Die Modelle werden nach der Qualität ihrer deutschen Texte geordnet. Mit den Filtern lässt sich die Liste eingrenzen. Für die ausgewählten Schreibkategorien werden die Ränge vor den Filtern für Anbieter, Größe, Zugang, Reasoning und Quantisierung berechnet; ausgeblendete Modelle können daher Lücken hinterlassen.
Zuletzt aktualisiert:
| Rang | Modell | KI- Bewertung | Menschliche Bewertung |
|---|---|---|---|
| 1 |  GPT-6.1 Sol 💡 | 97,0 | — |
| 2 |  Claude Opus 5.5 💡 | 96,4 | — |
| 3 | GPT-6 Astra 💡 | 95,6 | — |
| 4 | Claude Fable 5.1 💡 | 95,5 | — |
| 5 | Claude Opus 5 💡 | 95,1 | — |
| 6 | Claude Fable 5 💡 | 94,7 | — |
| 7 |  Kimi K3 💡 | 93,3 | — |
| 8 |  Muse Spark 1.2 💡 | 90,7 | — |
| 9 | GPT-6 Sol 💡 | 90,4 | — |
| 10 | GPT-5.6 Sol 💡 | 90,2 | — |
| 11 |  DeepSeek V4.1 Flash 💡 | 89,6 | — |
| 12 |  Gemini 3.8 Flash 💡 | 89,4 | — |
| 14 |  Grok 4.7 💡 | 88,7 | — |
| 15 | Claude Sonnet 5.5 💡 | 88,6 | — |
| 16 | Gemini 3.7 Flash 💡 | 88,4 | — |
| 17 | Muse Spark 1.3 💡 | 87,1 | — |
| 18 |  GLM 5.3 💡 | 86,9 | — |
| 19 | Claude Haiku 5.5 💡 | 83,4 | — |
| 20 |  Qwen3.8 Max 💡 | 82,5 | — |
| 21 |  Hy4 Preview 💡 | 81,3 | — |
| 23 | GPT-6 Luna 💡 | 80,0 | — |
| 24 | Claude Sonnet 5 💡 | 79,2 | — |
| 25 | Qwen3.7 Max 💡 | 78,5 | — |
| 25 |  Aion 3.5 💡 | 78,5 | — |
| 27 | GPT-5.6 Luna 💡 | 77,8 | — |
| 28 | GPT-5.6 Terra 💡 | 77,7 | — |
| 29 |  Inkling 💡 | 74,8 | — |
| 30 |  Mistral Large 4 💡 | 73,6 | — |
| 31 |  MiniMax M3 💡 | 70,8 | — |
| 32 | DeepSeek V4 Flash 💡 | 69,6 | — |
| 33 | Gemma 4 31B 💡 🏠 | 68,9 | 46,3 |
| 34 | Aion 3.0 💡 | 68,7 | — |
| 35 | Hy3 💡 | 68,5 | — |
| 36 | GLM 5.2 💡 | 67,9 | — |
| 37 | Gemma 4 26B A4B 💡 🏠 | 66,8 | 50,3 |
| 38 |  MiMo V2.6 Pro 💡 | 66,1 | — |
| 39 |  Ling 3.1 Flash 💡 | 65,1 | — |
| 42 | Qwen3.7 Plus 💡 | 63,1 | — |
| 44 | Qwen3.8 27B 💡 🏠 | 60,8 | — |
| 46 | MiMo V2.5 Pro 💡 | 60,0 | — |
| 49 | Gemma 4 12B ↯ 🏠 | 59,2 | — |
| 50 | Gemma 4 31B ↯ 🏠 | 58,0 | — |
| 52 | DeepSeek V4 Pro 💡 | 56,9 | — |
| 53 | Qwen3.6 27B 💡 🏠 | 55,0 | 32,3 |
| 56 |  Nemotron 3 Ultra 💡 | 52,7 | — |
| 59 | Gemma 4 12B 💡 🏠 | 50,9 | — |
| 59 | Qwen3.8 Flash 💡 | 50,9 | — |
| 62 | Grok 4.6 💡 | 47,7 | — |
| 63 | GLM 5.3 Flash 💡 | 46,7 | — |
| 66 | Gemma 4 26B A4B ↯ 🏠 | 45,8 | — |
| 69 | Mistral Medium 3.5 💡 | 40,7 | — |
| 69 | Qwen3.6 35B A3B 💡 🏠 | 40,7 | 67,7 |
| 74 |  Seed 2.1 Turbo ↯ | 36,9 | — |
| 75 | MiMo V2.6 Flash 💡 | 29,8 | — |
| 77 | Qwen3.8 27B ↯ 🏠 | 25,0 | — |
| 78 | MiniMax M3.1 Flash 💡 | 24,2 | — |
| 79 | MiMo V2.5 💡 | 23,7 | — |
| 80 |  Agnes 3.0 Flash 💡 | 22,8 | — |
| 83 | Qwen3.6 27B ↯ 🏠 | 20,8 | — |
| 84 | Gemma 4 E4B 💡 🏠 | 18,8 | — |
| 86 | Nemotron 3.5 Lightning 💡 | 16,7 | — |
| 90 | Qwen3.6 35B A3B ↯ 🏠 | 12,5 | — |
| 91 | Gemma 4 E4B ↯ 🏠 | 12,1 | — |
| 93 | Gemma 4 E2B 💡 🏠 | 11,0 | — |
| 96 | Gemma 4 E2B ↯ 🏠 | 10,7 | — |
| 103 |  Granite 4.2 30B 💡 🏠 | 5,4 | — |
| 105 | Nemotron 3 Nano Omni 30B A3B 💡 🏠 | 4,9 | — |
| 108 | Granite 4.2 8B 💡 🏠 | 1,6 | — |
Ein Modell erscheint nach seiner ersten veröffentlichten Einzelbewertung; sein Ranglistenwert nach seinem ersten zulässigen Duell.
108 verglichene Modelle115.703 veröffentlichte KI-Urteile
Methode: regularisiertes Bradley–Terry-Modell. Die KI-Bewertung bestimmt den Rang; die menschliche Bewertung ist davon unabhängig und bleibt nachrangig, bis mehr Stimmen aus dem Publikum vorliegen. Eine Bewertung von 50 bedeutet, dass ein Modell das durchschnittliche Modell dieser Sprache und Kategorie schätzungsweise in der Hälfte der Duelle schlägt.
Jede Zelle zeigt den Anteil der möglichen Punkte, den das Zeilenmodell gegen das Spaltenmodell erzielt: Ein Sieg zählt 100 %, ein Unentschieden 50 %, eine Niederlage 0 %. Diese Ergebnismatrix verwendet nur die mit der Hauptrangliste kompatiblen Bewertungsprotokolle.
Gerichtete Matrix der in direkten Duellen erzielten Punkte. Werte über 50 % sprechen für das Zeilenmodell, Werte darunter für das Spaltenmodell.
0 %100 %
💡 kennzeichnet ein Modell mit Reasoning, ↯ eines ohne Reasoning. 🏠 kennzeichnet ein Modell, das lokal ausgeführt wurde: auf dem Rechner des Autors dieser Website.„on*“ bedeutet, dass sich Reasoning nur ein- oder ausschalten lässt (lokale Modelle ohne Zwischenstufen): Die lokale Datei unterstützt die angeforderte Feineinstellung nicht und fällt auf den standardmäßig aktivierten Modus zurück. Bei lokalen Modellen mit einstellbarem Reasoning (Qwen3.8, Muse Glimmer, Granite 4.2, Nemotron 3 Super, K2 Horizon, Ling 3.0 Flash) ist das angezeigte Niveau (xhigh**, high, full) das Standardniveau des Modells: Die lokale Datei unterstützt die angeforderte Feineinstellung nicht und fällt auf ihr Standardverhalten zurück.
| Modell |
|---|
Jede Zelle zeigt, wie viele veröffentlichte, KI-bewertete Duelle über alle Protokolle hinweg die beiden Modelle für diese Sprache und Kategorie vergleichen. Die Modelle auf beiden Achsen sind Kandidaten; die Matrix zeigt nicht, welcher Juror das jeweilige Urteil gefällt hat.
Symmetrische Matrix der veröffentlichten Duellzahlen. Die Diagonale ist null, weil ein Modell nicht mit sich selbst verglichen wird.
0
💡 kennzeichnet ein Modell mit Reasoning, ↯ eines ohne Reasoning. 🏠 kennzeichnet ein Modell, das lokal ausgeführt wurde: auf dem Rechner des Autors dieser Website.„on*“ bedeutet, dass sich Reasoning nur ein- oder ausschalten lässt (lokale Modelle ohne Zwischenstufen): Die lokale Datei unterstützt die angeforderte Feineinstellung nicht und fällt auf den standardmäßig aktivierten Modus zurück. Bei lokalen Modellen mit einstellbarem Reasoning (Qwen3.8, Muse Glimmer, Granite 4.2, Nemotron 3 Super, K2 Horizon, Ling 3.0 Flash) ist das angezeigte Niveau (xhigh**, high, full) das Standardniveau des Modells: Die lokale Datei unterstützt die angeforderte Feineinstellung nicht und fällt auf ihr Standardverhalten zurück.
| Modell |
|---|
Welches Modell schreibt den besseren Text? Beurteilen Sie dieses anonyme Paar und tragen Sie zur menschlichen Rangliste bei. Im Textduell sehen Sie nicht, welches Modell welchen Text geschrieben hat. Die Namen erscheinen erst nach Ihrer Wahl.
Die Rangliste hat einen Sieger; Ihre Texte haben viele. Allein auf den Duellen einer Textsorte gewinnt Claude Fable 5 Fiktion und Erklärung, Claude Opus 5 persönliche Briefe, und bei Bewerbungen liegen Claude Fable 5 und GPT-5.6 Sol gleichauf. Ein einfacher Leitfaden, Aufgabe für Aufgabe, mit der besten Datei für den eigenen Rechner.
Wir haben in 3.182 gewerteten deutschen Texten gezählt, was Leser „KI-Prosa“ nennen: Gedankenstriche, Floskeln, „nicht X, sondern Y“, Dreierlisten, Anglizismen. Kimi K3 und Claude Fable 5, damals Platz 5 und 3, setzen alle 70 bis 80 Wörter einen Gedankenstrich; Claude Opus 5, damals Erster, deutlich seltener. Und „zudem“ steht 257-mal im Korpus.
91 Modelle sind auf Englisch, Französisch, Deutsch und Spanisch nach demselben Verfahren eingestuft. Am 19. September war Claude Fable 5 in allen vier Sprachen Dritter, Claude Opus 5 auf Deutsch Erster. Darunter war GLM 5.3 Flash auf Englisch Zehnter und auf Deutsch 54., und die beste lokale Datei ist in jeder Sprache eine andere: auf Deutsch Gemma 4 31B.
Die beiden meistgefragten Assistenten, auf denselben deutschen Aufgaben in blinden Duellen beurteilt: wer besser schreibt, um wie viel, und bei welchen Textsorten. Mit jeder Aktualisierung der Rangliste neu berechnet.
Die laufend aktualisierte Rangliste offener Modelle für deutsche Texte, der Speicherbedarf jeder Datei und was in 16, 24, 32 oder 128 GB passt.
