LLM-Datenbank — ABXK

LLM-Ranking: 257 Sprachmodelle auf einer Skala

Mon, 12 Oct 2026 14:00:00 +0200

Einzelne Benchmarks widersprechen einander: Ein Modell führt in Mathematik, ein anderes beim Programmieren, ein drittes bei langen Aufgaben. Ein Ranking braucht eine Skala. Wir nutzen den Epoch Capabilities Index, der die Ergebnisse von mehr als 50 Benchmarks zu einer Zahl je Modell zusammenfasst — ein Index, kein Prozentwert, so skaliert, dass Claude 3.5 Sonnet bei 130 und GPT-5 bei 150 steht.

Das Ranking umfasst die 257 Modelle, für die es den Index gibt. Wir haben kein Modell selbst getestet und keinen Wert verändert; unser Anteil sind die Ansichten unten. Die Abstände an der Spitze sind klein: Unterschiede von ein, zwei Indexpunkten liegen innerhalb der Unsicherheit des Index.

LLM-Benchmarks 2019–2026: die Bestmarken auf 16 Ranglisten

Mon, 12 Oct 2026 13:00:00 +0200

Ein Benchmark-Wert sagt für sich wenig. Aussagekräftig wird er, wenn man sieht, wie schnell er sich bewegt hat: welches Modell wann den Rekord setzte — und wie lange der Test hielt, bevor der nächste erfunden werden musste.

Diese Seite führt dieses Protokoll für 16 Benchmarks, von der GPT-2-Zeit bis heute. Zu jedem sehen Sie jedes Modell, das bei seinem Erscheinen alle früheren übertraf, und die Spitze von heute. Die Zahlen stammen aus dem offenen Benchmark-Archiv von Epoch AI — 2.621 Ergebnisse in den 16 hier gezeigten Benchmarks. Wir haben kein Modell selbst getestet und keinen Wert verändert; unser Anteil sind die Auswahl, die Rekordlinien und der Vergleich über die Zeit.