21
Kimi K2.5Moonshot	2026-01-27	IFBenchReasoning · Ausgedient	70.2%	Artificial Analysis	2026-07-21
Kimi K2.6Moonshot	2026-04-20	IFBenchReasoning · Ausgedient	75.99%	Artificial Analysis	2026-07-21
Kimi K2.7 CodeMoonshot	2026-06-12	IFBenchReasoning · Ausgedient	63.13%	Artificial Analysis	2026-07-21
LFM2.5-8B-A1BLiquid	2026-06-08	IFBenchReasoning · Ausgedient	55.65%	Artificial Analysis	2026-07-21
Llama 4 MaverickMeta	2026-04-05	IFBenchReasoning · Ausgedient	42.99%	Artificial Analysis	2026-07-21
Llama 4 ScoutMeta	2026-04-05	IFBenchReasoning · Ausgedient	39.52%	Artificial Analysis	2026-07-21
MiMo-V2.5-ProXiaomi	2026-04-22	IFBenchReasoning · Ausgedient	79.86%	Artificial Analysis	2026-07-21
MiniCPM5-1B (Reasoning)OpenBMB	2026-06-04	IFBenchReasoning · Ausgedient	49.32%	Artificial Analysis	2026-07-21
MiniMax M2.5MiniMax	2026-04-01	IFBenchReasoning · Ausgedient	71.63%	Artificial Analysis	2026-07-21
MiniMax M2.7MiniMax	2026-04-15	IFBenchReasoning · Ausgedient	75.71%	Artificial Analysis	2026-07-21
MiniMax M3MiniMax	2026-05-31	IFBenchReasoning · Ausgedient	82.86%	Artificial Analysis	2026-07-21
Mistral Large 3Mistral	2025-12-02	IFBenchReasoning · Ausgedient	36.19%	Artificial Analysis	2026-07-21
Muse SparkOther	2026-01-01	IFBenchReasoning · Ausgedient	75.92%	Artificial Analysis	2026-07-21
Nemotron 3 Ultra 550B A55B (Reasoning)NVIDIA	2026-06-04	IFBenchReasoning · Ausgedient	81.36%	Artificial Analysis	2026-07-21
North Mini CodeCohere	2026-06-09	IFBenchReasoning · Ausgedient	57.55%	Artificial Analysis	2026-07-21
OpenAI o1OpenAI	2024-09-12	IFBenchReasoning · Ausgedient	70.34%	Artificial Analysis	2026-07-21
OpenAI o3OpenAI	2025-04-16	IFBenchReasoning · Ausgedient	71.43%	Artificial Analysis	2026-07-21
Qwen 3.7 PlusAlibaba	2026-06-02	IFBenchReasoning · Ausgedient	77.96%	Artificial Analysis	2026-07-21
Qwen3.7 MaxAlibaba	2026-05-19	IFBenchReasoning · Ausgedient	80.54%	Artificial Analysis	2026-07-21
Step 3.7 FlashStepFun	2026-06-01	IFBenchReasoning · Ausgedient	67.28%	Artificial Analysis	2026-07-21
Claude Haiku 4.5Anthropic	2025-10-01	LiveBenchReasoning · Aktiv	57.8%	LiveBench leaderboard	2026-04-15
Claude Opus 4.6Anthropic	2026-02-05	LiveBenchReasoning · Aktiv	71.4%	LiveBench leaderboard	2026-04-15
Claude Opus 4.8Anthropic	2026-05-28	LiveBenchReasoning · Aktiv	70.8%	LiveBench leaderboard	2026-04-15
Claude Sonnet 4.6Anthropic	2026-02-17	LiveBenchReasoning · Aktiv	67.2%	LiveBench leaderboard	2026-04-15
DeepSeek R1DeepSeek	2025-01-20	LiveBenchReasoning · Aktiv	64.1%	LiveBench leaderboard	2026-04-15
DeepSeek V4DeepSeek	2026-04-24	LiveBenchReasoning · Aktiv	61.9%	LiveBench leaderboard	2026-04-15
Gemini 3 Flash PreviewGoogle	2025-12-17	LiveBenchReasoning · Aktiv	63.5%	LiveBench leaderboard	2026-04-15
Gemini 3.1 ProGoogle	2026-02-19	LiveBenchReasoning · Aktiv	65.8%	LiveBench leaderboard	2026-04-15
Gemini 3.5 FlashGoogle	2026-05-19	LiveBenchReasoning · Aktiv	64.2%	LiveBench leaderboard	2026-04-15
GPT 5.4OpenAI	2026-03-05	LiveBenchReasoning · Aktiv	66.4%	LiveBench leaderboard	2026-04-15
GPT 5.5OpenAI	2026-04-23	LiveBenchReasoning · Aktiv	69.8%	LiveBench leaderboard	2026-04-15
Grok 4.20 ReasoningxAI	2026-03-05	LiveBenchReasoning · Aktiv	56.4%	LiveBench leaderboard	2026-04-15
Grok 4.3xAI	2026-04-30	LiveBenchReasoning · Aktiv	60.8%	LiveBench leaderboard	2026-04-15
Kimi K2.5Moonshot	2026-01-27	LiveBenchReasoning · Aktiv	61.2%	LiveBench leaderboard	2026-04-15
Kimi K2.6Moonshot	2026-04-20	LiveBenchReasoning · Aktiv	62.4%	LiveBench leaderboard	2026-04-15
Llama 4 MaverickMeta	2026-04-05	LiveBenchReasoning · Aktiv	62.1%	LiveBench leaderboard	2026-04-15
Llama 4 ScoutMeta	2026-04-05	LiveBenchReasoning · Aktiv	58.9%	LiveBench leaderboard	2026-04-15
MiniMax M3MiniMax	2026-05-31	LiveBenchReasoning · Aktiv	59.6%	LiveBench leaderboard	2026-04-15
Mistral Large 3Mistral	2025-12-02	LiveBenchReasoning · Aktiv	62.8%	LiveBench leaderboard	2026-04-15
o3OpenAI	2025-04-16	LiveBenchReasoning · Aktiv	68.5%	LiveBench leaderboard	2026-04-15
Qwen 3.7 MaxAlibaba	2026-05-20	LiveBenchReasoning · Aktiv	61.6%	LiveBench leaderboard	2026-04-15
Claude 3 OpusAnthropic	2024-03-04	LiveCodeBenchCoding · Aktiv	27.9%	Artificial Analysis	2026-07-21
Claude Opus 4.5Anthropic	2025-11-24	LiveCodeBenchCoding · Aktiv	73.8%	Artificial Analysis	2026-07-21
Command ACohere	2026-03-15	LiveCodeBenchCoding · Aktiv	28.7%	Artificial Analysis	2026-07-21
DeepSeek R1DeepSeek	2025-01-20	LiveCodeBenchCoding · Aktiv	77%	Artificial Analysis	2026-07-21
Gemini 3 Flash PreviewGoogle	2025-12-17	LiveCodeBenchCoding · Aktiv	79.7%	Artificial Analysis	2026-07-21
Gemini 3 ProGoogle	2025-11-18	LiveCodeBenchCoding · Aktiv	91.7%	Artificial Analysis	2026-07-21
GPT-5.1OpenAI	2025-11-13	LiveCodeBenchCoding · Aktiv	86.8%	Artificial Analysis	2026-07-21
GPT-5.2OpenAI	2025-12-11	LiveCodeBenchCoding · Aktiv	88.9%	Artificial Analysis	2026-07-21
Llama 4 MaverickMeta	2026-04-05	LiveCodeBenchCoding · Aktiv	39.7%	Artificial Analysis	2026-07-21
Llama 4 ScoutMeta	2026-04-05	LiveCodeBenchCoding · Aktiv	29.9%	Artificial Analysis	2026-07-21
Mistral Large 3Mistral	2025-12-02	LiveCodeBenchCoding · Aktiv	46.5%	Artificial Analysis	2026-07-21
OpenAI o1OpenAI	2024-09-12	LiveCodeBenchCoding · Aktiv	67.9%	Artificial Analysis	2026-07-21
OpenAI o3OpenAI	2025-04-16	LiveCodeBenchCoding · Aktiv	80.8%	Artificial Analysis	2026-07-21
Claude Haiku 4.5Anthropic	2025-10-01	LMArena (Chatbot Arena)Menschliche Präferenz · Aktiv	1368	LMArena leaderboard	2026-05-25
Claude Opus 4.7Anthropic	2026-04-16	LMArena (Chatbot Arena)Menschliche Präferenz · Aktiv	1412	LMArena leaderboard	2026-05-25
Claude Opus 4.8Anthropic	2026-05-28	LMArena (Chatbot Arena)Menschliche Präferenz · Aktiv	1462	LMArena leaderboard	2026-05-25
Claude Sonnet 4.6Anthropic	2026-02-17	LMArena (Chatbot Arena)Menschliche Präferenz · Aktiv	1396	LMArena leaderboard	2026-05-25
DeepSeek V4DeepSeek	2026-04-24	LMArena (Chatbot Arena)Menschliche Präferenz · Aktiv	1418	LMArena leaderboard	2026-05-25
Gemini 3.1 ProGoogle	2026-02-19	LMArena (Chatbot Arena)Menschliche Präferenz · Aktiv	1402	LMArena leaderboard	2026-05-25
Gemini 3.5 FlashGoogle	2026-05-19	LMArena (Chatbot Arena)Menschliche Präferenz · Aktiv	1455	LMArena leaderboard	2026-05-25
GPT 5.4OpenAI	2026-03-05	LMArena (Chatbot Arena)Menschliche Präferenz · Aktiv	1405	LMArena leaderboard	2026-05-25
GPT 5.5OpenAI	2026-04-23	LMArena (Chatbot Arena)Menschliche Präferenz · Aktiv	1473	LMArena leaderboard	2026-05-25
Grok 4.3xAI	2026-04-30	LMArena (Chatbot Arena)Menschliche Präferenz · Aktiv	1441	LMArena leaderboard	2026-05-25
Kimi K2.6Moonshot	2026-04-20	LMArena (Chatbot Arena)Menschliche Präferenz · Aktiv	1388	LMArena leaderboard	2026-05-25
MiniMax M3MiniMax	2026-05-31	LMArena (Chatbot Arena)Menschliche Präferenz · Aktiv	1376	LMArena leaderboard	2026-05-25
Qwen 3.7 MaxAlibaba	2026-05-20	LMArena (Chatbot Arena)Menschliche Präferenz · Aktiv	1409	LMArena leaderboard	2026-05-25
Claude Haiku 4.5Anthropic	2025-10-01	LongBench v2Langer Kontext · Aktiv	44.8%	LongBench v2 leaderboard	2026-04-01
Claude Opus 4.8Anthropic	2026-05-28	LongBench v2Langer Kontext · Aktiv	58.4%	LongBench v2 leaderboard	2026-04-01
Claude Sonnet 4.6Anthropic	2026-02-17	LongBench v2Langer Kontext · Aktiv	52.6%	LongBench v2 leaderboard	2026-04-01
DeepSeek V4DeepSeek	2026-04-24	LongBench v2Langer Kontext · Aktiv	48.6%	LongBench v2 leaderboard	2026-04-01
Gemini 2.0 UltraGoogle	2024-12-11	LongBench v2Langer Kontext · Aktiv	54.8%	LongBench v2 leaderboard	2026-04-01
Gemini 3 Flash PreviewGoogle	2025-12-17	LongBench v2Langer Kontext · Aktiv	51.4%	LongBench v2 leaderboard	2026-04-01
Gemini 3.1 ProGoogle	2026-02-19	LongBench v2Langer Kontext · Aktiv	55.4%	LongBench v2 leaderboard	2026-04-01
Gemini 3.5 FlashGoogle	2026-05-19	LongBench v2Langer Kontext · Aktiv	53.8%	LongBench v2 leaderboard	2026-04-01
GPT 5.4OpenAI	2026-03-05	LongBench v2Langer Kontext · Aktiv	54.2%	LongBench v2 leaderboard	2026-04-01
GPT 5.5OpenAI	2026-04-23	LongBench v2Langer Kontext · Aktiv	56.1%	LongBench v2 leaderboard	2026-04-01
Grok 4.3xAI	2026-04-30	LongBench v2Langer Kontext · Aktiv	46.2%	LongBench v2 leaderboard	2026-04-01
Kimi K2.5Moonshot	2026-01-27	LongBench v2Langer Kontext · Aktiv	48.2%	LongBench v2 leaderboard	2026-04-01
Kimi K2.6Moonshot	2026-04-20	LongBench v2Langer Kontext · Aktiv	49.1%	LongBench v2 leaderboard	2026-04-01
Llama 4 MaverickMeta	2026-04-05	LongBench v2Langer Kontext · Aktiv	49.8%	LongBench v2 leaderboard	2026-04-01
Llama 4 ScoutMeta	2026-04-05	LongBench v2Langer Kontext · Aktiv	57.2%	LongBench v2 leaderboard	2026-04-01
MiniMax M3MiniMax	2026-05-31	LongBench v2Langer Kontext · Aktiv	45.6%	LongBench v2 leaderboard	2026-04-01
Mistral Large 3Mistral	2025-12-02	LongBench v2Langer Kontext · Aktiv	50.8%	LongBench v2 leaderboard	2026-04-01
o3OpenAI	2025-04-16	LongBench v2Langer Kontext · Aktiv	51.2%	LongBench v2 leaderboard	2026-04-01
Qwen 3.7 MaxAlibaba	2026-05-20	LongBench v2Langer Kontext · Aktiv	47.8%	LongBench v2 leaderboard	2026-04-01
Claude 3 OpusAnthropic	2024-03-04	MATHMathe · Ausgedient	64.07%	Artificial Analysis	2026-07-21
Claude 3.5 Sonnet (2024-06)Anthropic	2024-06-20	MATHMathe · Ausgedient	71.1%	Anthropic Claude 3.5 Sonnet	2024-06-20
Claude Opus 4Anthropic	2024-07-01	MATHMathe · Ausgedient	85.6%	Anthropic model card	2025-06-01
Claude Opus 4.8Anthropic	2026-05-28	MATHMathe · Ausgedient	88.4%	Anthropic Claude 4 family	2026-05-28
Claude Sonnet 4.6Anthropic	2026-02-17	MATHMathe · Ausgedient	84.2%	Anthropic Claude 3.7/4.6 model card	2026-02-17
Command ACohere	2026-03-15	MATHMathe · Ausgedient	81.87%	Artificial Analysis	2026-07-21
DeepSeek Coder V2DeepSeek	2024-05-15	MATHMathe · Ausgedient	74.27%	Artificial Analysis	2026-07-21
DeepSeek R1DeepSeek	2025-01-20	MATHMathe · Ausgedient	79.8%	DeepSeek R1 model card	2025-01-20
DeepSeek V4 Pro MaxDeepSeek	2026-04-24	MATHMathe · Ausgedient	83.9%	DeepSeek V4 release	2026-04-24
Gemini 3.1 ProGoogle	2026-02-19	MATHMathe · Ausgedient	86.7%	Google Gemini 3.1 Pro	2026-02-19
GPT 5OpenAI	2025-12-11	MATHMathe · Ausgedient	87.2%	OpenAI model release notes	2025-12-01
GPT 5.5OpenAI	2026-04-23	MATHMathe · Ausgedient	89.6%	OpenAI model release notes	2026-04-23
GPT-4 (2023)OpenAI	2023-03-14	MATHMathe · Ausgedient	52.9%	GPT-4 Technical Report	2023-03-15
Kimi K2.6Moonshot	2026-04-20	MATHMathe · Ausgedient	82.5%	Moonshot Kimi K2.6	2026-04-20
Llama 4 MaverickMeta	2026-04-05	MATHMathe · Ausgedient	88.87%	Artificial Analysis	2026-07-21
Llama 4 ScoutMeta	2026-04-05	MATHMathe · Ausgedient	84.4%	Artificial Analysis	2026-07-21
o3 (high compute)OpenAI	2025-04-16	MATHMathe · Ausgedient	91.1%	OpenAI: Learning to Reason	2025-01-20
OpenAI o1OpenAI	2024-09-12	MATHMathe · Ausgedient	97%	Artificial Analysis	2026-07-21
OpenAI o3OpenAI	2025-04-16	MATHMathe · Ausgedient	99.2%	Artificial Analysis	2026-07-21
Qwen 3.7 MaxAlibaba	2026-05-20	MATHMathe · Ausgedient	81.6%	Alibaba Qwen 3.7 Max	2026-05-20
Claude Opus 4.8Anthropic	2026-05-28	MCP AtlasTool-Nutzung · Aktiv	79.2%	MCP Atlas leaderboard	2026-06-09
Claude Sonnet 4.6Anthropic	2026-02-17	MCP AtlasTool-Nutzung · Aktiv	75.4%	MCP Atlas leaderboard	2026-06-09
DeepSeek V4 Pro MaxDeepSeek	2026-04-24	MCP AtlasTool-Nutzung · Aktiv	72.6%	MCP Atlas leaderboard	2026-06-09
Gemini 3.1 ProGoogle	2026-02-19	MCP AtlasTool-Nutzung · Aktiv	74.1%	MCP Atlas leaderboard	2026-06-09
Gemini 3.5 FlashGoogle	2026-05-19	MCP AtlasTool-Nutzung · Aktiv	83.6%	MCP Atlas leaderboard	2026-05-15
GPT 5.5OpenAI	2026-04-23	MCP AtlasTool-Nutzung · Aktiv	77.8%	MCP Atlas leaderboard	2026-06-09
Kimi K2.6Moonshot	2026-04-20	MCP AtlasTool-Nutzung · Aktiv	69.7%	MCP Atlas leaderboard	2026-06-09
MiniMax M3MiniMax	2026-05-31	MCP AtlasTool-Nutzung · Aktiv	68.9%	MCP Atlas leaderboard	2026-06-09
Mistral Large 3Mistral	2025-12-02	MCP AtlasTool-Nutzung · Aktiv	70.4%	MCP Atlas leaderboard	2026-06-09
Qwen 3.7 MaxAlibaba	2026-05-20	MCP AtlasTool-Nutzung · Aktiv	71.8%	MCP Atlas leaderboard	2026-06-09
Claude 3 OpusAnthropic	2024-03-04	MMLUWissen · Gesättigt	86.8%	Anthropic Claude 3 model card	2024-03-04
Claude Haiku 4.5Anthropic	2025-10-01	MMLUWissen · Gesättigt	85.6%	Anthropic Claude Haiku 4.5	2025-10-01
Claude Opus 4.6Anthropic	2026-02-05	MMLUWissen · Gesättigt	91.2%	Anthropic Claude 3.7/4.6 model card	2026-01-01
Claude Opus 4.8Anthropic	2026-05-28	MMLUWissen · Gesättigt	91.4%	Anthropic Claude 4 family	2026-05-28
Claude Sonnet 4.6Anthropic	2026-02-17	MMLUWissen · Gesättigt	90.6%	Anthropic Claude 3.7/4.6 model card	2026-02-17
DeepSeek R1DeepSeek	2025-01-20	MMLUWissen · Gesättigt	87.4%	DeepSeek R1 model card	2025-01-20
DeepSeek V4 Pro MaxDeepSeek	2026-04-24	MMLUWissen · Gesättigt	89.7%	DeepSeek V4 release	2026-04-24
Gemini 1.5 Ultra (2024)Google	2024-02-15	MMLUWissen · Gesättigt	90%	Gemini technical report	2023-12-06
Gemini 3 FlashGoogle	2025-12-17	MMLUWissen · Gesättigt	87.2%	Google Gemini 3 Flash	2025-12-17
Gemini 3.1 ProGoogle	2026-02-19	MMLUWissen · Gesättigt	90.3%	Google Gemini 3.1 Pro	2026-02-19
Gemini 3.5 FlashGoogle	2026-05-19	MMLUWissen · Gesättigt	88.4%	Google Gemini 3.5 Flash	2026-05-19
GPT 5.4OpenAI	2026-03-05	MMLUWissen · Gesättigt	89.8%	OpenAI GPT-5.4 release	2026-03-05
GPT 5.5OpenAI	2026-04-23	MMLUWissen · Gesättigt	90.8%	OpenAI model release notes	2025-12-01
GPT-4 (2023)OpenAI	2023-03-14	MMLUWissen · Gesättigt	86.4%	GPT-4 Technical Report	2023-03-15
Grok 4.3xAI	2026-04-30	MMLUWissen · Gesättigt	88.5%	xAI Grok 4.3	2026-04-30
Kimi K2.5Moonshot	2026-01-27	MMLUWissen · Gesättigt	86.4%	Moonshot Kimi K2.5	2026-01-27
Kimi K2.6Moonshot	2026-04-20	MMLUWissen · Gesättigt	89.1%	Moonshot Kimi K2.6	2026-04-20
Llama 4 MaverickMeta	2026-04-05	MMLUWissen · Gesättigt	86.1%	Meta Llama 4 model card	2026-04-05
Llama 4 ScoutMeta	2026-04-05	MMLUWissen · Gesättigt	85.2%	Meta Llama 4 Scout model card	2026-04-05
MiniMax M3MiniMax	2026-05-31	MMLUWissen · Gesättigt	84.8%	MiniMax M3	2026-05-31
Mistral Large 3Mistral	2025-12-02	MMLUWissen · Gesättigt	87.8%	Mistral Large 3 model card	2025-12-02
Qwen 3.7 MaxAlibaba	2026-05-20	MMLUWissen · Gesättigt	88.9%	Alibaba Qwen 3.7 Max	2026-05-20
Claude 3 OpusAnthropic	2024-03-04	MMLU-ProWissen · Aktiv	68.4%	MMLU-Pro paper	2024-06-03
Claude Opus 4.5Anthropic	2025-11-24	MMLU-ProWissen · Aktiv	88.9%	Artificial Analysis	2026-07-21
Claude Opus 4.8Anthropic	2026-05-28	MMLU-ProWissen · Aktiv	82.4%	MMLU-Pro HuggingFace leaderboard	2026-05-28
Claude Sonnet 4.6Anthropic	2026-02-17	MMLU-ProWissen · Aktiv	78.2%	MMLU-Pro HuggingFace leaderboard	2026-02-17
Command ACohere	2026-03-15	MMLU-ProWissen · Aktiv	71.2%	Artificial Analysis	2026-07-21
DeepSeek R1DeepSeek	2025-01-20	MMLU-ProWissen · Aktiv	84.9%	Artificial Analysis	2026-07-21
DeepSeek V4 Pro MaxDeepSeek	2026-04-24	MMLU-ProWissen · Aktiv	76.4%	MMLU-Pro HuggingFace leaderboard	2026-04-24
Gemini 3 Flash PreviewGoogle	2025-12-17	MMLU-ProWissen · Aktiv	88.2%	Artificial Analysis	2026-07-21
Gemini 3 ProGoogle	2025-11-18	MMLU-ProWissen · Aktiv	89.8%	Artificial Analysis	2026-07-21
Gemini 3.1 ProGoogle	2026-02-19	MMLU-ProWissen · Aktiv	79.8%	MMLU-Pro HuggingFace leaderboard	2026-02-19
GPT 5.5OpenAI	2026-04-23	MMLU-ProWissen · Aktiv	81.6%	MMLU-Pro HuggingFace leaderboard	2026-04-23
GPT-4o (2024)OpenAI	2024-05-01	MMLU-ProWissen · Aktiv	72.6%	MMLU-Pro paper	2024-06-03
GPT-5.1OpenAI	2025-11-13	MMLU-ProWissen · Aktiv	87%	Artificial Analysis	2026-07-21
GPT-5.2OpenAI	2025-12-11	MMLU-ProWissen · Aktiv	87.4%	Artificial Analysis	2026-07-21
Kimi K2.6Moonshot	2026-04-20	MMLU-ProWissen · Aktiv	74.6%	MMLU-Pro HuggingFace leaderboard	2026-04-20
Llama 4 MaverickMeta	2026-04-05	MMLU-ProWissen · Aktiv	80.9%	Artificial Analysis	2026-07-21
Llama 4 ScoutMeta	2026-04-05	MMLU-ProWissen · Aktiv	75.2%	Artificial Analysis	2026-07-21
Mistral Large 3Mistral	2025-12-02	MMLU-ProWissen · Aktiv	72.8%	MMLU-Pro HuggingFace leaderboard	2025-12-02
OpenAI o1OpenAI	2024-09-12	MMLU-ProWissen · Aktiv	84.1%	Artificial Analysis	2026-07-21
OpenAI o3OpenAI	2025-04-16	MMLU-ProWissen · Aktiv	85.3%	Artificial Analysis	2026-07-21
Qwen 3.7 MaxAlibaba	2026-05-20	MMLU-ProWissen · Aktiv	75.1%	MMLU-Pro HuggingFace leaderboard	2026-05-20
Claude Opus 4.8Anthropic	2026-05-28	MMMUMultimodal · Aktiv	70.6%	MMMU leaderboard	2026-05-28
Claude Sonnet 4.6Anthropic	2026-02-17	MMMUMultimodal · Aktiv	66.2%	MMMU leaderboard	2026-02-17
Gemini 1.0 UltraGoogle	2024-02-08	MMMUMultimodal · Aktiv	59.4%	Gemini technical report	2023-12-06
Gemini 3.1 ProGoogle	2026-02-19	MMMUMultimodal · Aktiv	72.4%	MMMU leaderboard	2026-02-19
Gemini 3.5 FlashGoogle	2026-05-19	MMMUMultimodal · Aktiv	68.9%	MMMU leaderboard	2026-05-19
GPT 5.5OpenAI	2026-04-23	MMMUMultimodal · Aktiv	71.8%	MMMU leaderboard	2026-04-23
GPT-4V (2023)OpenAI	2023-09-25	MMMUMultimodal · Aktiv	56.8%	MMMU paper	2023-11-27
Llama 4 MaverickMeta	2026-04-05	MMMUMultimodal · Aktiv	61.4%	MMMU leaderboard	2026-04-05
Claude 3 OpusAnthropic	2024-03-04	SciCodeCoding · Aktiv	23.3%	Artificial Analysis	2026-07-21
Claude Fable 5Anthropic	2026-06-09	SciCodeCoding · Aktiv	60.2%	Artificial Analysis	2026-07-21
Claude Opus 4.5Anthropic	2025-11-24	SciCodeCoding · Aktiv	47%	Artificial Analysis	2026-07-21
Claude Opus 4.6Anthropic	2026-02-05	SciCodeCoding · Aktiv	45.7%	Artificial Analysis	2026-07-21
Claude Opus 4.6 (Adaptive Reasoning, Max Effort)Anthropic	2026-02-05	SciCodeCoding · Aktiv	51.9%	Artificial Analysis	2026-07-21
Claude Opus 4.7Anthropic	2026-04-16	SciCodeCoding · Aktiv	54.5%	Artificial Analysis	2026-07-21
Claude Opus 4.7 (Non-reasoning, High Effort)Anthropic	2026-04-16	SciCodeCoding · Aktiv	50.1%	Artificial Analysis	2026-07-21
Claude Opus 4.8Anthropic	2026-05-28	SciCodeCoding · Aktiv	53.5%	Artificial Analysis	2026-07-21
Claude Sonnet 4.6Anthropic	2026-02-17	SciCodeCoding · Aktiv	46.9%	Artificial Analysis	2026-07-21
Claude Sonnet 4.6 (Adaptive Reasoning, Max Effort)Anthropic	2026-02-17	SciCodeCoding · Aktiv	46.8%	Artificial Analysis	2026-07-21
Claude Sonnet 5Anthropic	2026-06-30	SciCodeCoding · Aktiv	53.6%	Artificial Analysis	2026-07-21
Command ACohere	2026-03-15	SciCodeCoding · Aktiv	28.1%	Artificial Analysis	2026-07-21
DeepSeek R1DeepSeek	2025-01-20	SciCodeCoding · Aktiv	40.3%	Artificial Analysis	2026-07-21
DeepSeek V4 Pro (Reasoning, Max Effort)DeepSeek	2026-04-24	SciCodeCoding · Aktiv	50%	Artificial Analysis	2026-07-21
Gemini 3 Flash PreviewGoogle	2025-12-17	SciCodeCoding · Aktiv	49.9%	Artificial Analysis	2026-07-21
Gemini 3 ProGoogle	2025-11-18	SciCodeCoding · Aktiv	56.1%	Artificial Analysis	2026-07-21
Gemini 3.1 Flash LiteGoogle	2026-05-07	SciCodeCoding · Aktiv	41.9%	Artificial Analysis	2026-07-21
Gemini 3.1 Pro PreviewGoogle	2026-02-19	SciCodeCoding · Aktiv	58.9%	Artificial Analysis	2026-07-21
Gemini 3.5 FlashGoogle	2026-05-19	SciCodeCoding · Aktiv	53.1%	Artificial Analysis	2026-07-21
Gemini 3.5 Flash (medium)Google	2026-05-19	SciCodeCoding · Aktiv	53%	Artificial Analysis	2026-07-21
Gemma 4 12B (Non-reasoning)Google	2026-06-10	SciCodeCoding · Aktiv	29.7%	Artificial Analysis	2026-07-21
Gemma 4 12B (Reasoning)Google	2026-06-07	SciCodeCoding · Aktiv	38.2%	Artificial Analysis	2026-07-21
Gemma 4 31B ITGoogle	2026-03-01	SciCodeCoding · Aktiv	43.4%	Artificial Analysis	2026-07-21
GLM-5.1Zhipu	2026-04-07	SciCodeCoding · Aktiv	43.8%	Artificial Analysis	2026-07-21
GLM-5.2Zhipu	2026-06-13	SciCodeCoding · Aktiv	50.5%	Artificial Analysis	2026-07-21
GPT 5.4OpenAI	2026-03-05	SciCodeCoding · Aktiv	56.6%	Artificial Analysis	2026-07-21
GPT 5.5OpenAI	2026-04-23	SciCodeCoding · Aktiv	56.1%	Artificial Analysis	2026-07-21
GPT-5.1OpenAI	2025-11-13	SciCodeCoding · Aktiv	43.3%	Artificial Analysis	2026-07-21
GPT-5.2OpenAI	2025-12-11	SciCodeCoding · Aktiv	52.1%	Artificial Analysis	2026-07-21
GPT-5.3 Codex (xhigh)OpenAI	2026-02-05	SciCodeCoding · Aktiv	53.2%	Artificial Analysis	2026-07-21
GPT-5.4 MiniOpenAI	2026-03-17	SciCodeCoding · Aktiv	49.9%	Artificial Analysis	2026-07-21
GPT-5.4 NanoOpenAI	2026-03-17	SciCodeCoding · Aktiv	46.9%	Artificial Analysis	2026-07-21
GPT-5.5 (high)OpenAI	2026-04-23	SciCodeCoding · Aktiv	55.9%	Artificial Analysis	2026-07-21
GPT-5.5 (low)OpenAI	2026-04-23	SciCodeCoding · Aktiv	51.6%	Artificial Analysis	2026-07-21
GPT-5.5 (medium)OpenAI	2026-04-23	SciCodeCoding · Aktiv	53.5%	Artificial Analysis	2026-07-21
GPT-5.6 LunaOpenAI	2026-07-09	SciCodeCoding · Aktiv	52.5%	Artificial Analysis	2026-07-21
GPT-5.6 SolOpenAI	2026-07-09	SciCodeCoding · Aktiv	56.1%	Artificial Analysis	2026-07-21
GPT-5.6 TerraOpenAI	2026-07-09	SciCodeCoding · Aktiv	53.9%	Artificial Analysis	2026-07-21
Grok 4.20 ReasoningxAI	2026-03-05	SciCodeCoding · Aktiv	45.6%	Artificial Analysis	2026-07-21
Grok 4.3xAI	2026-04-30	SciCodeCoding · Aktiv	47.3%	Artificial Analysis	2026-07-21
Grok 4.5xAI	2026-07-08	SciCodeCoding · Aktiv	54.1%	Artificial Analysis	2026-07-21
HyperNova 60B 2605Multiverse	2026-05-06	SciCodeCoding · Aktiv	33%	Artificial Analysis	2026-07-21
Kimi K2.5Moonshot	2026-01-27	SciCodeCoding · Aktiv	49%	Artificial Analysis	2026-07-21
Kimi K2.6Moonshot	2026-04-20	SciCodeCoding · Aktiv	53.5%	Artificial Analysis	2026-07-21
Kimi K2.7 CodeMoonshot	2026-06-12	SciCodeCoding · Aktiv	47.5%	Artificial Analysis	2026-07-21
Kimi K3Moonshot	2026-07-16	SciCodeCoding · Aktiv	58.7%	Artificial Analysis	2026-07-21
LFM2.5-8B-A1BLiquid	2026-06-08	SciCodeCoding · Aktiv	7.8%	Artificial Analysis	2026-07-21
Llama 4 MaverickMeta	2026-04-05	SciCodeCoding · Aktiv	33.1%	Artificial Analysis	2026-07-21
Llama 4 ScoutMeta	2026-04-05	SciCodeCoding · Aktiv	17%	Artificial Analysis	2026-07-21
LongCat-2.0Meituan	2026-06-29	SciCodeCoding · Aktiv	35.4%	Artificial Analysis	2026-07-21
MiMo-V2.5-ProXiaomi	2026-04-22	SciCodeCoding · Aktiv	50.2%	Artificial Analysis	2026-07-21
MiniCPM5-1B (Reasoning)OpenBMB	2026-06-04	SciCodeCoding · Aktiv	4.4%	Artificial Analysis	2026-07-21
MiniMax M2.5MiniMax	2026-04-01	SciCodeCoding · Aktiv	42.6%	Artificial Analysis	2026-07-21
MiniMax M2.7MiniMax	2026-04-15	SciCodeCoding · Aktiv	47%	Artificial Analysis	2026-07-21
MiniMax M3MiniMax	2026-05-31	SciCodeCoding · Aktiv	45.4%	Artificial Analysis	2026-07-21
Mistral Large 3Mistral	2025-12-02	SciCodeCoding · Aktiv	36.2%	Artificial Analysis	2026-07-21
Muse SparkOther	2026-01-01	SciCodeCoding · Aktiv	51.5%	Artificial Analysis	2026-07-21
Muse Spark 1.1Meta	2026-07-09	SciCodeCoding · Aktiv	58.2%	Artificial Analysis	2026-07-21
Nemotron 3 Ultra 550B A55B (Reasoning)NVIDIA	2026-06-04	SciCodeCoding · Aktiv	39.9%	Artificial Analysis	2026-07-21
North Mini CodeCohere	2026-06-09	SciCodeCoding · Aktiv	38.2%	Artificial Analysis	2026-07-21
OpenAI o1OpenAI	2024-09-12	SciCodeCoding · Aktiv	35.8%	Artificial Analysis	2026-07-21
OpenAI o3OpenAI	2025-04-16	SciCodeCoding · Aktiv	41%	Artificial Analysis	2026-07-21
Qwen 3.7 PlusAlibaba	2026-06-02	SciCodeCoding · Aktiv	45.5%	Artificial Analysis	2026-07-21
Qwen3.7 MaxAlibaba	2026-05-19	SciCodeCoding · Aktiv	48.8%	Artificial Analysis	2026-07-21
Step 3.7 FlashStepFun	2026-06-01	SciCodeCoding · Aktiv	40%	Artificial Analysis	2026-07-21
Claude Mythos PreviewAnthropic	2026-06-01	SWE-bench VerifiedCoding · Gesättigt	93.9%	SWE-bench official leaderboard	2026-06-02
Claude Opus 4.5 (SEAL)Anthropic	2025-11-01	SWE-bench VerifiedCoding · Gesättigt	80.9%	SWE-bench SEAL leaderboard	2026-05-30
Claude Opus 4.6Anthropic	2026-02-01	SWE-bench VerifiedCoding · Gesättigt	80.8%	SWE-bench official leaderboard	2026-05-30
Claude Opus 4.7 (Adaptive)Anthropic	2026-04-16	SWE-bench VerifiedCoding · Gesättigt	87.6%	SWE-bench official leaderboard	2026-05-30
Claude Opus 4.8Anthropic	2026-05-28	SWE-bench VerifiedCoding · Gesättigt	88.6%	SWE-bench official leaderboard	2026-05-30
Claude Sonnet 4.6Anthropic	2026-02-17	SWE-bench VerifiedCoding · Gesättigt	79.6%	SWE-bench official leaderboard	2026-05-30
DeepSeek V4 Flash MaxDeepSeek	2026-05-10	SWE-bench VerifiedCoding · Gesättigt	79%	SWE-bench official leaderboard	2026-05-30
DeepSeek V4 Pro MaxDeepSeek	2026-04-24	SWE-bench VerifiedCoding · Gesättigt	80.6%	SWE-bench official leaderboard	2026-05-30
Gemini 3 FlashGoogle	2025-12-17	SWE-bench VerifiedCoding · Gesättigt	78%	SWE-bench official leaderboard	2026-05-30
Gemini 3.1 ProGoogle	2026-02-19	SWE-bench VerifiedCoding · Gesättigt	80.6%	SWE-bench official leaderboard	2026-05-30
Gemini 3.5 FlashGoogle	2026-05-19	SWE-bench VerifiedCoding · Gesättigt	77.2%	SWE-bench Verified leaderboard	2026-06-09
GPT 5.2OpenAI	2025-12-11	SWE-bench VerifiedCoding · Gesättigt	80%	SWE-bench official leaderboard	2026-05-30
GPT 5.4OpenAI	2026-03-05	SWE-bench VerifiedCoding · Gesättigt	80%	SWE-bench official leaderboard	2026-05-30
GPT 5.5OpenAI	2026-04-23	SWE-bench VerifiedCoding · Gesättigt	82.5%	SWE-bench Verified leaderboard	2026-06-01
Grok 4.3xAI	2026-04-30	SWE-bench VerifiedCoding · Gesättigt	77.6%	SWE-bench Verified leaderboard	2026-06-09
Kimi K2.6Moonshot	2026-04-20	SWE-bench VerifiedCoding · Gesättigt	80.2%	SWE-bench official leaderboard	2026-05-30
Llama 4 MaverickMeta	2026-04-05	SWE-bench VerifiedCoding · Gesättigt	74.8%	SWE-bench Verified leaderboard	2026-06-09
LongCat-2.0Meituan	2026-06-29	SWE-bench VerifiedCoding · Gesättigt	59.5%	Meituan LongCat-2.0 release materials	2026-06-29
MiniMax M2.5MiniMax	2026-04-01	SWE-bench VerifiedCoding · Gesättigt	80.2%	SWE-bench official leaderboard	2026-05-30
MiniMax M3MiniMax	2026-05-31	SWE-bench VerifiedCoding · Gesättigt	78.4%	SWE-bench Verified leaderboard	2026-06-09
Mistral Large 3Mistral	2025-12-02	SWE-bench VerifiedCoding · Gesättigt	76.2%	SWE-bench Verified leaderboard	2026-06-09
Qwen 3.6 PlusAlibaba	2026-04-01	SWE-bench VerifiedCoding · Gesättigt	78.8%	SWE-bench official leaderboard	2026-05-30
Qwen 3.7 MaxAlibaba	2026-05-20	SWE-bench VerifiedCoding · Gesättigt	79.4%	SWE-bench Verified leaderboard	2026-06-09
Claude Fable 5Anthropic	2026-06-09	Terminal-BenchAgentisch · Aktiv	84.64%	Artificial Analysis	2026-07-21
Claude Haiku 4.5Anthropic	2025-10-01	Terminal-BenchAgentisch · Aktiv	61.4%	Terminal-Bench 2.0 leaderboard	2026-06-09
Claude Mythos PreviewAnthropic	2026-06-01	Terminal-BenchAgentisch · Aktiv	84.1%	Terminal-Bench 2.0 leaderboard	2026-06-02
Claude Opus 4.5Anthropic	2025-11-24	Terminal-BenchAgentisch · Aktiv	40.91%	Artificial Analysis	2026-07-21
Claude Opus 4.6 (Adaptive Reasoning, Max Effort)Anthropic	2026-02-05	Terminal-BenchAgentisch · Aktiv	46.21%	Artificial Analysis	2026-07-21
Claude Opus 4.6 (ForgeCode)Anthropic	2026-02-01	Terminal-BenchAgentisch · Aktiv	79.8%	Terminal-Bench 2.0 leaderboard	2026-05-20
Claude Opus 4.7 (Adaptive)Anthropic	2026-04-16	Terminal-BenchAgentisch · Aktiv	69.4%	Terminal-Bench 2.0 leaderboard	2026-05-20
Claude Opus 4.7 (Non-reasoning, High Effort)Anthropic	2026-04-16	Terminal-BenchAgentisch · Aktiv	54.55%	Artificial Analysis	2026-07-21
Claude Opus 4.8Anthropic	2026-05-28	Terminal-BenchAgentisch · Aktiv	74.6%	Terminal-Bench 2.0 leaderboard	2026-05-20
Claude Sonnet 4.6Anthropic	2026-02-17	Terminal-BenchAgentisch · Aktiv	68.4%	Terminal-Bench 2.0 leaderboard	2026-06-09
Claude Sonnet 4.6 (Adaptive Reasoning, Max Effort)Anthropic	2026-02-17	Terminal-BenchAgentisch · Aktiv	71.16%	Artificial Analysis	2026-07-21
Claude Sonnet 5Anthropic	2026-06-30	Terminal-BenchAgentisch · Aktiv	80.52%	Artificial Analysis	2026-07-21
Command ACohere	2026-03-15	Terminal-BenchAgentisch · Aktiv	0.76%	Artificial Analysis	2026-07-21
DeepSeek R1DeepSeek	2025-01-20	Terminal-BenchAgentisch · Aktiv	15.91%	Artificial Analysis	2026-07-21
DeepSeek V4 Pro (Reasoning, Max Effort)DeepSeek	2026-04-24	Terminal-BenchAgentisch · Aktiv	64.04%	Artificial Analysis	2026-07-21
DeepSeek V4 Pro MaxDeepSeek	2026-04-24	Terminal-BenchAgentisch · Aktiv	67.9%	Terminal-Bench 2.0 leaderboard	2026-05-20
Gemini 3 Flash PreviewGoogle	2025-12-17	Terminal-BenchAgentisch · Aktiv	31.82%	Artificial Analysis	2026-07-21
Gemini 3 ProGoogle	2025-11-18	Terminal-BenchAgentisch · Aktiv	41.67%	Artificial Analysis	2026-07-21
Gemini 3.1 Flash LiteGoogle	2026-05-07	Terminal-BenchAgentisch · Aktiv	31.09%	Artificial Analysis	2026-07-21
Gemini 3.1 ProGoogle	2026-02-19	Terminal-BenchAgentisch · Aktiv	65.4%	Terminal-Bench 2.0 leaderboard	2026-05-20
Gemini 3.1 Pro PreviewGoogle	2026-02-19	Terminal-BenchAgentisch · Aktiv	73.78%	Artificial Analysis	2026-07-21
Gemini 3.5 FlashGoogle	2026-05-19	Terminal-BenchAgentisch · Aktiv	76.2%	Terminal-Bench 2.0 leaderboard	2026-05-20
Gemini 3.5 Flash (medium)Google	2026-05-19	Terminal-BenchAgentisch · Aktiv	39.39%	Artificial Analysis	2026-07-21
Gemma 4 12B (Non-reasoning)Google	2026-06-10	Terminal-BenchAgentisch · Aktiv	11.36%	Artificial Analysis	2026-07-21
Gemma 4 12B (Reasoning)Google	2026-06-07	Terminal-BenchAgentisch · Aktiv	18.18%	Artificial Analysis	2026-07-21
Gemma 4 31B ITGoogle	2026-03-01	Terminal-BenchAgentisch · Aktiv	43.45%	Artificial Analysis	2026-07-21
GLM-5.1Zhipu	2026-04-07	Terminal-BenchAgentisch · Aktiv	61.8%	Artificial Analysis	2026-07-21
GLM-5.2Zhipu	2026-06-13	Terminal-BenchAgentisch · Aktiv	77.9%	Artificial Analysis	2026-07-21
GPT 5.4 (ForgeCode)OpenAI	2026-03-05	Terminal-BenchAgentisch · Aktiv	81.8%	Terminal-Bench 2.0 leaderboard	2026-05-20
GPT 5.5 (Codex CLI)OpenAI	2026-04-23	Terminal-BenchAgentisch · Aktiv	82%	Terminal-Bench 2.0 leaderboard	2026-05-20
GPT-5.1OpenAI	2025-11-13	Terminal-BenchAgentisch · Aktiv	52.43%	Artificial Analysis	2026-07-21
GPT-5.2OpenAI	2025-12-11	Terminal-BenchAgentisch · Aktiv	46.97%	Artificial Analysis	2026-07-21
GPT-5.3 Codex (xhigh)OpenAI	2026-02-05	Terminal-BenchAgentisch · Aktiv	53.03%	Artificial Analysis	2026-07-21
GPT-5.4 MiniOpenAI	2026-03-17	Terminal-BenchAgentisch · Aktiv	59.18%	Artificial Analysis	2026-07-21
GPT-5.4 NanoOpenAI	2026-03-17	Terminal-BenchAgentisch · Aktiv	60.67%	Artificial Analysis	2026-07-21
GPT-5.5 (high)OpenAI	2026-04-23	Terminal-BenchAgentisch · Aktiv	79.4%	Artificial Analysis	2026-07-21
GPT-5.5 (low)OpenAI	2026-04-23	Terminal-BenchAgentisch · Aktiv	65.54%	Artificial Analysis	2026-07-21
GPT-5.5 (medium)OpenAI	2026-04-23	Terminal-BenchAgentisch · Aktiv	80.52%	Artificial Analysis	2026-07-21
GPT-5.6 LunaOpenAI	2026-07-09	Terminal-BenchAgentisch · Aktiv	80.9%	Artificial Analysis	2026-07-21
GPT-5.6 SolOpenAI	2026-07-09	Terminal-BenchAgentisch · Aktiv	88.01%	Artificial Analysis	2026-07-21
GPT-5.6 TerraOpenAI	2026-07-09	Terminal-BenchAgentisch · Aktiv	88.01%	Artificial Analysis	2026-07-21
Grok 4.20 ReasoningxAI	2026-03-05	Terminal-BenchAgentisch · Aktiv	37.88%	Artificial Analysis	2026-07-21
Grok 4.3xAI	2026-04-30	Terminal-BenchAgentisch · Aktiv	63.8%	Terminal-Bench 2.0 leaderboard	2026-06-09
Grok 4.5xAI	2026-07-08	Terminal-BenchAgentisch · Aktiv	81.65%	Artificial Analysis	2026-07-21
HyperNova 60B 2605Multiverse	2026-05-06	Terminal-BenchAgentisch · Aktiv	18.35%	Artificial Analysis	2026-07-21
Kimi K2.5Moonshot	2026-01-27	Terminal-BenchAgentisch · Aktiv	45.69%	Artificial Analysis	2026-07-21
Kimi K2.6Moonshot	2026-04-20	Terminal-BenchAgentisch · Aktiv	66.7%	Terminal-Bench 2.0 leaderboard	2026-05-20
Kimi K2.7 CodeMoonshot	2026-06-12	Terminal-BenchAgentisch · Aktiv	67.42%	Artificial Analysis	2026-07-21
Kimi K3Moonshot	2026-07-16	Terminal-BenchAgentisch · Aktiv	85.02%	Artificial Analysis	2026-07-21
LFM2.5-8B-A1BLiquid	2026-06-08	Terminal-BenchAgentisch · Aktiv	4.55%	Artificial Analysis	2026-07-21
Llama 4 MaverickMeta	2026-04-05	Terminal-BenchAgentisch · Aktiv	7.87%	Artificial Analysis	2026-07-21
Llama 4 ScoutMeta	2026-04-05	Terminal-BenchAgentisch · Aktiv	58.6%	Terminal-Bench 2.0 leaderboard	2026-06-09
LongCat-2.0Meituan	2026-06-29	Terminal-BenchAgentisch · Aktiv	70.8%	Meituan LongCat-2.0 release materials	2026-06-29
MiMo-V2.5-ProXiaomi	2026-04-22	Terminal-BenchAgentisch · Aktiv	65.17%	Artificial Analysis	2026-07-21
MiniCPM5-1B (Reasoning)OpenBMB	2026-06-04	Terminal-BenchAgentisch · Aktiv	0%	Artificial Analysis	2026-07-21
MiniMax M2.5MiniMax	2026-04-01	Terminal-BenchAgentisch · Aktiv	34.85%	Artificial Analysis	2026-07-21
MiniMax M2.7MiniMax	2026-04-15	Terminal-BenchAgentisch · Aktiv	55.43%	Artificial Analysis	2026-07-21
MiniMax M3MiniMax	2026-05-31	Terminal-BenchAgentisch · Aktiv	66%	Terminal-Bench 2.0 leaderboard	2026-05-20
Mistral Large 3Mistral	2025-12-02	Terminal-BenchAgentisch · Aktiv	11.99%	Artificial Analysis	2026-07-21
Muse SparkOther	2026-01-01	Terminal-BenchAgentisch · Aktiv	62.17%	Artificial Analysis	2026-07-21
Muse Spark 1.1Meta	2026-07-09	Terminal-BenchAgentisch · Aktiv	77.9%	Artificial Analysis	2026-07-21
Nemotron 3 Ultra 550B A55B (Reasoning)NVIDIA	2026-06-04	Terminal-BenchAgentisch · Aktiv	53.93%	Artificial Analysis	2026-07-21
North Mini CodeCohere	2026-06-09	Terminal-BenchAgentisch · Aktiv	35.58%	Artificial Analysis	2026-07-21
OpenAI o1OpenAI	2024-09-12	Terminal-BenchAgentisch · Aktiv	12.88%	Artificial Analysis	2026-07-21
OpenAI o3OpenAI	2025-04-16	Terminal-BenchAgentisch · Aktiv	37.12%	Artificial Analysis	2026-07-21
Qwen 3.7 MaxAlibaba	2026-05-20	Terminal-BenchAgentisch · Aktiv	69.7%	Terminal-Bench 2.0 leaderboard	2026-05-20
Qwen 3.7 PlusAlibaba	2026-06-02	Terminal-BenchAgentisch · Aktiv	61.05%	Artificial Analysis	2026-07-21
Qwen3.7 MaxAlibaba	2026-05-19	Terminal-BenchAgentisch · Aktiv	74.53%	Artificial Analysis	2026-07-21
Step 3.7 FlashStepFun	2026-06-01	Terminal-BenchAgentisch · Aktiv	39.33%	Artificial Analysis	2026-07-21
Claude Fable 5Anthropic	2026-06-09	Vals IndexAgentisch · Aktiv	75.1%	Vals AI — Vals Index	2026-07-16
Claude Haiku 4.5 ThinkingAnthropic	2025-10-01	Vals IndexAgentisch · Aktiv	40.33%	Vals AI — Vals Index	2026-06-04
Claude Mythos PreviewAnthropic	2026-06-01	Vals IndexAgentisch · Aktiv	73.42%	Vals AI — Vals Index	2026-06-04
Claude Opus 4.7Anthropic	2026-04-16	Vals IndexAgentisch · Aktiv	66.1%	Vals AI — Vals Index	2026-06-04
Claude Opus 4.8Anthropic	2026-05-28	Vals IndexAgentisch · Aktiv	70.4%	Vals AI — Vals Index	2026-06-04
Claude Sonnet 4.6Anthropic	2026-02-17	Vals IndexAgentisch · Aktiv	60.3%	Vals AI — Vals Index	2026-06-04
DeepSeek V4 ProDeepSeek	2026-04-24	Vals IndexAgentisch · Aktiv	56.23%	Vals AI — Vals Index	2026-06-04
Gemini 3 Flash PreviewGoogle	2025-12-17	Vals IndexAgentisch · Aktiv	49.31%	Vals AI — Vals Index	2026-06-04
Gemini 3.1 Flash Lite PreviewGoogle	2026-05-07	Vals IndexAgentisch · Aktiv	35.24%	Vals AI — Vals Index	2026-06-04
Gemini 3.1 Pro PreviewGoogle	2026-02-19	Vals IndexAgentisch · Aktiv	53.42%	Vals AI — Vals Index	2026-06-04
GPT 5.5OpenAI	2026-04-23	Vals IndexAgentisch · Aktiv	68%	Vals AI — Vals Index	2026-06-04
GPT-5.4 MiniOpenAI	2026-03-17	Vals IndexAgentisch · Aktiv	51.42%	Vals AI — Vals Index	2026-06-04
GPT-5.4 NanoOpenAI	2026-03-17	Vals IndexAgentisch · Aktiv	46.46%	Vals AI — Vals Index	2026-06-04
GPT-5.6 SolOpenAI	2026-07-09	Vals IndexAgentisch · Aktiv	73.1%	Vals AI — Vals Index	2026-07-16
Grok 4.20 0309 ReasoningxAI	2026-03-05	Vals IndexAgentisch · Aktiv	39.11%	Vals AI — Vals Index	2026-06-04
Grok 4.3xAI	2026-04-30	Vals IndexAgentisch · Aktiv	46.63%	Vals AI — Vals Index	2026-06-04
Kimi K2.6 ThinkingMoonshot	2026-04-20	Vals IndexAgentisch · Aktiv	55.55%	Vals AI — Vals Index	2026-06-04
Kimi K3Moonshot	2026-07-16	Vals IndexAgentisch · Aktiv	74.7%	Vals AI — Vals Index	2026-07-16
MiniMax M2.7MiniMax	2026-04-15	Vals IndexAgentisch · Aktiv	41.41%	Vals AI — Vals Index	2026-06-04
Qwen 3.7 MaxAlibaba	2026-05-20	Vals IndexAgentisch · Aktiv	48.04%	Vals AI — Vals Index	2026-06-04
Claude Fable 5 (high)Anthropic	2026-06-09	Vending-Bench 2Agentisch · Aktiv	5680.26	Andon Labs Vending-Bench 2	2026-06-01
Claude Opus 4.6Anthropic	2026-03-09	Vending-Bench 2Agentisch · Aktiv	8017.59	Andon Labs Vending-Bench 2	2026-06-01
Claude Opus 4.7Anthropic	2026-05-01	Vending-Bench 2Agentisch · Aktiv	10936.76	Andon Labs Vending-Bench 2	2026-06-01
GLM 5.2Zhipu	2026-05-15	Vending-Bench 2Agentisch · Aktiv	8313.78	Andon Labs Vending-Bench 2	2026-06-01
GPT 5.5OpenAI	2026-04-23	Vending-Bench 2Agentisch · Aktiv	7523.84	Andon Labs Vending-Bench 2	2026-06-01
Claude Fable 5Anthropic	2026-06-09	τ³-Bench BankingAgentisch · Ausgedient	62.4%	Artificial Analysis — τ³-Bench Banking	2026-06-17
Claude Opus 4.5Anthropic	2025-11-24	τ³-Bench BankingAgentisch · Ausgedient	86.26%	Artificial Analysis	2026-07-21
Claude Opus 4.6Anthropic	2026-02-05	τ³-Bench BankingAgentisch · Ausgedient	84.8%	Artificial Analysis	2026-07-21
Claude Opus 4.6 (Adaptive Reasoning, Max Effort)Anthropic	2026-02-05	τ³-Bench BankingAgentisch · Ausgedient	92.11%	Artificial Analysis	2026-07-21
Claude Opus 4.7Anthropic	2026-04-16	τ³-Bench BankingAgentisch · Ausgedient	28.87%	Artificial Analysis	2026-07-21
Claude Opus 4.7 (Non-reasoning, High Effort)Anthropic	2026-04-16	τ³-Bench BankingAgentisch · Ausgedient	73.98%	Artificial Analysis	2026-07-21
Claude Opus 4.8Anthropic	2026-05-28	τ³-Bench BankingAgentisch · Ausgedient	27.63%	Artificial Analysis	2026-07-21
Claude Sonnet 4.6Anthropic	2026-02-17	τ³-Bench BankingAgentisch · Ausgedient	79.53%	Artificial Analysis	2026-07-21
Claude Sonnet 4.6 (Adaptive Reasoning, Max Effort)Anthropic	2026-02-17	τ³-Bench BankingAgentisch · Ausgedient	30.52%	Artificial Analysis	2026-07-21
Claude Sonnet 5Anthropic	2026-06-30	τ³-Bench BankingAgentisch · Ausgedient	28.25%	Artificial Analysis	2026-07-21
Command ACohere	2026-03-15	τ³-Bench BankingAgentisch · Ausgedient	15.2%	Artificial Analysis	2026-07-21
DeepSeek R1DeepSeek	2025-01-20	τ³-Bench BankingAgentisch · Ausgedient	36.55%	Artificial Analysis	2026-07-21
DeepSeek V4 Pro (Reasoning, Max Effort)DeepSeek	2026-04-24	τ³-Bench BankingAgentisch · Ausgedient	25.77%	Artificial Analysis	2026-07-21
Gemini 3 Flash PreviewGoogle	2025-12-17	τ³-Bench BankingAgentisch · Ausgedient	43.27%	Artificial Analysis	2026-07-21
Gemini 3 ProGoogle	2025-11-18	τ³-Bench BankingAgentisch · Ausgedient	87.13%	Artificial Analysis	2026-07-21
Gemini 3.1 Flash LiteGoogle	2026-05-07	τ³-Bench BankingAgentisch · Ausgedient	8.66%	Artificial Analysis	2026-07-21
Gemini 3.1 Pro PreviewGoogle	2026-02-19	τ³-Bench BankingAgentisch · Ausgedient	16.49%	Artificial Analysis	2026-07-21
Gemini 3.5 FlashGoogle	2026-05-19	τ³-Bench BankingAgentisch · Ausgedient	25.36%	Artificial Analysis	2026-07-21
Gemini 3.5 Flash (medium)Google	2026-05-19	τ³-Bench BankingAgentisch · Ausgedient	95.61%	Artificial Analysis	2026-07-21
Gemma 4 12B (Non-reasoning)Google	2026-06-10	τ³-Bench BankingAgentisch · Ausgedient	31.87%	Artificial Analysis	2026-07-21
Gemma 4 12B (Reasoning)Google	2026-06-07	τ³-Bench BankingAgentisch · Ausgedient	36.26%	Artificial Analysis	2026-07-21
Gemma 4 31B ITGoogle	2026-03-01	τ³-Bench BankingAgentisch · Ausgedient	15.05%	Artificial Analysis	2026-07-21
GLM-5.1Zhipu	2026-04-07	τ³-Bench BankingAgentisch · Ausgedient	11.55%	Artificial Analysis	2026-07-21
GLM-5.2Zhipu	2026-06-13	τ³-Bench BankingAgentisch · Ausgedient	26.8%	Artificial Analysis	2026-07-21
GPT 5.4OpenAI	2026-03-05	τ³-Bench BankingAgentisch · Ausgedient	30.31%	Artificial Analysis	2026-07-21
GPT 5.5OpenAI	2026-04-23	τ³-Bench BankingAgentisch · Ausgedient	54.8%	Artificial Analysis — τ³-Bench Banking	2026-06-17
GPT-5.1OpenAI	2025-11-13	τ³-Bench BankingAgentisch · Ausgedient	14.02%	Artificial Analysis	2026-07-21
GPT-5.2OpenAI	2025-12-11	τ³-Bench BankingAgentisch · Ausgedient	84.8%	Artificial Analysis	2026-07-21
GPT-5.3 Codex (xhigh)OpenAI	2026-02-05	τ³-Bench BankingAgentisch · Ausgedient	85.96%	Artificial Analysis	2026-07-21
GPT-5.4 MiniOpenAI	2026-03-17	τ³-Bench BankingAgentisch · Ausgedient	21.44%	Artificial Analysis	2026-07-21
GPT-5.4 NanoOpenAI	2026-03-17	τ³-Bench BankingAgentisch · Ausgedient	21.03%	Artificial Analysis	2026-07-21
GPT-5.5 (high)OpenAI	2026-04-23	τ³-Bench BankingAgentisch · Ausgedient	29.48%	Artificial Analysis	2026-07-21
GPT-5.5 (low)OpenAI	2026-04-23	τ³-Bench BankingAgentisch · Ausgedient	21.24%	Artificial Analysis	2026-07-21
GPT-5.5 (medium)OpenAI	2026-04-23	τ³-Bench BankingAgentisch · Ausgedient	25.77%	Artificial Analysis	2026-07-21
GPT-5.6 LunaOpenAI	2026-07-09	τ³-Bench BankingAgentisch · Ausgedient	27.22%	Artificial Analysis	2026-07-21
GPT-5.6 SolOpenAI	2026-07-09	τ³-Bench BankingAgentisch · Ausgedient	32.99%	Artificial Analysis	2026-07-21
GPT-5.6 TerraOpenAI	2026-07-09	τ³-Bench BankingAgentisch · Ausgedient	31.75%	Artificial Analysis	2026-07-21
Grok 4.20 ReasoningxAI	2026-03-05	τ³-Bench BankingAgentisch · Ausgedient	92.98%	Artificial Analysis	2026-07-21
Grok 4.3xAI	2026-04-30	τ³-Bench BankingAgentisch · Ausgedient	12.16%	Artificial Analysis	2026-07-21
Grok 4.5xAI	2026-07-08	τ³-Bench BankingAgentisch · Ausgedient	32.58%	Artificial Analysis	2026-07-21
HyperNova 60B 2605Multiverse	2026-05-06	τ³-Bench BankingAgentisch · Ausgedient	5.36%	Artificial Analysis	2026-07-21
Kimi K2.5Moonshot	2026-01-27	τ³-Bench BankingAgentisch · Ausgedient	14.23%	Artificial Analysis	2026-07-21
Kimi K2.6Moonshot	2026-04-20	τ³-Bench BankingAgentisch · Ausgedient	20.62%	Artificial Analysis	2026-07-21
Kimi K2.7 CodeMoonshot	2026-06-12	τ³-Bench BankingAgentisch · Ausgedient	18.14%	Artificial Analysis	2026-07-21
Kimi K3Moonshot	2026-07-16	τ³-Bench BankingAgentisch · Ausgedient	33.4%	Artificial Analysis	2026-07-21
LFM2.5-8B-A1BLiquid	2026-06-08	τ³-Bench BankingAgentisch · Ausgedient	16.08%	Artificial Analysis	2026-07-21
Llama 4 MaverickMeta	2026-04-05	τ³-Bench BankingAgentisch · Ausgedient	3.92%	Artificial Analysis	2026-07-21
Llama 4 ScoutMeta	2026-04-05	τ³-Bench BankingAgentisch · Ausgedient	3.3%	Artificial Analysis	2026-07-21
LongCat-2.0Meituan	2026-06-29	τ³-Bench BankingAgentisch · Ausgedient	12.78%	Artificial Analysis	2026-07-21
MiMo-V2.5-ProXiaomi	2026-04-22	τ³-Bench BankingAgentisch · Ausgedient	8.66%	Artificial Analysis	2026-07-21
MiniCPM5-1B (Reasoning)OpenBMB	2026-06-04	τ³-Bench BankingAgentisch · Ausgedient	80.99%	Artificial Analysis	2026-07-21
MiniMax M2.5MiniMax	2026-04-01	τ³-Bench BankingAgentisch · Ausgedient	95.32%	Artificial Analysis	2026-07-21
MiniMax M2.7MiniMax	2026-04-15	τ³-Bench BankingAgentisch · Ausgedient	8.87%	Artificial Analysis	2026-07-21
MiniMax M3MiniMax	2026-05-31	τ³-Bench BankingAgentisch · Ausgedient	12.99%	Artificial Analysis	2026-07-21
Mistral Large 3Mistral	2025-12-02	τ³-Bench BankingAgentisch · Ausgedient	5.77%	Artificial Analysis	2026-07-21
Muse SparkOther	2026-01-01	τ³-Bench BankingAgentisch · Ausgedient	19.59%	Artificial Analysis	2026-07-21
Muse Spark 1.1Meta	2026-07-09	τ³-Bench BankingAgentisch · Ausgedient	25.15%	Artificial Analysis	2026-07-21
Nemotron 3 Ultra 550B A55B (Reasoning)NVIDIA	2026-06-04	τ³-Bench BankingAgentisch · Ausgedient	13.81%	Artificial Analysis	2026-07-21
North Mini CodeCohere	2026-06-09	τ³-Bench BankingAgentisch · Ausgedient	6.39%	Artificial Analysis	2026-07-21
OpenAI o1OpenAI	2024-09-12	τ³-Bench BankingAgentisch · Ausgedient	62.57%	Artificial Analysis	2026-07-21
OpenAI o3OpenAI	2025-04-16	τ³-Bench BankingAgentisch · Ausgedient	80.7%	Artificial Analysis	2026-07-21
Qwen 3.7 PlusAlibaba	2026-06-02	τ³-Bench BankingAgentisch · Ausgedient	17.87%	Artificial Analysis	2026-07-21
Qwen3.7 MaxAlibaba	2026-05-19	τ³-Bench BankingAgentisch · Ausgedient	10.93%	Artificial Analysis	2026-07-21
Step 3.7 FlashStepFun	2026-06-01	τ³-Bench BankingAgentisch · Ausgedient	11.34%	Artificial Analysis	2026-07-21

The Lab

Benchmarks, die wir selbst laufen lassen.

Öffentliche Scores zeigen, was Anbieter veröffentlichen. Im Lab testet VerdictPal selbst und legt Methode, Prompts und Rohbeispiele offen, damit du den Lauf wiederholen kannst.

Lab öffnen