Die beste KI für lange Gespräche: 415 Modelle nach Blindabstimmung gereiht
Gespräche mit mehr als einem Wortwechsel, in denen das Modell im Blick behalten muss, was zuvor gesagt wurde. 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
- 415
- Gleichauf mit der Spitze
- 3
- In unserer Preisliste
- 1
- Veröffentlicht
- 20. Oktober 2026
Gleichauf: Die Stimmen können es nicht von der Spitze trennen.
Im LMArena-Ranking (Gespräche) führt Gemini 4 Argon (High) von Google mit 1552 Punkten aus 677 Blindstimmen, veröffentlicht am 20. Oktober 2026. 2 weitere Modelle liegen statistisch gleichauf. Für keines der gereihten Modelle steht bisher ein API-Preis in unserer Liste.
Die beste KI für lange Gespräche
Gespräche mit mehr als einem Wortwechsel, in denen das Modell im Blick behalten muss, was zuvor gesagt wurde.
| # | Modell | Bewertung | Stimmen | Pro 1M Token, Eingabe / Ausgabe |
|---|---|---|---|---|
| 1 | Gemini 4 Argon (High)Google | 95-%-Intervall 1529 bis 1576 | 677 | · |
| 1 | Muse Wonder (Max)Meta | 95-%-Intervall 1499 bis 1544 | 724 | · |
| 1 | Muse Spark 1.2 (xHigh)Meta | 95-%-Intervall 1498 bis 1531 | 1.393 | · |
| 2 | Claude Fable 5 (High)Anthropic | 95-%-Intervall 1509 bis 1525 | 7.046 | · |
| 2 | Claude Opus 4.7 (High)Anthropic | 95-%-Intervall 1509 bis 1523 | 11.427 | · |
| 2 | Claude Opus 4.6 (High)Anthropic | 95-%-Intervall 1510 bis 1522 | 14.017 | · |
| 2 | Claude Opus 4.7Anthropic | 95-%-Intervall 1507 bis 1521 | 11.704 | · |
| 2 | Claude Opus 4.6Anthropic | 95-%-Intervall 1505 bis 1516 | 15.259 | · |
| 2 | Gemini 3.8 Flash (High)Google | 95-%-Intervall 1496 bis 1513 | 6.188 | · |
| 2 | Kimi K3 (Max)Moonshot AI · offene Modellgewichte | 95-%-Intervall 1492 bis 1510 | 5.244 | · |
| 2 | Claude Opus 5.5 (High)Anthropic | 95-%-Intervall 1483 bis 1518 | 1.269 | · |
| 6 | Muse SparkMeta | 95-%-Intervall 1480 bis 1506 | 2.280 | · |
| 6 | Qwen3.7-Max-PreviewAlibaba | 95-%-Intervall 1459 bis 1505 | 700 | · |
| 7 | Claude Opus 4.8 (High)Anthropic | 95-%-Intervall 1490 bis 1504 | 11.184 | · |
| 7 | Gemini 3.1 Pro PreviewGoogle | 95-%-Intervall 1491 bis 1501 | 21.947 | · |
| 7 | Gemini 3 ProGoogle | 95-%-Intervall 1488 bis 1504 | 6.856 | · |
| 7 | Muse Spark 1.1Meta | 95-%-Intervall 1488 bis 1504 | 6.815 | · |
| 7 | GPT-5.2 Chat (20260210)OpenAI | 95-%-Intervall 1487 bis 1503 | 6.804 | · |
| 7 | Claude Opus 4.8Anthropic | 95-%-Intervall 1488 bis 1501 | 11.394 | · |
| 7 | GPT-5.4 (High)OpenAI | 95-%-Intervall 1486 bis 1500 | 11.981 | · |
| 7 | Qwen3.8-MaxAlibaba | 95-%-Intervall 1483 bis 1502 | 4.441 | · |
| 7 | Muse Spark 1.3 (Max)Meta | 95-%-Intervall 1480 bis 1503 | 2.885 | · |
| 7 | Claude Fable 5.1 (Max)Anthropic | 95-%-Intervall 1473 bis 1500 | 2.065 | · |
| 8 | GPT-5.6 Sol (xHigh)OpenAI | 95-%-Intervall 1482 bis 1498 | 6.832 | · |
| 8 | Gemini 3.7 Flash (High)Google | 95-%-Intervall 1479 bis 1498 | 4.434 | · |
| 8 | GPT-6.1 Sol (Max)OpenAI | 95-%-Intervall 1460 bis 1498 | 1.020 | · |
| 9 | Gemini 3.6 Flash (High)Google | 95-%-Intervall 1480 bis 1497 | 5.787 | · |
| 9 | Claude Opus 5 (Max)Anthropic | 95-%-Intervall 1478 bis 1496 | 5.078 | · |
| 9 | GPT-6 Astra (Max)OpenAI | 95-%-Intervall 1468 bis 1497 | 1.827 | · |
| 10 | GPT-5.5 (High)OpenAI | 95-%-Intervall 1481 bis 1494 | 11.821 | · |
| 10 | Claude Opus 4.5 (High, 32K, 20251101)Anthropic | 95-%-Intervall 1478 bis 1493 | 6.510 | · |
| 11 | Claude Opus 5 (High)Anthropic | 95-%-Intervall 1478 bis 1492 | 10.765 | · |
| 11 | Grok 4.20 Beta 1xAI | 95-%-Intervall 1474 bis 1492 | 4.601 | · |
| 11 | GPT-5.5 InstantOpenAI | 95-%-Intervall 1473 bis 1492 | 5.126 | · |
| 11 | GLM-5.3 (Max)Z.ai · offene Modellgewichte | 95-%-Intervall 1470 bis 1491 | 3.568 | · |
| 12 | Claude Opus 4.5 (20251101)Anthropic | 95-%-Intervall 1478 bis 1490 | 12.959 | · |
| 12 | GPT-5.5OpenAI | 95-%-Intervall 1478 bis 1491 | 12.382 | · |
| 13 | Gemini 3 FlashGoogle | 95-%-Intervall 1473 bis 1490 | 5.454 | · |
| 14 | Gemini 3.5 Flash (High)Google | 95-%-Intervall 1473 bis 1488 | 8.089 | · |
| 16 | Claude Sonnet 4.6Anthropic | 95-%-Intervall 1475 bis 1488 | 12.702 | · |
| 16 | Qwen3.5-Max-PreviewAlibaba | 95-%-Intervall 1467 bis 1487 | 3.826 | · |
| 17 | GPT-5.4OpenAI | 95-%-Intervall 1474 bis 1487 | 12.645 | · |
| 17 | MiMo-V2.5-ProXiaomi · offene Modellgewichte | 95-%-Intervall 1474 bis 1486 | 13.010 | · |
| 18 | GLM-5.1Z.ai · offene Modellgewichte | 95-%-Intervall 1472 bis 1485 | 10.172 | · |
| 18 | Grok 4.20 Beta (Reasoning, 0309)xAI | 95-%-Intervall 1472 bis 1485 | 12.120 | · |
| 18 | Gemini 3.5 Flash (Medium)Google | 95-%-Intervall 1471 bis 1486 | 7.652 | · |
| 18 | GLM-5.2 (Max)Z.ai · offene Modellgewichte | 95-%-Intervall 1469 bis 1484 | 8.108 | · |
| 19 | Claude Sonnet 4.5 (20250929)Anthropic | 95-%-Intervall 1472 bis 1483 | 14.467 | · |
| 19 | GLM-5.3-FlashZ.ai · offene Modellgewichte | 95-%-Intervall 1466 bis 1483 | 5.514 | · |
| 20 | DeepSeek-V4-ProDeepSeek · offene Modellgewichte | 95-%-Intervall 1468 bis 1482 | 10.355 | · |
| Weiter unten im Ranking: die übrigen Modelle aus unserer Preisliste | ||||
| 214 | gpt-oss-120bOpenAI · offene Modellgewichte | 95-%-Intervall 1318 bis 1335 | 4.883 | · |
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