Eingestuft nach echtem Produktionsverkehr von OrcaRouter und Community-Abstimmungen im Battle Mode — nicht nach herstellereigenen Benchmarks.
Ein zusammengeführtes Ranking pro Modell — LMArena-Stimmen, unabhängige Benchmarks, Ökosystem-Adoption und OrcaRouter-Produktionsdaten mit festen öffentlichen Gewichten. Neue Modelle steigen ab Tag eins auf Basis externer Belege ein.
| Rang | Modell | Gesamtwert | Zuverlässigkeit | $/1M gemischt | Volumen | Momentum | Belege |
|---|---|---|---|---|---|---|---|
| #1 | Anthropic: Claude Opus 5 | 74.2 | 99.77% · 3883ms | $15.00$5 → $25 per 1M tokens | <1% | — | AA 63.1Artificial-Analysis-Intelligenzindex — unabhängiger Kompositbenchmark (0–100).OR 1.9%OpenRouter-Token-Anteil — reale Ökosystem-Adoption. |
| #2 | OpenAI: GPT-5.6 Luna | 73.8 | 99.44% · 3256ms | $0.70$0.2 → $1.2 per 1M tokens | 12% | — | AA 52.3Artificial-Analysis-Intelligenzindex — unabhängiger Kompositbenchmark (0–100).OR 6.7%OpenRouter-Token-Anteil — reale Ökosystem-Adoption. |
| #3 | OpenAI: GPT-5.4 Pro | 72.2 | 99.25% · 9000ms | $165.00$60 → $270 per 1M tokens | <1%▼ | — | AA 66.0Artificial-Analysis-Intelligenzindex — unabhängiger Kompositbenchmark (0–100).Win 58.7%OrcaRouter-Blind-Battle-Siegquote — blinde Paarvoten unserer Community. |
| #4 | MoonshotAI: Kimi K3 | 72.2 | 99.40% · 7738ms | $9.00$3 → $15 per 1M tokens | 8% | — | AA 59.7Artificial-Analysis-Intelligenzindex — unabhängiger Kompositbenchmark (0–100).OR 2.0%OpenRouter-Token-Anteil — reale Ökosystem-Adoption. |
| #5 | Z.ai: GLM 5.2 | 71.6 | 99.62% · 5211ms | $2.90$1.4 → $4.4 per 1M tokens | 3%▼ | — | AA 52.6Artificial-Analysis-Intelligenzindex — unabhängiger Kompositbenchmark (0–100).OR 4.9%OpenRouter-Token-Anteil — reale Ökosystem-Adoption.Win 63.6%OrcaRouter-Blind-Battle-Siegquote — blinde Paarvoten unserer Community. |
| #6 | OpenAI: GPT-5.6 Sol | 69.8 | 99.34% · 6136ms | $17.50$5 → $30 per 1M tokens | <1% | — | AA 60.9Artificial-Analysis-Intelligenzindex — unabhängiger Kompositbenchmark (0–100).OR 0.9%OpenRouter-Token-Anteil — reale Ökosystem-Adoption. |
| #7 | Qwen3.7 Max (2026-05-20) | 69.2 | 99.14% · 10000ms | $2.50$1.25 → $3.75 per 1M tokens | <1%▲ | — | AA 46.7Artificial-Analysis-Intelligenzindex — unabhängiger Kompositbenchmark (0–100).OR 0.1%OpenRouter-Token-Anteil — reale Ökosystem-Adoption.Win 80.1%OrcaRouter-Blind-Battle-Siegquote — blinde Paarvoten unserer Community. |
| #8 | OpenAI: GPT-5.6 Terra | 68.0 | 99.94% · 2586ms | $7.00$2 → $12 per 1M tokens | 16% | — | AA 56.6Artificial-Analysis-Intelligenzindex — unabhängiger Kompositbenchmark (0–100).OR 1.2%OpenRouter-Token-Anteil — reale Ökosystem-Adoption. |
| #9 | Anthropic: Claude Fable 5 | 67.3 | 99.41% · 4144ms | $30.00$10 → $50 per 1M tokens | <1%▲ | — | Arena 1494LMArena-Community-Elo — blinde Stimmen der Text-Arena (CC-BY-4.0).AA 62.1Artificial-Analysis-Intelligenzindex — unabhängiger Kompositbenchmark (0–100).OR 0.3%OpenRouter-Token-Anteil — reale Ökosystem-Adoption. |
| #10 | Google: Gemini 3.6 Flash | 66.6 | 99.35% · 3928ms | $4.50$1.5 → $7.5 per 1M tokens | <1% | — | Arena 1480LMArena-Community-Elo — blinde Stimmen der Text-Arena (CC-BY-4.0).AA 51.6Artificial-Analysis-Intelligenzindex — unabhängiger Kompositbenchmark (0–100).OR 3.5%OpenRouter-Token-Anteil — reale Ökosystem-Adoption. |
LMArena leaderboard dataset (CC-BY-4.0) — lmarena.ai · Source: OpenRouter (openrouter.ai/rankings) · SWE-bench Verified — swebench.com · Artificial Analysis — artificialanalysis.ai
Paarweise Battle-Mode-Siegquoten – wie oft jedes Modell jeden Rivalen im direkten Vergleich schlägt.
Unabhängige Intelligenz-Scores gegen den Eingabepreis aufgetragen. Die gestrichelte Linie ist die Pareto-Front aus Preis und Intelligenz.
Zwei anonyme Antworten, eine Stimme. Ihre Battles speisen die 20 % Produktionsevidenz im konsolidierten Rang.
Zwei anonyme Modelle beantworten denselben Prompt. Lies beide, stimme für den Sieger ab und sieh dann, wer was geschrieben hat — deine Stimme fließt in die Rangliste oben ein.
Jede Zahl auf dieser Seite ist gemessen, nie selbst gemeldet. Dies ist die vollständige Methode hinter dem zusammengeführten Rang — dieselben Regeln für jedes Modell, jeden Tag.
Jedes Modell erhält einen Composite-Score aus vier unabhängigen Evidenzfamilien: blinde menschliche Präferenz 40 %, unabhängige Benchmarks 30 %, OrcaRouter-Produktionsdaten 20 % und Ökosystem-Adoption 10 %. Die Gewichte sind fest und öffentlich — keine redaktionellen Eingriffe, keine bezahlte Platzierung, keine Hersteller-Einreichungen.
Die menschliche Präferenz stammt aus LMArenas Community-Elo — blinde Paarvergleiche in der Text- und Vision-Arena (CC-BY-4.0). Unabhängige Benchmarks kombinieren Artificial Analysis (Intelligence Index plus Coding, Mathematik, GPQA Diamond und τ²-Bench) mit SWE-bench Verified, dem Anteil gelöster echter GitHub-Issues. Produktionsdaten sind OrcaRouters eigene: Blind-Battle-Siegquoten plus Live-Gateway-Telemetrie — Erfolgsrate, Latenz und geroutetes Token-Volumen. Adoption nutzt den von OpenRouter veröffentlichten Token-Anteil.
Die Quellen messen auf verschiedenen Skalen (Elo, 0–100-Indizes, Gelöst-%), daher wird jedes Signal am aktuellen Board standardisiert und auf 0–100 abgebildet: 50 ist der Board-Durchschnitt, je 15 Punkte entsprechen einer Standardabweichung, an den Rändern begrenzt. Ein Modell braucht mindestens zwei unabhängige Evidenzfamilien, um überhaupt zu ranken; das Board listet die Top 25 nach Composite.
Die Boards für Text, Coding, Vision, Mathematik, Reasoning und Agenten berechnen dieselbe Mischung auf segmentgerechten Signalen neu — Coding tauscht die Coding-Benchmarks und SWE-bench Verified ein, Vision nutzt LMArenas Vision-Arena — und Blind Battles paaren ausschließlich Modelle desselben Segments.
Externe Feeds aktualisieren täglich, die eigene Telemetrie ist live; neue Modelle steigen binnen 48 Stunden nach Release auf Basis externer Belege ein. Nirgends werden selbst gemeldete Herstellerzahlen verwendet, Community-Buzz wird nur als Kontext gezeigt und fließt nie in einen Rang ein, und jede externe Quelle ist unter dem Board attribuiert.
Jedes Modell erhält einen kombinierten Score aus vier Evidenzfamilien — blinde menschliche Präferenz (LMArena), unabhängige Benchmarks (Artificial Analysis, SWE-bench), OrcaRouter-Produktionszuverlässigkeit und Ökosystem-Adoption (OpenRouter) — mit festen öffentlichen Gewichten 40 / 30 / 20 / 10.
Neue Modelle steigen innerhalb von 48 Stunden nach Release auf Basis externer Belege ins Board ein. Der Rang festigt sich, je mehr Community-Battles und Produktionstraffic sich ansammeln.
Externe Feeds täglich, OrcaRouter-Telemetrie live; das Aktualisierungsdatum steht im Kopf der Seite.
Ein Modell braucht mindestens zwei unabhängige Evidenzquellen für ein Ranking, und das Board zeigt die Top 25 nach Composite-Score — Modelle mit dünnerer Evidenz bleiben ungelistet, bis eine weitere Quelle sie abdeckt.
Ja — die Buttons über der konsolidierten Tabelle wechseln zwischen Text-, Coding-, Vision-, Mathematik-, Reasoning- und Agenten-Boards, und Battles paaren nur Vergleichbares.
Sobald ein Modell drei Beleg-Familien vereint, darunter OrcaRouters eigene Battle- und Traffic-Daten, stützt sich sein Rang auf die vollständige Mischung statt nur auf externe Belege.
LMArena (CC-BY-4.0), Artificial Analysis, SWE-bench und OpenRouter-Rankings plus OrcaRouter-Produktionstelemetrie — alles unter dem Board attribuiert.
Schwer: öffentliche Gewichte, keine Selbstauskünfte, und blinde Battles plus echter Traffic verankern jeden Score.
Ja — JSON/CSV-Export, einbettbares Rang-Badge und ein RSS-Feed der Rangänderungen sind mit Quellenangabe kostenlos. Links im Footer.