Live-Ranking, alle 2 Tage aktualisiert

Beste KI-Modelle für Mathe

Im KI-Ranking ist Stand 8. Oktober 2026 gemini-4-argon-high von Google das bestplatzierte Modell bei dem Text-Leaderboard von LMArena, Kategorie Mathe mit einem Score von 1.528, 5 Punkte vor claude-fable-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.

Ranking: Top 10 Modelle

Die Scores stammen aus blinden Direktvergleichen zu dem Text-Leaderboard von LMArena, Kategorie Mathe. 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 40 folgen in der aufklappbaren Liste.

Modelle nach Arena-Score gerankt
Rang	Modell	Labor	Score	Stimmen	Lizenz
1	gemini-4-argon-high	Google	1.528 ±35	271	Proprietär
2	claude-fable-5-high	Anthropic	1.524 ±13	1.981	Proprietär
3	claude-fable-5.1-max	Anthropic	1.522 ±23	626	Proprietär
4	gemini-3.8-flash-high	Google	1.522 ±15	1.584	Proprietär
5	claude-opus-5-high	Anthropic	1.521 ±12	2.975	Proprietär
6	claude-opus-4-6-high	Anthropic	1.518 ±10	4.085	Proprietär
7	claude-opus-5-max	Anthropic	1.514 ±16	1.429	Proprietär
8	claude-sonnet-5.5-xhigh	Anthropic	1.512 ±36	252	Proprietär
9	claude-opus-4-6	Anthropic	1.507 ±9	4.570	Proprietär
10	claude-opus-4-7-high	Anthropic	1.504 ±11	3.292	Proprietär

Ränge 11 bis 40 anzeigen

Rang Modell                   Labor           Score         Lizenz
11   gemini-3.7-flash-high    Google          1.503 ±17     Proprietär
12   gemini-3.6-flash-high    Google          1.502 ±14     Proprietär
13   glm-5.3-flash            Z.ai (Zhipu)    1.502 ±16     Offene Gewichte
14   muse-spark-1.3-max       Meta            1.502 ±22     Proprietär
15   gpt-5.5                  OpenAI          1.500 ±11     Proprietär
16   claude-opus-5.5-high     Anthropic       1.499 ±31     Proprietär
17   kimi-k3-max              Moonshot AI     1.498 ±16     Offene Gewichte
18   gemini-3.5-flash-high    Google          1.497 ±12     Proprietär
19   qwen3.8-max              Alibaba (Qwen)  1.497 ±17     Proprietär
20   gpt-5.6-sol-xhigh        OpenAI          1.496 ±14     Proprietär
21   muse-spark-1.1           Meta            1.495 ±14     Proprietär
22   claude-opus-4-8-high     Anthropic       1.494 ±11     Proprietär
23   deepseek-v4.1-flash-max  DeepSeek        1.493 ±23     Offene Gewichte
24   gpt-5.5-high             OpenAI          1.493 ±10     Proprietär
25   glm-5.3-max              Z.ai (Zhipu)    1.492 ±20     Offene Gewichte
26   claude-opus-4-7          Anthropic       1.492 ±11     Proprietär
27   gpt-5.4-high             OpenAI          1.492 ±11     Proprietär
28   gemini-3.1-pro-preview   Google          1.488 ±8      Proprietär
29   gpt-6.1-sol-max          OpenAI          1.488 ±35     Proprietär
30   mistral-large-4          Mistral AI      1.486 ±38     Proprietär
31   gpt-6-astra-max          OpenAI          1.486 ±25     Proprietär
32   qwen3.7-max-preview      Alibaba (Qwen)  1.486 ±38     Proprietär
33   glm-5.2-max              Z.ai (Zhipu)    1.486 ±13     Offene Gewichte
34   mimo-v2.6-pro            Xiaomi          1.483 ±40     Offene Gewichte
35   hy3                      Tencent         1.482 ±24     Offene Gewichte
36   gpt-5.6-terra-xhigh      OpenAI          1.482 ±14     Proprietär
37   gemini-3.5-flash-medium  Google          1.482 ±13     Proprietär
38   muse-spark-1.2 (xHigh)   Meta            1.481 ±33     Proprietär
39   mimo-v2.5-pro            Xiaomi          1.480 ±10     Offene Gewichte
40   kimi-k2.6                Moonshot AI     1.480 ±13     Offene Gewichte

Angezeigt werden die Top 40 von 400 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
Google	gemini-4-argon-high	1	1.528	Spitzenreiter
Anthropic	claude-fable-5-high	2	1.524	5 Pkt.
Z.ai (Zhipu)	glm-5.3-flash	13	1.502	27 Pkt.
Meta	muse-spark-1.3-max	14	1.502	27 Pkt.
OpenAI	gpt-5.5	15	1.500	28 Pkt.
Moonshot AI	kimi-k3-max	17	1.498	31 Pkt.
Alibaba (Qwen)	qwen3.8-max	19	1.497	32 Pkt.
DeepSeek	deepseek-v4.1-flash-max	23	1.493	35 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 8 der Top 10 Modelle (80 %).

Modelle in den Top 10 nach Labor

Datentabelle anzeigen

Labor	Top 10
Anthropic	8
Google	2

Open vs. proprietär: Wie groß ist der Abstand?

12 proprietäre Modelle liegen vor dem besten Open-Weight-Modell, und 2 der Top 20 sind 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

Text (gesamt)
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

Diese Kategorie filtert die Text-Arena auf Mathe-Prompts, von Arithmetik und Algebra bis zu Beweisen. Die Stimmen zeigen, welche Antwort Nutzer besser fanden, einschließlich der Klarheit der Argumentation.

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.
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 math, 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 das beste KI-Modell für Mathe?

Stand 8. Oktober 2026 führt gemini-4-argon-high von Google das Ranking auf dem Text-Leaderboard von LMArena, Kategorie Mathe mit einem Score von 1.528 an. Die Platzierungen verändern sich, sobald neue Modelle und Stimmen hinzukommen. Die aktuelle Reihenfolge finden Sie in der Tabelle oben.

Welches KI-Labor führt bei Mathe?

Anthropic stellt 8 der Top-10-Modelle (80 %), vor Google (2).

Liegt das beste Open-Source-Modell nah am besten proprietären Modell?

Das beste Open-Weight-Modell ist glm-5.3-flash von Z.ai (Zhipu) mit 1.502. Es liegt 27 Punkte hinter dem besten proprietären Modell, gemini-4-argon-high von Google mit 1.528. 12 proprietäre Modelle liegen vor dem besten Open-Weight-Modell, und 2 der Top 20 sind Open-Weight. Die 95-%-Konfidenzintervalle überlappen sich, die Daten können die beiden also nicht voneinander trennen. „Open“ bedeutet hier jede Lizenz außer Proprietary und ist damit weiter gefasst als die OSI-Definition.

Was misst dieses Leaderboard?

Wie oft wird dieses Leaderboard aktualisiert?

Diese Seite liest den Datensatz von LMArena alle 2 Tage neu ein. LMArena veröffentlicht einen neuen Snapshot, sobald genug Stimmen gesammelt oder Modelle hinzugefügt wurden. Das Datum oben zeigt daher den neuesten veröffentlichten Stand.

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.

So beschreiben diese Modelle Ihre Marke KI-SEO entdecken