Cookies auf AIGROW

Wir verwenden notwendige Cookies, damit die Website funktioniert. Mit Ihrer Erlaubnis nutzen wir außerdem Cookies für Analysen, Sitzungsaufzeichnungen und die Marketing-Zuordnung.

Cookie-Richtlinie

KI-Rangliste · Reasoning

Benchmark für KI-Reasoning: 28 Modelle nach gemessenen Ergebnissen geordnet

Drei Tests, die Epoch AI selbst durchführt: der beste Zug in neuen Schachstellungen, der beste Zug in einem Spiel, dessen Name geheim bleibt, damit sich Modelle weniger leicht darauf vorbereiten konnten, und wie viele Ziele ein Modell in einem wenig bekannten Brettspiel erreicht, nachdem es dieses geübt hat.

Claude Fable 5.2 bis zu 60 % unter dem Listenpreis nutzen. Mit 25 $ im Monat erhalten Sie 110 $ API-Guthaben, jederzeit kündbar; mit 25 $ einmalig erhalten Sie 100 $. Ergebnisse aus Tests, die Epoch AI durchführt, Datenstand 12. November 2026, unter CC BY 4.0. Preise von der jeweiligen Preisseite des Herstellers, abgerufen am 12. November 2026.

Höchster Wert
86,5 %Claude Fable 5.2 von Anthropic
Gereihte Modelle
28
Gleichauf mit der Spitze
2
Erhältlich mit AIGROW-Guthaben
9
Datenstand
12. November 2026

Gleichauf: Das Intervall überschneidet sich mit dem des Spitzenreiters.

Bei den drei Reasoning-Tests, die Epoch AI selbst durchführt, führt Claude Fable 5.2 von Anthropic unter den 28 Modellen mit Ergebnissen in allen drei Tests, im Durchschnitt mit 86,5 % (Datenstand 12. November 2026). 2 weitere Modelle liegen statistisch gleichauf. AIGROW API-Guthaben bietet es für 3,20 $ / 16,00 $ statt 8,00 $ / 40,00 $ pro Million Input-/Output-Tokens an.

Modelle aus diesem Ranking unter dem Listenpreis nutzen

AIGROW API-Guthaben betreibt diese Modelle über einen einzigen Schlüssel, abgerechnet pro Token zu den unten genannten Preisen. Mit 25 $ im Monat erhalten Sie 110 $ API-Guthaben, jederzeit kündbar; mit 25 $ einmalig erhalten Sie 100 $.

  1. Nr. 1Claude Fable 5.2AnthropicListenpreis 8,00 $ / 40,00 $3,20 $ / 16,00 $mit AIGROW-API-GuthabenClaude Fable 5.2 bis zu 60 % unter dem Listenpreis nutzenVon AIGROW als echt zertifiziert am 11. November 2026
  2. Nr. 3GPT-6 AstraOpenAIListenpreis 10,00 $ / 50,00 $2,50 $ / 12,50 $mit AIGROW-API-GuthabenGPT-6 Astra bis zu 75 % unter dem Listenpreis nutzenVon AIGROW als echt zertifiziert am 11. November 2026
  3. Nr. 4Claude Opus 5.5AnthropicListenpreis 4,00 $ / 20,00 $1,60 $ / 8,00 $mit AIGROW-API-GuthabenClaude Opus 5.5 bis zu 60 % unter dem Listenpreis nutzenVon AIGROW als echt zertifiziert am 11. November 2026

US-Dollar pro Million Input-/Output-Tokens. Von AIGROW als echt zertifiziert bedeutet, dass das Modell am 11. November 2026 die eigene Prüfung von AIGROW gegen dasselbe Modell beim Hersteller bestanden hat. Kein Modellhersteller hat es geprüft oder empfohlen.

Benchmark für KI-Reasoning

Epoch nutzt Rätsel und Spiele als Stellvertreter für Planen und Lernen bei der Arbeit; Schreiben, Programmieren oder Wissen werden damit nicht getestet.

Ergebnisse von 28 KI-Modellen bei Chess Puzzles, Mystery Game Puzzles, EBR-bench, mit ihren 95-%-Intervallen und Listenpreisen
#ModellDurchschnittChess PuzzlesMystery Game PuzzlesEBR-benchPro 1M Token, Eingabe / Ausgabe
1Claude Fable 5.2AnthropicClaude Fable 5.2 bis zu 60 % unter dem Listenpreis nutzenVon AIGROW als echt zertifiziert am 11. November 202686,5 %95-%-Intervall 83,0 % bis 90,0 %79,0 %max, Lauf vom 6. Nov. 202690,0 %max, Lauf vom 6. Nov. 202690,5 %max, Lauf vom 6. Nov. 2026Listenpreis 8,00 $ / 40,00 $3,20 $ / 16,00 $mit AIGROW-API-Guthaben
2Gemini 4 CarbonGoogle DeepMind79,5 %95-%-Intervall 73,6 % bis 85,5 %Das Intervall überschneidet sich mit 1 Modell über ihm78,0 %high, Lauf vom 2. Nov. 202673,0 %high, Lauf vom 2. Nov. 202687,6 %high, Lauf vom 5. Nov. 20262,00 $ / 10,00 $
3GPT-6 AstraOpenAIGPT-6 Astra bis zu 75 % unter dem Listenpreis nutzenVon AIGROW als echt zertifiziert am 11. November 202678,7 %95-%-Intervall 72,1 % bis 85,3 %Das Intervall überschneidet sich mit 2 Modellen über ihm76,0 %promax, Lauf vom 15. Okt. 202684,0 %max, Lauf vom 30. Aug. 202676,2 %max, Lauf vom 30. Aug. 2026Listenpreis 10,00 $ / 50,00 $2,50 $ / 12,50 $mit AIGROW-API-Guthaben
4Claude Opus 5.5AnthropicClaude Opus 5.5 bis zu 60 % unter dem Listenpreis nutzenVon AIGROW als echt zertifiziert am 11. November 202669,8 %95-%-Intervall 63,5 % bis 76,1 %Das Intervall überschneidet sich mit 2 Modellen über ihm67,0 %max, Lauf vom 13. Okt. 202671,0 %max, Lauf vom 29. Sept. 202671,4 %max, Lauf vom 22. Sept. 2026Listenpreis 4,00 $ / 20,00 $1,60 $ / 8,00 $mit AIGROW-API-Guthaben
5GPT-6.1 SolOpenAIGPT-6.1 Sol bis zu 75 % unter dem Listenpreis nutzenVon AIGROW als echt zertifiziert am 11. November 202667,4 %95-%-Intervall 61,9 % bis 72,9 %Das Intervall überschneidet sich mit 2 Modellen über ihm68,0 %max, Lauf vom 13. Okt. 202680,0 %max, Lauf vom 29. Sept. 202654,3 %max, Lauf vom 29. Sept. 2026Listenpreis 2,00 $ / 10,00 $0,50 $ / 2,50 $mit AIGROW-API-Guthaben
6Gemini 4 ArgonGoogle DeepMindGemini 4 Argon bis zu 50 % unter dem Listenpreis nutzenVon AIGROW als echt zertifiziert am 11. November 202662,6 %95-%-Intervall 57,1 % bis 68,1 %Das Intervall überschneidet sich mit 2 Modellen über ihm59,0 %high, Lauf vom 13. Okt. 202664,0 %high, Lauf vom 13. Okt. 202664,8 %high, Lauf vom 13. Okt. 2026Listenpreis 2,00 $ / 10,00 $1,00 $ / 5,00 $mit AIGROW-API-Guthaben
7GPT-5.6 SolOpenAI56,9 %95-%-Intervall 51,7 % bis 62,1 %Das Intervall überschneidet sich mit 2 Modellen über ihm68,0 %promax, Lauf vom 14. Okt. 202658,0 %max, Lauf vom 28. Juli 202644,8 %max, Lauf vom 4. Sept. 20264,00 $ / 20,00 $
8GPT-6 SolOpenAI55,1 %95-%-Intervall 49,6 % bis 60,6 %Das Intervall überschneidet sich mit 2 Modellen über ihm56,0 %max, Lauf vom 13. Okt. 202656,0 %max, Lauf vom 22. Sept. 202653,3 %max, Lauf vom 22. Sept. 20262,00 $ / 10,00 $
9Claude Fable 5.1AnthropicClaude Fable 5.1 bis zu 60 % unter dem Listenpreis nutzenVon AIGROW als echt zertifiziert am 11. November 202654,4 %95-%-Intervall 48,3 % bis 60,4 %Das Intervall überschneidet sich mit 3 Modellen über ihm48,0 %max, Lauf vom 13. Okt. 202658,0 %max, Lauf vom 1. Sept. 202657,1 %max, Lauf vom 8. Sept. 2026Listenpreis 10,00 $ / 50,00 $4,00 $ / 20,00 $mit AIGROW-API-Guthaben
10GPT-5.5OpenAI51,1 %95-%-Intervall 46,4 % bis 55,8 %Das Intervall überschneidet sich mit 3 Modellen über ihm63,0 %xhigh, Lauf vom 13. Okt. 202656,0 %xhigh, Lauf vom 24. Juli 202634,3 %xhigh, Lauf vom 27. Juli 20265,00 $ / 30,00 $
11Claude Opus 5Anthropic49,2 %95-%-Intervall 44,1 % bis 54,4 %Das Intervall überschneidet sich mit 4 Modellen über ihm43,0 %max, Lauf vom 13. Okt. 202659,0 %max, Lauf vom 25. Juli 202645,7 %max, Lauf vom 5. Sept. 20265,00 $ / 25,00 $
12Claude Fable 5Anthropic46,2 %95-%-Intervall 41,4 % bis 51,0 %Das Intervall überschneidet sich mit 4 Modellen über ihm47,0 %max, Lauf vom 13. Okt. 202652,0 %max, Lauf vom 31. Juli 202639,5 %max, Lauf vom 17. Juli 2026Kein Listenpreis
13Claude Haiku 5.5Anthropic42,9 %95-%-Intervall 38,3 % bis 47,5 %Das Intervall überschneidet sich mit 3 Modellen über ihm55,0 %max, Lauf vom 13. Okt. 202630,0 %max, Lauf vom 7. Okt. 202643,8 %max, Lauf vom 9. Okt. 20260,10 $ / 0,50 $
14Claude Opus 4.8Anthropic38,9 %95-%-Intervall 34,2 % bis 43,5 %Das Intervall überschneidet sich mit 2 Modellen über ihm52,0 %max, Lauf vom 13. Okt. 202636,0 %max, Lauf vom 25. Juli 202628,6 %max, Lauf vom 7. Aug. 2026Kein Listenpreis
15GPT-5.4OpenAI36,8 %Keine veröffentlichte Spanne48,0 %xhigh, Lauf vom 13. Okt. 202637,0 %xhigh, Lauf vom 24. Juli 202625,4 %xhigh, Lauf vom 25. Juni 2026Seit über 120 Tagen nicht aktualisiertKein Listenpreis
16Gemini 3.1 Pro (preview)Google DeepMind33,1 %Keine veröffentlichte Spanne51,0 %high, Lauf vom 13. Okt. 202634,0 %high, Lauf vom 27. Juli 202614,3 %Lauf vom 25. Juni 2026Seit über 120 Tagen nicht aktualisiert2,00 $ / 12,00 $
17Grok 4.6xAI32,5 %95-%-Intervall 28,0 % bis 37,0 %Das Intervall überschneidet sich mit 1 Modell über ihm33,0 %xhigh, Lauf vom 13. Okt. 202634,0 %xhigh, Lauf vom 14. Aug. 202630,5 %xhigh, Lauf vom 18. Aug. 2026Kein Listenpreis
18GPT-5.2OpenAI31,3 %Keine veröffentlichte Spanne48,0 %xhigh, Lauf vom 14. Okt. 202623,0 %high, Lauf vom 6. Aug. 202623,0 %xhigh, Lauf vom 26. Juni 2026Seit über 120 Tagen nicht aktualisiertKein Listenpreis
19Claude Opus 4.7Anthropic29,3 %Keine veröffentlichte Spanne41,0 %max, Lauf vom 13. Okt. 202628,0 %max, Lauf vom 25. Juli 202619,1 %max, Lauf vom 30. Juni 2026Seit über 120 Tagen nicht aktualisiertKein Listenpreis
20Gemini 3.5 FlashGoogle DeepMind27,3 %Keine veröffentlichte Spanne45,0 %high, Lauf vom 13. Okt. 202632,0 %high, Lauf vom 27. Juli 20264,8 %high, Lauf vom 25. Juni 2026Seit über 120 Tagen nicht aktualisiertKein Listenpreis
21GPT-5OpenAI23,9 %Keine veröffentlichte Spanne36,0 %high, Lauf vom 13. Okt. 202623,0 %high, Lauf vom 5. Aug. 202612,7 %high, Lauf vom 29. Juni 2026Seit über 120 Tagen nicht aktualisiertKein Listenpreis
22Qwen3.7-MaxAlibaba22,8 %Keine veröffentlichte Spanne27,0 %Lauf vom 13. Okt. 202632,0 %Lauf vom 28. Juli 20269,5 %Lauf vom 25. Juni 2026Seit über 120 Tagen nicht aktualisiertKein Listenpreis
23Mistral Large 4Mistral AI22,4 %95-%-Intervall 17,9 % bis 26,8 %29,0 %high, Lauf vom 2. Nov. 202620,0 %high, Lauf vom 2. Nov. 202618,1 %high, Lauf vom 2. Nov. 20260,70 $ / 2,10 $
24Claude Opus 4.6Anthropic19,6 %Keine veröffentlichte Spanne21,0 %max, Lauf vom 13. Okt. 202625,0 %max, Lauf vom 25. Juli 202612,7 %max, Lauf vom 29. Juni 2026Seit über 120 Tagen nicht aktualisiertKein Listenpreis
25GLM-5.2Z.ai (Zhipu AI)16,8 %Keine veröffentlichte Spanne22,0 %max, Lauf vom 14. Okt. 202619,0 %low, Lauf vom 27. Aug. 20269,5 %max, Lauf vom 29. Juni 2026Seit über 120 Tagen nicht aktualisiertKein Listenpreis

Nicht platziert: Modelle ohne Ergebnis in einem Test

Diese Modelle haben Ergebnisse in einigen der Tests, aber nicht in allen, deshalb ließe sich ihr Durchschnitt nicht mit den obigen vergleichen. Ihre Ergebnisse stehen hier, das beste Durchschnittsergebnis zuerst, ohne Zahl.

82 Modelle mit Ergebnissen in einigen der Tests
ModellChess PuzzlesMystery Game PuzzlesEBR-bench
GPT-6.1 TerraOpenAIGPT-6.1 Terra bis zu 75 % unter dem Listenpreis nutzenVon AIGROW als echt zertifiziert am 11. November 2026Nicht getestet74,0 %max, Lauf vom 26. Okt. 202678,1 %max, Lauf vom 26. Okt. 2026
Claude Sonnet 5.5AnthropicClaude Sonnet 5.5 bis zu 60 % unter dem Listenpreis nutzenVon AIGROW als echt zertifiziert am 11. November 202659,0 %max, Lauf vom 13. Okt. 202665,0 %max, Lauf vom 29. Sept. 2026Nicht getestet
GPT-5.5 ProOpenAI62,0 %xhigh, Lauf vom 14. Okt. 2026Nicht getestetNicht getestet
GPT-5.2 ProOpenAI60,0 %xhigh, Lauf vom 14. Okt. 2026Nicht getestetNicht getestet
GPT-5.4 ProOpenAI59,0 %xhigh, Lauf vom 14. Okt. 2026Nicht getestetNicht getestet
Gemini 3.8 FlashGoogle DeepMind58,0 %high, Lauf vom 13. Okt. 202647,0 %high, Lauf vom 2. Sept. 2026Nicht getestet
Gemini 3.7 FlashGoogle DeepMind66,0 %high, Lauf vom 13. Okt. 202637,0 %high, Lauf vom 14. Aug. 2026Nicht getestet
GPT-5 ProOpenAI48,0 %high, Lauf vom 14. Okt. 2026Nicht getestetNicht getestet
DeepSeek V4.1 Flash 1017DeepSeek46,0 %max, Lauf vom 19. Okt. 202649,0 %max, Lauf vom 19. Okt. 2026Nicht getestet
DeepSeek V4.1 FlashDeepSeek48,0 %max, Lauf vom 13. Okt. 202643,0 %max, Lauf vom 8. Okt. 2026Nicht getestet

So lesen Sie dieses Ranking

Was die Werte messen, was sie auslassen und woher jede Zahl stammt.

Was gemessen wird
Drei Tests, die Epoch AI selbst durchführt: der beste Zug in neuen Schachstellungen, der beste Zug in einem Spiel, dessen Name geheim bleibt, damit sich Modelle weniger leicht darauf vorbereiten konnten, und wie viele Ziele ein Modell in einem wenig bekannten Brettspiel erreicht, nachdem es dieses geübt hat.
Was fehlt
Epoch nutzt Rätsel und Spiele als Stellvertreter für Planen und Lernen bei der Arbeit; Schreiben, Programmieren oder Wissen werden damit nicht getestet.
So lesen Sie die Spanne
Jedes Ergebnis hat ein 95-%-Intervall: 1,96 Standardfehler nach beiden Seiten, so wie Epoch AI sie veröffentlicht. Bei einem Durchschnitt werden die Fehler seiner Tests zusammengeführt. Überschneiden sich zwei Intervalle, können die Tests nicht sagen, welches Modell besser ist. Die Zeilen sind weiterhin nach Wert nummeriert, und jede Zeile gibt an, mit wie vielen Modellen über ihr sie sich überschneidet.
Einstellungen
Unter jedem Ergebnis stehen die Reasoning-Einstellung, mit der Epoch AI das Modell laufen ließ (in der Bezeichnung des Anbieters), und der Tag des Durchlaufs. Wenn ein Modell mit mehreren Einstellungen lief, zählt das beste Ergebnis.
Nur vollständige Ergebnisse
Ein Modell erhält nur dann eine Nummer, wenn es Ergebnisse in allen drei Tests hat. Sein Platz ergibt sich aus dem einfachen Durchschnitt der drei Werte, ohne Gewichtung. Modelle mit weniger Ergebnissen stehen ohne Nummer unter der Rangliste.
Seit über 120 Tagen nicht aktualisiert
Ein Ergebnis, das mehr als 120 Tage vor den neuesten Daten auf diesen Seiten erzielt wurde, trägt diese Markierung, damit sich ein älteres Ergebnis auch als solches einordnen lässt.
Preise
Der Listenpreis pro Million Token von der eigenen Preisseite des Anbieters, abgerufen am 12. November 2026. Es ist ein Preis pro Token, nicht pro Antwort: Eine höhere Reasoning-Einstellung verbraucht für dieselbe Frage mehr Token. Wo AIGROW API-Guthaben ein Modell anbietet, ist der Listenpreis durchgestrichen. Darunter steht der Preis über das Guthaben.

Quelle: Epoch AI, Chess Puzzles, Mystery Game Puzzles, EBR-bench (Daten vom 12. November 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.

Preise ansehenBenchmark ansehen

Datenstand 12. November 2026