Die beste KI für schwierige Prompts: 417 Modelle nach Blindabstimmung gereiht
Prompts, die der Klassifikator der Arena als schwierig einstuft: konkret, technisch und nur in mehreren Schritten lösbar. Gereiht nach den Blindabstimmungen von LMArena, jeder Wert mit Fehlerspanne und daneben dem Listenpreis jedes Modells aus unserer Preisliste.
Werte von LMArena, veröffentlicht am 20. Oktober 2026, unter CC BY 4.0. Preise von der Preisseite des jeweiligen Anbieters, abgerufen am 15. Oktober 2026.
- Gereihte Modelle
- 417
- Gleichauf mit der Spitze
- 2
- In unserer Preisliste
- 1
- Veröffentlicht
- 20. Oktober 2026
Gleichauf: Die Stimmen können es nicht von der Spitze trennen.
Im LMArena-Ranking (Schwierige Prompts) führt Gemini 4 Argon (High) von Google mit 1549 Punkten aus 3.131 Blindstimmen, veröffentlicht am 20. Oktober 2026. Ein weiteres Modell liegt statistisch gleichauf. Für keines der gereihten Modelle steht bisher ein API-Preis in unserer Liste.
Die beste KI für schwierige Prompts
Prompts, die der Klassifikator der Arena als schwierig einstuft: konkret, technisch und nur in mehreren Schritten lösbar.
| # | Modell | Bewertung | Stimmen | Pro 1M Token, Eingabe / Ausgabe |
|---|---|---|---|---|
| 1 | Gemini 4 Argon (High)Google | 95-%-Intervall 1538 bis 1560 | 3.131 | · |
| 1 | Claude Opus 5.5 (High)Anthropic | 95-%-Intervall 1525 bis 1543 | 5.917 | · |
| 2 | Claude Opus 4.6 (High)Anthropic | 95-%-Intervall 1526 bis 1535 | 52.600 | · |
| 2 | Claude Fable 5 (High)Anthropic | 95-%-Intervall 1524 bis 1534 | 28.193 | · |
| 2 | Claude Opus 4.6Anthropic | 95-%-Intervall 1523 bis 1531 | 56.652 | · |
| 2 | Claude Opus 4.7 (High)Anthropic | 95-%-Intervall 1521 bis 1530 | 43.676 | · |
| 2 | Claude Fable 5.1 (Max)Anthropic | 95-%-Intervall 1516 bis 1530 | 9.089 | · |
| 2 | Muse Wonder (Max)Meta | 95-%-Intervall 1512 bis 1534 | 3.187 | · |
| 5 | Claude Opus 4.7Anthropic | 95-%-Intervall 1515 bis 1523 | 44.373 | · |
| 5 | Gemini 3.8 Flash (High)Google | 95-%-Intervall 1512 bis 1523 | 26.670 | · |
| 5 | Muse Spark 1.3 (Max)Meta | 95-%-Intervall 1510 bis 1523 | 12.510 | · |
| 6 | Kimi K3 (Max)Moonshot AI · offene Modellgewichte | 95-%-Intervall 1511 bis 1522 | 21.953 | · |
| 6 | Claude Opus 5 (Max)Anthropic | 95-%-Intervall 1510 bis 1521 | 21.745 | · |
| 7 | Claude Opus 5 (High)Anthropic | 95-%-Intervall 1510 bis 1519 | 45.136 | · |
| 7 | Claude Opus 4.8 (High)Anthropic | 95-%-Intervall 1508 bis 1517 | 42.516 | · |
| 7 | GPT-5.6 Sol (xHigh)OpenAI | 95-%-Intervall 1506 bis 1516 | 27.137 | · |
| 7 | Muse Spark 1.2 (xHigh)Meta | 95-%-Intervall 1503 bis 1519 | 6.116 | · |
| 8 | Muse Spark 1.1Meta | 95-%-Intervall 1505 bis 1515 | 29.563 | · |
| 8 | Claude Sonnet 5.5 (xHigh)Anthropic | 95-%-Intervall 1497 bis 1515 | 5.015 | · |
| 8 | MiMo-V2.6-ProXiaomi · offene Modellgewichte | 95-%-Intervall 1492 bis 1516 | 2.619 | · |
| 9 | Gemini 3.7 Flash (High)Google | 95-%-Intervall 1502 bis 1513 | 19.036 | · |
| 9 | Muse SparkMeta | 95-%-Intervall 1499 bis 1513 | 9.159 | · |
| 11 | Gemini 3.1 Pro PreviewGoogle | 95-%-Intervall 1504 bis 1511 | 84.197 | · |
| 11 | GPT-6.1 Sol (Max)OpenAI | 95-%-Intervall 1493 bis 1512 | 4.318 | · |
| 12 | GLM-5.3 (Max)Z.ai · offene Modellgewichte | 95-%-Intervall 1498 bis 1510 | 15.149 | · |
| 15 | Claude Opus 4.8Anthropic | 95-%-Intervall 1500 bis 1510 | 43.360 | · |
| 15 | Qwen3.8-MaxAlibaba | 95-%-Intervall 1498 bis 1509 | 19.425 | · |
| 16 | Claude Sonnet 4.6Anthropic | 95-%-Intervall 1499 bis 1508 | 46.227 | · |
| 16 | Gemini 3 ProGoogle | 95-%-Intervall 1498 bis 1507 | 23.177 | · |
| 16 | Gemini 3.6 Flash (High)Google | 95-%-Intervall 1496 bis 1506 | 24.133 | · |
| 16 | GPT-6 Astra (Max)OpenAI | 95-%-Intervall 1494 bis 1508 | 8.080 | · |
| 16 | Qwen3.7-Max-PreviewAlibaba | 95-%-Intervall 1483 bis 1507 | 2.683 | · |
| 17 | GPT-5.5 (High)OpenAI | 95-%-Intervall 1497 bis 1506 | 45.527 | · |
| 17 | Claude Opus 4.5 (High, 32K, 20251101)Anthropic | 95-%-Intervall 1496 bis 1506 | 20.308 | · |
| 17 | DeepSeek-V4.1-Flash-20260910 (Max)DeepSeek · offene Modellgewichte | 95-%-Intervall 1492 bis 1506 | 8.655 | · |
| 18 | GLM-5.3-FlashZ.ai · offene Modellgewichte | 95-%-Intervall 1494 bis 1505 | 22.985 | · |
| 19 | GPT-5.5OpenAI | 95-%-Intervall 1495 bis 1503 | 47.276 | · |
| 20 | Claude Opus 4.5 (20251101)Anthropic | 95-%-Intervall 1494 bis 1502 | 43.232 | · |
| 21 | GPT-5.4 (High)OpenAI | 95-%-Intervall 1492 bis 1501 | 42.124 | · |
| 21 | GPT-5.2 Chat (20260210)OpenAI | 95-%-Intervall 1492 bis 1501 | 22.862 | · |
| 21 | GLM-5.2 (Max)Z.ai · offene Modellgewichte | 95-%-Intervall 1492 bis 1501 | 33.290 | · |
| 22 | Gemini 3.5 Flash (Medium)Google | 95-%-Intervall 1490 bis 1500 | 31.491 | · |
| 22 | Gemini 3.5 Flash (High)Google | 95-%-Intervall 1490 bis 1500 | 32.389 | · |
| 25 | MiMo-V2.5-ProXiaomi · offene Modellgewichte | 95-%-Intervall 1490 bis 1498 | 50.452 | · |
| 25 | Gemini 3 FlashGoogle | 95-%-Intervall 1487 bis 1498 | 17.156 | · |
| 27 | Qwen3.5-Max-PreviewAlibaba | 95-%-Intervall 1486 bis 1497 | 14.540 | · |
| 27 | GPT-5.5 InstantOpenAI | 95-%-Intervall 1485 bis 1497 | 18.434 | · |
| 31 | GPT-5.6 Terra (xHigh)OpenAI | 95-%-Intervall 1485 bis 1495 | 29.450 | · |
| 34 | Claude Sonnet 5 (High)Anthropic | 95-%-Intervall 1485 bis 1494 | 33.444 | · |
| 35 | GLM-5.1Z.ai · offene Modellgewichte | 95-%-Intervall 1485 bis 1493 | 42.115 | · |
| Weiter unten im Ranking: die übrigen Modelle aus unserer Preisliste | ||||
| 209 | gpt-oss-120bOpenAI · offene Modellgewichte | 95-%-Intervall 1356 bis 1368 | 14.687 | · |
Woher das Ranking stammt
Die Werte, Intervalle und Platzierungen stammen von LMArena. Die Preise sind unsere.
- Blindabstimmungen
- LMArena stellt zwei anonymen Modellen denselben Prompt und bittet die Person, die ihn geschrieben hat, die bessere Antwort zu wählen. Aus den Stimmen ergibt sich für jedes Modell ein Wert auf einer gemeinsamen Skala, auf der ein Abstand von 100 Punkten bedeutet, dass das höher bewertete Modell etwa 64 von 100 Vergleichen gewinnt.
- Stilkontrolle
- Die Werte rechnen Antwortlänge und Formatierung heraus, sodass ein Modell nicht aufsteigt, nur weil es mehr schreibt oder Überschriften und Listen einsetzt.
- Geteilte Plätze
- Der Platz eines Modells ist eins plus die Anzahl der Modelle, deren gesamtes 95-%-Intervall über seinem eigenen liegt. Modelle, die die Stimmen nicht trennen können, teilen sich einen Platz, weshalb mehrere auf Platz eins stehen können.
- Einstellungen
- Ein Modell kann mehrfach auftauchen, mit unterschiedlichen Reasoning-Einstellungen: Die Zeile unter seinem Namen gibt den Eintrag so an, wie LMArena ihn führt. Einträge mit aktivierter Websuche sind ein anderes Produkt und haben keinen Preis.
- Preise
- Der Listenpreis pro Million Token von der eigenen Preisseite des Anbieters, abgerufen am 15. Oktober 2026. Es ist ein Preis pro Token, nicht pro Antwort: Eine höhere Reasoning-Einstellung verbraucht für dieselbe Frage mehr Token.
Quelle: LMArena, Rangliste-Datensatz (Revision 9041150e, veröffentlicht am 20. Oktober 2026), lizenziert unter CC BY 4.0. Wir ändern keinen Wert: Wir ergänzen die Preise und die Links zu unseren Modellseiten.
Was der Betrieb der einzelnen Modelle kostet
Die Preisliste deckt drei alltägliche Aufgaben für jedes Modell ab, und unser eigener Benchmark lässt sie an echten Geschäftsaufgaben laufen, um zu sehen, welche bestehen.
Werte veröffentlicht am 20. Oktober 2026