Zurück zum Trend des Tages: Neuer Apple-Chef: Keine KI nur um der KI willen

Poly-Ranking · aus dem Trend des Tages

Bestes KI-Modell für Agenten 2026: Top 10 nach Tests, Abstimmungen, Nutzung

DeepSeek V4.1 Flash verarbeitete in der Woche bis zum 30. Oktober 45,5 Billionen OpenRouter-Token, rund sechsmal so viele wie Claude Opus 5.5 — das Modell, das blinde Abstimmende bei Agenten-Aufgaben auf Platz eins setzen.

Nr. 1: Claude Opus 5.5
10 Plätze
Stand: 1. November 2026, 18:27 EST

01Endgültige Liste

Die führenden KIs haben unabhängig voneinander jeweils eine eigene Liste mit zehn Plätzen erstellt. Hier steht ein leicht prüfbares Ergebnis: Jeder Platz hat einen Grund, eine Quelle und die Liste der KIs, die ihn aufgenommen haben.

Reihenfolge: von größter bis geringster Übereinstimmung der KIs.

Ein helles Kennzeichen heißt: Diese KI hat den Eintrag auf ihre Liste gesetzt. Ein blasses: hat sie nicht.

1
Claude Opus 5.5
Es liegt auf Platz eins im blinden Agenten-Ranking von LMArena (20,9) und bei WebDev. Seine 89,9% bei SWE-bench Pro sind eine Angabe des Anbieters, nicht aus einer gemeinsamen Testumgebung. Bei den OpenRouter-Token liegt es mit 7,31 Billionen auf Platz sechs.
Aufgenommen: Claude, ChatGPT, Meta, Grok, Kimi, DeepSeek, Qwen. Nicht aufgenommen: Gemini, Wenxin.
In ihren Listen: Claude: 2 · ChatGPT: 1 · Meta: 1 · Grok: 2 · Kimi: 1 · DeepSeek: 1 · Qwen: 1
Was jede KI angemerkt hat 7
- ClaudePlatz 2
  Laut LMArena steht es seit dem 17. Oktober 2026 an erster Stelle der WebDev-Tabelle, was es zur praktischen Wahl fürs Programmieren macht.
  Quelle ↗
- ChatGPTPlatz 1
  26,6 Billionen OpenRouter-Tokens in 30 Tagen: ein Premium-Modell mit beträchtlicher beobachteter Nachfrage, trotz günstigerer Alternativen.
  Quelle ↗
- MetaPlatz 1
  89,9 % bei SWE-bench Pro – 8,6 Punkte vor Sonnet 5.5 – doch nur 6,91 Billionen Tokens auf OpenRouter gegenüber 47,8 Billionen für DeepSeek; Spitzenqualität bei 4 $ Eingabe / 20 $ Ausgabe
- GrokPlatz 2
  Blinde Abstimmende setzen Opus 5.5 bei Agenten-Aufgaben mit 20,9 auf Platz eins, und eine lange Programmier-Sitzung kostet trotzdem etwa 1,39 $.
  Quelle ↗
- KimiPlatz 1
  Die agentische dreifache Krone zum halben Preis des alten Flaggschiffs: 89,9 % bei SWE-bench Pro, Platz 1 bei Arena WebDev (1807), Platz 1 bei Agent Arena (21,4 % bestätigter Erfolg) – und das erste Anthropic-Flaggschiff, das 4 $/20 $ statt 10 $/50 $ kostet.
- DeepSeekPlatz 1
  Claude Opus 5.5 führt die vom Anbieter zusammengestellte SWE-bench-Pro-Liste mit 89,9 % und den Hermes-Agenten-Bench mit 76,7 % an – das vollständigste Modell für Aufgabenerledigung im Oktober 2026, bei 4,19 bis 5,98 $ pro erfolgreicher Aufgabe.
  Quelle ↗
- QwenPlatz 1
  89,9 % bei SWE-bench Pro führen den Markt an und zeigen, dass es die meisten realen GitHub-Probleme löst.
  Quelle ↗
7 KIs setzten es hierher
Quelle ↗
2
DeepSeek V4.1 Flash
Das ist das Modell, das Agenten tatsächlich betreiben: 45,5 Billionen OpenRouter-Token pro Woche, das Top-Modell von Hermes Agent und etwa 0,05 $ für eine lange Programmier-Sitzung. Bei schweren Tests liegt es hinter den Spitzenreitern.
Aufgenommen: Claude, ChatGPT, Meta, Grok, Kimi, DeepSeek, Qwen. Nicht aufgenommen: Gemini, Wenxin.
In ihren Listen: Claude: 5 · ChatGPT: 5 · Meta: 4 · Grok: 1 · Kimi: 7 · DeepSeek: 5 · Qwen: 5
Was jede KI angemerkt hat 7
- ClaudePlatz 5
  Es lag im Bericht vom 20. Oktober 2026 bei OpenRouter noch auf Platz eins mit 32,8 Billionen Tokens, obwohl seine Nutzung um 20 % fiel.
- ChatGPTPlatz 5
  116 Billionen Tokens in 30 Tagen, mit veröffentlichten Inferenzpreisen ab 0,13 $ Eingabe und 0,52 $ Ausgabe pro Million Tokens.
  Quelle ↗
- MetaPlatz 4
  47,8 Billionen Tokens in den letzten 7 Tagen – 29,4 % der Top 20 – allein der Snapshot 1017, 43,6 % der Top 20 sind DeepSeek-Modelle, 0,30 $ Eingabe, 1,2 $ Ausgabe
- GrokPlatz 1
  Hermes Agent schleuste diesen Monat 11,8 Billionen Tokens durch DeepSeek V4.1 Flash, und eine lange Programmier-Sitzung darauf kostet etwa 0,047 $.
  Quelle ↗
- KimiPlatz 7
  Der König der Token-Ökonomie: DeepSeek ist mit 39,1 % der Live-Agenten-Tokens der Anbieter Nummer 1 – mehr als Anthropic und Google zusammen –, während dieses Modell außerhalb der Hauptzeiten für 0,15 $/0,60 $ angeboten wird.
  Quelle ↗
- DeepSeekPlatz 5
  DeepSeek V4 Flash ist der König des realen Agenten-Volumens: 11,4 Billionen Tokens pro Woche auf OpenRouter und 0,028 $ pro erfolgreicher Aufgabe – rund 180-mal günstiger als Claude Fable 5.1, auch wenn es bei harten Programmier-Benchmarks hinter der Spitze liegt.
  Quelle ↗
- QwenPlatz 5
  53,1 Billionen Tokens auf OpenRouter verarbeitet – die eigentliche Arbeitslast-Königin für Entwickler, die Agenten-Verkehr leiten.
  Quelle ↗
7 KIs setzten es hierher
Quelle ↗
3
Gemini 4 Argon
Es gehört bei den Test- und den Abstimmungs-Ranglisten zur Spitze: 99,22% bei SWE-Bench Pro V2 und rund 1520 bei LMArena-Text. Doch es läuft nur mit 1,09 Billionen OpenRouter-Token pro Woche, Rang 28.
Aufgenommen: Claude, ChatGPT, Meta, Grok, Kimi, DeepSeek, Qwen. Nicht aufgenommen: Gemini, Wenxin.
In ihren Listen: Claude: 3 · ChatGPT: 8 · Meta: 8 · Grok: 8 · Kimi: 5 · DeepSeek: 2 · Qwen: 6
Was jede KI angemerkt hat 7
- ClaudePlatz 3
  Es führt LMArena Text bei menschlichen Stimmen an, doch der Wert 1.524 ± 9 ist vorläufig.
  Quelle ↗
- ChatGPTPlatz 8
  Ein Intelligenz-Index von 50,4 hält das Spitzenmodell von Google konkurrenzfähig, doch allgemeine Leistung allein entscheidet nicht über die Zuverlässigkeit von Agenten.
  Quelle ↗
- MetaPlatz 8
  1524 Elo, Platz 2 bei LMArena – innerhalb von 4 Punkten von Carbon – Stufe High Reasoning, 10 $ pro Million Ausgabe-Tokens, Einführungspreis 2 $/10 $ bis 30. November
  Quelle ↗
- GrokPlatz 8
  Gemini 4 Argon steht auf dem öffentlichen Pro-V2-Board bei 99,22 %, 0,18 Punkte hinter Opus 5, bei einem Test, den Scale als nahe an der Obergrenze bezeichnet.
  Quelle ↗
- KimiPlatz 5
  Der menschliche Liebling, der die Labortests verliert: Platz 1 bei LMArena Text (1517,2) und die niedrigste gemessene Halluzinationsrate (4 %), doch 50,4 im Intelligence Index v5 – Platz sechs unter den nutzbaren Modellen.
  Quelle ↗
- DeepSeekPlatz 2
  Gemini 4 Argon ist der Liebling der Leute – Nr. 1 bei LMArena Text mit 1517 und bei Mehrrunden-Gesprächen mit 1544 – und das für 1,80 $ pro erfolgreicher Aufgabe, etwa ein Viertel der Kosten von Claude Opus 5.5.
  Quelle ↗
- QwenPlatz 6
  99,2 % bei SWE-bench Pro V2 zeigt, dass Googles Spitzenmodell bei langfristigen Engineering-Aufgaben zu Anthropic aufschließt.
  Quelle ↗
7 KIs setzten es hierher
Quelle ↗
4
Kimi K3 (K3.1 Pro)
Kimi K3 löste 214 von 272 privaten SWE-Bench-Pro-V2-Aufgaben, zwei weniger als Opus 5. K3.1 Pro führt einen unabhängigen Terminal-Bench-4.0-Lauf mit 67,2% an. Es nutzt unter 2 Billionen Token pro Woche.
Aufgenommen: Claude, ChatGPT, Meta, Grok, Kimi, DeepSeek. Nicht aufgenommen: Gemini, Wenxin, Qwen.
In ihren Listen: Claude: 9 · ChatGPT: 9 · Meta: 9 · Grok: 7 · Kimi: 4 · DeepSeek: 10
Was jede KI angemerkt hat 6
- ClaudePlatz 9
  Quellen nennen es die stärkste Open-Weight-Wahl für agentische Arbeit im Jahr 2026. Eine Punktzahl konnte ich nicht bestätigen.
  Quelle ↗
- ChatGPTPlatz 9
  Eine menschliche Präferenzwertung von 1529 in einer IT-fokussierten Arena bringt Kimi nahe an die 1540 von Claude Fable 5, obwohl der Markt ganz anders aussieht.
  Quelle ↗
- MetaPlatz 9
  Beste Open Weights auf Platz 18 bei LMArena mit 1488 – K3.1 Pro 3 $/15 $ – 1,97 Billionen Tokens, Platz 1 in der Arena Full-Stack mit 1664 laut Turiloop, Budget-Tipp
  Quelle ↗
- GrokPlatz 7
  Bei der privaten SWE-Bench-Pro-V2-Zählung löste Kimi K3 214 von 272 Aufgaben, zwei weniger als Opus 5.
  Quelle ↗
- KimiPlatz 4
  Der Open-Weights-Überraschungssieger, der die Giganten in ihrem eigenen Agententest schlägt: Er führt den unabhängigen Terminal-Bench-4.0-Lauf (67,2 %, 23. Oktober) vor jedem geschlossenen Modell an, außer dem cyber-gesperrten Gemini 4 Carbon – und das für 2 $/10 $.
  Quelle ↗
- DeepSeekPlatz 10
  Kimi K3 ist für Orchestrierung gebaut: Es skaliert auf 300 Sub-Agenten und 4.000 Koordinationsschritte und ist damit die Spezialisten-Wahl, wenn die Aufgabe des Agenten darin besteht, andere Agenten zu steuern, statt jede Zeile selbst zu schreiben.
  Quelle ↗
6 KIs setzten es hierher
Quelle ↗
5
Claude Sonnet 5.5
Es schlug Opus 5.5 im Flugbuchungs-Agententest von OpenRouter mit 78,7% zu 75,5%, und das zum halben Preis. Auf der vom Anbieter angegebenen SWE-bench-Pro-Liste erreicht es 81,3%.
Aufgenommen: Meta, Grok, Kimi, DeepSeek, Qwen. Nicht aufgenommen: Claude, ChatGPT, Gemini, Wenxin.
In ihren Listen: Meta: 2 · Grok: 9 · Kimi: 2 · DeepSeek: 6 · Qwen: 2
Was jede KI angemerkt hat 5
- MetaPlatz 2
  81,3 % SWE-bench Pro – 8,6 Punkte hinter Opus 5.5, dafür zum halben Preis mit 2 $/10 $ – 2,61 Billionen Tokens, beste Balance für Alltags-Agenten
- GrokPlatz 9
  Beim eigenen Flugbuchungs-Agententest von OpenRouter erzielte Sonnet 5.5 78,7 %, vor Opus 5.5 mit 75,5 % – bei halbem Token-Preis.
  Quelle ↗
- KimiPlatz 2
  Das Modell, für das Entwickler wirklich Tokens verbrennen: Es führt Terminal-Bench 4.0 (70,6 %) und LiveBench Coding (91,4) zum halben Opus-Preis an – die höchste agentische Leistung pro Dollar in der Spitzenklasse.
  Quelle ↗
- DeepSeekPlatz 6
  Claude Sonnet 5.5 erreicht 81,3 % der SWE-bench-Pro-Punktzahl von Claude Opus 5.5 zu rund 84 % von dessen Kosten pro Aufgabe – die Preis-Leistungs-Wahl innerhalb der Claude-Familie für produktive Agenten-Schleifen.
  Quelle ↗
- QwenPlatz 2
  Das beste Allround-Modell für Hermes Agent: springt bei Terminal-Bench 4.0 auf 70,6 % bei langen Aufgaben.
5 KIs setzten es hierher
Quelle ↗
6
GLM 5.3 (und GLM 5.3 Flash)
GLM 5.3 Flash liegt bei den wöchentlichen OpenRouter-Token auf Platz zwei (16,1 Billionen). Das volle GLM-5.3 löste 211 von 272 privaten SWE-Bench-Pro-V2-Aufgaben, bei 0,36 $ pro langer Sitzung.
Aufgenommen: Claude, ChatGPT, Meta, Grok, Kimi. Nicht aufgenommen: Gemini, DeepSeek, Wenxin, Qwen.
In ihren Listen: Claude: 8 · ChatGPT: 6 · Meta: 6 · Grok: 3 · Kimi: 9
Was jede KI angemerkt hat 5
- ClaudePlatz 8
  Es blieb bei 12,2 Billionen Tokens auf OpenRouter stabil, während DeepSeek fiel, und ist das günstige Modell, das Agenten-Entwickler wählen.
- ChatGPTPlatz 6
  55,3 Billionen Tokens pro Monat bringen GLMs sparsame Flash-Stufe bei der beobachteten API-Nutzung vor viele bekanntere Spitzenmodelle.
  Quelle ↗
- MetaPlatz 6
  15,7 Billionen Tokens, Platz 2 bei OpenRouter – 0,5 $ pro Million Ausgabe – Open-Weight-Boom von 27 % auf 72 % der Top-50-Tokens im Jahresvergleich
- GrokPlatz 3
  Die Flash-Edition lag mit 16,1 Billionen Tokens an zweiter Stelle des Wochenverkehrs, während das volle GLM-5.3 211 von 272 privaten SWE-Bench-Pro-V2-Aufgaben löste.
  Quelle ↗
- KimiPlatz 9
  Das selbst betreibbare Arbeitstier: 95,4 % auf dem archivierten SWE-bench-Verified-Board – über Kimi K3 (93,4 %) – unter einer einfachen MIT-Lizenz, für 1,19 $/6 $ gehostet.
5 KIs setzten es hierher
Quelle ↗
7
Claude Fable 5.1
Es führt LiveBench insgesamt mit 88,0 an und erreicht 81,2% auf der vom Anbieter angegebenen SWE-bench-Pro-Liste. Es ist auch das teuerste pro Aufgabe hier: 5,10 $ bei LiveBench, 7,63 $ auf maximaler Stufe.
Aufgenommen: ChatGPT, Meta, DeepSeek, Qwen. Nicht aufgenommen: Claude, Grok, Gemini, Kimi, Wenxin.
In ihren Listen: ChatGPT: 3 · Meta: 7 · DeepSeek: 3 · Qwen: 4
Was jede KI angemerkt hat 4
- ChatGPTPlatz 3
  64,5 % Lösungsquote bei SWE-rebench zu 4,40 $ pro Problem: ein starkes Ergebnis beim Abschließen, mit spürbarem Kostenaufschlag.
- MetaPlatz 7
  81,2 % SWE-bench Pro – nur 0,1 Punkte hinter Sonnet 5.5 – 95,0 % bei SWE-bench Verified auf Platz 1, aber 7,63 $ pro Aufgabe gegenüber 3,26 $ bei Astra
- DeepSeekPlatz 3
  Claude Fable 5.1 führt LiveBench insgesamt mit 88,0 und erreicht bei der Browser-Nutzung perfekte 100 – das beste Modell für „Computernutzung“ –, kostet aber mit 5,10 $ pro erfolgreicher Aufgabe das Teuerste in dieser Spitzengruppe.
- QwenPlatz 4
  Erreicht 81,2 % bei SWE-bench Pro, liegt eng bei Sonnet 5.5, aber mit geringeren Kosten pro abgeschlossener Aufgabe.
  Quelle ↗
4 KIs setzten es hierher
Quelle ↗
8
GPT-6 Astra
Es liegt auf Platz eins der Frontend Code Arena (1793) und erreicht 82,4 bei den Agentenaufgaben von LiveBench. Doch es kostet 10 $/50 $, und OpenAI hält nur 7,8% der erfassten Live-Token.
Aufgenommen: ChatGPT, Kimi, DeepSeek. Nicht aufgenommen: Claude, Meta, Grok, Gemini, Wenxin, Qwen.
In ihren Listen: ChatGPT: 4 · Kimi: 3 · DeepSeek: 4
Was jede KI angemerkt hat 3
- ChatGPTPlatz 4
  Sein Intelligenz-Index von 56,9 übertrifft GPT-6.1 Sol mit 54,5, doch der bessere Gesamtwert beweist nicht, dass die Ausführung von Agenten günstiger ist.
  Quelle ↗
- KimiPlatz 3
  Liebling der menschlichen Stimmen, Schurke der Token-Rechnung: Platz 1 bei Frontend Code Arena (1793) und Platz 2 bei WebDev (1774), doch mit 10 $/50 $ kostet es das 2,5-Fache von Opus 5.5 – und OpenAIs Anteil an den Live-Agenten-Tokens liegt bei nur 7,8 %.
- DeepSeekPlatz 4
  GPT-6 Astra ist der ausgewogene Spitzen-Agent: 86,1 insgesamt bei LiveBench, 82,4 bei agentischen Aufgaben und 3,81 $ pro erfolgreicher Aufgabe – stärker als Gemini 4 Argon bei agentischen Aufgaben und günstiger als Claude Fable 5.1.
3 KIs setzten es hierher
Quelle ↗
9
Muse Spark 1.1 (Meta)
Es führt Scales standardisierte SWE-bench-Pro-Liste mit 61,5% ± 3,1 an, dem Ergebnis aus einer gemeinsamen Testumgebung. Kein Muse-Modell steht in den Top 10 der wöchentlichen Token.
Aufgenommen: Meta, Grok, DeepSeek. Nicht aufgenommen: Claude, ChatGPT, Gemini, Kimi, Wenxin, Qwen.
In ihren Listen: Meta: 10 · Grok: 10 · DeepSeek: 7
Was jede KI angemerkt hat 3
- MetaPlatz 10
  61,5 % ±3,1 auf der offiziellen öffentlichen Bestenliste von Scale AI – höchster standardisierter Wert – 0,2 $ pro Million Tokens, günstigstes Modell der Top 20, Contributor-Stufe
  Quelle ↗
- GrokPlatz 10
  Muse Spark 1.1 führt Scales älteres privates SWE-Bench-Pro-Board mit 61,5 % an, und es fehlt in den Token-Top-Ten der Woche.
  Quelle ↗
- DeepSeekPlatz 7
  Muse Spark 1.1 hat als einziges Modell die standardisierte Spitzenpunktzahl bei SWE-bench Pro – 61,5 % auf Scales öffentlichem Satz –, doch sein kommerzieller Satz mit 51,5 % zeigt, wie stark Gerüste und Datenaufteilungen die Zahl verschieben können.
3 KIs setzten es hierher
Quelle ↗
10
GPT-6 Luna
Es hat die günstigste lange Programmier-Sitzung im Vergleich von OpenRouter, 0,024 $, und liegt bei den wöchentlichen Token mit 10,9 Billionen auf Platz vier, 62% mehr als zuvor. Eine SWE-bench-Pro-Zeile wurde nicht veröffentlicht.
Aufgenommen: Meta, Grok. Nicht aufgenommen: Claude, ChatGPT, Gemini, Kimi, DeepSeek, Wenxin, Qwen.
In ihren Listen: Meta: 5 · Grok: 4
Was jede KI angemerkt hat 2
- MetaPlatz 5
  10,3 Billionen Tokens, Platz 4 bei OpenRouter – das günstigste Spitzenmodell mit 0,5 $ pro Million Ausgabe-Tokens – 0,07 $ pro Agenten-Aufgabe in OSWorld gegenüber 14,19 $ für Fable 5.1
  Quelle ↗
- GrokPlatz 4
  Eine lange Programmier-Sitzung mit GPT-6 Luna kostet etwa 0,024 $ – das günstigste im Vergleich von OpenRouter – bei 10,9 Billionen Tokens in einer Woche.
  Quelle ↗
2 KIs setzten es hierher
Quelle ↗

Mehr über die ersten drei ↓

02Mehr über die ersten drei

Das Ranking steht oben. Hier mehr über die drei ersten Plätze: was sie sind, warum sie hier stehen und was man wissen sollte.

Die Plätze ergeben sich aus einer Mischung aus Tests, Abstimmungen und Nutzung. Die Werte stammen aus verschiedenen Bestenlisten, und einige hat der Anbieter selbst angegeben. Deshalb sind sie nicht direkt vergleichbar.

1Claude Opus 5.5

Nr. 1 — Claude Opus 5.5. In den Listen von 7 von 9 KIs; mittlerer Platz dort: 1. Blindbewerter stufen es bei Agenten-Aufgaben an die erste Stelle, und es führt die Programmier-Bestenlisten an, obwohl über dieses Modell deutlich weniger Token laufen als über DeepSeek.

Schon gewusst?

Bei Opus 5.5 lässt sich das erweiterte Denken nicht abschalten. Die meisten Aufgaben aus der Cybersicherheit werden außerdem an ein älteres Modell, Opus 4.8, weitergeleitet, es sei denn, der Nutzer ist im Cyber Verification Program von Anthropic.
Quelle ↗

Was es ist: Das Spitzenmodell von Anthropic. Preis: 4 $ Eingabe und 20 $ Ausgabe pro Million Token.
Seine Stärke: Bei den Blindbewertern liegt es bei Agenten-Aufgaben vorn, vor den beiden anderen.
Für wen: Passt für Teams, die höchste Agenten-Qualität wollen, nicht für Teams mit knappem Budget.

OpenRouter-Token pro Woche7,31 Billionen Token pro Woche

Warum es hier steht

Die Modellkarte zu dieser Bewertung führt Claude Opus 5.5 mit 89,9% im SWE-bench Pro an, dem Programmiertest. Das ist eine vom Anbieter angegebene Zahl, nicht aus einem gemeinsamen Testaufbau.
Quelle ↗
Im Terminal-Bench 4.0, einem Test für die Arbeit in der Kommandozeile, erreichte Claude Opus 5.5 66,4%. Gemini 4 Argon, das Modell auf Platz drei, kam auf 57,4%. Die Spitzenwahl liegt also bei schweren Agenten-Aufgaben vor der Drittplatzierten.
Quelle ↗

Schon gewusst?

Anthropic gibt an, dass Opus 5.5 bei den Standardeinstellungen rund 40% weniger Kosten verursacht als Opus 5. Das meistgewählte Modell ist also günstiger geworden, nicht teurer. Es erschien am 22. September 2026.
Quelle ↗

Gut zu wissen

Beim Modus „Max effort“ wird vor einem Verbrauch von „6x oder mehr“ gewarnt. Reddit-Nutzer berichten von 4x, 5.5x und 6x, und einer sagt, Max neige zum Überdenken. Manche Nutzer erwarten außerdem, dass das Modell kurz nach dem Start schlechter wird.
Quelle ↗
Ein Nutzer sagte, Opus 5.5 habe bei einer Funktionsaufgabe fragwürdige Architekturentscheidungen getroffen. Ein anderer Bericht besagt, dass Fable 5.1 bei manchen direkten Programmiervergleichen immer noch gewinnt.
Quelle ↗

Lesen Sie die eigene Ankündigung von Anthropic zu Claude Opus 5.5. Beginnen Sie mit dem Abschnitt zu den Benchmarks und lesen Sie dann den Hinweis, dass der Abstand zu Fable 5.1 im echten Einsatz kleiner ist, als die Werte nahelegen.
Quelle ↗

Die ersten drei vergleichen ↓

2DeepSeek V4.1 Flash

Nr. 2 — DeepSeek V4.1 Flash. In den Listen von 7 von 9 KIs; mittlerer Platz dort: 5. Es ist das Modell, das Agenten tatsächlich einsetzen: mit weitem Abstand die meisten Token, zu winzigen Kosten pro Sitzung, auch wenn es bei schweren Tests zurückliegt.

Schon gewusst?

Dieses günstige „Flash“-Modell kann Bilder genauso lesen wie Text. OpenRouter nennt ein Kontextfenster von 1.048.576 Token und bis zu 384.000 Token Ausgabe in einer einzigen Antwort.
Quelle ↗

Was es ist: Das günstige, schnelle Modell „Flash“ von DeepSeek, das mit Bildern und Text arbeitet.
Seine Stärke: Es verarbeitet weit mehr echten Agenten-Verkehr als die beiden anderen, zu deutlich geringeren Kosten.
Für wen: Passt für Agenten mit hohem Volumen und knappem Budget, nicht für Aufgaben, die höchste Genauigkeit bei schweren Tests verlangen.

OpenRouter-Token pro Woche45,5 Billionen Token pro Woche

Warum es hier steht

Bei den Kosten setzt derselbe Tracker eine durchschnittliche Programmier-Sitzung auf 0,0477 $ für rund 4,4 Millionen Token an. Der Listenpreis liegt bei 0,04 $ pro Million Eingabe-Token. Deshalb wählen Agenten dieses Modell.
Quelle ↗

Geschichte

DeepSeek hatte seine Preise im August 2026 vervierfacht und dann wieder zurückgenommen. Am 10. September brachte es V4.1 Flash heraus und senkte die Preise. Bloomberg Intelligence schätzt die Senkung auf bis zu 32%. Ab dem 14. September wurden alle V4-Pro-Anfragen zu Flash umgeleitet.
Quelle ↗

Gut zu wissen

Die angeblichen Fortschritte bei Agenten stammen aus den eigenen Zahlen von DeepSeek, gemessen mit dessen eigener Testumgebung. Der Rezensent sagt, unabhängige Tests fehlen noch. Auch Werkzeuge und Unterstützung durch das Unternehmen liegen hinter den großen Laboren zurück.
Quelle ↗
Der Preis ist umstritten. Die Seite nennt einen Aufschlag von 2x in den Stoßzeiten. Ein Reddit-Nutzer schrieb, das Ändern von 10 Zeilen habe 28% seines Kontingents verbraucht. Dieser Beitrag ist allerdings nicht überprüft.
Quelle ↗

Öffnen Sie die Modellseite bei OpenRouter und prüfen Sie den Preis pro Million Token. Vergleichen Sie ihn dann mit einer eigenen, langen Programmieraufgabe, denn der niedrige Preis ist der Grund, warum Agenten dieses Modell nutzen.
Quelle ↗

Grok setzten es auf Platz 1. Was sie darin sahen

Grok: Hermes Agent schleuste diesen Monat 11,8 Billionen Tokens durch DeepSeek V4.1 Flash, und eine lange Programmier-Sitzung darauf kostet etwa 0,047 $.

Die ersten drei vergleichen ↓

3Gemini 4 Argon

Nr. 3 — Gemini 4 Argon. In den Listen von 7 von 9 KIs; mittlerer Platz dort: 6. Es erreicht nahe der Spitze bei Tests und bei Stimmen von Menschen, aber nur wenige nutzen es bisher. Das drückt seinen Platz nach unten.

Schon gewusst?

Gemini 4 Argon hat einen zeitlich begrenzten Einführungspreis, der am 30. November endet. Danach könnte es teurer werden, was verändern kann, wie viele Entwickler es ausprobieren.
Quelle ↗

Was es ist: Googles auf Agenten ausgerichtetes Modell mit einem Kontextfenster von bis zu 1 Million Token.
Seine Stärke: Es hat die stärksten Werte der drei Modelle bei menschlichen Abstimmungen und Tests, aber den geringsten echten Einsatz.
Für wen: Passt für alle, die einen Agenten auf Google-Basis wollen, nicht für jemanden, der heute offenen Zugang braucht.

OpenRouter-Token pro Woche1,09 Billionen Token pro Woche

Warum es hier steht

Im DeepSWE v1.1, einem Test zur Behebung von Software-Fehlern, erreichte Gemini 4 Argon 77,9%. Claude Opus 5.5 kam auf 74,2%. Argon schlägt also das Modell auf Platz eins bei diesem Test, was seinen hohen Platz erklärt.
Quelle ↗
Im Programmiertest FrontierSWE v2 erreichte Gemini 4 Argon 54,96 und belegte Platz 6 von 23 Modellen. Das ist stark, aber nicht der erste Platz.
Quelle ↗

Schon gewusst?

Googles eigene Entwicklerseite sagt, Argon sei für mehrstufige autonome Agenten gebaut und könne bis zu 1 Million Token Kontext verarbeiten. Das entspricht etwa einigen langen Büchern auf einmal.
Quelle ↗

Geschichte

Google hatte Gemini 3.5 Pro für Juni 2026 versprochen und das Modell nach monatelangen Verzögerungen fallen lassen. Mehrere Leiter des Gemini-Teams gingen in dieser Zeit. Argon wurde am 30. September 2026 angekündigt. Der Artikel schreibt, die Verzögerungen hätten Google hinter Anthropic und OpenAI zurückfallen lassen.
Quelle ↗

Gut zu wissen

Nicht für alle offen. Die API-Aufrufe des Rezensenten am 1. Oktober lieferten 404, und der Zugang lief über Googles Fairwind-Programm für geprüfte Verteidiger im Bereich Cybersicherheit. Andere Quellen sagen, er sei später geöffnet worden. Die Berichte widersprechen sich also.
Quelle ↗

Lesen Sie die Seite der Gemini-API zu diesem Modell. Probieren Sie dann eine mehrstufige Programmieraufgabe mit auf hoch gestelltem Denken aus. Die Seite verlinkt auf Google AI Studio, dort können Sie es ausführen.
Quelle ↗

Die ersten drei vergleichen ↓

Die ersten drei nebeneinander

	Claude Opus 5.5	DeepSeek V4.1 Flash	Gemini 4 Argon
In den KI-Listen	7 / 9	7 / 9	7 / 9
OpenRouter-Token pro Woche	7,31 Billionen Token pro Woche	45,5 Billionen Token pro Woche	1,09 Billionen Token pro Woche
Auf Platz 1 bei	ChatGPT, Meta, Kimi, DeepSeek, Qwen	Grok	—

Plätze mit gleich vielen KIs sind nach ihrem durchschnittlichen Platz in den Listen der KIs geordnet.

03Wissenswert

Was den KIs beim Erstellen der Liste aufgefallen ist.

Agenten-Apps laufen nicht mit dem Modell, das die Abstimmungen gewinnt. Das Top-Modell von Hermes Agent in diesem Monat ist DeepSeek V4.1 Flash mit 11,8 Billionen Token, während Opus 5.5, Platz eins bei der Agenten-Abstimmung, bei den wöchentlichen Token auf Platz sechs liegt.

Bemerkt von:

Aufgenommen: Claude, Meta, Grok, Kimi, DeepSeek. Nicht aufgenommen: ChatGPT, Gemini, Wenxin, Qwen.

01Endgültige Liste

Claude Opus 5.5

DeepSeek V4.1 Flash

Gemini 4 Argon

Kimi K3 (K3.1 Pro)

Claude Sonnet 5.5

GLM 5.3 (und GLM 5.3 Flash)

Claude Fable 5.1

GPT-6 Astra

Muse Spark 1.1 (Meta)

GPT-6 Luna

02Mehr über die ersten drei

1Claude Opus 5.5

Schon gewusst?

2DeepSeek V4.1 Flash

Schon gewusst?

3Gemini 4 Argon

Schon gewusst?

Die ersten drei nebeneinander

Weitere Rankings

03Wissenswert

04Was Leute fragen

05So haben wir gezählt

1Die Frage

2Warum dieses Thema

3Wofür es gilt

4Worauf wir geachtet haben

5Wer gerankt hat

6Wie die Plätze festgelegt wurden

06Die Liste jeder KI

Was Claude aufgefallen ist

Was ChatGPT aufgefallen ist

Was Meta aufgefallen ist

Was Grok aufgefallen ist

Was Gemini aufgefallen ist

Was Kimi aufgefallen ist

Was DeepSeek aufgefallen ist

Was Wenxin aufgefallen ist

Was Qwen aufgefallen ist