LinkRoshan DesaiSammlung
Entwickler und IT-Entscheidungsträger erhalten eine strukturierte Entscheidungshilfe, um das passende Sprachmodell basierend auf realen Leistungsdaten und operativen Token-Kosten auszuwählen.
Das Dashboard bündelt sowohl westliche Flaggschiff-Modelle (OpenAI, Anthropic, Google, Meta) als auch leistungsstarke asiatische Architekturen (DeepSeek, Moonshot, Zhipu AI, Stepfun). Durch die Einbeziehung komplexer Software-Engineering- und Terminal-Benchmarks (SWE-bench Pro, Terminal-Bench 2.1) reflektiert die Tabelle insbesondere Anforderungen für moderne AI-Agenten und Coding-Workflows.
Zusammenfassung von KI erstellt (Gemini 3.8 Flash, 27. September 2026). Sie kann Fehler enthalten – maßgeblich ist die Originalquelle.
Inhaltlich ähnlich, ermittelt über die KI-Suche.
Link:Vellum
Das LLM-Leaderboard von Vellum vergleicht aktuelle Sprachmodelle über standardisierte Benchmarks hinweg und führt Metriken zu Durchsatz, Latenz sowie Token-Kosten auf.
Link:clickrank.ai
Ein Leitfaden von ClickRank AI analysiert den Stand der LLM-Ranglisten im Jahr 2026. Da traditionelle Tests wie MMLU und HumanEval übersättigt sind, stützen sich Vergleiche heute auf anspruchsvollere Benchmarks, menschliche Blindvergleiche und kombinierte Metriken aus Leistung, Geschwindigkeit und Token-Preisen.
Link:StackAI
StackAI bietet ein interaktives Dashboard, das Sprachmodelle anhand von Benchmarks, Durchsatz, Kontextfenstern und Kosten vergleicht. Das Tool fasst Leistungskennzahlen wie MMLU, HumanEval+, GPQA, SWE-Bench und GSM8K zusammen und ermöglicht den direkten Modellvergleich.
Link:artificialanalysis.ai
Artificial Analysis bietet unabhängige Leistungs- und Kostenvergleiche für Sprachmodelle, Coding-Agenten und multimodale APIs. Mit dem Update auf den Intelligence Index v4.2 wurden die Testmethoden und Gewichtungen für aktuelle Frontier-Modelle angepasst.
Link:Vercel
Auf dem Vercel AI Gateway vergleicht das Leaderboard DeepsecBench verschiedene KI-Modelle hinsichtlich ihrer Fähigkeit, Sicherheitslücken in Anwendungscode aufzuspüren. Die Auswertung basiert auf dem Deepsec-Cyber-Harness und kombiniert Recall sowie Precision zu einem Gesamtwert.
Link:spark-arena.com
Spark Arena bietet ein öffentliches Leaderboard zum Leistungsvergleich von Large Language Models auf NVIDIA DGX Spark Hardware. Die Plattform nutzt Open-Source-Tools, um Benchmarks über verschiedene Runtime-Engines wie vLLM, SGLang, TensorRT-LLM und llama.cpp hinweg transparent abzubilden.
Dieser Inhalt wurde teilweise mithilfe von KI erstellt.
