KI-Modell-Bestenliste

Name: AI Model Leaderboard
Creator: OrcaRouter

Eingestuft nach echtem Produktionsverkehr von OrcaRouter und Community-Abstimmungen im Battle Mode — nicht nach herstellereigenen Benchmarks.

Mit echtem Datenverkehr gemessen

100.0%

Höchste Erfolgsquote (7 Tage)

openai/gpt-5.4-2026-03-05

399 ms

Schnellste p50-Latenz

DeepSeek: DeepSeek V3

80.1%

Höchste Community-Siegquote

Qwen3.7 Max (2026-05-20)

Gesamt — Community-Siegquote

Blinde Battle-Mode-Abstimmungen, sortiert nach einem Bradley–Terry-Modell (Elo). Punkte zeigen die Wertung, Balken das 95-%-Konfidenzintervall. Modelle innerhalb einer Bande sind statistisch gleichauf.

Stilkontrolle

⚔️ Blind-Duell

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.

#1Qwen3.7 Max (2026-05-20)

1746

#2DeepSeek: DeepSeek V4 Pro

1526

OpenAI: GPT-5.4 Pro

1523

OpenAI: GPT-5.5

1521

Qwen: Qwen3.5-35B-A3B

1519

Qwen3.7 Max

1519

Anthropic: Claude Opus 4.7

1518

Qwen3.6 35B A3B Uncensored (Aggressive)

1518

Anthropic: Claude Opus 4.8

1516

Google: Gemma 4 26B A4B

1516

Qwen: Qwen3.6 Plus

1515

#12MoonshotAI: Kimi K2.7 Code

1301

1300

1300

1299

1298

1298

#18MiniMax: MiniMax M2.7

1081

Google: Nano Banana 2 (Gemini 3.1 Flash Image Preview)

1079

OpenAI: GPT-5.4

1078

Google: Gemini 3.1 Flash Lite Preview

1078

MiniMax M2.7 highspeed

1077

OpenAI: GPT-5.4 Nano

1077

Qwen: Qwen3.7 Plus

1076

Z.ai: GLM 5.1

1076

Kling: Kling 3.0 Turbo

1074

Qwen: Qwen3.6 Flash

1073

#28Gemini 3.5 Flash

852

OpenAI: GPT-5.4 Mini

851

DeepSeek: DeepSeek V4 Flash

850

Rang	Modell	Arena-Wertung	Methode	Stimmen	S·N·U
#1	Qwen3.7 Max (2026-05-20)	1746±140	blind · BT	168	129·32·7
#2	DEDeepSeek: DeepSeek V4 Pro	1526±76	blind · BT	250	161·77·12
	OpenAI: GPT-5.4 Pro	1523±81	blind · BT	281	158·111·12
	OpenAI: GPT-5.5	1521±81	blind · BT	230	109·109·12
	Qwen: Qwen3.5-35B-A3B	1519±88	blind · BT	310	149·149·12
	Qwen3.7 Max	1519±125	blind · BT	224	84·130·10
	Anthropic: Claude Opus 4.7	1518±103	blind · BT	247	117·117·13
	OBQwen3.6 35B A3B Uncensored (Aggressive)	1518±91	blind · BT	260	124·124·12
	Anthropic: Claude Opus 4.8	1516±96	blind · BT	245	116·116·13
	Google: Gemma 4 26B A4B	1516±91	blind · BT	242	114·116·12
	Qwen: Qwen3.6 Plus	1515±125	blind · BT	278	108·158·12
#12	KIMoonshotAI: Kimi K2.7 Code	1301±69	blind · BT	224	119·93·12
	MIMiniMax: MiniMax M3	1300±59	blind · BT	265	127·126·12
	Google: Gemma 4 31B	1300±58	blind · BT	273	112·149·12
	OpenAI: GPT-5.5 Pro	1299±68	blind · BT	294	95·187·12
	Qwen: Qwen3.5-27B	1298±63	blind · BT	213	100·101·12
	ZAZ.ai: GLM 5.2	1298±67	blind · BT	235	141·82·12
#18	MIMiniMax: MiniMax M2.7	1081±66	blind · BT	226	81·133·12
	Google: Nano Banana 2 (Gemini 3.1 Flash Image Preview)	1079±105	blind · BT	281	151·118·12
	OpenAI: GPT-5.4	1078±73	blind · BT	245	117·116·12
	Google: Gemini 3.1 Flash Lite Preview	1078±98	blind · BT	285	137·136·12
	MIMiniMax M2.7 highspeed	1077±106	blind · BT	246	117·117·12
	OpenAI: GPT-5.4 Nano	1077±102	blind · BT	308	196·100·12
	Qwen: Qwen3.7 Plus	1076±90	blind · BT	248	118·118·12
	ZAZ.ai: GLM 5.1	1076±78	blind · BT	220	104·104·12
	KLKling: Kling 3.0 Turbo	1074±91	blind · BT	256	121·123·12
	Qwen: Qwen3.6 Flash	1073±70	blind · BT	188	71·105·12
#28	Gemini 3.5 Flash	852±123	blind · BT	285	96·177·12
	OpenAI: GPT-5.4 Mini	851±123	blind · BT	206	75·122·9
	DEDeepSeek: DeepSeek V4 Flash	850±128	blind · BT	128	61·61·6

Direkte Duelle

Paarweise Battle-Mode-Siegquoten – wie oft jedes Modell jeden Rivalen im direkten Vergleich schlägt.

Spitzenreiter nach Kategorie

Das stärkste Modell in jeder Fähigkeit — Programmieren, Mathematik, logisches Denken und mehr — mit einem Profil je Achse im Vergleich zum Median des Felds.

Benchmarks – Intelligenz vs. Preis

Unabhängige Intelligenz-Scores gegen den Eingabepreis aufgetragen. Die gestrichelte Linie ist die Pareto-Front aus Preis und Intelligenz.

Zuverlässigkeit & Kosten

Gemessen am OrcaRouter-Produktionsverkehr der letzten 7 Tage.

Modell	Erfolg % (7 Tage)	p50	p99	Fehler %	$/Mio. (Ein→Aus)	tok/s
openai/gpt-5.4-2026-03-05	100.0%	1.40 s	2.18 s	0.0%	$5.00 → $22.50	196
qwen/qwen3.5-flash	100.0%	5.83 s	10.00 s	0.0%	$0.10 → $0.40	140
openai/gpt-5-nano-2025-08-07	100.0%	10.00 s	10.00 s	0.0%	$0.05 → $0.40	650
TEtencent/Hunyuan-A13B-Instruct	100.0%	1.24 s	1.24 s	0.0%	$0.14 → $0.57	—
OpenAI: GPT-3.5 Turbo 16k	100.0%	5.00 s	7.07 s	0.0%	$3.00 → $4.00	103
OpenAI: GPT-4o (2024-08-06)	100.0%	2.86 s	5.72 s	0.0%	$2.50 → $10.00	86
Qwen: Qwen3 VL 8B Instruct	100.0%	6.00 s	10.00 s	0.0%	$0.18 → $0.70	71
OpenAI: GPT-5 Nano	100.0%	4.31 s	10.00 s	0.0%	$0.05 → $0.40	835
OpenAI: GPT-4o (2024-11-20)	100.0%	1.83 s	4.34 s	0.0%	$2.50 → $10.00	177
openai/gpt-5-chat-latest	100.0%	2.00 s	3.40 s	0.0%	$1.25 → $10.00	135
openai/gpt-5.5-pro-2026-04-23	100.0%	1.44 s	2.11 s	0.0%	$60.00 → $270.00	15
Qwen: Qwen3 VL 8B Thinking	100.0%	7.50 s	10.00 s	0.0%	$0.18 → $2.10	67
OpenAI: GPT-5	100.0%	10.00 s	10.00 s	0.0%	$1.25 → $10.00	1504
OpenAI: GPT-5.4 Nano	100.0%	1.35 s	10.00 s	0.0%	$0.20 → $1.25	161
qwen/qwen3.6-flash-2026-04-16	100.0%	3.80 s	10.00 s	0.0%	$0.25 → $1.50	134
OpenAI: GPT-5.4 Pro	100.0%	2.67 s	4.72 s	0.0%	$60.00 → $270.00	6
Qwen3.7 Max (2026-05-20)	100.0%	28.13 s	28.13 s	0.0%	$1.25 → $3.75	12765
qwen/qwen3.5-plus-2026-02-15	100.0%	4.08 s	10.00 s	0.0%	$0.12 → $0.69	55
OpenAI: GPT-4.1 Mini	100.0%	1.83 s	10.00 s	0.0%	$0.40 → $1.60	92
openai/gpt-5.1-chat-latest	100.0%	2.38 s	3.50 s	0.0%	$1.25 → $10.00	110
OpenAI: GPT-5.3-Codex	100.0%	1.10 s	2.89 s	0.0%	$1.75 → $14.00	62
OpenAI: GPT-4o (2024-05-13)	100.0%	3.13 s	6.12 s	0.0%	$5.00 → $15.00	122
Qwen: Qwen3.5-122B-A10B	100.0%	5.00 s	10.00 s	0.0%	$0.12 → $0.92	89
Qwen: Qwen3.5-27B	100.0%	10.00 s	10.00 s	0.0%	$0.09 → $0.69	50
TEtencent/Hy3-preview	100.0%	1.77 s	1.77 s	0.0%	$75.00 → $75.00	—

Anzeigen 1 bis 25 von 133

Volumen — Produktionsverkehr

Welche Modelle den OrcaRouter-Produktionsverkehr tatsächlich tragen, sortiert nach Token-Durchsatz im gewählten Zeitfenster.

Rang	Modell	Trend
#1	DEdeepseek-v4-flash	—
#2	DEdeepseek-v4-pro	—
#3	ZAglm-5.2	—
#4	claude-opus-4.8
#5	DEdeepseek-chat
#6	DEdeepseek-reasoner
#7	MIminimax-m3
#8	claude-sonnet-5	—
#9	claude-opus-4.7
#10	gpt-image-2-medium	—
#11	qwen3.7-max
#12	qwen3.7-plus
#13	gemini-3.5-flash
#14	qwen3.5-35b-a3b
#15	gpt-5.4-nano
#16	gemini-2.5-flash-lite
#17	gemini-3-flash-preview
#18	KIkimi-k2.7-code	—
#19	gemini-embedding-2-preview
#20	ZAglm-5.1
#21	claude-haiku-4.5
#22	GRgrok-4.5	—
#23	qwen3.6-plus
#24	OBqwen3.6-35b-a3b
#25	claude-sonnet-4.6

Anzeigen 1 bis 25 von 141

+17 weitere Modelle unter der Wertungsschwelle für diesen Zeitraum.

Validierung — Übereinstimmung mit externen Rankings

Wie genau das Community-Ranking unabhängigen externen Rankings folgt, gemessen an der Rangkorrelation nach Spearman (ρ) und Kendall (τ).

Trends — Wertungen im Zeitverlauf

Das Arena Rating jedes Modells über die letzten 90 Tage, aus täglichen Momentaufnahmen. Ein Regressions-Badge weist auf einen anhaltenden Rückgang hin.

Buzz — Beliebtheit und Stimmung

Worüber die Community spricht — Erwähnungsvolumen, 14-Tage-Dynamik und Stimmung. Nur als Kontext, niemals als Ranking-Signal.