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 |
|---|---|---|---|---|---|---|
| Muse Spark 1.1 | 09. Juli 2026 | 88,10 % | MCP Atlas; scaled tool use | Ja | Quelle | |
| Kimi K3 | 16. Juli 2026 | 84,20 % | 500-task public subset; 100-turn limit; Gemini 3.1 Pro judge. | Ja | Quelle | |
| Gemini 3.5 Flash | 19. Mai 2026 | 83,60 % | MCP Atlas | Ja | Quelle | |
| LongCat 2.5 | 02. Nov. 2026 | 83,10 % | MCP Atlas; reasoning max, temperature 0.7, top_p 0.95, 256K context; thinking enabled, temperature 1.0, top_p 0.95 unless stated; Meituan-reported in the LongCat-2.5 launch blog (accessed 2026-11-02) | Ja | Quelle | |
| Beam | 05. Okt. 2026 | 78,70 % | Reflection-reported launch score. Source row: MCP Atlas. Accessed 2026-10-05T22:51:12.456Z. Harness, reasoning effort, sampling and trial count are not specified per row. Not independently reproduced. | Ja | Quelle | |
| Claude Opus 4.7 | 16. Apr. 2026 | 77,30 % | - | Ja | Quelle | |
| Qwen 3.7 Max | 21. Mai 2026 | 76,40 % | MCP-Atlas public set; Gemini 2.5 Pro judge | Ja | Quelle | |
| Muse Glimmer 30B | 10. Aug. 2026 | 75,50 % | MCP Atlas public set; high reasoning; mean pass rate over four runs | Ja | Quelle | |
| GPT 5.5 | 23. Apr. 2026 | 75,30 % | April 2026 update | Ja | Quelle | |
| MiniMax M3 | 01. Juni 2026 | 74,20 % | Public Set | Ja | Quelle | |
| Qwen 3.6 Plus | 01. Apr. 2026 | 74,10 % | - | Ja | Quelle | |
| DeepSeek V4 Pro | 24. Apr. 2026 | 73,60 % | MCPAtlas Public; Pass@1; DeepSeek-V4-Pro Max | Ja | Quelle | |
| GLM 5.1 | 07. Apr. 2026 | 71,80 % | Public Set | Ja | Quelle | |
| Gemini 3.1 Pro Preview | 19. Feb. 2026 | 69,20 % | - | Ja | - | |
| DeepSeek V4 Flash | 24. Apr. 2026 | 69 % | MCPAtlas; Pass@1; DeepSeek-V4-Flash Max | Ja | Quelle | |
| GLM 5 | 11. Feb. 2026 | 67,80 % | - | Ja | Quelle | |
| GPT 5 Pro | 07. Aug. 2025 | 67,20 % | inferred family alias from gpt-5.4 (score=0.4083; benches=19) | Ja | Quelle | |
| GPT 5 Search API | 14. Okt. 2025 | 67,20 % | inferred family alias from gpt-5.4 (score=0.3050; benches=19) | Ja | Quelle | |
| GPT 5.4 | 05. März 2026 | 67,20 % | - | Ja | Quelle | |
| Claude Opus 4.6 | 05. Feb. 2026 | 62,70 % | High effort | Ja | Quelle | |
| LongCat 2.0 | 30. Juni 2026 | 61,80 % | MCP Atlas; reasoning max, temperature 0.7, top_p 0.95, 256K context; thinking enabled, temperature 1.0, top_p 0.95 unless stated; Meituan-reported in the LongCat-2.5 launch blog (accessed 2026-11-02) | Ja | Quelle | |
| Nova 2 Pro | 02. Dez. 2025 | 61,60 % | - | Ja | Quelle | |
| Claude Sonnet 4.6 | 17. Feb. 2026 | 61,30 % | - | Ja | Quelle | |
| GPT 5.2 Chat | 11. Dez. 2025 | 60,60 % | inferred alias from gpt-5.2-2025-12-11 | Ja | Quelle | |
| GPT 5.4 Mini | 17. März 2026 | 57,70 % | - | Ja | Quelle |
