KI-Modelle im Vergleich
Wie klug ist ein Modell, was kostet eine Aufgabe und wie lange dauert sie? Hier stehen nur die Modelle, die im Alltag wirklich zählen, jeweils mit allen Reasoning-Stufen. Weitere Modelle lassen sich rechts zuschalten. Stand: 16. Oktober 2026, Daten von Artificial Analysis.
Wie viele Aufgaben löst dein Abo?
Abos sind gegenüber API-Preisen stark subventioniert. So viele Aufgaben löst jedes Modell pro Monat.
Anspruchsvoll: z. B. Fachgutachten, komplexe Verträge, größere Features. Geeignet ab 50 % gelösten Aufgaben, eingeschränkt geeignet ab 30 %.
ChatGPT Pro 100
Claude Max 5×- 1Opus 5.5 (medium)Claude Max 5×2.966 Aufg.69 % Erfolg · 4.285 Versuche
- 2Sonnet 5.5 (xhigh)Claude Max 5× · abgeleitet2.210 Aufg.73 % Erfolg · 3.045 Versuche
- 3GPT-6.1 Sol (high)ChatGPT Pro 1002.104 Aufg.64 % Erfolg · 3.306 Versuche
- 4GPT-6 Astra (high)ChatGPT Pro 100517 Aufg.67 % Erfolg · 766 Versuche
- 5Fable 5.1 (medium)Claude Max 5×238 Aufg.56 % Erfolg · 427 Versuche
- Nicht geeignet (unter 30 % Erfolg)6Haiku 5.5 (max)Claude Max 5× · Annahme6.465 Aufg.24 % Erfolg · 27k Versuche
- 7GPT-6 Luna (max)ChatGPT Pro 100 · abgeleitet1.215 Aufg.8 % Erfolg · 16k Versuche
- 8GPT-6 Sol (xhigh)ChatGPT Pro 100 · abgeleitet570 Aufg.28 % Erfolg · 2.026 Versuche
So rechnen wir
Versuche pro Monat = API-Gegenwert des Abo-Kontingents ÷ API-Kosten pro Aufgabe (durchschnittliche Aufgabe des Intelligence Index, Artificial Analysis). Erfolgsquote = 1 / (1 + e^−(Intelligence Index − Schwierigkeit) / 4), ein Rasch-Modell aus der Testtheorie. Gelöste Aufgaben = Versuche × Erfolgsquote. Je Modell wählen wir die im Abo verfügbare Reasoning-Stufe, die am meisten löst. Jede Zeile zeigt, was du bekommst, wenn das ganze Kontingent auf dieses eine Modell geht.
API-Gegenwerte: SemiAnalysis-Tests vom 5.10.2026 (Abos bis zum Wochenlimit ausgereizt, bewertet zu API-Listenpreisen). Abgeleitet = aus Messungen anderer Modelle mit gleichem API-Preis bzw. aus offiziellen Vervielfachern. Annahme = Haiku wurde nicht gemessen; wir nehmen wie bei OpenAI belegt eine Gewichtung nach API-Preis an. Andere Messungen (z. B. Wokey für ChatGPT Plus ≈ 400 $/Monat) liegen teils doppelt so hoch, die Limits ändern sich laufend.
Ohne Messdaten zum Kontingent: Gemini AI Ultra 5×, Grok X Super, Kimi Max. Stand 14. Oktober 2026. Meta Muse (Muse Wonder) ist in Deutschland und der EU nicht verfügbar. DeepSeek bietet kein Abo an, der Chat ist kostenlos. SuperGrok und SuperGrok Heavy werden seit 12.10.2026 nicht mehr neu verkauft.
Welches Modell passt zu deiner Aufgabe?
Zweck und Priorität wählen, wir rechnen aus allen relevanten Modellen und Reasoning-Stufen die drei besten Optionen aus.
Unsere Empfehlung
Qualität gemessen am Intelligence Index- 1GPT-6.1 SolReasoning: highComputer UseBeste Wahl
81 % der Spitzenqualität, 19× günstiger als Opus 5.5 (max).
- Qualität
- 50,2
- Kosten je Aufgabe
- 0,319 $
- Dauer je Aufgabe
- 3 min 44 s
Passung63 - 2Claude Opus 5.5Reasoning: high
90 % der Spitzenqualität, 3,3× günstiger als Opus 5.5 (max).
- Qualität
- 53,6
- Kosten je Aufgabe
- 1,82 $
- Dauer je Aufgabe
- 4 min 25 s
Passung60 - 3GPT-6 AstraReasoning: highComputer Use
83 % der Spitzenqualität, 3,5× günstiger als Opus 5.5 (max).
- Qualität
- 50,9
- Kosten je Aufgabe
- 1,73 $
- Dauer je Aufgabe
- 3 min 44 s
Passung58
Die Empfehlung gewichtet Qualität, Kosten und Bearbeitungszeit aus den Benchmarks von Artificial Analysis. Datenschutz, Verfügbarkeit in der EU und Vertragsbedingungen der Anbieter fließen nicht ein.
Kosten vs. Intelligenz
Zeit pro Aufgabe vs. Intelligenz
Stärken nach Fachbereich
Wie gut lösen die Modelle Aufgaben aus Recht, Finanzen, Strategie, Medizin, Technik und Programmierung?
| Modell | |||||||||
|---|---|---|---|---|---|---|---|---|---|
| 62,7 | 63,3max | 60,7max | 63,7max | 65,6max | 60,5max | 60,4max | 59,6max | 46,4max | |
| 59,3 | 60,8xhigh | 56,4max | 59,7max | 62,7max | 58max | 56,8xhigh | 55,1xhigh | 43,5max | |
| 57,1 | 60high | 53,8high | 56,2high | 60,4high | – | 55,2high | 57,1high | 42,4high | |
| 57,1 | 58,5max | 55,2max | 57,3max | 59,8max | 51,7max | 54,7xhigh | 59,6xhigh | 43,7high | |
| 56,9 | 54,7max | 54,2max | 57,8max | 60,7max | – | 57max | 57,1max | 30,2max | |
| 56,4 | 57,7max | 54max | 57max | 59,3max | 51,2max | 53,9max | 56,1max | 41,5max | |
| 53,9 | 52max | 51,3max | 54,8max | 57,7max | – | 53,8max | 52max | 25,5max | |
| 52,7 | 54,2high | 51,9xhigh | 54,4xhigh | 55,7xhigh | 47,2xhigh | 47,4xhigh | 25,8xhigh | 32xhigh | |
| 44,5 | 42,3max | 43,9max | 40,4max | 51,2max | 44,1max | 44,9max | 32,8max | 10,7max | |
| 41,7 | 40,3max | 40,3max | 45,7max | 45,2max | 37,4max | 37,1max | 12,6max | 0,7max |
Werte 0–100 je Fachbereich, jeweils beste sichtbare Reasoning-Stufe. Je kräftiger die Farbe, desto besser innerhalb der Spalte. Spaltenkopf anklicken zum Sortieren, Modellname zum Hervorheben. Coding: Terminal-Bench 4.0. Wissen & Faktentreue: AA-Omniscience-Index, bei dem falsche Antworten Punkte kosten (daher auch negative Werte möglich).