KI-Benchmarks
Alle KI-Benchmarks im Überblick. Vergleiche die Leistung von Sprachmodellen anhand standardisierter Tests für Sprache, Logik, Coding, Wissenschaft und mehr.
Alle KI-Benchmarks im Überblick. Vergleiche die Leistung von Sprachmodellen anhand standardisierter Tests für Sprache, Logik, Coding, Wissenschaft und mehr.
| Kategorie | |||||
|---|---|---|---|---|---|
| AA-Omniscience | Wissen & SpracheCybersecurity | Experte | — | 12 | Nov. 2025 |
| Aider Polyglot | Programmierung | Fortgeschritten | GPT-5 | 13 | Dez. 2024 |
| AIME 2025 | Logik & Schlussfolgerung | Experte | Grok-4 Heavy | 40 | Feb. 2025 |
| AIME 2026 | Logik & Schlussfolgerung | Experte | — | 4 | Feb. 2026 |
| APEX-Agents | Agentische Aufgaben | Experte | — | 3 | Jan. 2026 |
| ARC-AGI-2 | Logik & Schlussfolgerung | Forschungsniveau | GPT-5.5 | 15 | März 2025 |
| ARC-AGI-3 | Logik & SchlussfolgerungAgentische Aufgaben | Anfänger | GPT-5.6 Sol | 9 | März 2026 |
| Arena.ai | Logik & SchlussfolgerungProgrammierung+3 | Mittel | — | — | Apr. 2023 |
| Artificial Analysis Intelligence Index | Logik & SchlussfolgerungProgrammierung+4 | Experte | Claude Fable 5 | 9 | Jan. 2024 |
| BrowseComp | Wissen & SpracheAgentische Aufgaben | Forschungsniveau | GPT-5.6 Sol | 12 | Apr. 2025 |
| CyberGym | CybersecurityProgrammierung+1 | Experte | GPT-5.6 Sol | 9 | Juni 2025 |
| FrontierMath | Logik & Schlussfolgerung | Forschungsniveau | GPT-5.6 Sol | 22 | Nov. 2024 |
| GAIA | Agentische Aufgaben | Experte | MiniMax-M2 | 1 | Nov. 2023 |
| GDPval-AA | Agentische AufgabenWissen & Sprache | Experte | Claude Fable 5 | 12 | Okt. 2025 |
| GPQA Diamond | Wissen & SpracheLogik & Schlussfolgerung+1 | Experte | Fugu Ultra | 57 | Nov. 2023 |
| HMMT 2025 | Logik & Schlussfolgerung | Experte | — | 3 | Feb. 2025 |
| Humanity's Last Exam | Wissen & SpracheLogik & Schlussfolgerung+2 | Forschungsniveau | Claude Mythos Preview | 54 | Jan. 2025 |
| IFEval | Anleitung & KreativitätWissen & Sprache | Mittel | — | 1 | Nov. 2023 |
| LiveCodeBench | Programmierung | Fortgeschritten | Gemini 3.1 Pro | 34 | März 2024 |
| LiveCodeBench Pro | ProgrammierungLogik & Schlussfolgerung | Experte | Fugu Ultra | 1 | Juni 2025 |
| MathVista | MultimodalitätLogik & Schlussfolgerung+1 | Fortgeschritten | Kimi K2.5 (Thinking) | 1 | Okt. 2023 |
| MCP-Atlas | Agentische AufgabenProgrammierung | Fortgeschritten | Muse Spark 1.1 | 11 | Jan. 2026 |
| MMLU-Pro | Wissen & Sprache | — | — | 18 | — |
| MMMLU | Wissen & Sprache | Fortgeschritten | Claude Mythos Preview | 4 | Sept. 2024 |
| MMMU | MultimodalitätWissen & Sprache+1 | Experte | GPT-5.6 Terra | 5 | Nov. 2023 |
| MMMU-Pro | MultimodalitätWissen & Sprache+2 | Experte | Claude Fable 5 | 11 | Sept. 2024 |
| MRCR v2 | Logik & SchlussfolgerungWissen & Sprache | Fortgeschritten | Fugu Ultra | 7 | Sept. 2024 |
| OSWorld-Verified | Agentische AufgabenMultimodalität | Experte | Claude Fable 5 | 17 | Juli 2025 |
| SimpleQA | Cybersecurity | Fortgeschritten | DeepSeek-V4-Pro (Preview) | 1 | Okt. 2024 |
| SWE-bench Multilingual | ProgrammierungAgentische Aufgaben | Experte | Claude Mythos Preview | 7 | Mai 2025 |
| SWE-bench Pro | ProgrammierungAgentische Aufgaben | Forschungsniveau | Claude Fable 5 | 20 | Sept. 2025 |
| SWE-bench Verified | ProgrammierungAgentische Aufgaben | Experte | GPT-5.6 Sol | 51 | Aug. 2024 |
| Terminal-Bench 2.0 | ProgrammierungAgentische Aufgaben | Experte | GPT-5.5 | 26 | Jan. 2026 |
| Terminal-Bench 2.1 | ProgrammierungAgentische Aufgaben | Experte | GPT-5.6 Sol | 13 | Jan. 2026 |
| Vending-Bench 2 | Agentische AufgabenLogik & Schlussfolgerung | Forschungsniveau | Claude Fable 5 | 3 | Nov. 2025 |
| Video-MMMU | MultimodalitätWissen & Sprache+1 | Experte | — | 1 | Jan. 2025 |
| τ²-Bench | Agentische AufgabenLogik & Schlussfolgerung | Fortgeschritten | Claude Opus 4.6 | 27 | Juni 2025 |