Live-Ranking, alle 2 Tage aktualisiert
KI-Ranking: Die besten KI-Modelle im LLM-Leaderboard
Im KI-Ranking ist Stand 8. Oktober 2026 gemini-4-argon-high von Google das bestplatzierte Modell bei dem Text-Leaderboard von LMArena mit einem Score von 1.525, 18 Punkte vor claude-opus-5.5-high von Anthropic.
Aktualisiert 13. Oktober 2026. Angezeigt wird die zuletzt gespeicherte Kopie des Leaderboards vom 8. Oktober 2026, da die Live-Quelle nicht erreichbar war.
Die Rankings basieren auf blinden Direktvergleichen bei LMArena, der größten öffentlichen Arena für menschliche Präferenzen bei KI-Modellen. Wir lesen den offenen Datensatz alle 2 Tage aus und berechnen, wer führt, mit welchem Vorsprung und wie sich das verändert hat.
Bester KI-Chatbot: Welcher Assistent liegt vorn, wenn die Qualität aus Blindabstimmungen mit der realen Nutzung kombiniert wird.
Ranking: Top 10 Modelle
Die Scores stammen aus blinden Direktvergleichen zu dem Text-Leaderboard von LMArena. Der Rang ist der von LMArena veröffentlichte Rang, der Konfidenzintervalle berücksichtigt, sodass sich mehrere Modelle einen Rang teilen können. Unten sehen Sie die Top 10, die Ränge 11 bis 60 folgen in der aufklappbaren Liste.
| Rang | Modell | Labor | Score | Stimmen | Lizenz |
|---|---|---|---|---|---|
| 1 | gemini-4-argon-high | 1.525 ±9 | 4.892 | Proprietär | |
| 2 | claude-opus-5.5-high | Anthropic | 1.507 ±8 | 6.272 | Proprietär |
| 3 | claude-opus-4-6-high | Anthropic | 1.504 ±3 | 79.415 | Proprietär |
| 4 | claude-fable-5-high | Anthropic | 1.504 ±4 | 40.026 | Proprietär |
| 5 | claude-opus-4-7-high | Anthropic | 1.501 ±4 | 65.192 | Proprietär |
| 6 | claude-fable-5.1-max | Anthropic | 1.501 ±6 | 13.063 | Proprietär |
| 7 | claude-opus-4-6 | Anthropic | 1.498 ±3 | 84.095 | Proprietär |
| 8 | gemini-3.8-flash-high | 1.497 ±5 | 31.437 | Proprietär | |
| 9 | muse-spark-1.3-max | Meta | 1.494 ±6 | 14.694 | Proprietär |
| 10 | claude-opus-4-7 | Anthropic | 1.494 ±4 | 66.315 | Proprietär |
Ränge 11 bis 60 anzeigen
Rang Modell Labor Score Lizenz 11 muse-spark-1.2 (xHigh) Meta 1.492 ±8 Proprietär 12 muse-spark-1.1 Meta 1.491 ±4 Proprietär 13 claude-opus-5-high Anthropic 1.490 ±4 Proprietär 14 claude-opus-5-max Anthropic 1.489 ±5 Proprietär 15 muse-spark Meta 1.489 ±6 Proprietär 16 kimi-k3-max Moonshot AI 1.488 ±5 Offene Gewichte 17 gemini-3.1-pro-preview Google 1.487 ±3 Proprietär 18 gemini-3.7-flash-high Google 1.486 ±5 Proprietär 19 gemini-3-pro Google 1.485 ±4 Proprietär 20 gpt-5.6-sol-xhigh OpenAI 1.485 ±4 Proprietär 21 gpt-6.1-sol-max OpenAI 1.484 ±9 Proprietär 22 qwen3.8-max Alibaba (Qwen) 1.483 ±5 Proprietär 23 gemini-3.6-flash-high Google 1.482 ±4 Proprietär 24 gpt-5.5-high OpenAI 1.482 ±4 Proprietär 25 claude-opus-4-8-high Anthropic 1.481 ±4 Proprietär 26 mimo-v2.6-pro Xiaomi 1.480 ±9 Offene Gewichte 27 glm-5.3-max Z.ai (Zhipu) 1.478 ±5 Offene Gewichte 28 gemini-3.5-flash-high Google 1.478 ±4 Proprietär 29 gpt-5.5 OpenAI 1.477 ±4 Proprietär 30 gemini-3.5-flash-medium Google 1.476 ±4 Proprietär 31 gpt-5.2-chat-latest-20260210 OpenAI 1.476 ±4 Proprietär 32 claude-sonnet-5.5-xhigh Anthropic 1.476 ±9 Proprietär 33 glm-5.2-max Z.ai (Zhipu) 1.475 ±4 Offene Gewichte 34 gpt-5.4-high OpenAI 1.475 ±4 Proprietär 35 gpt-6-astra-max OpenAI 1.475 ±7 Proprietär 36 qwen3.7-max-preview Alibaba (Qwen) 1.475 ±10 Proprietär 37 grok-4.20-beta1 xAI 1.475 ±5 Proprietär 38 glm-5.3-flash Z.ai (Zhipu) 1.475 ±5 Offene Gewichte 39 deepseek-v4.1-flash-max DeepSeek 1.475 ±7 Offene Gewichte 40 claude-opus-4-8 Anthropic 1.474 ±4 Proprietär 41 claude-opus-4-5-20251101-high-32k Anthropic 1.474 ±4 Proprietär 42 gpt-5.5-instant OpenAI 1.473 ±5 Proprietär 43 gemini-3-flash Google 1.473 ±4 Proprietär 44 claude-sonnet-4-6 Anthropic 1.472 ±4 Proprietär 45 grok-4.20-beta-0309-reasoning xAI 1.472 ±4 Proprietär 46 grok-4.20-multi-agent-beta-0309 xAI 1.470 ±4 Proprietär 47 claude-opus-4-5-20251101 Anthropic 1.470 ±3 Proprietär 48 mimo-v2.5-pro Xiaomi 1.468 ±4 Offene Gewichte 49 ernie-5.1 Baidu 1.467 ±5 Proprietär 50 gpt-5.6-terra-xhigh OpenAI 1.466 ±4 Proprietär 51 grok-4.5 xAI 1.466 ±4 Proprietär 52 grok-4.1-thinking xAI 1.465 ±3 Proprietär 53 gpt-5.4 OpenAI 1.465 ±4 Proprietär 54 qwen3.5-max-preview Alibaba (Qwen) 1.465 ±5 Proprietär 55 deepseek-v4-pro-high-20260813 DeepSeek 1.465 ±7 Offene Gewichte 56 glm-5.1 Z.ai (Zhipu) 1.464 ±4 Offene Gewichte 57 claude-sonnet-5-high Anthropic 1.461 ±4 Proprietär 58 kimi-k2.6 Moonshot AI 1.461 ±4 Offene Gewichte 59 qwen3.6-max-preview Alibaba (Qwen) 1.460 ±8 Proprietär 60 grok-4.1 xAI 1.459 ±3 Proprietär
Angezeigt werden die Top 60 von 414 Modellen in diesem Leaderboard. Daten vom 8. Oktober 2026.
Bestes Modell je Labor
Das jeweils höchstplatzierte Modell jedes Labors in diesem Leaderboard und sein Abstand zur Spitze.
| Labor | Bestes Modell | Rang | Score | Rückstand auf Platz 1 |
|---|---|---|---|---|
| gemini-4-argon-high | 1 | 1.525 | Spitzenreiter | |
| Anthropic | claude-opus-5.5-high | 2 | 1.507 | 18 Pkt. |
| Meta | muse-spark-1.3-max | 9 | 1.494 | 31 Pkt. |
| Moonshot AI | kimi-k3-max | 16 | 1.488 | 37 Pkt. |
| OpenAI | gpt-5.6-sol-xhigh | 20 | 1.485 | 40 Pkt. |
| Alibaba (Qwen) | qwen3.8-max | 22 | 1.483 | 42 Pkt. |
| Xiaomi | mimo-v2.6-pro | 26 | 1.480 | 45 Pkt. |
| Z.ai (Zhipu) | glm-5.3-max | 27 | 1.478 | 47 Pkt. |
| xAI | grok-4.20-beta1 | 37 | 1.475 | 51 Pkt. |
| DeepSeek | deepseek-v4.1-flash-max | 39 | 1.475 | 51 Pkt. |
| Baidu | ernie-5.1 | 49 | 1.467 | 58 Pkt. |
| ByteDance | dola-seed-2.0-pro | 65 | 1.456 | 69 Pkt. |
Welches KI-Labor führt?
Das Labor mit den meisten Modellen an der Spitze des Boards verfügt über die größte Breite, nicht nur über das einzelne beste Modell.
Anthropic stellt 7 der Top 10 Modelle (70 %). Anthropic stellt 9 der Top 20 Modelle (45 %).
Modelle in den Top 10 nach Labor
Modelle in den Top 20 nach Labor
Datentabelle anzeigen
| Labor | Top 10 | Top 20 |
|---|---|---|
| Anthropic | 7 | 9 |
| 2 | 5 | |
| Meta | 1 | 4 |
| Moonshot AI | 0 | 1 |
| OpenAI | 0 | 1 |
Wer die Nummer 1 war
Zwischen 28. August 2024 und 8. Oktober 2026 veröffentlichte LMArena 188 Text-Leaderboards. Das Labor auf Platz 1 wechselte 7 Mal. Google hält Platz 1 seit 30. September 2026, 8 Tage zum Stand des aktuellen Leaderboards. Aktueller Spitzenreiter ist gemini-4-argon-high.
- OpenAI
- Anthropic
| Labor | Tage auf Platz 1 | Anteil am Zeitraum | Längste Serie (Tage) |
|---|---|---|---|
| OpenAI | 314 | 41% | 300 |
| Anthropic | 240 | 31% | 236 |
| 217 | 28% | 122 |
Jede Amtszeit auf Platz 1
| Von | Bis | Labor | Modell | Tage |
|---|---|---|---|---|
| 30. September 2026 | 8. Oktober 2026 | gemini-4-argon-high | 8 | |
| 6. Februar 2026 | 30. September 2026 | Anthropic | claude-opus-5.5-high | 236 |
| 7. Oktober 2025 | 6. Februar 2026 | gemini-3-pro | 122 | |
| 3. Oktober 2025 | 7. Oktober 2025 | Anthropic | claude-sonnet-4-5-20250929-thinking-32k | 4 |
| 21. August 2025 | 3. Oktober 2025 | gemini-2.5-pro | 43 | |
| 7. August 2025 | 21. August 2025 | OpenAI | gpt-5-high | 14 |
| 24. Juni 2025 | 7. August 2025 | gemini-2.5-pro | 44 | |
| 28. August 2024 | 24. Juni 2025 | OpenAI | o3-2025-04-16 | 300 |
Der Verlauf nutzt das stilkontrollierte Text-Leaderboard, das der Datensatz ab 28. August 2024 erfasst. Die Zeiträume werden zwischen veröffentlichten Leaderboards berechnet und sind daher nur auf das Veröffentlichungsintervall genau.
Top-10-Anteil je Labor im Zeitverlauf
Der Anteil der zehn bestbewerteten Modelle, den jedes Labor in jedem veröffentlichten Leaderboard stellte.
Datentabelle: Top-10-Anteil nach Quartal
| Datum | OpenAI | Anthropic | xAI | |
|---|---|---|---|---|
| 27. September 2024 | 50% | 10% | 10% | 10% |
| 30. Dezember 2024 | 40% | 20% | 20% | 0% |
| 30. März 2025 | 50% | 20% | 0% | 10% |
| 24. Juni 2025 | 50% | 10% | 20% | 10% |
| 30. September 2025 | 50% | 20% | 10% | 10% |
| 30. Dezember 2025 | 10% | 40% | 30% | 20% |
| 31. März 2026 | 20% | 30% | 30% | 20% |
| 25. Juni 2026 | 10% | 60% | 20% | 0% |
| 30. September 2026 | 0% | 70% | 10% | 0% |
| 8. Oktober 2026 | 0% | 70% | 20% | 0% |
Quartalsstichprobe plus aktuelles Leaderboard. Das Diagramm nutzt alle 188 Leaderboards.
Open vs. proprietär: Wie groß ist der Abstand?
Das beste Open-Weight-Modell ist kimi-k3-max von Moonshot AI mit 1.488. Es liegt 37 Punkte hinter dem besten proprietären Modell, gemini-4-argon-high von Google mit 1.525. Die 95-%-Konfidenzintervalle überlappen sich nicht, der Abstand ist also statistisch aussagekräftig.
15 proprietäre Modelle liegen vor dem besten Open-Weight-Modell, und 1 der Top 20 ist Open-Weight.
Open-Weight bedeutet hier jede Lizenz außer „Proprietary“, einschließlich Lizenzen mit Nutzungsbeschränkungen. Das ist eine weitere Definition als die der OSI.
Weitere Leaderboards
LMArena betreibt separate Arenen für verschiedene Aufgaben. Das beste Modell für die eine ist oft nicht das beste für die andere.
Weitere Arenen
- WebDev: claude-opus-5.5-max von Anthropic, 1.811
- Vision: claude-fable-5-high von Anthropic, 1.308
- Suche: gpt-5.6-sol-xhigh von OpenAI, 1.258
- Dokument: claude-fable-5 von Anthropic, 1.499
- Text zu Bild: gpt-image-2.5-sunburst von OpenAI, 1.425
- Bildbearbeitung: gpt-image-2.5-sunburst von OpenAI, 1.524
- Text zu Video: gemini-omni-1.1-flash von Google, 1.516
Text-Arena nach Kategorie
Text-Arena nach Sprache
So lesen Sie dieses Leaderboard
Die Text-Arena ist das Flaggschiff von LMArena: Nutzer senden einen beliebigen Prompt, vergleichen zwei anonyme Antworten und stimmen ab. Sie misst die allgemeine Präferenz bei Schreiben, Logik, Coding und Alltagsfragen.
- Die Scores basieren auf Blindabstimmungen
- LMArena zeigt einer Person zwei anonyme Antworten auf denselben Prompt und fragt, welche besser ist. Diese direkten Duelle werden mit einem Bradley-Terry-Modell, dem statistischen Nachfolger von Elo, ausgewertet, sodass jedes Modell einen Arena-Score erhält. Auf der von LMArena verwendeten Elo-Skala gewinnt das Modell mit 100 Punkten Vorsprung erwartungsgemäß rund 64 % der Duelle.
- Konfidenzintervalle entscheiden bei Gleichstand
- Jeder Score hat ein 95-%-Konfidenzintervall. Überlappen sich zwei Intervalle, ist die Reihenfolge dieser beiden Modelle nicht gesichert. Die Rangspalte von LMArena berücksichtigt das bereits, weshalb mehrere Modelle denselben Rang belegen können.
- Die Stimmen zeigen, wie belastbar ein Score ist
- „Stimmen“ zählt die direkten Duelle hinter einem Score. Ein neues Modell startet mit einem breiten Intervall, das sich mit wachsender Stimmenzahl verengt. Ein hoher Score bei wenigen Stimmen ist daher mit Vorsicht zu genießen.
- Style Control beseitigt die Längenverzerrung
- Das Text-Leaderboard nutzt Style Control, seit Mai 2025 der Standard bei LMArena. Es gleicht Antwortlänge und Formatierung statistisch aus, sodass ein Modell nicht allein durch längere oder stärker formatierte Antworten aufsteigen kann.
- Warum es von Benchmarks abweicht
- Arena-Scores messen, was Menschen bei offenen Prompts bevorzugen. Feste Benchmarks messen die Genauigkeit bei vorgegebenen Fragen. Ein Modell kann bei einem vorn liegen und beim anderen zurückfallen, denn beide beantworten unterschiedliche Fragen.
- Warum sich das vom Nutzungsanteil unterscheidet
- Ein hoher Rang heißt nicht, dass viele Menschen ein Modell nutzen. Die Nutzung hängt von Preis, Verbreitung und Gewohnheit ab. Wenn es um Verbreitung statt Qualität geht, siehe KI-Marktanteil.
Methodik und Quelle
Alle Rankings stammen aus dem LMArena-Leaderboard-Datensatz auf Hugging Face, veröffentlicht von LMArena (früher Chatbot Arena) unter der Lizenz Creative Commons Attribution 4.0. Die Urheberschaft der zugrunde liegenden Stimmen, Scores und Konfidenzintervalle liegt bei LMArena. Essentras ist nicht mit LMArena verbunden.
Diese Seite liest die Teilmenge text_style_control, Kategorie overall, aus dem neuesten Split des Datensatzes. Scores, Intervalle, Ränge, Stimmenzahlen und Lizenzangaben werden wie veröffentlicht angezeigt. Essentras ergänzt die Gruppierung nach Labor und die abgeleiteten Werte auf dieser Seite: Abstände, Anteile der Labore, Open vs. proprietär und, auf der Hauptseite, den Verlauf, wer Platz 1 innehatte.
Die Daten werden automatisch alle 2 Tage aktualisiert. Ist die Quelle nicht erreichbar, greift die Seite auf die zuletzt gespeicherte Kopie zurück und weist oben darauf hin. Modelle werden nie zusammengeführt oder umbenannt; Modell- und Labornamen erscheinen genau so, wie LMArena sie veröffentlicht.
Open-Weight bedeutet jede Lizenz außer Proprietary. Der Verlauf beschränkt sich auf das, was der Datensatz erfasst: das stilkontrollierte Text-Leaderboard ab 28. August 2024. Andere Ranking-Seiten scrapen wir nicht.
Verfolgen Sie mit unserem KI-SEO-Service, wie KI-Modelle Ihre Marke einordnen und beschreiben. Sollen diese Modelle Ihre Marke nennen? Lesen Sie unseren Leitfaden zu LLM SEO.
Häufig gestellte Fragen
Welches ist aktuell das beste KI-Modell?
Stand 8. Oktober 2026 führt gemini-4-argon-high von Google das Text-Leaderboard von LMArena mit einem Score von 1.525 an. „Am besten“ hängt von der Aufgabe ab: Die Leaderboards für Coding, Vision und Suche haben oft andere Spitzenreiter, siehe die Links oben.
Welches ist das beste LLM zum Programmieren?
In der WebDev Arena von LMArena, die das Erstellen funktionierender Web-Apps testet, führt claude-opus-5.5-max von Anthropic mit 1.811 (Stand 13. Oktober 2026). In der Coding-Kategorie der Text-Arena führt gemini-4-argon-high von Google mit 1.562.
Was ist besser: ChatGPT, Gemini oder Claude?
Im Text-Leaderboard, Stand 8. Oktober 2026: das beste Modell von Google, gemini-4-argon-high, liegt auf Rang 1 mit 1.525, das beste Modell von Anthropic, claude-opus-5.5-high, liegt auf Rang 2 mit 1.507 und das beste Modell von OpenAI, gpt-5.6-sol-xhigh, liegt auf Rang 20 mit 1.485. Google liegt vorn, 18 Punkte vor dem nächsten der drei und außerhalb des Konfidenzintervalls.
Was ist ein LLM-Leaderboard?
Ein LLM-Leaderboard ordnet große Sprachmodelle nach gemessener Leistung. Manche nutzen feste Benchmarks mit richtigen Antworten. Das von LMArena basiert auf menschlicher Präferenz: Nutzer vergleichen zwei anonyme Antworten und stimmen ab, aus den Stimmen entsteht ein Score pro Modell.
Wie werden KI-Modelle bewertet?
Jede Stimme ist ein direkter Vergleich zweier Modelle. Ein Bradley-Terry-Modell macht aus Tausenden davon einen Score pro Modell, mit 95%-Konfidenzintervall. Die Modelle werden nach Score gereiht, und Modelle mit überlappenden Intervallen können sich einen Rang teilen.
Liegt das beste Open-Source-Modell nah am besten proprietären Modell?
Das beste Open-Weight-Modell ist kimi-k3-max von Moonshot AI mit 1.488. Es liegt 37 Punkte hinter dem besten proprietären Modell, gemini-4-argon-high von Google mit 1.525. 15 proprietäre Modelle liegen vor dem besten Open-Weight-Modell, und 1 der Top 20 ist Open-Weight. Die 95-%-Konfidenzintervalle überlappen sich nicht, der Abstand ist also statistisch aussagekräftig. „Open“ bedeutet hier jede Lizenz außer Proprietary und ist damit weiter gefasst als die OSI-Definition.
Wie oft ändert sich das Leaderboard?
LMArena hat von 28. August 2024 bis 8. Oktober 2026 188 Text-Leaderboards veröffentlicht, und das Labor auf Platz 1 wechselte in diesem Zeitraum 7 Mal. Diese Seite liest den Datensatz alle 2 Tage neu ein und zeigt das Datum der neuesten veröffentlichten Daten.
Modelle bewerten sich selbst. Was sagen sie über Sie?
Ein Leaderboard zeigt, welche KI-Modelle am stärksten sind. Es zeigt nicht, was diese Modelle Ihren Kunden über Ihr Unternehmen erzählen. Starten Sie den kostenlosen Check und sehen Sie die Antworten.