Die beste KI beim Befolgen von Anweisungen: 417 Modelle nach Blindabstimmung gereiht
Prompts mit ausdrücklichen Vorgaben zu Format, Länge oder Inhalt, an die sich die Antwort halten muss. 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
- 4
- In unserer Preisliste
- 1
- Veröffentlicht
- 20. Oktober 2026
Gleichauf: Die Stimmen können es nicht von der Spitze trennen.
Im LMArena-Ranking (Anweisungen) führt Gemini 4 Argon (High) von Google mit 1525 Punkten aus 1.748 Blindstimmen, veröffentlicht am 20. Oktober 2026. 3 weitere Modelle liegen statistisch gleichauf. Für keines der gereihten Modelle steht bisher ein API-Preis in unserer Liste.
Die beste KI beim Befolgen von Anweisungen
Prompts mit ausdrücklichen Vorgaben zu Format, Länge oder Inhalt, an die sich die Antwort halten muss.
| # | Modell | Bewertung | Stimmen | Pro 1M Token, Eingabe / Ausgabe |
|---|---|---|---|---|
| 1 | Gemini 4 Argon (High)Google | 95-%-Intervall 1511 bis 1540 | 1.748 | · |
| 1 | Claude Opus 5.5 (High)Anthropic | 95-%-Intervall 1508 bis 1531 | 3.298 | · |
| 1 | Claude Opus 4.6 (High)Anthropic | 95-%-Intervall 1506 bis 1516 | 26.659 | · |
| 1 | Claude Fable 5 (High)Anthropic | 95-%-Intervall 1502 bis 1514 | 15.293 | · |
| 2 | Claude Fable 5.1 (Max)Anthropic | 95-%-Intervall 1490 bis 1509 | 4.693 | · |
| 2 | Muse Wonder (Max)Meta | 95-%-Intervall 1481 bis 1509 | 1.797 | · |
| 3 | Claude Opus 4.7 (High)Anthropic | 95-%-Intervall 1497 bis 1508 | 22.751 | · |
| 4 | Claude Opus 4.6Anthropic | 95-%-Intervall 1493 bis 1503 | 29.280 | · |
| 5 | Claude Opus 5 (High)Anthropic | 95-%-Intervall 1490 bis 1501 | 24.456 | · |
| 5 | Claude Opus 5 (Max)Anthropic | 95-%-Intervall 1488 bis 1501 | 11.699 | · |
| 5 | Claude Opus 4.7Anthropic | 95-%-Intervall 1487 bis 1498 | 23.310 | · |
| 5 | GPT-5.6 Sol (xHigh)OpenAI | 95-%-Intervall 1485 bis 1497 | 14.557 | · |
| 5 | Gemini 3.8 Flash (High)Google | 95-%-Intervall 1484 bis 1497 | 14.854 | · |
| 5 | Claude Sonnet 5.5 (xHigh)Anthropic | 95-%-Intervall 1475 bis 1499 | 2.756 | · |
| 5 | GPT-6.1 Sol (Max)OpenAI | 95-%-Intervall 1471 bis 1497 | 2.278 | · |
| 6 | Claude Opus 4.8 (High)Anthropic | 95-%-Intervall 1486 bis 1496 | 22.656 | · |
| 6 | Kimi K3 (Max)Moonshot AI · offene Modellgewichte | 95-%-Intervall 1483 bis 1496 | 11.432 | · |
| 7 | Gemini 3.7 Flash (High)Google | 95-%-Intervall 1479 bis 1493 | 10.486 | · |
| 7 | Muse Spark 1.3 (Max)Meta | 95-%-Intervall 1477 bis 1492 | 6.905 | · |
| 8 | Claude Opus 4.5 (High, 32K, 20251101)Anthropic | 95-%-Intervall 1477 bis 1490 | 9.886 | · |
| 11 | MiMo-V2.6-ProXiaomi · offene Modellgewichte | 95-%-Intervall 1456 bis 1487 | 1.391 | · |
| 12 | GLM-5.3 (Max)Z.ai · offene Modellgewichte | 95-%-Intervall 1470 bis 1485 | 8.022 | · |
| 12 | DeepSeek-V4.1-Flash-20260910 (Max)DeepSeek · offene Modellgewichte | 95-%-Intervall 1467 bis 1485 | 4.725 | · |
| 13 | Gemini 3.1 Pro PreviewGoogle | 95-%-Intervall 1476 bis 1484 | 44.333 | · |
| 15 | Claude Opus 4.8Anthropic | 95-%-Intervall 1473 bis 1483 | 23.252 | · |
| 15 | GPT-5.5 (High)OpenAI | 95-%-Intervall 1472 bis 1483 | 24.002 | · |
| 15 | Qwen3.8-MaxAlibaba | 95-%-Intervall 1468 bis 1482 | 10.450 | · |
| 15 | GPT-6 Astra (Max)OpenAI | 95-%-Intervall 1463 bis 1482 | 4.190 | · |
| 15 | Muse Spark 1.2 (xHigh)Meta | 95-%-Intervall 1461 bis 1482 | 3.379 | · |
| 15 | Qwen3.7-Max-PreviewAlibaba | 95-%-Intervall 1449 bis 1482 | 1.381 | · |
| 16 | GPT-5.5OpenAI | 95-%-Intervall 1470 bis 1480 | 24.814 | · |
| 16 | Claude Sonnet 4.6Anthropic | 95-%-Intervall 1469 bis 1480 | 23.706 | · |
| 16 | Claude Opus 4.5 (20251101)Anthropic | 95-%-Intervall 1469 bis 1479 | 21.829 | · |
| 16 | Gemini 3.6 Flash (High)Google | 95-%-Intervall 1466 bis 1479 | 13.098 | · |
| 17 | Muse Spark 1.1Meta | 95-%-Intervall 1467 bis 1478 | 16.036 | · |
| 17 | Gemini 3 ProGoogle | 95-%-Intervall 1466 bis 1479 | 11.692 | · |
| 17 | GLM-5.3-FlashZ.ai · offene Modellgewichte | 95-%-Intervall 1465 bis 1478 | 12.492 | · |
| 19 | GPT-5.4 (High)OpenAI | 95-%-Intervall 1466 bis 1476 | 21.863 | · |
| 20 | GLM-5.2 (Max)Z.ai · offene Modellgewichte | 95-%-Intervall 1464 bis 1476 | 17.693 | · |
| 21 | Qwen3.5-Max-PreviewAlibaba | 95-%-Intervall 1460 bis 1475 | 7.402 | · |
| 21 | Muse SparkMeta | 95-%-Intervall 1455 bis 1473 | 4.741 | · |
| 22 | MiMo-V2.5-ProXiaomi · offene Modellgewichte | 95-%-Intervall 1462 bis 1472 | 25.875 | · |
| 23 | Gemini 3.5 Flash (Medium)Google | 95-%-Intervall 1460 bis 1472 | 17.046 | · |
| 23 | Claude Sonnet 5 (High)Anthropic | 95-%-Intervall 1460 bis 1472 | 17.926 | · |
| 23 | DeepSeek-V4-Pro (High, 20260813)DeepSeek · offene Modellgewichte | 95-%-Intervall 1451 bis 1472 | 3.482 | · |
| 24 | Gemini 3.5 Flash (High)Google | 95-%-Intervall 1459 bis 1471 | 17.393 | · |
| 25 | GPT-5.6 Terra (xHigh)OpenAI | 95-%-Intervall 1458 bis 1470 | 16.102 | · |
| 28 | Claude Sonnet 4.5 (High, 32K, 20250929)Anthropic | 95-%-Intervall 1459 bis 1468 | 24.661 | · |
| 29 | GLM-5.1Z.ai · offene Modellgewichte | 95-%-Intervall 1457 bis 1467 | 22.539 | · |
| 31 | Claude Sonnet 4.5 (20250929)Anthropic | 95-%-Intervall 1457 bis 1466 | 24.365 | · |
| Weiter unten im Ranking: die übrigen Modelle aus unserer Preisliste | ||||
| 217 | gpt-oss-120bOpenAI · offene Modellgewichte | 95-%-Intervall 1317 bis 1331 | 7.865 | · |
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