ModelRank: Leistungsgruppen für Coding-KI-Modelle
Vergleichen Sie Coding-Fähigkeiten nach Leistungsgruppen, mit Testergebnissen und API-Preisen bei Bedarf.
Leistungsgruppen für Programmierung
Die Gruppen sind redaktionelle Bewertungen. Innerhalb einer Gruppe gilt die Namensreihenfolge, keine Rangfolge der Fähigkeiten.
DeepSeek V4 Flash 0731 = 100. Der Index bildet zwei gemeinsame Tests ab, keine Fähigkeitsverhältnisse oder statistisch belegten Abstände.
| Coding-Leistungsgruppe | Modell | Coding IndexAbstand zur Basis | Belegstatus | Preis (1M Tokens) | Kontext | Details |
|---|---|---|---|---|---|---|
| S+Kandidat für die Spitze · 1 | ||||||
| S+ | Claude Fable 5.1 anthropic | 120.65 +20.65 | Mehrere Quellen geprüft | 1.000.000 | Details → | |
| SSpitzengruppe · 5 | ||||||
| S | Claude Fable 5 anthropic | 114.18 +14.18 | Mehrere Quellen geprüft | 1.000.000 | Details → | |
| S | Kimi K3 moonshotai | 113.02 +13.02 | Mehrere Quellen geprüft | 1.048.576 | Details → | |
| S | Claude Opus 5 anthropic | 112.64 +12.64 | Mehrere Quellen geprüft | 1.000.000 | Details → | |
| S | GPT-5.6 Sol openai | 112.62 +12.62 | Mehrere Quellen geprüft | 1.050.000 | Details → | |
| S | GPT-6 Astra openai | 112.28 +12.28 | Mehrere Quellen geprüft | 1.050.000 | Details → | |
| A+Nahe der Spitze · 9 | ||||||
| A+ | Gemini 3.8 Flash google | 111.92 +11.92 | Mehrere Quellen geprüft | 1.048.576 | Details → | |
| A+ | GLM-5.3 z-ai | 111.83 +11.83 | Mehrere Quellen geprüft | 1.048.576 | Details → | |
| A+ | Gemini 3.7 Flash google | 111.28 +11.28 | Mehrere Quellen geprüft | 1.048.576 | Details → | |
| A+ | GPT-5.6 Terra openai | 110.54 +10.54 | Mehrere Quellen geprüft | 1.050.000 | Details → | |
| A+ | Grok 4.6 x-ai | 108.55 +8.55 | Mehrere Quellen geprüft | 500.000 | Details → | |
| A+ | Claude Opus 4.8 anthropic | 107.83 +7.83 | Mehrere Quellen geprüft | 1.000.000 | Details → | |
| A+ | Grok 4.5 x-ai | 106.47 +6.47 | Mehrere Quellen geprüft | 500.000 | Details → | |
| A+? | DeepSeek V4.1 Flash deepseek | — | Vorläufig · Originalprüfung offen | 1.048.576 | Details → | |
| A+? | Qwen3.8 Max 0902 qwen | — | Vorläufig · Originalprüfung offen | 1.000.000 | Details → | |
| AHohe Leistungsfähigkeit · 4 | ||||||
| A | Claude Sonnet 5 anthropic | 105.06 +5.06 | Mehrere Quellen geprüft | 1.000.000 | Details → | |
| A | Qwen3.8-Next-Flash qwen | 104.89 +4.89 | Mehrere Quellen geprüft | 1.000.000 | Details → | |
| A | GLM-5.3-Flash z-ai | 104.81 +4.81 | Mehrere Quellen geprüft | 1.048.576 | Details → | |
| A | GPT-5.6 Luna openai | 104.63 +4.63 | Mehrere Quellen geprüft | 1.050.000 | Details → | |
| B+Bewährte Referenzgruppe · 3 | ||||||
| B+ | DeepSeek V4 Pro 0813 deepseek | 100.69 +0.69 | Mehrere Quellen geprüft | 1.048.576 | Details → | |
| B+ | GLM-5.2 z-ai | 100.32 +0.32 | Mehrere Quellen geprüft | 1.048.576 | Details → | |
| B+ | DeepSeek V4 Flash 0731 deepseek Referenzbasis = 100 | 100.00 0.00 | Mehrere Quellen geprüft | 1.310.720 | Details → | |
| BWeitere leistungsfähige Kandidaten · 2 | ||||||
| B | MiMo V2.5 Pro xiaomi | 91.23 -8.77 | Messungen einer Quelle | 1.050.000 | Details → | |
| B | HY3 tencent | 88.93 -11.07 | Messungen einer Quelle | 262.144 | Details → | |
| B-Grundlegender innerhalb dieser Auswahl · 1 | ||||||
| B- | MiMo V2.5 xiaomi | 83.98 -16.02 | Messungen einer Quelle | 1.050.000 | Details → | |
Keine passenden Modelle.
Ergebnisse gelten für bestimmte Konfigurationen. Agenten, Denkaufwand, Werkzeuge, Budgets und Aufgaben können abweichen. Nahe Indizes belegen keine Überlegenheit. B bezeichnet die relative Position in dieser Auswahl, nicht fehlende Programmierfähigkeit.
Vergleichbarer Test ausstehend (20)
Modelle ohne abgeschlossene Gruppenbewertung bleiben im Katalog. Eine fehlende Gruppe bedeutet keine geringere Fähigkeit.
Aktuelle Modelle vergleichen
USD / API
API-Kostenschätzung
Geschätzte Token-Kosten
Schätzung für den angezeigten Anbieter und Zeitraum; DeepSeek nutzt Spitzenpreise. Ohne Cache-Rabatte, Werkzeuggebühren, Langkontextstaffeln und nicht erfasste zusätzliche Tokens.
Methode und Datenquellen
Nur Coding-Ergebnisse bestimmen die Bewertung. Messwerte, bekannte Konfigurationen und Quelldaten stehen in den aufklappbaren Hinweisen; Preise sind getrennte Kaufinformationen.
ModelRank ordnet anhand öffentlicher Coding-Ergebnisse redaktionelle Leistungsgruppen zu. Es sind weder automatische Indexschwellen noch statistisch bewiesene Klassen. Preis, Geschwindigkeit, Kontext und Sponsoring beeinflussen die Gruppen nicht.
Bekannte Modell- und Agentenkonfigurationen werden mit Quellen gezeigt. Nicht veröffentlichte Testdaten, Budgets, Stichproben und Unsicherheiten bleiben unbekannt. Ein neues Veröffentlichungsdatum schließt Kontamination nicht aus.
Coding Index = 100 × geometrisches Mittel der Modell/Basis-Verhältnisse bei AA Terminal-Bench 2.1 und SciCode, gleich gewichtet. Feste Basis, Anzeige als ganze Zahl. LiveBench und Terminal-Bench 4.0 dienen zur ergänzenden Prüfung; wegen unvollständiger gemeinsamer Abdeckung fließen sie nicht in den Index ein.
100 × √[(TB / TB₀) × (SciCode / SciCode₀)]
Ergebnisse gelten für bestimmte Konfigurationen. Agenten, Denkaufwand, Werkzeuge, Budgets und Aufgaben können abweichen. Nahe Indizes belegen keine Überlegenheit. B bezeichnet die relative Position in dieser Auswahl, nicht fehlende Programmierfähigkeit.
ModelRank ordnet anhand öffentlicher Coding-Ergebnisse redaktionelle Leistungsgruppen zu. Es sind weder automatische Indexschwellen noch statistisch bewiesene Klassen. Preis, Geschwindigkeit, Kontext und Sponsoring beeinflussen die Gruppen nicht.
Qwen3.8 Max 0902 ist vorläufig A+, bis die Originalquelle geprüft ist, ohne numerischen Rang oder vergleichbaren Index. Ein übernommener AA-Index ist keine unabhängige Bestätigung.
DeepSeek V4.1 Flash ist redaktionell vorläufig A+ eingestuft, mit geringer Sicherheit. Frühe Community-Berichte sind gemischt; der konkrete Coding-Vergleich betrifft GLM-5.3 Flash, nicht GLM-5.3. Ein vergleichbarer unabhängiger Coding-Index fehlt.
Bevorzugt werden neue Aufgaben nach Fixierung der Modellversion oder gut verwaltete private Tests. Ein neuer Name oder ein neuer Abruf belegt keine neuen Aufgaben. Originalquellen, Stichprobenumfang und Einstellungen prüfen. Unbekannte Aufgaben- oder Testdaten bleiben als unbekannt markiert. Aktualität allein garantiert keine Kontaminationsfreiheit.