Warum dieser Benchmark nützlich ist
Long-Context-Research scheitert, wenn Modelle den Faden über entfernte Evidenz verlieren. AA-LCR ist eine der wenigen öffentlichen Suites, die Synthese über lange Inputs bewertet — nicht nur Retrieval-Trivia.
Artificial Analysis Long Context Reasoning
AA-LCR
Long-Context-Synthese und Reasoning: 100 offene Antwortfragen, die Modelle zwingen, Evidenz über lange Inputs zu integrieren. 5 % Gewicht im AA Intelligence Index v4.3.
Was dieser Benchmark nicht misst
- Retrieval aus externen Datenbanken — der Kontext liegt nur im Prompt.
- Multimodale Langdokumente — AA-LCR ist im aktuellen AA-Harness nur Text.
- Unendlicher Kontext — das Eval nutzt ein fixes Long-Context-Fenster, keine beliebige Dokumentlänge.
Abdeckung
- Aufgabenfamilie
- Langer Kontext
- Format
- 100 offene Antwortfragen mit langen Kontextpassagen; Equality-Checker-LLM-Bewertung, pass@1.
- Bewertung
- pass@1-Genauigkeit mit 3 Wiederholungen.
- Verantwortliche Stelle
- Artificial Analysis
So liest du die Scores
Lies pass@1 mit drei Wiederholungen als konservative Headline. Vergleiche nur Zeilen derselben AA-Harness-Version und desselben Long-Context-Fensters.
Was er nicht abdeckt
- Retrieval aus externen Datenbanken — der Kontext liegt nur im Prompt.
- Multimodale Langdokumente — AA-LCR ist im aktuellen AA-Harness nur Text.
- Unendlicher Kontext — das Eval nutzt ein fixes Long-Context-Fenster, keine beliebige Dokumentlänge.
Scores
182 ZeilenEvidenz-Ledger
182182 Zeilen
88.67%bester Score
182quellgeprüft
1Quellen
2026-09-10bis 2026-06-17
Wo die Zeilen liegen
0255075100
Auf die Skala dieses Benchmarks normalisiert (0–100). Die Tabelle zeigt die Rohwerte.
Neueste Belege
- Kimi K388.67% ·
- Claude Fable 5.185.33% ·
- GPT-5.5 (high)84.33% ·
- GPT-5.6 Sol84% ·
- GPT-5.6 Luna83.67% ·
Scores nutzen die eigene Einheit und Skala dieses Benchmarks, keinen universellen Qualitätswert.
| # | Modell | Veröffentlichung | Score | Herkunft | Beleglage |
|---|---|---|---|---|---|
| 1 | Kimi K3Moonshot | 2026-07-16 | 88.67% | 2026-09-10 | Quelle geprüft |
| 2 | Claude Fable 5.1Anthropic | 2026-09-01 | 85.33% | 2026-09-10 | Quelle geprüft |
| 3 | GPT-5.5 (high)OpenAI | 2026-04-23 | 84.33% | 2026-09-10 | Quelle geprüft |
| 4 | GPT-5.6 SolOpenAI | 2026-07-09 | 84% | 2026-09-10 | Quelle geprüft |
| 5 | GPT-5.6 LunaOpenAI | 2026-07-09 | 83.67% | 2026-09-10 | Quelle geprüft |
| 6 | GPT-5.3 Codex (xhigh)OpenAI | 2026-02-05 | 83.33% | 2026-09-10 | Quelle geprüft |
| 7 | Muse GlimmerMeta | 2026-08-10 | 83.33% | 2026-09-10 | Quelle geprüft |
| 8 | Agnes 2.5 Pro BetaOther | 2026-08-26 | 83% | 2026-09-10 | Quelle geprüft |
| 9 | GPT-5.5 (medium)OpenAI | 2026-04-23 | 83% | 2026-09-10 | Quelle geprüft |
| 10 | GPT-5.6 TerraOpenAI | 2026-07-09 | 83% | 2026-09-10 | Quelle geprüft |
| 11 | MiniMax M3MiniMax | 2026-05-31 | 83% | 2026-09-10 | Quelle geprüft |
| 12 | Muse Spark 1.3Meta | 2026-09-02 | 83% | 2026-09-10 | Quelle geprüft |
| 13 | GPT-5.2OpenAI | 2025-12-11 | 82.67% | 2026-09-10 | Quelle geprüft |
| 14 | Claude Fable 5Anthropic | 2026-06-09 | 82.33% | 2026-09-10 | Quelle geprüft |
| 15 | GPT-5.2 Codex (xhigh)OpenAI | 2025-12-11 | 82.33% | 2026-09-10 | Quelle geprüft |
| 16 | Claude Opus 5 (Adaptive Reasoning, Medium Effort)Anthropic | 2026-07-24 | 82% | 2026-09-10 | Quelle geprüft |
| 17 | Claude Sonnet 5Anthropic | 2026-06-30 | 82% | 2026-09-10 | Quelle geprüft |
| 18 | Gemini 3.1 Pro PreviewGoogle | 2026-02-19 | 82% | 2026-09-10 | Quelle geprüft |
| 19 | GPT 5.4OpenAI | 2026-03-05 | 82% | 2026-09-10 | Quelle geprüft |
| 20 | Qwen3.8 27BAlibaba | 2026-08-14 | 82% | 2026-09-10 | Quelle geprüft |
| 21 | Gemini 3.7 FlashGoogle | 2026-08-13 | 81.67% | 2026-09-10 | Quelle geprüft |
| 22 | Nex-N2-ProOther | 2026-06-02 | 81.67% | 2026-09-10 | Quelle geprüft |
| 23 | Claude Opus 5 (Adaptive Reasoning, Low Effort)Anthropic | 2026-07-24 | 81.33% | 2026-09-10 | Quelle geprüft |
| 24 | DeepSeek V4 Flash Vision (Reasoning, Max Effort)DeepSeek | 2026-08-21 | 81.33% | 2026-09-10 | Quelle geprüft |
| 25 | Gemini 3.8 FlashGoogle | 2026-09-02 | 81.33% | 2026-09-10 | Quelle geprüft |
| 26 | GPT-5.5 (low)OpenAI | 2026-04-23 | 81% | 2026-09-10 | Quelle geprüft |
| 27 | Kimi K2.6Moonshot | 2026-04-20 | 81% | 2026-09-10 | Quelle geprüft |
| 28 | GPT-6 AstraOpenAI | 2026-09-03 | 80.67% | 2026-09-10 | Quelle geprüft |
| 29 | Qwen3.6 Max PreviewAlibaba | 2026-04-20 | 80.67% | 2026-09-10 | Quelle geprüft |
| 30 | Claude Opus 5 (Adaptive Reasoning, Xhigh Effort)Anthropic | 2026-07-24 | 80.33% | 2026-09-10 | Quelle geprüft |
| 31 | DeepSeek V4 Pro 0813 (Reasoning, Max Effort)DeepSeek | 2026-08-13 | 80.33% | 2026-09-10 | Quelle geprüft |
| 32 | Grok 4.6xAI | 2026-08-12 | 80.33% | 2026-09-10 | Quelle geprüft |
| 33 | Qwen3.8 2.4T A95BAlibaba | 2026-08-12 | 80.33% | 2026-09-10 | Quelle geprüft |
| 34 | Claude Sonnet 4.6 (Adaptive Reasoning, Max Effort)Anthropic | 2026-02-17 | 80% | 2026-09-10 | Quelle geprüft |
| 35 | Gemini 3.6 Flash (high)Google | 2026-07-21 | 80% | 2026-09-10 | Quelle geprüft |
| 36 | GLM-5.3-FlashZhipu | 2026-08-26 | 80% | 2026-09-10 | Quelle geprüft |
| 37 | GPT-5.1OpenAI | 2025-11-13 | 80% | 2026-09-10 | Quelle geprüft |
| 38 | K2 Horizon 375B A23BOther | 2026-09-03 | 80% | 2026-09-10 | Quelle geprüft |
| 39 | DeepSeek V4 Flash 0731 (Reasoning, Max Effort)DeepSeek | 2026-07-31 | 79.67% | 2026-09-10 | Quelle geprüft |
| 40 | GLM-5.3Zhipu | 2026-08-14 | 79.67% | 2026-09-10 | Quelle geprüft |
| 41 | MiMo-V2.5-ProXiaomi | 2026-04-22 | 79.67% | 2026-09-10 | Quelle geprüft |
| 42 | Qwen3.8-Flash-NextAlibaba | 2026-08-26 | 79.67% | 2026-09-10 | Quelle geprüft |
| 43 | Apodex 1.1Other | 2026-08-30 | 79.33% | 2026-09-10 | Quelle geprüft |
| 44 | Claude Opus 5 (Adaptive Reasoning, Max Effort)Anthropic | 2026-07-24 | 79.33% | 2026-09-10 | Quelle geprüft |
| 45 | Grok 4.5xAI | 2026-07-08 | 79.33% | 2026-09-10 | Quelle geprüft |
| 46 | Kimi K2.7 CodeMoonshot | 2026-06-12 | 79.33% | 2026-09-10 | Quelle geprüft |
| 47 | Kimi K3 (low)Moonshot | 2026-07-16 | 79.33% | 2026-09-10 | Quelle geprüft |
| 48 | Nemotron 3 Ultra 550B A55B (Reasoning)NVIDIA | 2026-06-04 | 79.33% | 2026-09-10 | Quelle geprüft |
| 49 | Claude Opus 5 (Adaptive Reasoning, High Effort)Anthropic | 2026-07-24 | 79% | 2026-09-10 | Quelle geprüft |
| 50 | Hy3Other | 2026-07-06 | 79% | 2026-09-10 | Quelle geprüft |
| 51 | Muse Spark 1.2Meta | 2026-08-05 | 79% | 2026-09-10 | Quelle geprüft |
| 52 | Qwen3.7 MaxAlibaba | 2026-05-19 | 79% | 2026-09-10 | Quelle geprüft |
| 53 | Claude Opus 4.7Anthropic | 2026-04-16 | 78.67% | 2026-09-10 | Quelle geprüft |
| 54 | GLM-5.2Zhipu | 2026-06-13 | 78.33% | 2026-09-10 | Quelle geprüft |
| 55 | MiniMax M2.7MiniMax | 2026-04-15 | 78.33% | 2026-09-10 | Quelle geprüft |
| 56 | Qwen3.6 PlusAlibaba | 2026-04-02 | 78.33% | 2026-09-10 | Quelle geprüft |
| 57 | Qwen3.8 MaxAlibaba | 2026-08-03 | 78.33% | 2026-09-10 | Quelle geprüft |
| 58 | GPT-5 (high)OpenAI | 2025-08-07 | 78.2% | 2026-09-10 | Quelle geprüft |
| 59 | Claude Opus 4.6 (Adaptive Reasoning, Max Effort)Anthropic | 2026-02-05 | 78% | 2026-09-10 | Quelle geprüft |
| 60 | Gemini 3 Flash Preview (Reasoning)Google | 2025-12-17 | 78% | 2026-09-10 | Quelle geprüft |
| 61 | Kimi K2.5Moonshot | 2026-01-27 | 78% | 2026-09-10 | Quelle geprüft |
| 62 | Muse SparkOther | 2026-01-01 | 78% | 2026-09-10 | Quelle geprüft |
| 63 | Muse Spark 1.1Meta | 2026-07-09 | 77.67% | 2026-09-10 | Quelle geprüft |
| 64 | Qwen3.5 27B (Reasoning)Alibaba | 2026-02-24 | 77.67% | 2026-09-10 | Quelle geprüft |
| 65 | Claude Opus 4.5 (Reasoning)Anthropic | 2025-11-24 | 77.33% | 2026-09-10 | Quelle geprüft |
| 66 | Inkling (xhigh)Other | 2026-07-15 | 77.33% | 2026-09-10 | Quelle geprüft |
| 67 | Qwen3.5 397B A17B (Reasoning)Alibaba | 2026-02-16 | 77.33% | 2026-09-10 | Quelle geprüft |
| 68 | Qwen3.6 27B (Reasoning)Alibaba | 2026-04-22 | 77.33% | 2026-09-10 | Quelle geprüft |
| 69 | GPT-5.4 MiniOpenAI | 2026-03-17 | 77% | 2026-09-10 | Quelle geprüft |
| 70 | GPT-5.4 (low)OpenAI | 2026-03-05 | 76.67% | 2026-09-10 | Quelle geprüft |
| 71 | GPT-5.4 NanoOpenAI | 2026-03-17 | 76.67% | 2026-09-10 | Quelle geprüft |
| 72 | Qwen3.5 122B A10B (Reasoning)Alibaba | 2026-02-24 | 76.33% | 2026-09-10 | Quelle geprüft |
| 73 | Claude 4.1 Opus (Reasoning)Anthropic | 2025-08-05 | 76% | 2026-09-10 | Quelle geprüft |
| 74 | Gemini 3 ProGoogle | 2025-11-18 | 76% | 2026-09-10 | Quelle geprüft |
| 75 | Gemini 3.5 Flash-LiteGoogle | 2026-07-21 | 76% | 2026-09-10 | Quelle geprüft |
| 76 | GPT-5 (medium)OpenAI | 2025-08-07 | 76% | 2026-09-10 | Quelle geprüft |
| 77 | Motif 3Other | 2026-08-12 | 76% | 2026-09-10 | Quelle geprüft |
| 78 | Agnes 2.5 Pro AlphaOther | 2026-07-24 | 75.67% | 2026-09-10 | Quelle geprüft |
| 79 | Claude Opus 4.7 (Non-reasoning, High Effort)Anthropic | 2026-04-16 | 75.67% | 2026-09-10 | Quelle geprüft |
| 80 | GLM-5 (Reasoning)Zhipu | 2026-02-11 | 75.67% | 2026-09-10 | Quelle geprüft |
| 81 | Inkling SmallOther | 2026-07-30 | 75.67% | 2026-09-10 | Quelle geprüft |
| 82 | Grok 4.3 (medium)xAI | 2026-04-30 | 75% | 2026-09-10 | Quelle geprüft |
| 83 | MiMo-V2-OmniXiaomi | 2026-03-19 | 75% | 2026-09-10 | Quelle geprüft |
| 84 | Grok Build 0.1 0616xAI | 2026-06-16 | 74.67% | 2026-09-10 | Quelle geprüft |
| 85 | Motif 3 (Beta)Other | 2026-07-21 | 74.67% | 2026-09-10 | Quelle geprüft |
| 86 | OpenAI o3OpenAI | 2025-04-16 | 74.67% | 2026-09-10 | Quelle geprüft |
| 87 | Gemini 3.1 Flash LiteGoogle | 2026-05-07 | 74.33% | 2026-09-10 | Quelle geprüft |
| 88 | Gemini 3.5 Flash (medium)Google | 2026-05-19 | 74.33% | 2026-09-10 | Quelle geprüft |
| 89 | Qwen3 Max ThinkingAlibaba | 2026-01-26 | 74.33% | 2026-09-10 | Quelle geprüft |
| 90 | Gemini 3 Pro Preview (low)Google | 2025-11-18 | 74% | 2026-09-10 | Quelle geprüft |
| 91 | Grok 4.3 (low)xAI | 2026-04-30 | 74% | 2026-09-10 | Quelle geprüft |
| 92 | Solar Pro 4Other | 2026-08-06 | 74% | 2026-09-10 | Quelle geprüft |
| 93 | GLM-5.1Zhipu | 2026-04-07 | 73.67% | 2026-09-10 | Quelle geprüft |
| 94 | Step 3.7 FlashStepFun | 2026-06-01 | 73.67% | 2026-09-10 | Quelle geprüft |
| 95 | DeepSeek V3.2 (Reasoning)DeepSeek | 2025-12-01 | 73.33% | 2026-09-10 | Quelle geprüft |
| 96 | Gemini 3.5 FlashGoogle | 2026-05-19 | 73.33% | 2026-09-10 | Quelle geprüft |
| 97 | MiMo-V2-Omni-0327Xiaomi | 2026-03-27 | 73.33% | 2026-09-10 | Quelle geprüft |
| 98 | MiniMax M2.5MiniMax | 2026-04-01 | 73.33% | 2026-09-10 | Quelle geprüft |
| 99 | Grok 4.3xAI | 2026-04-30 | 73% | 2026-09-10 | Quelle geprüft |
| 100 | KAT Coder Pro V2Other | 2026-03-27 | 73% | 2026-09-10 | Quelle geprüft |
| 101 | Ling 3.0 FlashOther | 2026-08-04 | 73% | 2026-09-10 | Quelle geprüft |
| 102 | MiMo-V2.5Xiaomi | 2026-04-22 | 73% | 2026-09-10 | Quelle geprüft |
| 103 | Qwen 3.7 PlusAlibaba | 2026-06-02 | 73% | 2026-09-10 | Quelle geprüft |
| 104 | Claude 4.5 Sonnet (Reasoning)Anthropic | 2025-09-29 | 72.33% | 2026-09-10 | Quelle geprüft |
| 105 | DeepSeek V4 Flash (Reasoning, High Effort)DeepSeek | 2026-04-24 | 72% | 2026-09-10 | Quelle geprüft |
| 106 | Kimi K2 ThinkingMoonshot | 2025-11-06 | 72% | 2026-09-10 | Quelle geprüft |
| 107 | GLM-5-TurboZhipu | 2026-03-15 | 71.67% | 2026-09-10 | Quelle geprüft |
| 108 | GPT-5 Codex (high)OpenAI | 2025-09-23 | 71.67% | 2026-09-10 | Quelle geprüft |
| 109 | Qwen3.6 35B A3B (Reasoning)Alibaba | 2026-04-16 | 71.67% | 2026-09-10 | Quelle geprüft |
| 110 | Solar Open2 250BOther | 2026-08-12 | 71.67% | 2026-09-10 | Quelle geprüft |
| 111 | JT-4.1 Flash 236B A21BOther | 2026-07-09 | 71.33% | 2026-09-10 | Quelle geprüft |
| 112 | MiMo-V2-Flash (Feb 2026)Xiaomi | 2025-12-16 | 71.33% | 2026-09-10 | Quelle geprüft |
| 113 | GLM-4.7 (Reasoning)Zhipu | 2025-12-22 | 71% | 2026-09-10 | Quelle geprüft |
| 114 | Claude Opus 4.5Anthropic | 2025-11-24 | 70.67% | 2026-09-10 | Quelle geprüft |
| 115 | MiMo-V2-Flash (Reasoning)Xiaomi | 2025-12-16 | 70.67% | 2026-09-10 | Quelle geprüft |
| 116 | DeepSeek V4 Pro (Reasoning, High Effort)DeepSeek | 2026-04-24 | 70.33% | 2026-09-10 | Quelle geprüft |
| 117 | GLM 5V Turbo (Reasoning)Zhipu | 2026-04-01 | 70.33% | 2026-09-10 | Quelle geprüft |
| 118 | GPT-5.2 (medium)OpenAI | 2025-12-11 | 70.33% | 2026-09-10 | Quelle geprüft |
| 119 | A.X-K2Other | 2026-08-12 | 70% | 2026-09-10 | Quelle geprüft |
| 120 | GPT-5.5 Instant (June 2026)OpenAI | 2026-06-25 | 70% | 2026-09-10 | Quelle geprüft |
| 121 | Ring-2.6-1TOther | 2026-05-08 | 70% | 2026-09-10 | Quelle geprüft |
| 122 | Gemma 4 31B ITGoogle | 2026-03-01 | 69.67% | 2026-09-10 | Quelle geprüft |
| 123 | Kimi K2.6 (Non-reasoning)Other | 2026-04-20 | 69.67% | 2026-09-10 | Quelle geprüft |
| 124 | Claude Sonnet 4.6 (Non-reasoning, Low Effort)Anthropic | 2026-02-17 | 69.33% | 2026-09-10 | Quelle geprüft |
| 125 | GPT-5.1 Codex (high)OpenAI | 2025-11-13 | 69.33% | 2026-09-10 | Quelle geprüft |
| 126 | Mistral Medium 3.5Mistral | 2026-04-29 | 69.33% | 2026-09-10 | Quelle geprüft |
| 127 | Grok 4.20 ReasoningxAI | 2026-03-05 | 69% | 2026-09-10 | Quelle geprüft |
| 128 | Claude Sonnet 4.6Anthropic | 2026-02-17 | 68.33% | 2026-09-10 | Quelle geprüft |
| 129 | MiMo-V2-ProXiaomi | 2026-03-18 | 68.33% | 2026-09-10 | Quelle geprüft |
| 130 | Grok 4xAI | 2025-07-10 | 68% | 2026-09-10 | Quelle geprüft |
| 131 | Grok 4.20 0309 (Reasoning)xAI | 2026-03-10 | 67.67% | 2026-09-10 | Quelle geprüft |
| 132 | MiniMax-M2.1MiniMax | 2025-12-23 | 67.67% | 2026-09-10 | Quelle geprüft |
| 133 | Claude Opus 4.6Anthropic | 2026-02-05 | 67% | 2026-09-10 | Quelle geprüft |
| 134 | Qwen3.6 27B (Non-reasoning)Alibaba | 2026-04-22 | 66.67% | 2026-09-10 | Quelle geprüft |
| 135 | GPT-5.5 Instant (May 2026)OpenAI | 2026-05-05 | 66.33% | 2026-09-10 | Quelle geprüft |
| 136 | JT-35B-FlashOther | 2026-05-14 | 65.67% | 2026-09-10 | Quelle geprüft |
| 137 | G9v3-39A5BOther | 2026-08-03 | 65.33% | 2026-09-10 | Quelle geprüft |
| 138 | LongCat-2.0Meituan | 2026-06-29 | 65% | 2026-09-10 | Quelle geprüft |
| 139 | OpenAI o1OpenAI | 2024-09-12 | 65% | 2026-09-10 | Quelle geprüft |
| 140 | Hy3-preview (Reasoning)Other | 2026-04-23 | 64.67% | 2026-09-10 | Quelle geprüft |
| 141 | Qwen3.5 397B A17B (Non-reasoning)Alibaba | 2026-02-16 | 64.33% | 2026-09-10 | Quelle geprüft |
| 142 | Qwen3.6 35B A3B (Non-reasoning)Alibaba | 2026-04-16 | 64.33% | 2026-09-10 | Quelle geprüft |
| 143 | GPT-5.5 (Non-reasoning)OpenAI | 2026-04-23 | 64% | 2026-09-10 | Quelle geprüft |
| 144 | Gemma 4 12B (Reasoning)Google | 2026-06-07 | 63.67% | 2026-09-10 | Quelle geprüft |
| 145 | Gemini 3.5 Flash (minimal)Google | 2026-05-19 | 61.33% | 2026-09-10 | Quelle geprüft |
| 146 | Ling 3.0 TinyOther | 2026-08-06 | 60.33% | 2026-09-10 | Quelle geprüft |
| 147 | Nemotron 3.5 LightningNVIDIA | 2026-08-11 | 60.33% | 2026-09-10 | Quelle geprüft |
| 148 | K-EXAONE 2.0 0803Other | 2026-08-12 | 60% | 2026-09-10 | Quelle geprüft |
| 149 | MiniCPM5-2BOpenBMB | 2026-09-07 | 59.33% | 2026-09-10 | Quelle geprüft |
| 1 | Claude Opus 4.8Anthropic | 2026-05-28 | 58.3% | 2026-06-17 | Quelle geprüft |
| 151 | DeepSeek R1DeepSeek | 2025-01-20 | 55.67% | 2026-09-10 | Quelle geprüft |
| 152 | Gemini 3 Flash PreviewGoogle | 2025-12-17 | 55.33% | 2026-09-10 | Quelle geprüft |
| 153 | EXAONE 4.5 33BOther | 2026-04-09 | 54.67% | 2026-09-10 | Quelle geprüft |
| 154 | DeepSeek V4 Pro (Non-reasoning)DeepSeek | 2026-04-24 | 53% | 2026-09-10 | Quelle geprüft |
| 2 | GPT 5.5OpenAI | 2026-04-23 | 52.1% | 2026-06-17 | Quelle geprüft |
| 156 | Llama 4 MaverickMeta | 2026-04-05 | 50% | 2026-09-10 | Quelle geprüft |
| 157 | Granite 4.2 30BOther | 2026-08-25 | 49% | 2026-09-10 | Quelle geprüft |
| 158 | Granite 4.2 8BOther | 2026-08-25 | 45% | 2026-09-10 | Quelle geprüft |
| 159 | GLM-5 (Non-reasoning)Zhipu | 2026-02-11 | 43.67% | 2026-09-10 | Quelle geprüft |
| 160 | GLM-5.2 (Non-reasoning)Zhipu | 2026-06-16 | 42.33% | 2026-09-10 | Quelle geprüft |
| 161 | Hy3-preview (Non-reasoning)Other | 2026-04-23 | 42% | 2026-09-10 | Quelle geprüft |
| 162 | DeepSeek V4 Flash (Non-reasoning)DeepSeek | 2026-04-24 | 41.67% | 2026-09-10 | Quelle geprüft |
| 163 | Ling-2.6-1TOther | 2026-04-23 | 41.67% | 2026-09-10 | Quelle geprüft |
| 164 | MiMo-V2.5-Pro (Non-reasoning)Xiaomi | 2026-04-22 | 41.67% | 2026-09-10 | Quelle geprüft |
| 165 | G9v3-3BOther | 2026-07-23 | 41.33% | 2026-09-10 | Quelle geprüft |
| 166 | Nemotron 3 Nano Omni 30B A3B ReasoningNVIDIA | 2026-04-29 | 39.67% | 2026-09-10 | Quelle geprüft |
| 167 | North Mini CodeCohere | 2026-06-09 | 37.33% | 2026-09-10 | Quelle geprüft |
| 168 | Mistral Large 3Mistral | 2025-12-02 | 36% | 2026-09-10 | Quelle geprüft |
| 169 | Gemma 4 12B (Non-reasoning)Google | 2026-06-10 | 35% | 2026-09-10 | Quelle geprüft |
| 170 | Grok 4.3 (Non-reasoning)xAI | 2026-04-30 | 32.33% | 2026-09-10 | Quelle geprüft |
| 171 | Ling 2.6 FlashOther | 2026-04-21 | 31.33% | 2026-09-10 | Quelle geprüft |
| 172 | Llama 4 ScoutMeta | 2026-04-05 | 27.7% | 2026-09-10 | Quelle geprüft |
| 173 | Granite 4.2 3BOther | 2026-08-25 | 24.33% | 2026-09-10 | Quelle geprüft |
| 174 | Granite 4.1 30BOther | 2026-04-29 | 23.67% | 2026-09-10 | Quelle geprüft |
| 175 | Grok 4.20 0309 v2 (Non-reasoning)xAI | 2026-04-07 | 23.33% | 2026-09-10 | Quelle geprüft |
| 176 | Command ACohere | 2026-03-15 | 21.33% | 2026-09-10 | Quelle geprüft |
| 177 | DiffusionGemma 26B A4BGoogle | 2026-06-10 | 19.67% | 2026-09-10 | Quelle geprüft |
| 178 | JT-MINIOther | 2026-04-15 | 13% | 2026-09-10 | Quelle geprüft |
| 179 | MiniCPM-V 4.6 1.3BOpenBMB | 2026-05-11 | 7% | 2026-09-10 | Quelle geprüft |
| 180 | MiniCPM5-1B (Reasoning)OpenBMB | 2026-06-04 | 6% | 2026-09-10 | Quelle geprüft |
| 181 | MiniCPM5-1B (Non-reasoning)OpenBMB | 2026-05-25 | 5% | 2026-09-10 | Quelle geprüft |
| 182 | LFM2.5-8B-A1BLiquid | 2026-06-08 | 0% | 2026-09-10 | Quelle geprüft |
Was er abdeckt
Dieser Benchmark gehört zur Familie langer kontext. Sein Format: 100 offene Antwortfragen mit langen Kontextpassagen; Equality-Checker-LLM-Bewertung, pass@1. Der Score sollte immer mit Aufgabenformat, Bewertungsmethode, Quelldatum und Benchmark-Version gelesen werden.
Wo er an Grenzen stößt
Hohe Werte bei In-Prompt-Long-Context beweisen keine verlässliche Retrieval-Qualität aus externen Korpora oder multimodalen Dokumenten.
Belege
Quellen und weiterführende Lektüre
AA-LCR-Evaluation· geprüft 2026-06-22
Fragen zu diesem Benchmark
Jede Antwort unten stammt aus den datierten Feldern dieser Seite. Nichts davon ist zusätzlich für Suchmaschinen geschrieben.
Was misst AA-LCR?
Long-Context-Synthese und Reasoning: 100 offene Antwortfragen, die Modelle zwingen, Evidenz über lange Inputs zu integrieren. 5 % Gewicht im AA Intelligence Index v4.3.
Was beweist ein hoher AA-LCR-Wert nicht?
Ein starkes AA-LCR-Ergebnis sagt nichts aus über:
- Retrieval aus externen Datenbanken — der Kontext liegt nur im Prompt.
- Multimodale Langdokumente — AA-LCR ist im aktuellen AA-Harness nur Text.
- Unendlicher Kontext — das Eval nutzt ein fixes Long-Context-Fenster, keine beliebige Dokumentlänge.
Wie wird AA-LCR bewertet?
pass@1-Genauigkeit mit 3 Wiederholungen. Aufgabenformat: 100 offene Antwortfragen mit langen Kontextpassagen; Equality-Checker-LLM-Bewertung, pass@1.
Ist AA-LCR gesättigt?
AA-LCR ist im Atlas derzeit als Aktiv markiert.
Können AA-LCR-Ergebnisse durch Trainingsdaten verunreinigt sein?
Das Kontaminationsrisiko für AA-LCR ist als Kontamination niedrig eingestuft. Behandle jede Zeile auf dieser Seite als öffentliche Angabe mit Quelle und Datum, nicht als kontrolliertes Experiment.
The Pack · Redaktionsnewsletter
Neue Tools in dein Postfach. Kostenlos.
Eine kurze E-Mail, wenn ein Tool erscheint oder den Status wechselt. Kein Tracking, keine Drittanbieter-Analytics. Abmeldung mit einem Klick.