Hilf mit, öffentliche Daten korrekt zu halten
Fehlt etwas oder ist etwas falsch oder veraltet? Gib uns Rückmeldung zu dieser Seite.
Fehlt etwas oder ist etwas falsch oder veraltet? Gib uns Rückmeldung zu dieser Seite.
Ergebnisse von KI-Benchmarks und Modellleistung
Einzelne Benchmark-Punktzahlen nach Datum.
| Organisation | Modelle | Gemeldet am | Höchste Punktzahl | Info | Selbst gemeldet | Quelle |
|---|---|---|---|---|---|---|
| Gemini 4 Argon | 13. Okt. 2026 | 77,90 % | Google-reported launch evaluation; source chart: https://storage.googleapis.com/gweb-uniblog-publish-prod/original_images/gemini-4-argon_table_blog.gif | Ja | Quelle | |
| DeepSeek V4.1 Flash | 10. Sept. 2026 | 74,20 % | Instruct model; reasoning_effort=100; mini-SWE harness; Resolved | Ja | Quelle | |
| GPT-6 Astra | 03. Sept. 2026 | 74,10 % | DeepSWE v1.1 | Ja | Quelle | |
| GPT 5.5 | 23. Apr. 2026 | 70 % | mini-swe-agent; effort xhigh; 70% +/-3%; avg cost $6.61; avg time 21m; out tok 47k | Nein | Quelle | |
| Claude Opus 5 | 24. Juli 2026 | 68,80 % | DeepSWE v1.1; 113 long-horizon tasks; adaptive thinking at max effort; average of 5 trials | Ja | Quelle | |
| Kimi K3 | 16. Juli 2026 | 67,50 % | KimiCode harness; Moonshot release-table score. The official DeepSWE leaderboard reports a separate 67.3 result with mini-SWE-agent. | Ja | Quelle | |
| Claude Opus 4.8 | 28. Mai 2026 | 58 % | mini-swe-agent; effort max; 58% +/-2%; avg cost $12.58; avg time 43m; out tok 136k | Nein | Quelle | |
| GPT 5.4 | 05. März 2026 | 56 % | mini-swe-agent; effort xhigh; 56% +/-2%; avg cost $4.38; avg time 27m; out tok 71k | Nein | Quelle | |
| DeepSeek V4 Flash 0731 | 31. Juli 2026 | 54,40 % | DeepSeek-V4-Flash-0731 | Ja | Quelle | |
| Claude Opus 4.7 | 16. Apr. 2026 | 54 % | mini-swe-agent; effort max; 54% +/-5%; avg cost $18.19; avg time 39m; out tok 103k | Nein | Quelle | |
| Muse Spark 1.1 | 09. Juli 2026 | 53,30 % | DeepSWE 1.1; long-horizon agentic coding | Ja | Quelle | |
| Qwen 3.8 27B | 14. Aug. 2026 | 42,20 % | DeepSWE 1.1 | Ja | Quelle | |
| Claude Sonnet 4.6 | 17. Feb. 2026 | 32 % | mini-swe-agent; effort high; 32% +/-2%; avg cost $5.52; avg time 42m; out tok 76k | Nein | Quelle | |
| Claude Opus 4.6 | 05. Feb. 2026 | 28 % | mini-swe-agent; effort max; 28% +/-4%; avg cost $5.39; avg time 30m; out tok 44k | Nein | Quelle | |
| Gemini 3.5 Flash | 19. Mai 2026 | 28 % | mini-swe-agent; effort medium; 28% +/-4%; avg cost $7.42; avg time 17m; out tok 189k | Nein | Quelle | |
| Kimi K2.6 | 20. Apr. 2026 | 24 % | mini-swe-agent; 24% +/-2%; avg cost $3.16; avg time 56m; out tok 84k | Nein | Quelle | |
| GPT 5.4 Mini | 17. März 2026 | 24 % | mini-swe-agent; effort xhigh; 24% +/-3%; avg cost $2.08; avg time 33m; out tok 135k | Nein | Quelle | |
| MiniMax M3 | 01. Juni 2026 | 20 % | mini-swe-agent; 20% +/-4%; avg cost $5.57; avg time 57m; out tok 98k | Nein | Quelle | |
| MiMo V2.5 Pro | 23. Apr. 2026 | 19 % | mini-swe-agent; 19% +/-2%; avg cost $1.99; avg time 28m; out tok 49k | Nein | Quelle | |
| GLM 5.1 | 07. Apr. 2026 | 18 % | mini-swe-agent; 18% +/-1%; avg cost $7.46; avg time 35m; out tok 49k | Nein | Quelle | |
| Grok Build 0.1 | 15. Mai 2026 | 13 % | mini-swe-agent; 13% +/-2%; avg cost $6.60; avg time 44m; out tok 52k | Nein | Quelle | |
| Gemini 3.1 Pro Preview | 19. Feb. 2026 | 10 % | DeepSWE label: gemini-3.1-pro; mini-swe-agent; 10% +/-3%; avg cost $1.84; avg time 36m; out tok 53k | Nein | Quelle | |
| DeepSeek V4 Pro | 24. Apr. 2026 | 8 % | mini-swe-agent; 8% +/-3%; avg cost $4.22; avg time 37m; out tok 50k | Nein | Quelle | |
| Gemini 3 Flash Preview | 17. Dez. 2025 | 5 % | DeepSWE label: gemini-3-flash; mini-swe-agent; 5% +/-2%; avg cost $1.53; avg time 39m; out tok 233k | Nein | Quelle |
