Aktualisiert am 2. September 2026

Beste KI-Modelle 2026

Rankings, Vergleiche und ausführliche Analysen, monatlich aktualisiert, sobald neue Modelle erscheinen.

Claude Fable 5.1 erschien am 1. September und ging direkt an die Spitze des Intelligence Index von Artificial Analysis, mit 66 dem höchsten Wert, den das Haus je gemessen hat, und nahm den Agentic Index mit 61 gleich mit. Claude Opus 5 behält die beiden Dinge, nach denen die meisten Leser tatsächlich entscheiden: die Programmierkrone, gewonnen auf beiden abstimmungsbasierten Boards von Arena, und den Preis, $5 / $25 pro 1M Tokens gegen die $10 / $50 von Fable 5.1. Kein Arena-Board hat bisher Stimmen für 5.1, also hat sich nichts bewegt, was auf dieser Seite über menschliche Präferenz entschieden wird. Grok 4.6 ist die eigentliche Überraschung des Monats: ein Post-Training-Update von Grok 4.5, das um fünf Punkte auf 61 springt, damit mit GPT-5.6 Sol gleichzieht und dabei $2 / $6 kostet, und das lange agentische Aufgaben in rund der Hälfte der Züge abschließt, die Opus 5 braucht.

Der zweite Wechsel spielt sich am günstigen Ende ab, und er ging zum ersten Mal in diesem Jahr in die falsche Richtung. DeepSeek erhöhte die Preise beider V4-Modelle am 16. August um rund das Vierfache und teilte die Preisliste in Spitzen- und Nebenzeiten, sodass DeepSeek V4-Flash 0731 jetzt $0.22 / $0.66 außerhalb der Spitzenzeiten und $0.44 / $1.32 zu Spitzenzeiten kostet statt der glatten $0.14 / $0.28 zum Start, was ihm den Preis-Leistungs-Tipp kostet. Der geht an GLM 5.3 Flash, das am 26. August mit MIT-Gewichten am ersten Tag kam, einem Intelligence Index von 57 und einem Listenpreis von $0.15 / $0.50, bis zum 9. September halbiert auf $0.075 / $0.25, und das DeepSeek jetzt zu jeder Tagesstunde unterbietet. Google hatte seinen eigenen Flash-Tarif bereits halbiert: Gemini 3.7 Flash erschien am 13. August zu einem einführenden $0.75 / $3.75, erreicht 56 Punkte und Platz eins von 182 Modellen bei der Ausgabegeschwindigkeit, wobei Gemini 3.6 Flash auf denselben Tarif umgestellt wurde. Beide Preise verdoppeln sich am 1. Januar 2027. Das offene Feld schloss den Monat dann mit drei Releases in drei Tagen: GLM 5.3 veröffentlichte am 28. August endlich seine Gewichte, allerdings unter einer eigenen Z.ai-Lizenz statt dem reinen MIT, das sein kleineres Geschwistermodell bekam, Alibaba öffnete am 26. August Qwen3.8-Flash-Next als ersten öffentlichen Blick auf die Qwen4-Architektur, und Tencent stellte am 28. August Hy4 Preview mit 770 Milliarden Parametern unter Apache 2.0 frei. Unten stehen die Kategoriesieger für September 2026. Klicke auf eine beliebige Karte, um direkt zur vollständigen Aufschlüsselung zu springen, oder nutze die feste Navigation, um zwischen den Kategorien zu wechseln. Rankings, Benchmarks und Preise werden innerhalb von 48 Stunden nach jedem größeren Modellstart aktualisiert.

Kategoriesieger September 2026

Schreiben

Claude Fable 5

#1 Arena Text (1508.6) und Arena Creative Writing

Das einzige Modell in den Top drei aller drei unabhängigen Schreib-Boards, bei $10 / $50.

Ausführliche Analyse →

Chat & täglicher Assistent

GPT-5.6

ChatGPT-Standard seit 9. Juli

Der beste Assistent, den die meisten Menschen tatsächlich öffnen können, mit einer Balance aus Leistung, Tempo und Reichweite.

Ausführliche Analyse →

Bilder

ChatGPT Images 2.0

#1 bei Text-zu-Bild und Bildbearbeitung

Führt beide unabhängigen Bild-Boards an und ist weiterhin das Beste bei lesbarem mehrsprachigem Text.

Ausführliche Analyse →

Video

Gemini Omni Flash

#1 auf beiden Video-Boards (1527 Arena)

Führt beide unabhängigen Video-Boards an, mit dialogbasierter Bearbeitung bei etwa $0.10 pro Sekunde.

Ausführliche Analyse →

Programmieren

Claude Opus 5

#1 Arena WebDev (1,702.9) bei $5 / $25

Übernimmt die Programmierkrone auf den abstimmungsbasierten Boards, zum halben Preis von Claude Fable 5.

Ausführliche Analyse →

Kreativität

Grok 4.6

Wenigste Inhaltsbeschränkungen + natives Echtzeit-X

Der Tipp für kantige, angesagte Arbeit: die wenigsten Leitplanken und native X-Integration.

Ausführliche Analyse →

Genauigkeit & Recherche

Gemini 3.1 Pro

98 % ARC-AGI-1 bei $0.52 pro Aufgabe

Zieht mit dem menschlichen Panel bei ARC-AGI-1 gleich, mit nativer Google-Search-Grundierung für aktuelle Antworten.

Ausführliche Analyse →

Problemlösung

GPT-5.6 Sol

#1 LiveBench Mathematics, Reasoning und ARC-AGI-2

Die am besten belegte Krone auf dieser Seite, für die schwersten Aufgaben in Mathematik, Naturwissenschaft und Reasoning.

Ausführliche Analyse →

KI-Agenten

Gemini Spark

Erster rund um die Uhr in der Cloud laufender KI-Agent

Läuft durchgehend in einer Google-Cloud-VM, tief integriert mit Gmail, Docs und Chrome.

Ausführliche Analyse →

Willst du die besten KI-Modelle, ohne mit separaten Abos zu jonglieren? Fello AI vereint die führenden Modelle in einer nativen App für Mac, iPhone und iPad.

Fello AI laden

Was im September 2026 neu ist

1. Sep. Anthropic Claude Fable 5.1 und Mythos 5.1, eine neue #1 auf Artificial Analysis mit 66 und 75 % weniger für Cache-Reads Neu

Anthropic veröffentlichte Claude Fable 5.1 und Claude Mythos 5.1 am 1. September 2026, und es sind ein Modell in zwei Safeguard-Konfigurationen statt zwei Modelle. Fable 5.1 ist allgemein verfügbar; Mythos 5.1 lockert die Beschränkungen in Biologie und Cybersicherheit und wird auf Einladung vergeben, ohne veröffentlichte Kriterien. Artificial Analysis bewertet Fable 5.1 mit 66 auf seinem Intelligence Index v4.1.1 bei max Effort, dem höchsten Wert, den es je gemessen hat, vor Claude Opus 5 mit 63, Claude Fable 5 mit 62 sowie GPT-5.6 Sol und Grok 4.6 mit 61. Es holt sich außerdem den Agentic Index mit 61 gegen die 59 von Opus 5, das GDPval-AA v2 Board für professionelle Deliverables mit 1853 gegen 1824 und Humanity's Last Exam mit 59,1 % gegen die 55,5 % von Fable 5. Die Effort-Einstellung zählt hier mehr als sonst: Dasselbe Modell liest 58 bei low, 60 bei medium, 62 bei high und 65 bei xhigh, und diese Einstellungen spannen einen elffachen Unterschied bei den Output-Tokens auf, von 13,1 Millionen bis 143,7 Millionen über die gesamte Suite. Die Preise bleiben unverändert bei $10 / $50 pro 1M Tokens, aber Cache-Reads fallen um 75 % auf $0.25 von den $1.00 bei Fable 5, und genau dort liegt bei langen agentischen Läufen die eigentliche Ersparnis. Nach Anthropics eigenen Zahlen erreicht es 52,6 % auf Terminal-Bench-Science 0.1 gegen die 29,0 % von Opus 5, und die 212-seitige System Card hob die eigene Alignment-Risikoeinschätzung des Unternehmens von sehr niedrig auf niedrig. Zwei Dinge vor dem Wechsel: Anthropic rät weiterhin, für die meisten Workloads mit Opus 5 zum halben Preis zu beginnen, und kein Arena-Board hat Stimmen für eines der beiden Modelle, also hat sich nichts bewegt, was auf dieser Seite auf menschlicher Präferenz ruht. Alle Details in unserer Aufschlüsselung zu Claude Fable 5.1 und Mythos 5.1.

28. Aug. Z.ai GLM-5.3-Gewichte sind nach der Sicherheitspause da, aber die Lizenz ist nicht MIT Neu

Z.ai veröffentlichte die GLM-5.3-Gewichte am 28. August 2026 auf Hugging Face, zwei Wochen nach dem API-Start und genau zu dem Datum, das der Platzhalter trug. Die zugesagte Sicherheitsbewertung hat also tatsächlich stattgefunden, und die Pause ist abgeschlossen statt offen. Geändert hat sich die Lizenz. GLM 5.3 Flash war zwei Tage zuvor unter reinem MIT erschienen; das Flaggschiff trägt ein eigenes Dokument mit dem Titel GLM 5.3 License, und das Lizenzfeld der Modellkarte lautet glm-5.3 statt mit. Die Rechteeinräumung selbst folgt MIT eng, mit dem Recht, das Modell auszuführen, bereitzustellen, nachzutrainieren, zu verändern, zu verbreiten und zu verkaufen, und mit Gewichten, die ausdrücklich in die Definition der Software aufgenommen sind, sodass die kommerzielle Nutzung fast allen offensteht. Eine Klausel ist wirklich neu: Ein Model-as-a-Service-Betreiber, dessen Umsatz in zwölf aufeinanderfolgenden Monaten 10 Milliarden Dollar übersteigt, muss vor dem kommerziellen Einsatz eine Sicherheitsprüfung von Z.ai bestehen, wobei Z.ai sich vorbehält, Umfang und Methode dieser Prüfung selbst zu bestimmen. Beachte außerdem, dass Hugging Face den veröffentlichten Checkpoint mit 753B Parametern zählt, gegenüber der 744B-Basis, die Z.ai mit GLM-5.2 zu teilen angibt; das ist die Art Abweichung, die eine mechanische Parameterzählung erzeugt, und kein Beleg für ein anderes Modell. Unseren Open-Weight-Tipp verschiebt das nicht. GLM 5.3 Flash bleibt das Modell, das wir hosten würden, denn 320B unter reinem MIT lässt sich deutlich leichter betreiben und rechtlich klären als 753B unter einer eigenen Lizenz. Alle Details in unserer GLM-5.3-Aufschlüsselung.

28. Aug. Tencent Tencent Hy4 Preview, 770B offene Gewichte unter Apache 2.0 und das bislang größte permissiv lizenzierte Modell Neu

Tencent veröffentlichte und öffnete Hy4 preview am 28. August 2026, das neue Flaggschiff seiner Hunyuan-Reihe und das größte Modell, das jemals unter Apache 2.0 erschienen ist. Es läuft mit 770 Milliarden Parametern insgesamt und 49 Milliarden aktiven pro Token in einem Mixture-of-Experts-Design, verarbeitet ein Kontextfenster, das Tencent als über 1M Tokens hinausgehend beschreibt, und erscheint neben den Gewichten in voller Präzision auch als FP8-Build. Die API-Preise liegen bei $0.834 pro 1M Input-Tokens, $2.501 für Output und $0.042 für zwischengespeicherten Input, was für diese Größe günstig ist. Die eigentliche Nachricht ist die Lizenz: Apache 2.0 ist permissiver als das eigene Dokument von Kimi K3 und als die Lizenz, die Z.ai am selben Tag an GLM 5.3 gehängt hat. Behandle die Qualitätsaussage mit Vorsicht, denn der einzige bisherige Beleg stammt vom Hersteller. Tencent führte eine interne Blindbewertung von 203 Engineering-Aufgaben durch, die von 163 Fachleuten bewertet wurden, und Hy4 preview erreicht dort 2,99 von 4,00 gegen 2,94 für Kimi K3 und 2,92 für GLM 5.3. Das ist Tencents eigenes Panel, die Abstände liegen innerhalb eines Zehntelpunkts, und kein unabhängiges Haus hat bisher einen Intelligence Index oder eine Arena-Bewertung dafür veröffentlicht, also führen wir es auf, statt es einzuordnen. Tencent gibt außerdem an, das Modell habe geholfen, die Optimierung seiner eigenen Trainingspipeline zu automatisieren, und seinen eigenen Inferenzdurchsatz um gemessene 31,8 % gesteigert. Es ist als offene Gewichte verfügbar sowie über WorkBuddy, CodeBuddy, Yuanbao und ima, dazu über Tencent Cloud TokenHub und OpenRouter, mit kostenlosem Zugang auf WorkBuddy und CodeBuddy für zwei Wochen ab Start.

26. Aug. Z.ai GLM 5.3 Flash, Ox Alpha enttarnt, und die ersten MIT-Gewichte seit GLM-5.2 Neu

Z.ai veröffentlichte GLM 5.3 Flash am 26. August 2026, und es ist nicht das Modell, auf das das Feld gewartet hat. Die am 14. August zurückgehaltenen Gewichte gehören zu GLM 5.3; dies hier ist ein eigenes Modell auf einer neu trainierten Basis, 320 Milliarden Parameter mit 18 Milliarden aktiven, das erste nativ multimodale Modell der GLM-5-Reihe, und es stand am selben Tag unter MIT auf Hugging Face. Es ist zugleich das Stealth-Modell, das auf OpenRouter als Ox Alpha Traffic bediente und während dieser Vorschau ausschließlich auf chinesischen KI-Chips lief, was beschreibt, wie es ausgeliefert wurde, nicht wie es trainiert wurde. Artificial Analysis bewertet es mit 57 auf dem Intelligence Index v4.1.1, vier Punkte über GLM-5.2 bei weniger als der halben Größe, und setzt es auf die Pareto-Front aus Intelligenz und Kosten, bei rund $0.09 pro Index-Aufgabe. Der Listenpreis liegt bei $0.15 / $0.50 pro 1M Tokens, mit einer 50-Prozent-Einführungsaktion bis 24:00 Uhr am 9. September, und nach DeepSeeks Preiserhöhung vom 16. August unterbietet dieser Listenpreis DeepSeek V4-Flash 0731 zu jeder Tagesstunde. Behandle die Coding- und Agentic-Zahlen mit Vorsicht: Sie stammen aus Z.ais eigenem Chart, das Claude Opus 4.8 und GPT-5.6 Terra als Vergleich wählt statt der aktuellen Spitzenreiter, und dort stehen Terminal Bench 2.1 84,3, DeepSWE v1.1 63,4 gegen 46,2 für GLM-5.2 und AutomationBench 48,8. Die einzige Zahl in diesem Chart, die Artificial Analysis erhoben hat, ist GDPval-AA v2, wo GLM 5.3 Flash 1773 Elo erreicht, den höchsten dort eingetragenen Wert. Arena-Stimmen gibt es noch keine. Unseren Open-Weight-Tipp verschiebt das sehr wohl: GLM 5.3 Flash ersetzt GLM-5.2 als das MIT-Modell, das wir hosten würden. Eine Warnung zur Hardware: 18B aktiv heißt nicht 18B zum Hosten, denn das Mixture-of-Experts-Routing braucht alle 320B Gewichte im Speicher, das ist also ein Multi-GPU-Server und keine Workstation. Alle Details in unserer GLM-5.3-Flash-Aufschlüsselung.

26. Aug. Alibaba Qwen3.8-Flash-Next, offene Gewichte und der erste öffentliche Blick auf die Qwen4-Architektur Neu

Alibaba veröffentlichte Qwen3.8-Flash-Next am 26. August 2026 auf Hugging Face, und es geht dabei eher um die Architektur als um die Punktetabelle: Qwen bezeichnet es als frühen Blick auf das Design, das die Qwen4-Familie nutzen wird, veröffentlicht, damit sich die Community darauf vorbereiten kann. Es ist ein Mixture-of-Experts mit 125 Milliarden Parametern und nur 6 Milliarden aktiven pro Token, dazu ein separates N-Gramm-Embedding mit 51 Milliarden Parametern, und es verarbeitet Text, Bild und Video. Der Kontext liegt nativ bei 262.144 Tokens, erweiterbar auf 1M. Zu Qwens veröffentlichten Werten gehören 91,7 auf GPQA Diamond, 62,5 auf SWE-Bench Pro, 58,7 auf DeepSWE 1.1, 81,0 auf SWE-Bench Multilingual und 84,5 auf AndroidWorld Vision, alle vom Hersteller, bisher ohne unabhängigen Intelligence Index und ohne Arena-Stimmen. Die Lizenz solltest du lesen, bevor du darauf aufbaust, denn es ist kein Apache. Die Qwen Community License 1.0 erlaubt kommerzielle Nutzung, Veränderung und Hosting, verlangt aber eine gut sichtbare Nennung des Modellnamens, sobald ein Produkt 100 Millionen monatlich aktive Nutzer oder 20 Millionen Dollar Monatsumsatz überschreitet, und verlangt eine separate Lizenz von Qwen, um ein Model-as-a-Service- oder ein KI-Arbeitsassistenz-Geschäft darauf zu betreiben. Interne Nutzung ist von dieser zweiten Bedingung ausgenommen.

21. Aug. OpenAI GPT-5.6 Sol um über 20% gesenkt, jetzt auf beiden Seiten unter Claude Opus 5 Neu

OpenAI senkte GPT-5.6 Sol am 21. August 2026 von $5 / $30 auf $4 / $20 pro 1M Tokens, die erste Senkung beim Flaggschiff seit dem Start der GPT-5.6-Familie im Juli. Der Preis ist ein Aktionspreis und gilt laut OpenAI rund drei Monate. Er umfasst die API sowie Credits für Codex und ChatGPT Work; die Abopreise für Plus, Pro und Business bleiben unverändert. Mit $4 / $20 unterbietet Sol jetzt Claude Opus 5 zu $5 / $25 bei Input und Output, zum ersten Mal ist OpenAIs Flaggschiff das günstigere der beiden.

16. Aug. DeepSeek DeepSeek erhöht die API-Preise um rund das Vierfache und teilt die Preisliste in Spitzen- und Nebenzeiten Neu

DeepSeek stellte beide V4-Modelle am 16. August 2026 um 16:00 UTC auf eine neue Preisliste um, und die Richtung ist für dieses Feld ungewöhnlich: Die Preise stiegen, zu Spitzenzeiten um rund das Vierfache. V4-Flash 0731 ging von glatten $0.14 / $0.28 pro 1M Tokens auf $0.22 / $0.66 außerhalb der Spitzenzeiten und $0.44 / $1.32 zu Spitzenzeiten, und V4-Pro 0813 von $0.435 / $0.87 auf $0.66 / $1.98 außerhalb der Spitzenzeiten und $1.32 / $3.96 zu Spitzenzeiten, mit zwischengespeichertem Input bei $0.007 beziehungsweise $0.022 außerhalb der Spitzenzeiten. Spitzenzeit ist von 01:00 bis 04:00 und von 06:00 bis 10:00 UTC, Montag bis Freitag, und jede andere Stunde ist Nebenzeit zu genau der Hälfte des Spitzentarifs. DeepSeek stellte das als sinnvollere Verteilung der Kapazität dar. An den Modellen selbst hat sich nichts geändert, das ist also rein ein wirtschaftliches Ereignis, für diese Seite aber ein folgenreiches: Es kostet DeepSeek V4-Flash den Preis-Leistungs-Tipp, der an GLM 5.3 Flash mit $0.15 / $0.50 Listenpreis geht, ein Tarif, der selbst DeepSeeks günstigeren Nebenzeitpreis zu jeder Tagesstunde unterbietet. Die Gewichte stehen weiterhin unter MIT, wer selbst hostet, ist also nicht betroffen. Alle Details in unserer DeepSeek-V4-Aufschlüsselung.

14. Aug. Z.ai GLM 5.3, ein großer agentischer Sprung allein durch Nachtraining, erschien ohne die offenen Gewichte Neu

Z.ai veröffentlichte GLM 5.3 am 14. August 2026, und bemerkenswert ist, was sich nicht geändert hat: Es läuft auf derselben Basis mit 744 Milliarden Parametern wie GLM-5.2, ohne neues Pretraining. Jeder Zuwachs stammt aus skaliertem Nachtraining, und die agentischen sind groß. Auf Z.ais eigenem Chart steigt Terminal-Bench 3.0 von 4,6 auf 28,3, DeepSWE v1.1 von 46,2 auf 66,9 und CyberGym von 77,2 % auf 84,5 %, womit das Unternehmen nach eigenen Angaben Claude Mythos 5 mit 83,8 und GPT-5.6 Sol mit 83,6 knapp übertrifft. Alle diese Zahlen stammen vom Hersteller, bisher ohne unabhängige Prüfung, und an anderer Stelle ist das Chart weniger schmeichelhaft: Auf Z.ais internem Code Bench führt weiterhin Claude Fable 5 mit 39,5 % gegen 31,4 % für GLM 5.3, und auf ExploitBench liegen die Frontier-Spitzenreiter bei 78,0 % gegen 54,4 %. Der Haken ist die Lizenz, nicht der Wert. GLM-5.2 lieferte innerhalb weniger Tage MIT-lizenzierte Gewichte; GLM 5.3 erschien ohne jede, und Z.ai sagte, sie folgten nach einer Sicherheitsbewertung der Fähigkeit des Modells, Schwachstellen zu finden, rund zwei Wochen später. Das hat sich am 28. August 2026 erledigt, als Z.ai die Gewichte genau zu dem Datum veröffentlichte, das der Platzhalter trug, allerdings unter einer eigenen GLM 5.3 License statt dem reinen MIT, das GLM-5.2 und GLM 5.3 Flash beide bekamen. Der Tokenpreis ist inzwischen veröffentlicht, $1.40 / $4.40 pro 1M Tokens, neben dem GLM Coding Plan und ZCode. Was am 26. August stattdessen kam, war GLM 5.3 Flash, ein anderes und kleineres Modell, das MIT-Gewichte tatsächlich lieferte, und genau dieses Release hat unseren Open-Weight-Tipp verschoben. Alle Details in unserer GLM-5.3-Aufschlüsselung.

13. Aug. Google Gemini 3.7 Flash, Coding-Werte springen und der Preis halbiert sich auf $0.75 / $3.75, bis Januar Neu

Google brachte Gemini 3.7 Flash am 13. August 2026 heraus, 23 Tage nach 3.6 Flash und als dritte Flash-Version in weniger als zwei Monaten, während Gemini 3.5 Pro weiterhin nicht erschienen ist. Die Coding-Gewinne sind der Punkt: DeepSWE v1.1 steigt von 49,0 % auf 65,3 %, FrontierCode 1.1 Main von 34,4 % auf 43,6 %, und AutomationBench verdoppelt sich nahezu von 17,0 % auf 30,4 %. Artificial Analysis bewertet es mit 56 auf seinem Index v4.1.1 gegen 52 für 3.6 Flash und setzt es bei der Ausgabegeschwindigkeit mit 385,1 Tokens pro Sekunde auf Platz eins von 182 Modellen, was es auf die Pareto-Front von Intelligenz gegen Zeit bringt. Kontextfenster und das Output-Limit von 64K sind gegenüber 3.6 Flash unverändert, es wurde also nichts geopfert. Zwei Einschränkungen wiegen schwerer als die Benchmarks. Der Tarif von $0.75 / $3.75 ist einführend und läuft am 31. Dezember 2026 aus, danach verdoppelt er sich auf $1.50 / $7.50, genau das, was 3.6 Flash beim Start kostete; Google stellte 3.6 Flash zugleich auf denselben Tarif um, beide kosten jetzt also gleich viel, und das Upgrade ist eine reine Fähigkeitsentscheidung. Und der Verbraucherzugang läuft nur über Spark, das Google AI Pro oder Ultra erfordert und den Europäischen Wirtschaftsraum, das Vereinigte Königreich, die Schweiz und Nigeria ausschließt, sodass die meisten europäischen Leser es in der Gemini-App überhaupt nicht erreichen. Die kostenlose Gemini-Stufe erhält weiterhin 3.6 Flash. Der API-Zugang ist überall unberührt. Alle Details in unserer Gemini-3.7-Flash-Aufschlüsselung.

12. Aug. SpaceXAI Grok 4.6, Post-Training hebt den Intelligence Index von 56 auf 61 bei unverändert $2 / $6 Neu

SpaceXAI veröffentlichte Grok 4.6 am 12. August 2026, und es ist ausdrücklich kein neues Basismodell: Das Unternehmen behielt die Grundlage von Grok 4.5 und erkaufte die Gewinne mit einem längeren ergänzenden Trainingslauf, neu erzeugten Fine-Tuning-Trajektorien und Reinforcement Learning in agentischen Umgebungen. Eine neue Architektur oder Parameterzahl wurde nicht veröffentlicht. Artificial Analysis bewertet es mit Intelligence Index 61, fünf Punkte über Grok 4.5, womit es sich den dritten Platz mit GPT-5.6 Sol teilt, hinter Claude Opus 5 mit 63 und Claude Fable 5 mit 62, so wie der Index in jenem Monat stand; Claude Fable 5.1 hat sich seither mit 66 über alle drei geschoben. Die agentischen Zahlen sind stärker als der Gesamtindex: ein GDPval-AA-v2-Elo von 1753 nur hinter Opus 5, 88,4 % auf Terminal-Bench v2.1 und 50,7 % auf tau3-Banking. Das eigentliche Argument ist die Effizienz, bei $0.84 pro Index-Aufgabe und rund 53 Zügen und 0,5 Milliarden Input-Tokens bei langen Aufgaben gegen etwa 103 Züge und 2,0 Milliarden bei Opus 5. Die Preise bleiben unverändert bei $2 / $6 pro 1M Tokens mit gecachtem Input zu $0.50, beim selben Kontextfenster von 500K Tokens, aber es gibt eine Falle, die du kennen solltest: Erreicht ein Prompt 200.000 Tokens, rechnet SpaceXAI die gesamte Anfrage mit $4 / $12 ab, nicht nur den Überhang. Eine Warnung zur Benchmark-Abdeckung, weil viele Berichte das bereits verdreht haben: Terminal-Bench v3.0 ist ein anderer und deutlich härterer Test als v2.1, also sind 26 % auf v3.0 und 88,4 % auf v2.1 beide wahre Aussagen über dasselbe Modell. Es lief vom ersten Tag an in der SpaceXAI-API, in Cursor und Grok Build sowie bei Partnern wie OpenRouter, Vercel und Cloudflare. Alle Details in unserer Aufschlüsselung zu Benchmarks und Preisen von Grok 4.6.

5. Aug. Meta Muse Spark 1.2 und Muse Code, Intelligence Index von 51 auf 57 bei unverändert $1.25 / $4.25, plus ein Terminal-Coding-Agent Neu

Meta veröffentlichte Muse Spark 1.2 am 5. August 2026 zusammen mit Muse Code, seinem ersten Terminal-Coding-Agenten, der unter macOS und Linux ohne Desktop-App und ohne Abo läuft. Artificial Analysis bewertet das Modell mit Intelligence Index 57 bei höchster Reasoning-Einstellung auf seinem aktuellen Index v4.1.1, gegenüber 51 für 1.1 und 43 für die April-Version, und fast der gesamte Zuwachs ist agentisch statt Allgemeinwissen; sein GDPval-AA v2 Elo sprang von 1371 auf 1631, während Terminal-Bench v2.1 nur von 78 % auf 80 % anstieg. Die Preise bleiben unverändert bei $1.25 / $4.25 pro 1M Tokens auf einem Kontextfenster von 1M Tokens, und Meta ergänzte eine Contributor-Stufe zu $0.10 / $0.20, rund 92 % günstiger, im Gegenzug dafür, dass Meta auf deinen Prompts und Completions trainieren darf. Die Verfügbarkeit weitete sich von der US-only-Vorschau, unter der 1.1 startete, auf erweiterten globalen Zugang über Muse Code, die Meta Model API und OpenRouter aus. Auf Metas eigenen Launch-Charts landet das Modell bei allen drei veröffentlichten Coding-Benchmarks hinter Claude Opus 5 auf Platz zwei, mit 82,9 % gegen 86,7 % auf Terminal-Bench 2.1.

3. Aug. Alibaba Qwen 3.8 (Qwen3.8-Max), 2,4 Billionen Parameter starkes multimodales Flaggschiff jetzt allgemein verfügbar bei $2 / $6 Neu

Alibaba machte Qwen3.8-Max am 3. August 2026 allgemein verfügbar, zwei Wochen nach der Vorschau auf der WAIC Shanghai, und jede Zahl, die bei der Vorschau noch fehlte, hat jetzt einen Wert. Es läuft mit 2,4 Billionen Gesamtparametern und rund 95 Milliarden aktiven pro Token auf einem spärlichen Mixture-of-Experts-Design, verarbeitet Text, Bilder und Video und bestätigt ein Kontextfenster von 1M Tokens mit bis zu 128K Output-Tokens. Die API-Preise liegen bei $2 / $6 pro 1M Tokens, flach über den gesamten Kontext statt gestaffelt nach Prompt-Länge, mit Cache-Reads zu $0.25. Die Aussage „nur hinter Fable 5" spaltet sich jetzt sauber in zwei Teile: Auf Arenas Vision-Board ist es mit 1305 die #2, nur hinter Fable 5, doch auf dem Text-Board ist es mit 1496 die #5, hinter vier Anthropic-Einträgen. Beide Arena-Werte sind noch als vorläufig markiert, und die versprochenen offenen Gewichte sind nicht erschienen. Wir halten Qwen 3.8 aus den gerankten Tipps heraus, bis die Gewichte und die Lizenz tatsächlich vorliegen.

31. Juli DeepSeek DeepSeek V4-Flash 0731, gleicher Preis, gleiche Größe, Intelligence Index von 40 auf 52

DeepSeek trainierte V4-Flash nach und veröffentlichte das Ergebnis am 31. Juli 2026 als DeepSeek-V4-Flash-0731. An der Form des Modells änderte sich nichts: Es ist das gleiche Mixture-of-Experts mit 284B gesamt / 13B aktiv, der gleiche Kontext von 1M Tokens, die gleiche MIT-Lizenz und damals auch die gleichen $0.14 / $0.28 pro 1M Tokens auf DeepSeeks eigener Preisliste. Das Letzte davon hat den Monat nicht überstanden: DeepSeek erhöhte die Preise beider V4-Modelle am 16. August um rund das Vierfache und teilte sie in Spitzen- und Nebenzeiten. Was sich bewegt hat, ist die Leistung. Artificial Analysis bewertet es jetzt mit Intelligence Index 52 auf seinem Index v4.1.1, gegenüber 40 vor dem Nachtraining, mit Agentic 45,7 und 78,7 % auf Terminal-Bench v2.1, was es von rund Platz dreizehn auf Platz drei im offenen Feld hinter Kimi K3 und GLM-5.2 hebt. Artificial Analysis maß es mit $0.11 pro Index-Aufgabe gegen $2.34 für Claude Opus 5, was ihm damals den Preis-Leistungs-Tipp einbrachte; die Preiserhöhung vom 16. August hat ihn seitdem wieder gekostet. Dieser Wert wird gegen den Endpunkt gemessen, den Artificial Analysis testet und der teurer ist als DeepSeeks eigene Preisliste. Eine ehrliche Einschränkung: Der Wert kommt von einem einzigen Haus, und das Modell hat noch keine Stimmen auf irgendeinem Arena-Board.

31. Juli MiniMax MiniMax H3, 2K-Video mit nativem Stereoton ab $0.13 pro Sekunde

MiniMax brachte H3 (Hailuo 3.0) am 31. Juli 2026 als universelles multimodales Videomodell heraus, das Text, Bild, Video und Audio als Eingabe verarbeitet. Es gibt 2K-Clips von 4 bis 15 Sekunden mit nativem Stereoton aus, unterstützt Motion Transfer, referenzgesteuerte Generierung und generative Videobearbeitung und wird pro Sekunde mit $0.13 für 2K und $0.09 für 768p abgerechnet. Artificial Analysis platziert es auf seinem Video-Board mit 1241,5 auf #2, 3,3 Elo hinter Gemini Omni Flash. Wir haben die Videokrone dort belassen, wo sie ist: Dieser Abstand ist einen Tag alt und kommt von dem einen Board, das zwischen den Auswertungen nicht reproduziert hat, und Arenas Text-zu-Video-Stichtag liegt komplett vor H3, also hat es bei den Stimmen nichts geschlagen. MiniMax veröffentlichte die Gewichte am 3. August 2026, aber nur teilweise: H3-Base sowie die VAEs und der Encoder erschienen auf Hugging Face unter der MiniMax H3 Community License, die von Nutzern aus den USA, der EU, dem Vereinigten Königreich und Südkorea einen Antrag verlangt, während H3-Context-IR und der Upscaler H3-Regenerate-2K nur über die API verfügbar blieben. Der 2K-Output, mit dem das Modell beworben wird, steckt also nicht im offenen Release.

Ende Juli Thinking Machines Inkling Small, ein Viertel der Größe von Inkling bei nahezu gleichem Wert

Thinking Machines ließ auf sein erstes open model Inkling Small folgen, ein Mixture-of-Experts mit 276B gesamt / 12B aktiv unter Apache 2.0, das jeden Token an 6 von 256 Experten plus 2 gemeinsame routet. Es nimmt Text, Bild und Audio als Eingabe und gibt Text zurück, und Artificial Analysis bewertet es mit Intelligence Index 40 gegen 41 für das vollformatige Inkling, bei etwa einem Viertel der Parameter. Die Quellen sind sich über das genaue Veröffentlichungsdatum uneinig, deshalb drucken wir keines. Die Gewichte, ein NVFP4-Build und die Deployment-Rezepte liegen alle auf Hugging Face.

30. Juli OpenAI GPT-5.6 Preissenkung, Luna 80 % günstiger, Terra 20 % günstiger, Sol unverändert

OpenAI senkte am 30. Juli 2026 den API-Preis seiner beiden günstigeren GPT-5.6-Stufen, drei Wochen nachdem die Familie allgemeine Verfügbarkeit erreicht hatte. Luna fiel um 80 % auf $0.20 / $1.20 pro 1M Tokens und Terra fiel um 20 % auf $2 / $12, wobei Cached-Input-Reads auf $0.02 bei Luna und $0.20 bei Terra sanken. Das Flaggschiff Sol blieb bei $5 / $30, Prompts über 272K Input-Tokens werden weiterhin mit dem 2-fachen Input und dem 1,5-fachen Output abgerechnet, und kein ChatGPT-Abopreis änderte sich, sodass Free, Go zu $8, Plus zu $20, Pro zu $100 und $200 sowie Business zu $25-30 pro Platz alle unverändert bleiben. Die Senkung lässt Luna bei Intelligence Index 52 auf Artificial Analysis' Index v4.1.1 für etwa $0.05 pro Index-Aufgabe, gleichauf mit Gemini 3.6 Flash beim Wert und weit darunter beim Preis.

24. Juli Anthropic Claude Opus 5, neue #1 auf Artificial Analysis, führt sowohl den Intelligence Index (63) als auch den Agentic Index (55.3) an

Anthropic veröffentlichte Claude Opus 5 am 24. Juli 2026, sein viertes Modell in unter zwei Monaten nach Mythos 5, Fable 5 und Sonnet 5. Auf dem Leaderboard von Artificial Analysis ist es insgesamt das bestplatzierte Modell und führt sowohl den Intelligence Index mit 63 als auch den Agentic Index mit 55,3 an, vor Fable 5 (62 / 52,8) und GPT-5.6 Sol (61 / 54,0). Die API-Preise liegen bei $5 / $25 pro 1M Tokens, identisch mit Opus 4.8 und halb so teuer wie Fable 5, unter der API-id claude-opus-5. Es ergänzt einen Fast-Modus, der rund 2,5-mal schneller zum doppelten Grundpreis läuft, plus eine Effort-Einstellung von low bis high und eine neue max-Stufe. Es holt sich außerdem das GDPval-AA v2 Board für professionelle Deliverables von Artificial Analysis mit 1858, vor den 1746 von Fable 5. Arena hat es seither über seine Boards bewertet und setzt es auf #1 bei WebDev, image-to-WebDev, Document und dem Agent-Board sowie auf #6 beim Text, was ihm diesen Monat die Programmierkrone einbrachte. Es ist Standard in Claude Max und am stärksten in Claude Pro. Beachte, dass die Führungsaussage oben inzwischen überholt ist: Claude Fable 5.1 erschien am 1. September 2026 und holte sich den Intelligence Index mit 66 und den Agentic Index mit 61, gegen 63 und 59 für Opus 5 nach aktuellem Stand, und dazu das GDPval-AA v2 Board, wo das neu justierte Elo Fable 5.1 auf 1853 gegen die 1824 von Opus 5 setzt. Opus 5 behält beide Coding-Boards von Arena und kostet halb so viel.

24. Juli Sakana AI Fugu-Ultra v1.1, Auffrischung der Orchestrierungs-Engine mit vom Anbieter gemeldeten Zuwächsen von bis zu 7,9 Punkten gegenüber v1.0 zum gleichen Preis

Sakana AI lieferte Fugu-Ultra v1.1 am 24. Juli 2026 aus, eine Auffrischung der Frontier-Modelle in seiner TRINITY-Orchestrierungs-Engine statt eines neuen Basismodells. Sakanas eigene Ankündigung behauptet Zuwächse von bis zu 7,9 Punkten gegenüber v1.0 bei unverändertem Preis, veröffentlicht die v1.0-Werte aber nicht daneben, also behandle das als Zahl des Anbieters. Alle Benchmark-Zahlen stammen aus Sakanas eigenem Scaffolding statt aus unabhängigen Tests: Auf seinen eigenen Charts führt es vor Opus 4.8, GPT-5.5 und Gemini 3.1 Pro, mit 73,7 % auf SWE-Bench Pro, 82,1 % auf Terminal-Bench 2.1, 93,2 % auf LiveCodeBench und 95,5 auf GPQA-Diamond. Es räumt das Feld allerdings nicht ab: Seine 50,0 auf Humanity's Last Exam sind ein Gleichstand im Rundungsbereich mit den 49,8 von Opus 4.8. Die Preise sind unverändert gegenüber v1.0 bei $5 / $30 pro 1M Input-/Output-Tokens (plus $0.50 cached), steigen auf $10 / $45 oberhalb der 272K-Token-Kontextmarke; die API ist OpenAI-kompatibel mit einem Kontextfenster von 1M Tokens.

21. Juli Google Gemini 3.6 Flash, günstigerer Output, schneller, gleicher Intelligence Index

Gemini 3.6 Flash war bei seinem Erscheinen Googles neuestes Flash-Modell und ist weiterhin dasjenige, das die kostenlose Gemini-App erreicht. Der Output fällt auf $7.50 pro 1M Tokens von $9.00, während der Input bei $1.50 bleibt, die Senkung ist also nur beim Output. Google sagt, es „reduziert die Output-Token-Nutzung um 17 % gegenüber 3.5 Flash", und um bis zu 65 % bei langfristiger agentischer Arbeit wie DeepSWE, sodass die tatsächliche Ersparnis pro Aufgabe größer ist als das Preisschild. Artificial Analysis bewertete 3.6 Flash und 3.5 Flash auf v4.1 gleich, zum Start war es also günstiger und schneller statt klüger; auf dem aktuellen Index v4.1.1 steht 3.6 Flash bei 52. Es erschien zusammen mit Gemini 3.5 Flash-Lite zu $0.30 / $2.50 und ist live über die Gemini API in Google AI Studio und Android Studio, der Gemini Enterprise Agent Platform und der Gemini-App für alle. Zu beachten: Die oben genannten Startpreise gelten nicht mehr. Als Gemini 3.7 Flash am 13. August erschien, stellte Google 3.6 Flash auf denselben einführenden Tarif von $0.75 / $3.75 um, und es bleibt das Modell, das die kostenlose Gemini-Stufe bedient. Google kündigte außerdem Gemini 3.5 Flash Cyber an, doch das ist nicht erschienen: Es geht über CodeMender als Pilot mit eingeschränktem Zugang an Regierungen und vertrauenswürdige Partner.

16. Juli Moonshot AI Kimi K3, 2,8B Parameter, das größte je veröffentlichte Open-Weight-Modell (Gewichte am 27. Juli erschienen)

Moonshot AI brachte Kimi K3 am Vorabend des 16. Juli 2026 heraus, sein neues Flaggschiff und der Nachfolger der K2-Reihe, und veröffentlichte dann am 27. Juli 2026 die vollständigen offenen Gewichte. Die Modellkarte auf Hugging Face bestätigt ein Mixture-of-Experts-Design mit 2,8 Billionen Parametern, 104 Milliarden davon aktiv pro Token, ein Kontextfenster von 1.048.576 Tokens und Text-, Bild- und Video-Eingabe (kein Audio). Thinking ist immer an, und reasoning_effort nimmt jetzt low, high oder max, mit max als Standard. Artificial Analysis setzt K3 auf Intelligence Index 60, den höchsten aller Open-Weight-Modelle, und auf Arena ist es #3 auf dem Agent-Board und #2 auf WebDev hinter Claude Opus 5. Die offiziellen API-Preise liegen bei $3 / $15 pro 1M Tokens mit Cached-Input zu $0.30, plus $0.005 pro erfolgreichem Websuche-Aufruf. Der Download besteht aus 96 safetensors-Shards und rund 1,56 TB unter einer eigenen Kimi K3 License statt MIT, also ist Selbst-Hosting eine Multi-Node-Angelegenheit; eine kostenlose Basis-Chat-Stufe existiert in der Kimi-App, wobei intensivere agentische Nutzung auf bezahlten Plänen abgerechnet wird.

9. Juli OpenAI GPT-5.6 Sol, Terra und Luna, Next-Gen-Familie live in ChatGPT, Codex und der API

OpenAI öffnete seine GPT-5.6-Familie am 9. Juli 2026 für die allgemeine Verfügbarkeit und beendete damit die zweiwöchige geschlossene Vorschau, die am 26. Juni hinter einer Sicherheitsprüfung der US-Regierung begonnen hatte. Die Reihe reicht vom wenigsten zum leistungsstärksten: Luna, eine schnelle, kostengünstige Stufe; Terra, ein ausgewogenes Alltagsmodell, von dem OpenAI sagt, es entspreche GPT-5.5 zu etwa dem halben Preis; und Sol, das Flaggschiff, abgestimmt auf Biologie, Chemie und Cybersicherheit. GPT-5.6 wird jetzt als OpenAIs Standard über ChatGPT, Codex und die API ausgerollt, mit Launch-API-Preisen von Sol $5 / $30, Terra $2.50 / $15 und Luna $1 / $6 pro 1M Tokens; Terra und Luna wurden am 30. Juli 2026 auf $2 / $12 und $0.20 / $1.20 gesenkt, und Sol selbst wurde am 21. August 2026 auf $4 / $20 gesenkt. Bei den wenigen von OpenAI veröffentlichten Benchmarks erzielt Sol 88,8 % auf Terminal-Bench 2.1 (91,9 % in seinem rechenintensiveren „ultra"-Modus) gegenüber den 88,0 % von GPT-5.5, und 60,5 auf HealthBench Professional; OpenAI hielt auffällig die üblichen SWE-bench Verified-, GPQA- und FrontierMath-Zahlen zurück, und sein Kontextfenster ist weiterhin nicht offiziell veröffentlicht. Ein Vorbehalt: OpenAIs eigene System Card und der externe Prüfer METR meldeten erhöhtes „Scheming"-Verhalten in Sol, einschließlich des Manipulierens eines Software-Engineering-Tests mit der höchsten Rate, die METR je aufgezeichnet hat.

Ausstehend Google Gemini 3.5 Pro, weiterhin unveröffentlicht, laut Bloomberg Monate hinter dem Zeitplan Verzögert

Gemini 3.5 Pro bleibt der größte ausstehende Launch. Google kündigte es auf der I/O am 19. Mai zusammen mit Gemini 3.5 Flash an, doch nur Flash erschien, und das Juni-Ziel verstrich. Bloomberg berichtete am 16. Juli 2026, dass das Modell Monate hinter dem Zeitplan liegt und Googles interne Ziele verfehlt hat, wobei das Unternehmen weiterhin daran arbeitet, seine Fähigkeiten insbesondere beim Programmieren zu verbessern. Das ist das gesamte belegte Bild. Google hat nie öffentlich ein Startdatum bestätigt, und Google hat keine finalen Spezifikationen wie Kontextfenster oder Reasoning-Modi veröffentlicht, also behandle kursierende Zahlen als unbestätigt. Nutze in der Zwischenzeit Gemini 3.7 Flash, wenn du über die API arbeitest, oder Gemini 3.6 Flash, wenn du in der kostenlosen Gemini-App bist, die es weiterhin ausführt; wir nehmen 3.5 Pro in dem Moment ins Haupt-Ranking auf, in dem es live geht.

Kategorie-Tipp, September 2026

Beste KI zum Schreiben

Claude Fable 5

Bestes Schreiben insgesamt

→

Kimi K3

Kreative Fiktion

→

Claude Sonnet 5

Kostenlos für den Alltag

Die beste KI zum Schreiben ist Claude Fable 5, das einzige Modell in den Top drei aller drei unabhängigen Schreib-Boards, mit Claude Sonnet 5 als Preis-Leistungs-Tipp der Gratisversion und GPT-5.5 als Alternative für faktenbasiertes Business-Schreiben. Fable 5 führt Arenas Creative-Writing-Leaderboard an, ist mit 90,7 Spitzenreiter bei LiveBench Language und belegt Platz drei auf EQ-Bench Creative Writing v3 hinter Kimi K3 und GPT-5.6 Sol. Kein anderes Modell ist auf mehr als einem davon in den Top drei. Das ist eine Änderung gegenüber dem letzten Monat, als Claude Sonnet 5 diesen Platz bei GDPval-AA hielt; die Präferenz-Boards stützen diese Platzierung nicht, also ist Sonnet 5 jetzt der Preis-Leistungs-Tipp statt der Qualitätsführer. Fable 5 kostet $10 / $50 pro 1M Tokens und ist dauerhaft in Claude Max und Team Premium bei rund 50 % der regulären Nutzungslimits enthalten. Wenn dein Text ein Arbeits-Deliverable statt Prosa ist: Das GDPval-AA v2 Board für professionelle Deliverables wird jetzt von Claude Fable 5.1 mit 1853 angeführt, vor Claude Opus 5 mit 1824 und Fable 5 mit 1723. Fable 5.1 kam am 1. September als leistungsfähigeres Modell zum selben Preis von $10 / $50 und schlägt Fable 5 auf jedem Board, das beide gemessen hat, einschließlich Humanity's Last Exam mit 59,1 % gegen 55,5 %. Wir haben die Krone nicht an es vergeben, weil dieser Tipp auf menschlicher Präferenz ruht und bisher kein Arena-Board es bewertet hat. Übersetzung ist eine eigene Frage mit einem eigenen Sieger, die wir in unserem Leitfaden zur besten KI für Übersetzungen aufarbeiten.

Modell	Am besten für	Stärke	Schwäche	Preis (pro 1M Tokens)
Claude Fable 5	Bestes Schreiben insgesamt	#1 Arena Text insgesamt (1508.6), #1 LiveBench Language (90.7), #3 EQ-Bench	Teuerste Option hier	$10 / $50
Claude Fable 5.1	Höchste Leistung zum selben Preis	#1 Humanity's Last Exam (59,1 %), #1 GDPval-AA v2 (1853), #1 Intelligence Index (66)	Noch keine Arena-Stimmen, also auf den Präferenz-Boards unbewertet	$10 / $50
Kimi K3	Kreative Fiktion und Stimme	#1 EQ-Bench Creative Writing (2377), 234 Elo Vorsprung auf Platz zwei	Nur #10 auf Arena Creative Writing	$3 / $15
Claude Sonnet 5	Kostenloses Alltagsschreiben	Kostenlos und Standard auf claude.ai, 1M Kontext	#53 Arena Creative Writing; 75,0 LiveBench Language	$2 / $10, jetzt dauerhaft
Claude Opus 5	Professionelle Deliverables mit Preisvorteil	#2 GDPval-AA v2 mit 1824, vor Fable 5 (1723)	Hinter Fable 5 bei Arena Text, hinter Fable 5.1 bei GDPval-AA v2	$5 / $25
GPT-5.5	Faktenbasiertes Business-Schreiben	Dokumentierte Zuwächse bei faktischer Verlässlichkeit gegenüber GPT-5.4	Reasoning-Stufen jetzt als veraltet markiert	$5 / $30
Gemini 3.7 Flash	Massen-Entwürfe in großem Umfang	Schnellste Ausgabe aller gemessenen Modelle (385,1 Tok/s), Intelligence Index 56	Eher auf Code als auf Prosa getrimmt; Einführungspreis verdoppelt sich am 1. Januar 2027	$0.75 / $3.75

Zweitplatzierte und Alternativen: Kimi K3 ist der Zweitplatzierte für kreative Fiktion und gewinnt EQ-Bench klar, Claude Sonnet 5 ist der Zweitplatzierte beim Preis-Leistungs-Verhältnis und das Modell der Wahl, wenn du nicht zahlst, Claude Fable 5.1 ist der Tipp, wenn du die höchste gemessene Leistung zum selben Preis wie Fable 5 willst, Claude Opus 5 ist der günstigere Tipp für professionelle Deliverables, und Gemini 3.7 Flash ist der Tipp fürs Massen-Drafting, jetzt das schnellste gemessene Modell und zum selben Preis wie 3.6 Flash.

Was sich diesen Monat geändert hat

Die Schreibkrone bleibt bei Claude Fable 5, doch das Argument dafür wurde am 1. September schmaler. Anthropic brachte Claude Fable 5.1, und es holt sich Humanity's Last Exam mit 59,1 % gegen die 55,5 % von Fable 5, das GDPval-AA v2 Board mit 1853 und den Intelligence Index mit 66. Was ihm fehlt, ist eine einzige Arena-Stimme, und diese Krone ruht auf Arenas Text- und Creative-Writing-Boards, wo Fable 5 weiterhin #1 mit 1508.6 zum Stichtag 1. August ist. Fable 5.1 geht deshalb als leistungsfähigere Option zum selben Preis von $10 / $50 in die Tabelle, und wir testen die Krone neu, sobald Arena es bewertet. Zwei Zahlen aus dem letzten Monat wurden ebenfalls neu justiert: AA-Omniscience liest jetzt 43 für beide Fable-Modelle statt 40, und Artificial Analysis misst Fable 5 auf Humanity's Last Exam mit 55,5 % statt 53,3 %.

Kategorie-Tipp, September 2026

Beste KI für Chat & täglichen Assistenten

GPT-5.6

ChatGPTs Standard

→

Claude Fable 5

Am höchsten bewertet

→

Claude Opus 5

Durchdachte Tiefe

Die beste KI für den täglichen Chat ist GPT-5.6, und der ehrliche Grund ist Reichweite statt Board-Position. Es ist das Modell, das ChatGPT der größten Nutzerbasis der Kategorie standardmäßig ausliefert, was es zum besten Assistenten macht, den die meisten Menschen tatsächlich öffnen können. Bei der reinen menschlichen Präferenz ist es nicht der Spitzenreiter: GPT-5.6 Sol sitzt mit 1482,8 auf #14 von Arenas Text-Leaderboard, wo Claude Fable 5 mit 1508.6 führt. Die meisten ChatGPT-Nutzer bekommen die ausgewogene Terra-Stufe, von der OpenAI sagt, sie entspreche GPT-5.5 und koste seit der Preissenkung vom 30. Juli 2026 60 % weniger. Es ist verfügbar in ChatGPT (kostenlos mit Limits, Plus zu $20/Monat, Pro zu $100/Monat), über die API (Luna $0.20 / $1.20, Terra $2 / $12, Sol $4 / $20 pro 1M Tokens) und gebündelt in Fello AI neben Claude, Gemini, Grok und DeepSeek. Ein Vorbehalt: OpenAIs System Card und der Prüfer METR meldeten erhöhtes „Scheming"-Verhalten in Sol, sodass GPT-5.5 Instant der sicherere Tipp für halluzinationsempfindliche Arbeit bleibt.

Modell	Am besten für	Stärke	Schwäche	Preis
GPT-5.6	Täglicher Chat, ChatGPTs Standard	Der Assistent, den die meisten öffnen können; Terra entspricht GPT-5.5 zu ~halbem Preis	#14 auf Arena Text; Scheming von METR gemeldet	Kostenlos / $20/Mon. Plus; API $0.20 / $1.20 bis $4 / $20
Claude Fable 5	Am höchsten bewertete Konversation	#1 auf Arena Text insgesamt (1508.6) und in 6 von 7 Unterkategorien	Keine Gratisversion; Zugang über Nutzungscredits auf Pro	$10 / $50 API
Claude Opus 5	Durchdachte, differenzierte Antworten	#1 Artificial Analysis Intelligence Index (63) und Agentic Index (55.3)	#6 auf Arena Text, hinter Claude Fable 5	$20/Mon. Pro, $5 / $25 API
GPT-5.5 Instant	Halluzinationsempfindliche Alltagsarbeit	52,5 % weniger halluzinierte Aussagen vs. 5.3 Instant	Reasoning-Stufen jetzt als veraltet markiert	$20/Mon. Plus; API $5 / $30
Gemini 3.6 Flash	Schnell, kostenlos, multimodal	Weiterhin das Modell, das die kostenlose Gemini-Stufe bedient, 1M Kontext, #12 auf Arena Text	Schwächer beim schwersten Reasoning; 3.7 Flash übertrifft es zum selben Preis	Kostenlos / $0.75 / $3.75 API
Fello AI	Alle Top-Modelle, eine App	ChatGPT + Claude + Gemini + Grok + DeepSeek und mehr auf Mac, iPhone und iPad	Über die App geroutet, nicht direkt	$9.99/Mon.

Zweitplatzierte und Alternativen: Claude Fable 5 ist der Zweitplatzierte und der eigentliche Präferenzführer, Claude Opus 5 ist der Zweitplatzierte für durchdachte Alltagsnutzung, Gemini 3.6 Flash ist der Zweitplatzierte für schnell und kostenlos, und Grok 4.6 ist der Nischen-Tipp für Live-News-Tage. Fello AI ist die naheliegende Wahl, wenn du die Top-Modelle in einer Mac- und iOS-App für $9.99/Monat willst, statt mit Abos zu jonglieren.

Was sich diesen Monat geändert hat

GPT-5.6 behält den Chat-Tipp aufgrund seiner Reichweite, und der Abstand zum Präferenzführer wuchs eher, als dass er sich schloss. Zum Stichtag 1. August sitzt Sol mit 1482,8 auf #14 bei Arena Text, herunter von #11, während Claude Fable 5 mit 1508.6 führt. Am Produkt änderte sich nichts, also bewegt sich die Krone nicht: Es geht weiterhin darum, welchen Assistenten die meisten Menschen tatsächlich öffnen können.

Kategorie-Tipp, September 2026

Beste KI für Bilder

ChatGPT Images 2.0

Text in Bildern

→

Reve 2.1

Layout & 4K

→

Muse Image

Bildbearbeitung

Die beste KI für die Bildgenerierung ist ChatGPT Images 2.0, und es ist die unumstrittenste Krone auf dieser Seite. GPT Image 2 führt Arenas Text-zu-Bild-Board mit 1385 Elo und sein Bildbearbeitungs-Board mit 1463 an, und Artificial Analysis setzt es mit 1339,4 an die Spitze seiner eigenen Bild-Arena. Es ist die naheliegende Wahl, wann immer dein Bild lesbare Wörter enthalten soll, auf Deutsch oder in einer anderen Schrift, und es ist in ChatGPT Plus und Pro enthalten. Die Zweitplatzierten haben sich geändert. Reve 2.1 (9. Juli) ist die echte #2 bei Text-zu-Bild mit 1302, und Reve 2.0 liegt jetzt auf beiden Boards dahinter. Metas Muse Image ist #3 auf Arenas Text-zu-Bild-Board und #2 bei der Bildbearbeitung, das stärkste Abschneiden, das je ein Meta-Bildmodell geschafft hat. Googles Nano Banana Pro ist nicht mehr der Zweitplatzierte insgesamt: Bei Text-zu-Bild rangiert es zwischen #8 und #11, unter seinem eigenen günstigeren Geschwistermodell Nano Banana 2, obwohl es bei der Bildbearbeitung höher platziert.

Modell	Am besten für	Stärke	Schwäche	Preis
ChatGPT Images 2.0	Bilder mit lesbarem Text	#1 Text-zu-Bild (1385) und #1 Bildbearbeitung (1463)	Weniger fotorealistisch als die Gemini-Bildreihe	In ChatGPT Plus enthalten
Reve 2.1	Layout, Typografie, natives 4K	#2 Text-zu-Bild mit 1302, layouterhaltende Bearbeitung	Kleineres Ökosystem	Kostenlos / ab $7.99/Mon.
Muse Image	Bildbearbeitung, Meta-Ökosystem	#3 Text-zu-Bild, #2 Bildbearbeitung (1407)	Neu, dünnes Tooling drumherum	Meta-AI-App
Nano Banana 2 (Gemini 3.1 Flash Image)	Fotorealistische Porträts und Produkte	Übertrifft Nano Banana Pro auf beiden Boards	Schwächer bei Text im Bild	Gemini-App / AI Studio
Seedream 5.0 Pro	Mehrsprachiger Text + Regionenbearbeitung	10+ Sprachen inkl. Arabisch RTL, Lasso- und Ebenenbearbeitung	Keine unabhängigen Benchmarks; Urheberrechts-Wolke	BytePlus / Magnific
Midjourney v8	Stilisierte Kunst, Illustration	Ästhetische Basis, die die meisten Künstler bevorzugen	Schwächer bei Text im Bild	$10-$120/Mon.
Grok Imagine	NSFW / Spicy Mode	Freizügigste Leitplanken	Kleineres Modell dahinter	$30/Mon. SuperGrok

Zweitplatzierte und Alternativen: Reve 2.1 ist der Zweitplatzierte insgesamt und der Tipp für Layout und Typografie, Muse Image ist der Zweitplatzierte, um ein bereits vorhandenes Bild zu bearbeiten, und Nano Banana 2 ist der Foto-Real-Tipp. Grok Imagine ist weiterhin das einzige Frontier-Modell, das Spicy-Mode-Inhalte für Erwachsene erlaubt.

Was sich diesen Monat geändert hat

Die Bildkrone ist unverändert und GPT Image 2 führt weiterhin alle drei Boards an, die wir verfolgen, auf Arena Text-zu-Bild (1385), Arena Bildbearbeitung (1463) und Artificial Analysis' Bild-Arena (1339,4). Die eine Ergänzung ist Microsofts MAI-Image-2.5, das auf dem Bild-Board von Artificial Analysis mit 1269,7 auf Platz drei sitzt und auf Arenas Bildbearbeitungs-Board Platz drei belegt, sodass der dritte Platz jetzt davon abhängt, welches Haus du liest.

Kategorie-Tipp, September 2026

Beste KI für Video

Gemini Omni Flash

#1 auf beiden Video-Boards

→

MiniMax H3

2K + nativer Ton

→

Dreamina Seedance 2.0

Engster Herausforderer

Die beste KI für die Videogenerierung ist Gemini Omni Flash, das Arenas Text-zu-Video-Board mit 1527 Elo anführt, ganze 45 Punkte vor dem zweiten Platz, und außerdem Artificial Analysis' Video-Arena anführt. Es ist #1 bei beiden Häusern, was kein anderes Videomodell schafft. Die Preise laufen bei $1.50 Input und $17.50 pro 1M Video-Output-Tokens, was auf etwa $0.10 pro Sekunde fertiges Video hinausläuft, und es unterstützt dialogbasierte Bearbeitung. Die eine echte Grenze ist die Länge: Omni Flash generiert 10-Sekunden-Clips. Wenn du längere Aufnahmen brauchst, bleibt Veo 3.1 das richtige Werkzeug in der Gemini-App, in AI Studio und Vertex AI, mit nativem Ton und 1080p-Output. Das ersetzt Veo 3.1 an der Spitze der Kategorie; Veo 3.1 ist ein gutes Modell, aber nicht das führende, mit seiner besten Variante auf #6 von Arenas Text-zu-Video-Board. Der zu beobachtende Kandidat ist MiniMax H3 (31. Juli), das 2K-Clips von 4 bis 15 Sekunden mit nativem Stereoton generiert und pro Sekunde ab $0.13 bei 2K abgerechnet wird, bereits #2 auf dem Video-Board von Artificial Analysis mit 1241,5. Wir bewegen die Krone deswegen nicht: Der Abstand beträgt 3,3 Elo auf dem einzigen Board, das zwischen den Auswertungen nicht reproduziert hat, und H3 hat weiterhin keine Stimmen auf Arenas Text-zu-Video-Board.

Modell	Am besten für	Stärke	Schwäche	Preis
Gemini Omni Flash	Beste KI-Videos insgesamt	#1 auf beiden Video-Boards (1527 Arena), dialogbasierte Bearbeitung	Deckelt bei 10-Sekunden-Generierungen	~$0.10/Sek.; Gemini-App / AI Studio
MiniMax H3	2K-Clips mit nativem Ton	4-15 s bei 2K, nativer Stereoton; #2 auf AA Video (1241.5)	Noch keine Arena-Stimmen; die offenen Gewichte enthalten den 2K-Upscaler nicht und verlangen in den USA, der EU, dem Vereinigten Königreich und Südkorea einen Antrag	$0.13/Sek. bei 2K
Dreamina Seedance 2.0	Engster Herausforderer	#2 Text-zu-Video (1482) und #1 bei Bild-zu-Video mit Audio (1198)	ByteDance-Ökosystem, eingeschränkter westlicher Zugang	Dreamina / BytePlus
Muse Video	Video im Meta-Ökosystem	#3 Text-zu-Video mit 1459	Neuestes der Gruppe, dünnes Tooling	Meta-AI-App
Veo 3.1	Längere Produktions-Clips	Nativer Ton, 1080p, starke physikalische Konsistenz	#6 auf Arena Video, nicht der Qualitätsführer	Google AI Pro / Ultra
Kling 3.0 / 3.0 Turbo	Schnelle Iteration zu niedrigeren Kosten	Natives 4K, 60fps, 15-Sekunden-Clips; Turbo am 17. Juni erschienen	Außerhalb der Top 16 auf Arena Text-zu-Video	Ab $10/Mon.
Luma Ray 3	Fotorealistische Szenen	Starker Realismus für Landschaften	Kleinere Community	Kostenlos / ab $9.99/Mon.

Zweitplatzierte und Alternativen: Dreamina Seedance 2.0 ist der Zweitplatzierte insgesamt und schlägt Omni Flash bei Bild-zu-Video mit Audio, wo es mit 1198 gegen 1191 führt, während Omni Flash die Variante ohne Audio weiterhin anführt. Muse Video ist Dritter, und Veo 3.1 ist der Tipp, wenn 10 Sekunden nicht genug sind. OpenAI stellte die Sora-2-Consumer-App am 26. April 2026 ein, und nur die Entwickler-API bleibt, bis zum 24. September 2026.

Was sich diesen Monat geändert hat

Gemini Omni Flash behält die Videokrone und ist weiterhin #1 auf beiden Boards, mit 1527,5 auf Arena und 1244,8 auf Artificial Analysis. MiniMax H3 (31. Juli) tritt als Kandidat auf #2 auf dem Video-Board von Artificial Analysis (1241,5) ein, 3,3 Elo dahinter, und schlägt Omni Flash bei den Spezifikationen mit 2K-Output, Clips bis 15 Sekunden und nativem Stereoton. Wir halten die Krone, weil dieser Abstand 3,3 Elo auf einem einzigen Board beträgt und H3 weiterhin keine Stimmen auf Arenas Text-zu-Video-Board hat. MiniMax öffnete die Gewichte am 3. August, aber nur H3-Base sowie die VAEs und den Encoder; der 2K-Upscaler, auf dem der Spezifikationsvorteil beruht, blieb nur über die API verfügbar.

Kategorie-Tipp, September 2026

Beste KI zum Programmieren

Claude Opus 5

#1 Arena WebDev

→

Claude Fable 5

Schwerstes Long-Horizon

→

Kimi K3

Web-Apps und Agenten

Die beste KI zum Programmieren ist Claude Opus 5, und es gewinnt auf den beiden Boards, wo Entwickler über das fertige Ergebnis abstimmen statt ein Skript ein Harness zu messen. Es ist #1 auf Arenas WebDev-Board mit 1,702.9 und #1 bei image-to-WebDev mit 1,668.6, zu den Abstimmungsstichtagen 1. August und 31. Juli. Der Preis ist die zweite Hälfte des Arguments: Opus 5 läuft mit $5 / $25 pro 1M Tokens gegen die $10 / $50 von Claude Fable 5, und Artificial Analysis misst es mit $2.34 pro Index-Aufgabe gegen die $3.14 von Fable 5. Anthropics eigene Dokumentation rät Entwicklern, für komplexes agentisches Programmieren mit Opus 5 zu beginnen und Fable 5 für Workloads zu reservieren, die die höchste verfügbare Leistung brauchen. Claude Fable 5 ist der Zweitplatzierte und bleibt der Tipp für die schwerste Long-Horizon-Arbeit, auf #4 bei WebDev (1,630.7) und #2 bei image-to-WebDev (1,625.7); sein Nachfolger vom 1. September, Claude Fable 5.1, ist auf den Harness-Benchmarks zum selben Preis das stärkere Modell und erreicht 55,8 % auf Terminal-Bench 4.0 gegen die 52,3 % von Opus 5 und die 42,0 % von Fable 5 nach Anthropics eigenen Zahlen, aber Arena hat noch keine Stimmen dafür. Der Kandidat ist Kimi K3, das #2 bei WebDev mit 1,675.5 und #3 auf Arenas Agent-Board belegt, der stärkste Open-Weight-Coder auf den Boards, wobei Selbst-Hosting 1,56 TB Gewichte bedeutet. Auf dem Coding Index von Artificial Analysis ist es kein Claude-Durchmarsch: GPT-5.6 Sol (xhigh) führt mit 78,3 vor Opus 5 (max) mit 78,0, nah genug, um es einen Gleichstand zu nennen. Der günstigste ernsthafte Kandidat ist jetzt GLM 5.3 Flash bei $0.15 / $0.50 unter MIT, nachdem DeepSeeks Preiserhöhung vom 16. August V4-Flash 0731 auf $0.22 / $0.66 außerhalb der Spitzenzeiten und $0.44 / $1.32 zu Spitzenzeiten gebracht hat, und das beste Preis-Leistungs-Verhältnis direkt an der Frontier bietet Grok 4.6 mit 88,4 % auf Terminal-Bench v2.1 und $0.84 pro Index-Aufgabe bei $2 / $6.

Modell	Am besten für	Stärke	Schwäche	Preis (pro 1M Tokens)
Claude Opus 5	Bestes Programmieren insgesamt	#1 Arena WebDev (1,702.9) und #1 image-to-WebDev (1,668.6); $2.34 pro Index-Aufgabe	Artificial Analysis Coding Index hat GPT-5.6 Sol eine Spur voraus	$5 / $25
Claude Fable 5	Schwerste agentische Long-Horizon-Arbeit	#2 Arena image-to-WebDev (1,625.7), #4 WebDev; 1M Kontext	Teuerstes; Artificial Analysis Coding Index setzt es auf Platz 7	$10 / $50
Claude Fable 5.1	Agentisches Programmieren mit der höchsten Leistung	#1 Intelligence Index (66) und #1 Agentic Index (61); 55,8 % auf Terminal-Bench 4.0 (Anthropic)	Noch keine Arena-Stimmen; doppelt so teuer wie Opus 5	$10 / $50
Kimi K3	Web-App-Bau und Agenten	#2 Arena WebDev (1,675.5), #3 Arena Agent, höchster offener Intelligence Index (60)	1,56 TB zum Selbst-Hosten	$3 / $15
GPT-5.6 Sol	OpenAI-Flaggschiff, agentisches Programmieren	#1 Artificial Analysis Coding Index mit 78,3 (xhigh)	Fehlt auf dem offiziellen Terminal-Bench-Board; Eval-Gaming von METR gemeldet	$4 / $20
Muse Spark 1.2	Günstiges agentisches Programmieren	Intelligence Index 57 bei $1.25 / $4.25; 80 % auf Terminal-Bench 2.1 (Artificial Analysis)	Zweiter hinter Opus 5 auf allen drei von Metas eigenen Coding-Charts (82,9 % vs. 86,7 %); Scale SEAL hat nur 1.1 bewertet	$1.25 / $4.25
Grok 4.6	Günstiger Preis-Leistungs-Coder	88,4 % auf Terminal-Bench v2.1 und Intelligence Index 61, bei $0.84 pro Index-Aufgabe	Prompts ab 200K Tokens werden komplett zum doppelten Satz abgerechnet; höhere Halluzinationsrate	$2 / $6
Gemini 3.7 Flash	Agenten-Programmieren in großem Umfang	Intelligence Index 56, 65,3 % DeepSWE v1.1, 85,8 % Terminal-Bench 2.1, 385,1 Tok/s	14,9 % auf dem schwereren Terminal-Bench 3.0; Einführungspreis verdoppelt sich am 1. Januar 2027	$0.75 / $3.75
GLM 5.3 Flash	Bester Open-Weight-Coder, den du hosten kannst	Intelligence Index 57; DeepSWE v1.1 63,4 und Terminal Bench 2.1 84,3 (Herstellerangaben); MIT, 320B/18B aktiv	Kimi K3 übertrifft es; die Coding-Zahlen stammen vom Hersteller, und Arena-Stimmen gibt es noch keine	Open weights (MIT)

Zweitplatzierte und Alternativen: Kimi K3 ist der Zweitplatzierte auf Arenas WebDev-Board und der Tipp, wenn du die stärksten offenen Gewichte willst, Claude Fable 5 ist der Zweitplatzierte für die schwerste Long-Horizon-Arbeit, wobei Claude Fable 5.1 die leistungsfähigere Version derselben Wahl zum selben Preis ist, GPT-5.6 Sol ist der Zweitplatzierte auf Artificial Analysis' Komposit, und GLM 5.3 Flash ist der Open-Weight-Tipp für Teams, die es selbst hosten, bei Intelligence Index 57 unter reinem MIT, und es behält diesen Platz auch jetzt, wo die Gewichte von GLM 5.3 selbst unter einer eigenen Z.ai-Lizenz und in mehr als doppelter Größe erschienen sind. In IDEs ist Cursor mit Claude weiterhin die beliebteste Kombination, und Claude Code ist der naheliegende Tipp, wenn du im Terminal lebst.

Was sich diesen Monat geändert hat

Die Programmierkrone ging an Claude Opus 5. Arena beendete die Bewertung, und es kam auf beiden Coding-Boards zuerst, WebDev mit 1,702.9 und image-to-WebDev mit 1,668.6, mit Claude Fable 5 auf Platz vier und zwei. Das sind abstimmungsbasierte Boards mit veröffentlichten Stichtagen, sodass die Krone jetzt auf menschlichen Vergleichen statt auf einem einzelnen Harness ruht, und Opus 5 schafft das zum halben Preis von Fable 5. Fable 5 wird zum Zweitplatzierten für die schwerste Long-Horizon-Arbeit, und Kimi K3 bleibt der Kandidat auf #2 bei WebDev. Metas Muse Spark 1.2 erschien am 5. August und ändert das nicht, weil es auf Metas eigenen Charts bei jedem veröffentlichten Coding-Benchmark hinter Opus 5 auf Platz zwei landet. Auch Grok 4.6 (12. August) holt die Krone nicht, ist aber beim Preis das Modell, das du im Blick behalten solltest: Es erreicht 88,4 % auf Terminal-Bench v2.1 und schließt lange agentische Aufgaben in rund der Hälfte der Züge von Opus 5 ab, bei $2 / $6 gegen $5 / $25. Direkt danach landeten zwei weitere Coding-Starts. Gemini 3.7 Flash (13. August) ersetzt 3.6 Flash in dieser Tabelle dank eines Sprungs von 49,0 % auf 65,3 % bei DeepSWE v1.1 zum halben alten Preis, und GLM 5.3 (14. August) verzeichnet den größten agentischen Zuwachs des Monats, Terminal-Bench 3.0 von 4,6 auf 28,3, erschien aber ohne herunterladbare Gewichte. Z.ai schloss den Monat damit ab, stattdessen ein anderes Modell zu öffnen: GLM 5.3 Flash (26. August) kam am ersten Tag unter MIT mit Intelligence Index 57 und übernimmt den Open-Weight-Coding-Platz von GLM-5.2. Die letzten Tage des Monats brachten dann drei weitere offene Releases: die Gewichte von GLM 5.3 selbst am 28. August unter einer eigenen Lizenz statt MIT, Alibabas Qwen3.8-Flash-Next am 26. August als Vorschau auf die Qwen4-Architektur und Tencents 770B großes Hy4 Preview am 28. August unter Apache 2.0. Keines davon hat bisher eine unabhängige Coding-Bewertung, also bewegt keines diese Tabelle. Anthropic eröffnete den September dann am 1. mit Claude Fable 5.1, das den Intelligence Index und den Agentic Index von Artificial Analysis anführt und 55,8 % auf Terminal-Bench 4.0 gegen die 52,3 % von Opus 5 erreicht, aber Arena hat es nicht bewertet, also bleibt die Krone dort, wo die Stimmen sind.

Kategorie-Tipp, September 2026

Beste KI für Kreativität

Grok 4.6

Wenigste Leitplanken

→

Claude Fable 5

Prosa höchster Qualität

→

Kimi K3

Fiktion und Stimme

Die beste KI für ungefilterte, angesagte kreative Arbeit ist Grok 4.6, und wir wollen genau sein, warum. Dieser Tipp geht um das Produkt, nicht um die Prosa-Qualität. Grok trägt die wenigsten Inhaltsbeschränkungen aller Frontier-Modelle und als Einziges die native Echtzeit-X-Integration, was es zum einen Modell macht, das sich auf kantige, aktuelle oder bewusst provokante Briefings einlässt, die die anderen ablehnen. Es ist Standard in der Grok-App für SuperGrok- und X-Premium+-Abonnenten zu $30/Monat. Es ist nicht der beste Schreiber, und die Boards sagen es unverblümt. Grok 4.5 sitzt auf #33 bei EQ-Bench Creative Writing und #41 auf Arenas Creative-Writing-Leaderboard und verliert bei beiden gegen das ältere Grok 4.20-beta1. Wenn du allein nach Output-Qualität wählst, gewinnt Claude Fable 5 klar auf #1 bei Arena Creative Writing, und Kimi K3 gewinnt EQ-Bench. Wähle Grok 4.5 für das, was es dich erschaffen lässt, nicht dafür, wie gut es schreibt.

Modell	Am besten für	Stärke	Schwäche	Preis
Grok 4.6	Ungefiltert, meinungsstark, angesagt	Wenigste Inhaltsbeschränkungen, native Echtzeit-X-Grundierung	Die Creative-Writing-Boards haben es noch nicht bewertet; Grok 4.5 lag auf #33 EQ-Bench, #41 Arena	$30/Mon. SuperGrok
Claude Fable 5	Kreative Prosa höchster Qualität	#1 Arena Creative Writing, #1 LiveBench Language	Vorsichtige Leitplanken bei kantigen Briefings	$10 / $50 API
Kimi K3	Fiktion und markante Stimme	#1 EQ-Bench Creative Writing mit 2377	Nur #10 auf Arena Creative Writing	$3 / $15
Claude Opus 5	Strukturierte Langform-Kreativität	Hält lange Threads und lektoriert sich selbst; Intelligence Index 63, nur hinter Claude Fable 5.1	Vorsichtigstes der Gruppe	$20/Mon. Pro; $5 / $25 API
Gemini 3.1 Pro	Multimodal kreativ	Starke Text-, Bild- und Videokette	Quoten in der Gemini-App	Kostenlos / $2.00-$4.00 API Input
Grok Imagine (Spicy Mode)	NSFW / kreativ für Erwachsene	Freizügigste Bildgenerierung	Nischen-Anwendungsfall	$30/Mon. SuperGrok

Zweitplatzierte und Alternativen: Claude Fable 5 ist der Zweitplatzierte und der richtige Tipp, wenn Qualität wichtiger ist als Freiheit, Kimi K3 ist der Tipp für Fiktion, und Claude Opus 5 ist der Tipp für kreative Projekte, die sich über viele Runden ziehen. Für kreative Arbeit für Erwachsene ist Grok Imagine Spicy Mode weiterhin die einzige Option auf Frontier-Niveau.

Was sich diesen Monat geändert hat

Grok behält diesen Tipp, jetzt mit Grok 4.6, das am 12. August Grok 4.5 als Flaggschiff von SpaceXAI ablöste. An der Freizügigkeit und am Live-X-Zugang, worauf dieser Tipp beruht, hat sich nichts geändert. Das Modell darunter ist deutlich stärker, fünf Punkte höher auf Intelligence Index 61, doch dieser Gewinn landete im Programmieren und in der agentischen Arbeit, nicht in der Prosa, und kein Creative-Writing-Board hat Grok 4.6 bisher bewertet. Claude Fable 5 bleibt das Modell der Wahl, wenn du das bessere Schreiben willst.

Kategorie-Tipp, September 2026

Beste KI für Genauigkeit & Recherche

Gemini 3.1 Pro

98 % ARC-AGI-1

→

Claude Fable 5

Grundierte Suche

→

GPT-5.6 Sol

Neuartiges Reasoning

Die beste KI für Genauigkeit und Recherche ist Gemini 3.1 Pro. Sein stärkstes Ergebnis liegt auf ARC-AGI-1 vom ARC Prize, wo es 98 % erzielt und mit dem menschlichen Panel gleichzieht, und das bei $0.52 pro Aufgabe. Diese Kombination ist das Argument: Mehrere Modelle sind bei der Leistung nah dran, keines erreicht es bei den Kosten für verlässliche faktische Arbeit. Es kombiniert das mit nativer Google-Search-Grundierung, was du willst, wenn die Antwort aktuell statt bloß plausibel sein muss. Es erzielt außerdem 94,1 % auf GPQA Diamond, wo GPT-5.6 Sol jetzt gleichzieht statt zurückzuliegen, und 44,4 % auf Humanity's Last Exam, und führt Scale SEALs HLE-Board mit 46,44 an. Wir haben die vorherige ARC-AGI-2-Rahmung fallen gelassen: Seine 77,1 % sind weiterhin korrekt, aber das Board hat sich bewegt, und dieser Wert platziert es jetzt um Platz 14. Zwei ehrliche Vorbehalte. Bei grundierter Suche speziell wird Arenas Such-Leaderboard von Anthropic angeführt, nicht von Google, wobei Gemini 3.1 Pro mit Grundierung auf #7 liegt. Und bei neuartigem Reasoning führt GPT-5.6 Sol ARC-AGI-2 an, und Claude Opus 5 führt ARC-AGI-3 mit 30 % an, rund 3,75-mal so viel wie das nächstbeste Modell. Wir haben die Krone nicht an Opus 5 gegeben, weil Artificial Analysis seine Halluzinationsrate mit 50 % misst und es auf AA-Omniscience unter Fable 5 setzt, einem Board, dessen Spitze Claude Fable 5.1 jetzt mit ihm teilt.

Modell	Am besten für	Schlüssel-Benchmark	Schwäche	Preis
Gemini 3.1 Pro	Günstige, verlässliche faktische Arbeit	98 % ARC-AGI-1 (Gleichstand mit dem menschlichen Panel) bei $0.52/Aufgabe, 94,1 % GPQA (von Sol egalisiert)	ARC-AGI-2 77,1 % rangiert jetzt ~14.; #7 auf Arena Search	$2.00-$4.00 / $12.00-$18.00 (gestaffelt)
Claude Fable 5	Grundierte Suche	#1 und #3 auf Arenas Such-Leaderboard, vor Google	Keine einzelne günstige Stufe	$10 / $50 (Fable 5)
GPT-5.6 Sol	Neuartiges Reasoning	#1 ARC-AGI-2 mit 92,5 %, gegen ein 100-%-Menschen-Panel	Scheming von METR gemeldet	$4 / $20
Claude Opus 5	Schwerste unbekannte Probleme	#1 ARC-AGI-3 mit 30 %, ~3,75-mal das nächste Modell (ARC Prize)	Artificial Analysis misst eine Halluzinationsrate von 50 %	$5 / $25
Qwen 3.7 Max	Frontier-Genauigkeit zum Preis-Leistungs-Verhältnis	92,4 GPQA Diamond, 200 kostenlose Anfragen/Tag	Nur API, kein Chat-Frontend	$1.25 / $3.75 Promo; $2.50 / $7.50 Liste
Claude Opus 4.6	Ehrlichkeit unter Druck	#1 auf Scale SEALs MASK-Board mit 96,28; Anthropic hält die Top 5	Als Flaggschiff abgelöst	Legacy-Anthropic-Modell

Zweitplatzierte und Alternativen: Anthropics Modelle sind die Zweitplatzierten für grundierte Suche und räumen das Board zur Ehrlichkeit unter Druck ab, GPT-5.6 Sol ist der Zweitplatzierte für neuartiges Reasoning, und Qwen 3.7 Max ist der Preis-Leistungs-Tipp am Frontier.

Was sich diesen Monat geändert hat

Gemini 3.1 Pro behält die Genauigkeitskrone, doch seine Kopfzahl ist keine Führung mehr. Sein GPQA-Diamond-Wert wurde auf 94,1 % neu justiert, und GPT-5.6 Sol zieht jetzt exakt gleich, sodass die Krone auf dem ARC-AGI-1-Ergebnis bei $0.52 pro Aufgabe plus Search-Grundierung ruht statt auf GPQA. Das ist die nächste Krone, die wir neu testen, und die Boards, die messen, wie oft ein Modell schlicht falsch liegt, haben sich am 1. September bewegt. Claude Fable 5.1 hält jetzt die höchste faktische Genauigkeit, die Artificial Analysis je gemessen hat, 67 % gegen die 65 % von Claude Fable 5, und führt Humanity's Last Exam mit 59,1 % gegen 55,5 % an. Der AA-Omniscience-Index selbst liest 43 für beide Modelle, mehr als die 40, die wir letzten Monat für Fable 5 angaben, weil 5.1 seine höhere Genauigkeit mit einer höheren Antwortquote bei Fragen erkauft, die es nicht beantworten kann.

Kategorie-Tipp, September 2026

Beste KI zur Problemlösung

GPT-5.6 Sol

STEM-Flaggschiff

→

Claude Opus 5

Agentische Ketten

→

GPT-5.5 Pro

Verifizierter FrontierMath

Die beste KI zur schweren Problemlösung ist GPT-5.6 Sol, und es ist die am besten belegte Krone auf dieser Seite. Es holt sich #1 auf LiveBench Mathematics mit 96,2, #1 auf LiveBench Reasoning mit 91,7 und #1 auf ARC-AGI-2 mit 92,5 %, das Näheste, das je ein Modell dem 100-%-Menschen-Panel gekommen ist. Drei separate Häuser setzen es bei den entscheidenden Reasoning-Aufgaben auf den ersten Platz, was mehr Übereinstimmung ist, als jede andere Kategorie auf dieser Seite erzeugt. OpenAI hat Sols FrontierMath-Wert weiterhin nicht veröffentlicht, also bleibt die verifizierte OpenAI-Marke die 39,6 % von GPT-5.5 Pro auf FrontierMath Tier 4, und wir schieben Sols Zahl in dem Moment ein, in dem sie öffentlich wird. Qwen 3.7 Max ist die Preis-Leistungs-Alternative für Aufgaben im Wettbewerbsstil mit 97,1 auf dem HMMT-Index vom Februar 2026 und 44,5 auf Apex, zu einem Bruchteil der Kosten von ChatGPT Pro, und es enthält jetzt 200 kostenlose Modellanfragen pro Tag. Claude Opus 5 ist die Alternative für lange agentische Reasoning-Ketten, mit 59 auf Artificial Analysis' Agentic Index Zweiter hinter den 61 von Claude Fable 5.1, und #1 auf ARC Prizes ARC-AGI-3 mit 30 %, rund 3,75-mal das nächstbeste Modell.

Modell	Am besten für	Schlüssel-Benchmark	Schwäche	Preis
GPT-5.6 Sol	Schwerste Mathematik, Wissenschaft und Reasoning	#1 LiveBench Mathematics (96.2), #1 LiveBench Reasoning (91.7), #1 ARC-AGI-2 (92,5 %)	FrontierMath weiterhin unveröffentlicht; Scheming von METR gemeldet	$100/Mon. ChatGPT Pro; API $4 / $20
Claude Opus 5	Lange agentische Reasoning-Ketten	#2 Agentic Index (59), #1 ARC-AGI-3 (30 %)	Zweiter auf LiveBench Reasoning; 50 % Halluzinationsrate	$5 / $25
GPT-5.5 Pro	Verifizierter FrontierMath-Führer	39,6 % FrontierMath Tier 4	Von Sol als Flaggschiff abgelöst	$100/Mon. ChatGPT Pro
Qwen 3.7 Max	Wettbewerbsmathematik mit knappem Budget	97,1 HMMT 2026 Feb, 44,5 Apex, 200 kostenlose Anfragen/Tag	Nur API	$1.25 / $3.75 Promo; $2.50 / $7.50 Liste
Claude Fable 5	Mathematik in einem Coding-Workflow	#1 auf Arenas Mathe-Unterkategorie (1543), 96,0 LiveBench Mathematics	Teuerste Option hier	$10 / $50
GLM 5.3 Flash	Open-Weight-Problemlösung	Intelligence Index 57 unter MIT, vier Punkte über GLM-5.2 bei weniger als der halben Größe; 320B/18B aktiv, 1M Kontext	Braucht einen Multi-GPU-Server, keine Workstation; GLM 5.3 liegt nach Z.ais eigenen Zahlen höher und ist seit dem 28. August herunterladbar, aber in mehr als doppelter Größe und unter einer eigenen Lizenz	Open weights (MIT)

Zweitplatzierte und Alternativen: Claude Opus 5 ist der Zweitplatzierte und der naheliegende Tipp für langkettiges agentisches Reasoning, Claude Fable 5 ist der Zweitplatzierte auf Arenas Mathe-Board, Qwen 3.7 Max ist der Preis-Leistungs-Tipp, und GLM 5.3 Flash ist der Open-Weight-Tipp.

Was sich diesen Monat geändert hat

GPT-5.6 Sol behält diese Krone und holte sich ein zweites Argument. Sol führt jetzt außerdem Artificial Analysis' Terminal-Bench v2.1 mit 89,5 % und seinen Coding Index mit 78,3 an, und es zieht mit Gemini 3.1 Pro auf GPQA Diamond mit 94,1 % gleich. Claude Opus 5 bleibt die Agentic-Reasoning-Alternative auf der Stärke von ARC-AGI-3. Am 1. August benannte OpenAI seine nächste Modellfamilie Astra und veröffentlichte zehn neue mathematische Ergebnisse aus einer internen Version, obwohl Astra unveröffentlicht ist und kein Datum, keinen Preis und keine Verfügbarkeit hat. Anthropics Claude Fable 5.1 erschien am 1. September und nahm Opus 5 den Agentic Index ab, 61 gegen 59, was die Stützzahl der Alternative ändert, nicht die Krone.

Kategorie-Tipp, September 2026

Bester KI-Agent

Gemini Spark

Rund um die Uhr in der Cloud

→

Claude Cowork

Desktop-KI

→

ChatGPT Codex

Coding-Agent

Der beste KI-Agent ist derzeit Gemini Spark für rund um die Uhr in der Cloud residierende Arbeit und Claude Cowork für auf dem Desktop residierende Arbeit, mit ChatGPT Codex als Alternative für Coding-Agenten und Browser-Agenten der OpenAI-Operator-Klasse als Alternative für Web-Aufgaben. KI-Agenten sind die am schnellsten bewegte Kategorie 2026: Jeder Top-Anbieter liefert jetzt ein Agenten-Produkt, und die praktische Wahl liegt zwischen Agenten, die in der Cloud leben (laufen, während dein Laptop geschlossen ist), und Agenten, die auf deinem Desktop leben (steuern deine Apps direkt). Gemini Spark startete auf der Google I/O am 19. Mai 2026 und ist der erste 24/7-Cloud-Agent. Claude Cowork erreichte am 9. April 2026 die allgemeine Verfügbarkeit und läuft als Desktop-Agent, der deine lokalen Apps steuert. ChatGPT Codex Mobile (14. Mai) ist der Tipp für Coding-Agenten-Arbeit. Lies den vollständigen Vergleich Gemini Spark vs. Claude Cowork.

Agent	Am besten für	Wo er läuft	Stärke	Preis
Gemini Spark	24/7-Cloud-Aufgaben, Workspace-Workflows	Google-Cloud-VM (immer an)	Erster echter 24/7-Agent, tiefe Workspace-Integration	$99.99/Mon. Google AI Ultra
Claude Cowork	Desktop, App-Steuerung, Design + Code	Dein Mac-/Windows-Desktop	Steuert lokale Apps, sieht deinen Bildschirm	$20/Mon. Claude Pro
ChatGPT Codex Mobile	Coding-Agent auf dem Handy	OpenAI-Cloud + iOS/Android	Diffs freigeben und Arbeit vom Handy umleiten	In ChatGPT-Plänen enthalten
Grok Agentic (Grok 4.6)	Echtzeit-Recherche, X-Scraping	SpaceXAI-Cloud	Native X-Integration; GDPval-AA-v2-Elo von 1755	$30/Mon. SuperGrok
OpenAI Operator-Klasse	Browser-Aufgaben, Web-Formulare	OpenAI-Cloud + dein Browser	Web-Automatisierung	ChatGPT Pro

Zweitplatzierte und Alternativen: Claude Cowork ist der Zweitplatzierte insgesamt und der naheliegende Tipp, wenn du den Agenten auf deiner Maschine haben willst, der deine Apps steuert. ChatGPT Codex Mobile ist der Zweitplatzierte für Coding-Agenten. Grok Agentic ist der Nischen-Tipp für Echtzeit-Recherche.

Was sich diesen Monat geändert hat

Keine neuen Consumer-Agenten erschienen, und Metas Muse Code (5. August) ist ein Terminal-Entwickler-Tool statt eines für Consumer, sodass die Wahl zwischen Gemini Spark (Cloud) und Claude Cowork (Desktop) weiterhin die meisten Agenten-Entscheidungen für einzelne Nutzer bestimmt. Die Modellschicht darunter bewegte sich erneut: Claude Fable 5.1 (1. September) führt jetzt Artificial Analysis' Agentic Index mit 61 an, vor Claude Opus 5 mit 59, und holt sich das GDPval-AA v2 Board mit 1853 gegen die 1824 von Opus 5. Opus 5 ist weiterhin das Modell, auf dem die meisten Teams bauen sollten, bei $5 / $25 und damit dem halben Preis von Fable 5.1, und es führt Arenas Agent-Board an, mit Kimi K3 auf Platz drei. Für Teams, die eigene Agenten bauen, ist Metas Muse Spark 1.2 (5. August) eine günstige agenten-native Option zu $1.25 / $4.25, deren GDPval-AA v2 agentisches Elo von 1371 auf 1631 sprang, obwohl Scale SEAL nur das ältere 1.1 bewertet hat, das dessen MCP-Atlas-Tool-Use-Board mit 88,1 anführt. GLM 5.3 Flash (26. August, MIT) ist jetzt das Open-Weight-Agentenmodell, das wir hosten würden, bei Intelligence Index 57 und AutomationBench 48,8 auf Z.ais eigenem Chart, wo Claude Opus 4.8 bei 41,0 liegt, wenngleich es noch keine Arena-Stimmen hat; den unabhängigen Nachweis hält weiterhin GLM-5.2, auf #5 von Arenas Agent-Board. Grok 4.6 (12. August) ist hier die neue Kostenrechnung statt eines neuen Agentenprodukts: Es kommt auf GDPval-AA v2 auf ein Elo von 1755, womit die September-Einträge es unter den einzelnen Modellen auf Platz fünf gedrückt haben, und Artificial Analysis misst, dass es lange Aufgaben in rund 53 Zügen und 0,5 Milliarden Input-Tokens abschließt gegen etwa 103 Züge und 2,0 Milliarden bei Opus 5, bei $0.84 pro Index-Aufgabe.

Alle Top-KI-Modelle, eine App

Die führenden Modelle wie ChatGPT, Claude und Gemini, zusammen auf Mac, iPhone und iPad.

Kostenlos starten, 4,7★ über 27.000+ Rezensionen.

Fello AI laden

Anwendungsfall-Leitfaden, September 2026

Beste KI für Studierende

GPT-5.5 Free

Essays & Recherche

→

Gemini 3.6 Flash

STEM + PDFs

→

Claude Sonnet 5

Schreiben & Lektorat

Die beste KI für Studierende ist GPT-5.5 Free in ChatGPT für allgemeine Studienarbeit und Gemini 3.6 Flash Free in der Gemini-App für STEM und multimodales Lernen, mit Qwen 3.7 Max als API-Alternative für schwerere Aufgabensätze (200 kostenlose Anfragen pro Tag) und Claude Opus 5 als Alternative für das Lektorat von Essays. Die meisten Studierenden müssen nicht zahlen: Die kostenlose ChatGPT-Stufe verwendet jetzt standardmäßig GPT-5.6 (mit weiterhin verfügbarem GPT-5.5), Gemini 3.6 Flash ist in der kostenlosen Gemini-App und in AI Studio, Claude Sonnet 5 ist der neue kostenlose Claude-Standard, und DeepSeek V4 ist kostenlos auf DeepSeeks Chat-Seite. Für schrittweises Rechnen bei der schwersten Mathematik ist GPT-5.6 Sol OpenAIs neues Flaggschiff (sein FrontierMath-Wert ist noch nicht veröffentlicht, mit den verifizierten 39,6 % von GPT-5.5 Pro auf FrontierMath Tier 4 als aktueller Marke), obwohl beide nur bezahlt sind; Qwen 3.7 Max ist die Preis-Leistungs-Alternative mit 97,1 HMMT 2026 Februar bei API-Preisen von $1.25 / $3.75 auf seiner aktuellen 50-%-Promo ($2.50 / $7.50 Liste).

Aufgabe	Bestes Modell	Warum	Kostenlos?	Alternative
Essays & Studienarbeit	GPT-5.5	Kostenlos in ChatGPT, verbesserte faktische Verlässlichkeit vs. 5.4	Ja	Claude Sonnet 5 (kostenloses Claude)
STEM-Problemlösung	GPT-5.6 Sol / Qwen 3.7 Max	Neues STEM-Flaggschiff (5.5 Pro: 39,6 % FrontierMath) / 97,1 HMMT 2026 Feb	Pro bezahlt / Qwen API bezahlt	Gemini 3.6 Flash (kostenlos)
Recherche & Genauigkeit	Gemini 3.1 Pro	98 % ARC-AGI-1 bei $0.52/Aufgabe, native Google-Search-Grundierung	Ja (Gemini-App)	Claude Opus 5
Schreib-Lektorat	Claude Sonnet 5	Kostenlos und Standard auf claude.ai; Claude Fable 5 ist der Qualitätsführer	Ja (Claude kostenlos)	Claude Fable 5
Multimodales Lernen (PDFs, Slides, Bilder)	Gemini 3.6 Flash	1M Kontext, kostenlos in der Gemini-App	Ja	NotebookLM (Google)

Zweitplatzierte und Alternativen: Claude Sonnet 5 (kostenlos) ist der Zweitplatzierte fürs Essay-Schreiben und -Lektorat. Gemini 3.6 Flash (kostenlos) ist der Zweitplatzierte fürs multimodale Lernen und die PDF-Aufnahme. DeepSeek V4 ist der Zweitplatzierte für die Problemlösung mit striktem Null-Kosten-Budget.

Anwendungsfall-Leitfaden, September 2026

Beste KI für Arbeit & Profis

GPT-5.6

Tägliche Wissensarbeit

→

Claude Opus 5

Programmieren & Schreiben

→

Gemini 3.1 Pro

Recherche & Briefings

Die beste KI für professionelle Arbeit ist GPT-5.6 (ChatGPTs Standard seit 9. Juli) für tägliche Wissensarbeit, Claude Opus 5 für Programmieren und Schreiben mit hohem Einsatz und Gemini Spark für 24/7-agentische Workflows. Die meisten Profis holen das meiste heraus, indem sie zwei bezahlte Abos betreiben (ChatGPT Plus zu $20/Monat plus Claude Pro zu $20/Monat, insgesamt $40/Monat), oder sie konsolidieren mit Fello AI zu $9.99/Monat für alle fünf Top-Modelle in einer Mac-/iOS-App. Für agentische Arbeit, die läuft, während du schläfst, ist Gemini Spark auf Google AI Ultra zu $99.99/Monat der einzige echte 24/7-Cloud-Agent.

Anwendungsfall	Bestes Modell	Schlüsselstat	Preis	Alternative
Tägliche Wissensarbeit	GPT-5.6	ChatGPTs Standard seit 9. Juli; der Assistent, den die meisten öffnen können	$20/Mon. ChatGPT Plus	Claude Opus 5
Programmieren (proprietär)	Claude Opus 5	#1 auf Arena WebDev (1,702.9) und image-to-WebDev (1,668.6); Anthropics empfohlener Standard	$20/Mon. Claude Pro	Claude Fable 5
Programmieren (kosteneffizient)	Qwen 3.7 Max	80,4 SWE-Verified, 1M Kontext	$1.25 / $3.75 Promo; $2.50 / $7.50 Liste	DeepSeek V4-Flash 0731
Recherche & Briefings	Gemini 3.1 Pro	98 % ARC-AGI-1 bei $0.52/Aufgabe, Google-Grundierung	Google AI Pro / Ultra	Claude Opus 5
Schwere Mathematik, Physik, Finanzmodellierung	GPT-5.6 Sol	OpenAIs neues STEM-Flaggschiff (5.5 Pro verifiziert bei 39,6 % FrontierMath)	$100/Mon. ChatGPT Pro	Qwen 3.7 Max
Immer-an-Agenten-Workflows	Gemini Spark	Erster 24/7-Cloud-Agent	$99.99/Mon. Google AI Ultra	Claude Cowork
Live-News, X-Kontext-Kreativität	Grok 4.6	Intelligence Index 61 + native X-Grundierung	$30/Mon. SuperGrok	Gemini 3.1 Pro
All-in-one-Konsolidierung	Fello AI	ChatGPT + Claude + Gemini + Grok + DeepSeek	$9.99/Mon.	Jeden Anbieter separat bezahlen

Zweitplatzierte und Alternativen: Für die meisten professionellen Teams ist Claude Opus 5 der Zweitplatzierte hinter GPT-5.6 für die tägliche Arbeit und jetzt der Programmierführer schlechthin bei $5 / $25, mit Claude Fable 5 als Zweitplatziertem für die schwerste Long-Horizon-Arbeit. Gemini 3.1 Pro ist der Zweitplatzierte für recherchelastige Rollen, und Gemini Spark ist die einzigartige Wahl, wenn du einen Cloud-Agenten an langen Aufgaben arbeiten lassen kannst.

Preisvergleich

KI-Modell-Preise im September 2026

Von $0-Gratisversionen bis zu $199.99/Monat Google AI Ultra. Der folgenreichste Preis auf dieser Tabelle ist Claude Opus 5 bei $5 / $25, weil es der zweithöchste Wert auf Artificial Analysis' Intelligence Index zum halben Preis der beiden Fable-Modelle um es herum ist. Claude Fable 5.1, das sich am 1. September die Spitze dieses Index holte, behält denselben Listenpreis von $10 / $50 wie Fable 5, senkt aber Cache-Reads um 75 % auf $0.25, und genau dort statt beim Listenpreis liegt die Ersparnis bei langen agentischen Läufen. Metas Muse Spark 1.2 wird mit $1.25 / $4.25 gelistet, mit einer Contributor-Stufe zu $0.10 / $0.20 für alle, die bereit sind, Meta auf ihren Prompts trainieren zu lassen, und Grok 4.6 wird mit $2 / $6 gelistet, mit dem Vorbehalt, dass ein Prompt ab 200.000 Tokens die gesamte Anfrage mit $4 / $12 abrechnet. Der Preis-Leistungs-Tipp hat sich im August verschoben, und zwar nicht, weil irgendetwas günstiger geworden wäre: DeepSeek erhöhte die Preise beider V4-Modelle am 16. August um rund das Vierfache und brachte V4-Flash 0731 von glatten $0.14 / $0.28 auf $0.22 / $0.66 außerhalb der Spitzenzeiten und $0.44 / $1.32 zu Spitzenzeiten. Der Tipp ist jetzt GLM 5.3 Flash mit $0.15 / $0.50 Listenpreis, bis zum 9. September halbiert, das 57 Punkte auf dem Intelligence Index erreicht und selbst DeepSeeks Nebenzeitpreis auf beiden Seiten zu jeder Tagesstunde unterbietet. An der Frontier selbst ist Grok 4.6 der Preis-Leistungs-Tipp, mit 61 für $0.84 pro Index-Aufgabe, wo Opus 5 $2.34 kostet und GPT-5.6 Sol für denselben Wert nach der Senkung vom 21. August $4 / $20 verlangt. Unter den geschlossenen Modellen ist GPT-5.6 Luna nach OpenAIs Senkung vom 30. Juli das günstigste bei $0.20 / $1.20. Für eine tiefere Aufschlüsselung siehe unseren vollständigen Leitfaden zum KI-Preisvergleich.

Modell	Input (pro 1M)	Output (pro 1M)	Kontext	Kostenloser Zugang?
GPT-5.5	$5.00	$30.00	1M (400K in Codex)	ChatGPT Free; API bezahlt
GPT-5.5 Pro	$30.00	$180.00	1M	ChatGPT Pro ab $100/Mon. ($200 Stufe mit höherer Nutzung)
GPT-5.6 Sol	$4.00	$20.00	Nicht veröffentlicht	Live in ChatGPT, Codex & API (9. Juli)
GPT-5.6 Terra	$2.00	$12.00	Nicht veröffentlicht	Live in ChatGPT, Codex & API (9. Juli)
GPT-5.6 Luna	$0.20	$1.20	Nicht veröffentlicht	Live in ChatGPT, Codex & API (9. Juli)
Claude Opus 5	$5.00	$25.00	1M	Claude Pro/Max Standard; API bezahlt
Claude Opus 4.8	$5.00	$25.00	1M	Legacy-Modell bei Anthropic; Pro/Max/API
Claude Fable 5.1	$10.00	$50.00	1M	Cache-Reads $0.25; in Max/Team Premium (~50 % der Nutzungslimits); Pro/Team Standard über Credits. Mythos 5.1 rechnet identisch ab, nur auf Einladung
Claude Fable 5	$10.00	$50.00	1M	Dauerhaft in Max/Team Premium (~50 % der Nutzungslimits); Pro/Team Standard über Credits
Claude Sonnet 5	$2.00	$10.00	1M	Claude Free & Pro Standard; API bezahlt
Claude Sonnet 4.6	$3.00	$15.00	1M	API bezahlt (abgelöst durch Sonnet 5)
Gemini 3.1 Pro	$2.00 (≤200K) / $4.00 (>200K)	$12.00 (≤200K) / $18.00 (>200K)	1M	Eingeschränkte Gemini-App; API bezahlt
Gemini 3.7 Flash	$0.75 Einführung / $1.50 ab 1.1.2027	$3.75 Einführung / $7.50 ab 1.1.2027	1M	AI Studio, Android Studio, Antigravity + bezahlte API; in der Gemini-App nur über Spark (AI Pro/Ultra, ohne EWR/UK/CH/Nigeria)
Gemini 3.6 Flash	$0.75 Einführung / $1.50 ab 1.1.2027	$3.75 Einführung / $7.50 ab 1.1.2027	1M	Standard der kostenlosen Gemini-App; AI Studio; kostenlose API-Stufe + bezahlte API
Gemini 3.5 Flash-Lite	$0.30	$2.50	1M	AI Studio; kostenlose API-Stufe + bezahlte API
Qwen 3.7 Max	$1.25 Promo / $2.50 Liste	$3.75 Promo / $7.50 Liste	1M	200 kostenlose Anfragen/Tag; API bezahlt darüber hinaus
MiniMax M3	$0.30 (50 % Rabatt auf $0.60)	$1.20 (≤512K)	1M	Open weights; Hosting-Kosten fallen an
LongCat-2.0	Anbieterabhängig	Anbieterabhängig	1M	Open weights (MIT); Hosting-Kosten fallen an
NVIDIA Nemotron 3 Ultra	Anbieterabhängig	Anbieterabhängig	1M	Open weights (OpenMDW); Hosting-Kosten fallen an
Qwen 3.5 (Open-Weight)	Selbst-Host / Together	Selbst-Host / Together	1M	Open weights; Hosting-Kosten fallen an
Nex-N2-Pro	Selbst-Host / Anbieter	Selbst-Host / Anbieter	1M	Open weights (Apache 2.0); Hosting-Kosten fallen an
Rio 3.5 Open 397B	Selbst-Host / Anbieter	Selbst-Host / Anbieter	1M	Open weights (MIT); Hosting-Kosten fallen an
Grok 4.3	$1.25	$2.50	1M	Kostenloser Consumer-Plan; API bezahlt
Grok 4.6	$2.00 (<200K) / $4.00 (≥200K)	$6.00 (<200K) / $12.00 (≥200K)	500K	SpaceXAI-API, Cursor, Grok Build, OpenRouter, Vercel, Cloudflare
Muse Spark 1.2	$1.25 ($0.10 Contributor-Stufe)	$4.25 ($0.20 Contributor-Stufe)	1M	Bezahlte API; Muse Code, Meta Model API und OpenRouter; Contributor-Stufe tauscht Trainingsrechte gegen ~92 % Rabatt
Kimi K3	$3.00 ($0.30 Cache-Hit)	$15.00	1M	Kostenlose Basis-Stufe in der Kimi-App; open weights auf Hugging Face (Kimi K3 License)
Gemini Omni Flash (Video)	$1.50	$17.50 (Video-Output)	10-Sekunden-Clips	Gemini-App / Flow; AI Studio + API
DeepSeek V4-Pro	$0.66 Nebenzeit / $1.32 Spitzenzeit ($0.022 Cache-Hit Nebenzeit)	$1.98 Nebenzeit / $3.96 Spitzenzeit	1M	DeepSeek Chat kostenlos; API bezahlt, Spitzen- und Nebenzeittarife seit 16. August
DeepSeek V4-Flash 0731	$0.22 Nebenzeit / $0.44 Spitzenzeit ($0.007 Cache-Hit Nebenzeit)	$0.66 Nebenzeit / $1.32 Spitzenzeit	1M	DeepSeek Chat kostenlos; API bezahlt, Spitzen- und Nebenzeittarife seit 16. August
Kimi K2.7 Code	Anbieterabhängig	Anbieterabhängig	256K	Open weights; Hosting-Kosten fallen an
GLM-5.2	Anbieterabhängig	Anbieterabhängig	1M	Open weights; Hosting-Kosten fallen an
GLM 5.3	$1.40 ($0.26 Cache-Hit)	$4.40	1M	Z.ai API, GLM Coding Plan und ZCode; Gewichte seit dem 28. August auf Hugging Face unter der eigenen GLM 5.3 License
GLM 5.3 Flash	$0.15 ($0.03 Cache-Hit); $0.075 Aktion	$0.50; $0.25 Aktion	1M	Z.ai API, GLM Coding Plan, OpenRouter; MIT-Gewichte auf Hugging Face; Aktion endet am 9. September
Tencent Hy4 Preview	$0.834 ($0.042 Cache-Hit)	$2.501	1M+	Offene Gewichte (Apache 2.0); Tencent Cloud TokenHub, OpenRouter, WorkBuddy, CodeBuddy
Qwen3.8-Flash-Next	Anbieterabhängig	Anbieterabhängig	262K (bis 1M)	Offene Gewichte (Qwen Community License 1.0); Hosting-Kosten kommen hinzu
ERNIE 5.1	China-Region-Preise	China-Region-Preise	256K	Baidu Gratisversion
Gemini Spark (Agent)	Nicht API-bepreist	Nicht API-bepreist	1M (Gemini-Basis)	Google AI Ultra $99.99 oder $199.99/Mon.
Fello AI (Aggregator)	Über die App geroutet	Über die App geroutet	Modellabhängig	$9.99/Mon., Gratisversion verfügbar

Die oben genannten Raten für GPT-5.5 und GPT-5.5 Pro sind Short-Context-Preise; OpenAI veröffentlicht die spezifischen Long-Context-Zahlen nicht mehr. Die GPT-5.6-Stufen werden mit dem 2-fachen Input und dem 1,5-fachen Output abgerechnet, sobald ein Prompt 272K Input-Tokens überschreitet, was Long-Context-Terra auf $4 / $18 und Luna auf $0.40 / $1.80 bringt. Grok 4.6 funktioniert genauso, beißt aber härter: Ab 200.000 Prompt-Tokens rechnet SpaceXAI die gesamte Anfrage zum höheren Satz ab statt nur den Überhang, sodass ein Überschreiten um tausend Tokens die Kosten des ganzen Aufrufs verdoppelt. Die andere Preisliste, die man zweimal lesen sollte, ist die von DeepSeek: Seit dem 16. August werden beide V4-Modelle werktags von 01:00 bis 04:00 und von 06:00 bis 10:00 UTC zum Spitzentarif abgerechnet und in jeder anderen Stunde zu genau der Hälfte, sodass dieselbe Aufgabe je nach Ausführungszeitpunkt doppelt so viel kosten kann. Wenn du Zugang zu mehreren KI-Modellen willst, ohne separate Abos zu verwalten, bietet Fello AI GPT, Claude, Gemini, Grok, Perplexity und mehr in einer einzigen App für Mac, iPhone und iPad ab $9.99/Monat.

Open-Weight-Modelle

Beste Open-Weight-Modelle im September 2026

Das beste Open-Weight-Modell im September 2026 ist Kimi K3, und es übernahm die Führung in dem Moment, in dem Moonshot am 27. Juli 2026 die Gewichte veröffentlichte. Es hält den höchsten Intelligence Index aller offenen Modelle mit 60 auf Artificial Analysis, sieben Punkte vor GLM-5.2, und auf Arena ist es weiterhin der höchstplatzierte offene Eintrag, auf #2 bei WebDev (1,675.5) hinter nur Claude Opus 5 und #3 auf dem Agent-Board. Ein Haken entscheidet, welches der beiden du tatsächlich verwenden solltest. Der K3-Download besteht aus 96 safetensors-Shards und rund 1,56 TB, was ein Multi-Node-GPU-Cluster statt einer Workstation braucht, und es kommt unter einer eigenen Kimi K3 License statt MIT. Die praktische Empfehlung für Teams, die eigene Gewichte betreiben, ist damit jetzt GLM 5.3 Flash (Z.ai, MIT), erschienen am 26. August bei Intelligence Index 57, vier Punkte über GLM-5.2 und bei weniger als der halben Größe, 320B gesamt mit 18B aktiv. Es ist das erste nativ multimodale Modell der GLM-5-Reihe, es fasst 1M Tokens Kontext, und die Gewichte lagen am Tag des Starts unter MIT auf Hugging Face. GLM-5.2 (MIT) ist die Rückfalloption, bei Intelligence Index 53, und es hält weiterhin den unabhängigen Nachweis, für den das neuere Modell noch keine Zeit hatte, #6 auf Arena WebDev (1,587.1) und #5 auf dem Agent-Board. Der dritte Platz wechselte am letzten Julitag den Besitzer: DeepSeek V4-Flash 0731 wurde nachtrainiert und sprang von Intelligence Index 40 auf 52 auf dem aktuellen Index v4.1.1 unter MIT, doch sein API-Preis ist seitdem um rund das Vierfache gestiegen, auf $0.22 / $0.66 außerhalb der Spitzenzeiten und $0.44 / $1.32 zu Spitzenzeiten. Drei Releases schlossen dann den Monat ab, und keines davon hat bisher eine unabhängige Bewertung. GLM 5.3 veröffentlichte am 28. August endlich seine Gewichte, genau zu dem Datum, das sein Platzhalter trug, aber unter einer eigenen GLM 5.3 License statt MIT, mit einer Klausel, nach der jeder Model-as-a-Service-Betreiber mit mehr als 10 Milliarden Dollar Umsatz zuerst eine Sicherheitsprüfung von Z.ai bestehen muss; beachte außerdem, dass GLM 5.3 Flash kein abgespecktes GLM 5.3 ist, sondern ein eigenes Modell auf einer neu trainierten Basis, weshalb es unter reinem MIT erscheinen konnte, während das Flaggschiff das nicht konnte. Tencent öffnete am 28. August Hy4 Preview mit 770B gesamt und 49B aktiv unter Apache 2.0, das bislang größte permissiv lizenzierte veröffentlichte Modell, gestützt auf eine interne Blindbewertung statt auf ein unabhängiges Board. Und Alibaba veröffentlichte am 26. August Qwen3.8-Flash-Next, ein Mixture-of-Experts mit 125B und nur 6B aktiv, das die Qwen4-Architektur vorwegnimmt, unter der Qwen Community License 1.0 statt Apache. Alle drei sind unten aufgeführt statt eingeordnet.

Modell	Am besten für	Schlüssel-Benchmark	Kontext / Lizenz	Wo laufen lassen
Kimi K3	Höchstbewertetes open model, agentische und Web-Arbeit	II 60, höchster aller open models; #2 Arena WebDev, #3 Arena Agent; 2.8T/104B aktiv	1M / Kimi K3 License	Hugging Face (96 Shards, 1.56 TB), Moonshot API, Anbieter
GLM 5.3 Flash	Bestes offenes Modell, das die meisten Teams wirklich betreiben können	II 57 (v4.1.1), auf der Pareto-Front aus Intelligenz und Kosten bei rund $0.09 pro Index-Aufgabe; 320B/18B aktiv, nativ multimodal	1M / MIT	Hugging Face, Z.ai API ($0.15/$0.50), OpenRouter
GLM-5.2	Rückfalloption mit unabhängigem Nachweis	II 53; #6 Arena WebDev (1,587.1), #5 Arena Agent; 744B/40B aktiv	1M / MIT	Z.ai, Hugging Face, OpenRouter
GLM 5.3	Seit dem 28. August offen, aber unter eigener Lizenz	Gleiche 744B-Basis wie GLM-5.2, nur nachtrainiert, veröffentlichter Checkpoint mit 753B gezählt; CyberGym 84,5 % und Terminal-Bench 3.0 28,3 (Herstellerangaben)	1M / GLM 5.3 License (Model-as-a-Service über 10 Mrd. USD Umsatz braucht eine Z.ai-Sicherheitsprüfung)	Hugging Face, Z.ai API ($1.40/$4.40), GLM Coding Plan, ZCode
DeepSeek V4-Flash 0731	Bester offener Wert, wenn du selbst hostest	II 52 (v4.1.1), von 40 am 31. Juli; 284B/13B aktiv	1M / MIT	DeepSeek API ($0.22/$0.66 Nebenzeit, $0.44/$1.32 Spitzenzeit seit 16. August), lokal
Tencent Hy4 Preview	Bislang größtes permissiv lizenziertes Modell	770B/49B aktiv; 2,99/4,00 auf Tencents eigenem 203-Aufgaben-Panel gegen 2,94 für Kimi K3 und 2,92 für GLM 5.3 (Hersteller); bisher keine unabhängige Bewertung	1M+ / Apache 2.0	Hugging Face (BF16 und FP8), Tencent Cloud TokenHub, OpenRouter
Qwen3.8-Flash-Next	Vorschau auf die Qwen4-Architektur	125B gesamt plus 51B N-Gramm-Embedding, 6B aktiv; 91,7 GPQA Diamond und 62,5 SWE-Bench Pro (Hersteller); bisher keine unabhängige Bewertung	262K bis 1M / Qwen Community License 1.0	Hugging Face, Anbieter, Self-Hosting
LongCat-2.0	Frontier-offener Coder, trainiert auf chinesischen Chips	II 33 (v4.1); 59,5 % SWE-Bench Pro (Anbieter), 1.6T/~48B aktiv	1M / MIT	Hugging Face, GitHub, OpenRouter
MiniMax M3	Günstig multimodal auf Frontier-Niveau	II 44 (v4.1), 59 % SWE-Bench Pro, multimodal	1M / Lizenz TBD	Hugging Face, API $0.30/1M (50 % Rabatt)
Nex-N2-Pro	Stärkster offener Coding-Wert	II 41 (v4.1); 80,8 SWE-Bench Verified, 397B/17B aktiv	Qwen-basiert / Apache 2.0	Hugging Face, Anbieter, Selbst-Host
Kimi K2.7 Code	Stärkster kommerziell lizenzierter offener Coder	+21,8 % auf Kimi Code Bench v2 vs. K2.6 (Anbieter); 1T/32B aktiv	256K / Modified MIT	Hugging Face, DeepInfra, Anbieter
DeepSeek V4-Pro	Agentische Arbeit in der realen Welt	II 44 (v4.1), 1.6T/49B aktiv	1M / MIT	DeepSeek API ($0.435/$0.87), lokal
Hy3	Neuester Kandidat mit permissiver Lizenz	II 41 (v4.1); #22 auf Arena WebDev (1,516.4)	Apache 2.0	Hugging Face, Anbieter, Selbst-Host
Inkling	Thinking Machines' erstes open model	II 41 (v4.1), agentisch 32,3, veröffentlicht 15. Juli	Open weights	Hugging Face, Anbieter, Selbst-Host
Inkling Small	Gleiche Familie bei einem Viertel der Größe	II 40 (v4.1), agentisch 30,8; 276B/12B aktiv, Text, Bild und Audio Input	Apache 2.0	Hugging Face (BF16 und NVFP4), Anbieter, Selbst-Host
NVIDIA Nemotron 3 Ultra	NVIDIA-abgestimmt, voll permissive Lizenz	II 38 (v4.1), 65-70,4 SWE-Bench Verified, 550B/55B aktiv	1M / OpenMDW	OpenRouter, Hugging Face, AWS (8x B200 Selbst-Host)
Qwen 3.5 (397B / 17B aktiv)	Multimodal, schnelles Decoding	88,4 GPQA, 91,3 AIME 2026, 83,6 LiveCodeBench v6	1M / offen	Together, OpenRouter, lokal
Qwen3.6-35B-A3B	Effizienter offener agentischer Coder (3B aktiv)	86,0 GPQA Diamond, 92,7 AIME 2026, 35B/3B aktiv	262K (bis 1M YaRN) / Apache 2.0	Hugging Face, OpenRouter, lokal
Qwen3.6-27B	Laptop-tauglicher dichter Coder	87,8 GPQA Diamond, dicht 27B, multimodal	256K / Apache 2.0	Lokal Mac/PC, Hugging Face, OpenRouter
Rio 3.5 Open 397B	Qwen-3.5-Fine-tune, mehrsprachiges Reasoning	70,8 Terminal-Bench 2.1 (First-Party), schlägt Qwen 3.7 Plus in 4/5	397B/17B aktiv / MIT	Hugging Face, Anbieter, Selbst-Host
Llama 4 Maverick	Flaggschiff der Meta-Reihe	17B aktiv / 400B Gesamtparameter	Llama 4 License	Meta-Cloud, Hugging Face, lokal
NVIDIA Nemotron 3 Nano Omni	Edge / Low-Power	Multimodal, sehr kleiner Footprint	Kompakt / offen	Lokal, NVIDIA-Tool

Lizenzierung zählt hier ebenso wie der reine Wert, und der August hat den Abstand zwischen den beiden Gruppen vergrößert. Kimi K2.7 (Modified MIT), DeepSeek V4 (MIT), GLM 5.3 Flash (MIT), GLM-5.2 (MIT), LongCat-2.0 (MIT), Hy3 (Apache 2.0), Hy4 Preview (Apache 2.0), Nex-N2-Pro (Apache 2.0) und Nemotron 3 Ultra (OpenMDW) erlauben alle klar die kommerzielle Nutzung ohne Umsatzprüfung. Der Rest trägt Bedingungen, die man lesen sollte, bevor man darauf aufbaut: MiniMax M3 und MiniMax H3 kommen unter ihren eigenen Community-Lizenzen, wobei H3 zusätzlich einen Antrag aus den USA, der EU, dem Vereinigten Königreich und Südkorea verlangt; Kimi K3 sitzt auf einer eigenen Lizenz mit einer Umsatzschwelle für alle, die es als Service weiterverkaufen; GLM 5.3 verlangt eine Z.ai-Sicherheitsprüfung für jeden Model-as-a-Service-Betreiber über 10 Milliarden Dollar Umsatz; und die Qwen Community License 1.0 bei Qwen3.8-Flash-Next verlangt eine separate Lizenz von Qwen, um ein Model-as-a-Service- oder ein KI-Arbeitsassistenz-Geschäft zu betreiben, wobei interne Nutzung ausgenommen ist. Kein open model ist mehr Erster auf irgendeinem Arena-Board, das wir verfolgen: Claude Opus 5 holte sich das Agent-Board im Juli, das letzte, das ein open model anführte.

Wie wir bewerten

Benchmarks, Preise und Hands-on-Nutzung

Jedes Ranking auf dieser Seite kombiniert drei Eingaben: öffentliche Benchmarks von sieben unabhängigen Häusern (Artificial Analysis, Arena früher LMArena, Scale SEAL, LiveBench, EQ-Bench, ARC Prize und das offizielle Terminal-Bench-2.1-Board, mit Abdeckung der Intelligence- und Agentic-Indizes, GPQA Diamond, ARC-AGI-1 bis 3, Humanity's Last Exam, GDPval-AA, FrontierMath, HMMT, MCP Atlas, SWE Atlas und dem Remote Labor Index), veröffentlichte API- und Abo-Preise von der offiziellen Preisseite jedes Anbieters und Hands-on-Nutzung durch das FelloAI-Redaktionsteam, das echte Prompts über dieselbe Aufgabe auf jedem Modell laufen lässt. Wir holen offizielle Preis- und Benchmark-Quellen vor jedem monatlichen Update neu ein.

Benchmarks werden auf den Anwendungsfall gewichtet: SWE-bench und Terminal-Bench treiben das Programmieren, GPQA Diamond und ARC-AGI-2 treiben die Genauigkeit, GDPval-AA (Artificial Analysis' Benchmark für professionelle Deliverables) informiert die Qualität professioneller Aufgaben, während der Schreibstil primär durch Hands-on-Tests beurteilt wird, FrontierMath und HMMT treiben die Problemlösung. Wir legen offen, wenn ein Benchmark vom Anbieter gemeldet, aber nicht unabhängig verifiziert ist, und wir streichen jede Behauptung, die wir nicht gegen eine Live-Quelle reproduzieren können. Wir bewegen keine Kategoriekrone auf der Stärke eines einzelnen Leaderboards, und wo ein neues Modell zu jung ist, als dass die Human-Präferenz-Boards es bewertet hätten, sagen wir das, statt es allein auf Benchmark-Werten zu krönen. Wenn ein Modell zwischen Updates ein großes Upgrade durchläuft, ranken wir die Kategorie neu und ergänzen eine „Was sich diesen Monat geändert hat"-Zeile am unteren Ende der ausführlichen Analyse.

Unsicher, welches Modell du wählen sollst?

Fello AI vereint die besten KI-Modelle in einer leichten nativen App.

Wechsle jederzeit zwischen ihnen, keine separaten Abos.

Fello AI laden

Häufig gestellte Fragen

Häufige Fragen

Was ist das beste KI-Modell gerade jetzt im September 2026?

Es hängt von der Aufgabe ab. Beim Gesamt-Benchmark-Wert ist Claude Fable 5.1 (1. September) #1 auf Artificial Analysis' Intelligence Index mit 66 und seinem Agentic Index mit 61, mit Claude Opus 5 auf beiden Zweiter mit 63 und 59; Arena hat Opus 5 an die Spitze von vier seiner Boards gesetzt, einschließlich beider Coding-Boards, und hat für Fable 5.1 noch keine Stimmen. Grok 4.6 (12. August) ist der Preis-Leistungs-Tipp an der Frontier und teilt sich mit GPT-5.6 Sol die 61 zu einem Drittel des Preises. Für den täglichen Chat ist GPT-5.6 seit 9. Juli ChatGPTs Standard und der Assistent, den die meisten Menschen tatsächlich öffnen können, obwohl Claude Fable 5 Arenas Text-Leaderboard anführt. Fürs Programmieren ist Claude Opus 5 #1 auf Arenas WebDev- (1,702.9) und image-to-WebDev-Boards (1,668.6) zum halben Preis von Fable 5. Fürs Schreiben ist Claude Fable 5 #1 auf Arenas Text-Leaderboard (1508.6), wobei Fable 5.1 bei Humanity's Last Exam (59,1 %) davor liegt und bei AA-Omniscience (43) gleichauf ist. Für die Genauigkeit zieht Gemini 3.1 Pro mit dem menschlichen Panel auf ARC-AGI-1 mit 98 % für $0.52 pro Aufgabe gleich. Für schwere Mathematik und Reasoning ist GPT-5.6 Sol #1 auf LiveBench Mathematics, LiveBench Reasoning und ARC-AGI-2. Für Bilder führt ChatGPT Images 2.0 beide Boards an, und für Video führt Gemini Omni Flash beide an. Für Agenten ist Gemini Spark der 24/7-Cloud-Agent und Claude Cowork der Desktop-Agent.

Was ist Claude Opus 5?

Claude Opus 5 ist Anthropics Flaggschiff vom 24. Juli 2026 und war das #1-Modell auf Artificial Analysis, bis am 1. September Claude Fable 5.1 erschien. Es liegt jetzt Zweiter auf dem Intelligence Index mit 63 gegen 66, Zweiter auf dem Agentic Index mit 59 gegen 61 und Zweiter auf dem GDPval-AA v2 Board für professionelle Deliverables mit 1824 gegen 1853, weiterhin deutlich vor den 1755 von Grok 4.6 und den 1723 von Claude Fable 5. Die API-Preise liegen bei $5 / $25 pro 1M Tokens, dieselben wie Opus 4.8 und halb so teuer wie Fable 5, mit einem Kontextfenster von 1M Tokens und einem Wissensstand von Mai 2026. ARC Prize bestätigt unabhängig Anthropics Launch-Behauptung zu ARC-AGI-3, wo Opus 5 30 % gegen 8 % für das nächstbeste Modell erzielt, rund 3,75-mal. Arena hat es seither bewertet und setzt es auf #1 bei WebDev, image-to-WebDev, Document und dem Agent-Board sowie auf #6 beim Text, und das brachte ihm die Programmierkrone ein. Eine Sache zum Bedenken: Artificial Analysis misst seine Halluzinationsrate mit 50 %, weshalb es auf dieser Seite keine Genauigkeitskrone hält.

Was ist Claude Fable 5.1?

Claude Fable 5.1 ist Anthropics Release vom 1. September 2026 und das höchstbewertete Modell, das Artificial Analysis je gemessen hat, mit 66 auf seinem Intelligence Index bei max Effort und 61 auf seinem Agentic Index. Es erschien zusammen mit Claude Mythos 5.1, demselben Modell mit gelockerten Safeguards in Biologie und Cybersicherheit, nur auf Einladung verfügbar und ohne veröffentlichte Kriterien. Die Preise liegen bei $10 / $50 pro 1M Tokens, unverändert gegenüber Fable 5, aber Cache-Reads fallen um 75 % auf $0.25, bei einem Kontextfenster von 1M Tokens und einem Wissensstand von Juni 2026. Es ist in Claude Max und Team Premium bei rund 50 % der Wochenlimits enthalten und aus Pro über Credits erreichbar. Anthropic rät weiterhin, für die meisten Workloads mit Claude Opus 5 zu beginnen, da es halb so viel kostet und schneller läuft. Unsere vollständige Aufschlüsselung zu Claude Fable 5.1 und Mythos 5.1 behandelt die System Card und die Aufteilung der Safeguards.

Ist Claude Fable 5 zurück?

Ja. Anthropic setzte Claude Fable 5 am 1. Juli 2026 wieder ein, nachdem die US-Regierung die Exportkontrollbeschränkung aufgehoben hatte, die sie am 12. Juni verhängt hatte. Es ist wieder auf der Claude API, Claude.ai, Claude Code und Claude Cowork verfügbar. Anthropic machte Fable 5 am 20. Juli 2026 in den bezahlten Plänen dauerhaft. Max und Team Premium enthalten es bei rund 50 % der regulären Nutzungslimits; Pro und Team Standard erreichen es über Nutzungscredits mit einem einmaligen Startguthaben von $100. Die API-Preise liegen bei $10 / $50 pro Million Tokens. Fable 5 ist ein Modell der Mythos-Klasse, gebaut für langfristige agentische Arbeit mit einem Kontext von 1M Tokens, und es ist der Zweitplatzierte fürs Programmieren hinter Claude Opus 5, auf #2 von Arenas image-to-WebDev-Board (1,625.7) und #4 auf WebDev.

Was ist GPT-5.6 und kann ich es nutzen?

Ja, seit dem 9. Juli 2026. GPT-5.6 ist OpenAIs Modellfamilie der nächsten Generation, und nach einer zweiwöchigen geschlossenen Vorschau, die am 26. Juni hinter einer Sicherheitsprüfung der US-Regierung begann, erreichte es am 9. Juli die allgemeine Verfügbarkeit. Es gibt drei Stufen, vom wenigsten zum leistungsstärksten: Luna, die schnelle, günstigste Stufe ($0.20 / $1.20 pro 1M Tokens); Terra, ein ausgewogenes Alltagsmodell, von dem OpenAI sagt, es entspreche GPT-5.5 ($2 / $12); und Sol, das Flaggschiff, abgestimmt auf Biologie, Chemie und Cybersicherheit ($4 / $20). OpenAI senkte Luna um 80 % und Terra um 20 % am 30. Juli 2026 und ließ Sol unangetastet, senkte Sol dann am 21. August 2026 um über 20 % als Aktionspreis für rund drei Monate. Kein ChatGPT-Abopreis hat sich geändert. Es ist jetzt live über ChatGPT, Codex und die API als OpenAIs Standardmodell. Ein Vorbehalt: OpenAIs System Card und der externe Prüfer METR meldeten erhöhtes „Scheming"-Verhalten in Sol, also behandle es bei faktischer Arbeit mit hohem Einsatz vorsichtig, bis sich unabhängige Ergebnisse festigen.

Ist Grok 4.6 schon draußen?

Ja. SpaceXAI veröffentlichte Grok 4.6 am 12. August 2026 und löste damit Grok 4.5 als Flaggschiff ab, gut einen Monat nach dessen Start. Es ist kein neues Basismodell: Das Unternehmen behielt die Grundlage von Grok 4.5 und verbesserte das Modell durch zusätzliches Post-Training, einschließlich Reinforcement Learning in agentischen Umgebungen, und veröffentlichte weder eine neue Architektur noch eine Parameterzahl. Artificial Analysis bewertet es mit Intelligence Index 61, fünf Punkte über den 56 von Grok 4.5, womit es mit GPT-5.6 Sol bei 61 gleichzieht, hinter Claude Fable 5.1 mit 66, Claude Opus 5 mit 63 und Claude Fable 5 mit 62. Die Preise bleiben unverändert bei $2 / $6 pro 1M Tokens bei einem Kontextfenster von 500K Tokens, allerdings werden Prompts ab 200.000 Tokens komplett mit $4 / $12 abgerechnet. Es läuft in der SpaceXAI-API, in Cursor, Grok Build, OpenRouter, Vercel und Cloudflare. Grok 4.6 ist auch unser Kreativitäts-Tipp, aus Produktgründen statt wegen der Prosa-Qualität; für den bestgeschriebenen Output gewinnt Claude Fable 5 klar. Alle Zahlen in unserer Aufschlüsselung zu Grok 4.6.

Welche KI ist die beste zum Programmieren?

Claude Opus 5 ist die beste zum Programmieren, und es gewinnt die beiden Boards, wo Entwickler über das Ergebnis abstimmen statt ein Harness ein Skript laufen zu lassen: #1 auf Arenas WebDev-Board (1,702.9) und #1 bei image-to-WebDev (1,668.6), zu den Abstimmungsstichtagen 1. August und 31. Juli. Es läuft mit $5 / $25 pro 1M Tokens, halb so viel wie Claude Fable 5, und Anthropics eigene Dokumentation rät, für komplexes agentisches Programmieren mit Opus 5 zu beginnen. Claude Fable 5 ist der Zweitplatzierte für die schwerste Long-Horizon-Arbeit auf #2 image-to-WebDev und #4 WebDev, und Kimi K3 ist der Kandidat auf #2 bei WebDev (1,675.5). Beachte, dass Artificial Analysis' Coding Index kein Claude-Durchmarsch ist: GPT-5.6 Sol (xhigh) führt ihn mit 78,3 an, mit Opus 5 bei 78,0, nah genug für einen Gleichstand. GLM 5.3 Flash (MIT, 26. August) ist jetzt sowohl der Preis-Leistungs-Tipp bei $0.15 / $0.50 als auch der beste Open-Weight-Coder, den du selbst hosten kannst, bei Intelligence Index 57; den ersten der beiden übernahm es von DeepSeek V4-Flash 0731, als DeepSeek am 16. August um rund das Vierfache erhöhte.

Welche KI ist die beste zum Schreiben?

Claude Fable 5 ist die beste zum Schreiben, und es ist das einzige Modell in den Top drei aller drei unabhängigen Schreib-Boards: #1 auf Arena Creative Writing, #1 auf LiveBench Language (90.7) und #3 auf EQ-Bench Creative Writing v3. Es kostet $10 / $50 pro 1M Tokens. Claude Sonnet 5 ist der Preis-Leistungs-Tipp und das, was die meisten tatsächlich verwenden sollten, da es kostenlos und Standard auf claude.ai bei $2 / $10 ist, einem Einführungspreis, den Anthropic im August 2026 dauerhaft gemacht hat, obwohl es auf #53 bei Arena Creative Writing rangiert. Kimi K3 gewinnt EQ-Bench klar mit 2377, wenn du markante Fiktion willst, Claude Fable 5.1 führt das GDPval-AA v2 Board für professionelle Deliverables mit 1853 an, mit Claude Opus 5 als Zweitem bei 1824, GPT-5.5 ist die Alternative für faktenbasiertes Business-Schreiben, und Gemini 3.6 Flash ist der Preis-Leistungs-Tipp für Masseninhalte.

Was ist das beste Open-Weight-KI-Modell 2026?

Kimi K3 ist gerade jetzt das beste Open-Weight-Modell, und das ist es, seit Moonshot am 27. Juli 2026 die Gewichte veröffentlichte. Es hat den höchsten Intelligence Index aller open models mit 60 auf Artificial Analysis, und auf Arena ist es #2 bei WebDev und #3 auf dem Agent-Board. Der Haken ist, dass es 96 Shards und rund 1,56 TB unter einer eigenen Kimi K3 License ist, also ist GLM 5.3 Flash (26. August, MIT) jetzt das Modell, das die meisten Teams tatsächlich hosten können, bei Intelligence Index 57 mit 320B gesamt und 18B aktiven Parametern. Dritter ist DeepSeek V4-Flash 0731, das am 31. Juli von Intelligence Index 40 auf 52 sprang, ohne Größe oder Lizenz zu ändern, doch DeepSeek erhöhte seine API-Preise am 16. August um rund das Vierfache, auf $0.22 / $0.66 außerhalb der Spitzenzeiten und $0.44 / $1.32 zu Spitzenzeiten, was ihm den Preis-Leistungs-Tipp gekostet hat. GLM 5.3, erschienen am 14. August, ist ein anderes und größeres Modell, dessen Gewichte am 28. August doch noch kamen, allerdings unter einer eigenen GLM 5.3 License statt MIT. Zwei weitere offene Modelle schlossen den Monat ab, bisher ohne unabhängige Bewertung: Tencents Hy4 Preview am 28. August, 770B unter Apache 2.0 und das bislang größte permissiv lizenzierte Modell, und Alibabas Qwen3.8-Flash-Next am 26. August, eine Vorschau auf die Qwen4-Architektur unter der Qwen Community License 1.0. Ehrlicherweise wissenswert: Kein open model ist mehr Erster auf irgendeinem Arena-Board, das wir verfolgen.

Was ist das günstigste KI-Modell auf Frontier-Niveau?

Bei den API-Preisen pro Million Tokens ist GPT-5.6 Luna jetzt das günstigste geschlossene Modell auf Frontier-Niveau bei $0.20 / $1.20, nachdem OpenAI es am 30. Juli 2026 um 80 % gesenkt hat, und Artificial Analysis bewertet es mit Intelligence Index 52 auf seinem Index v4.1.1, gleichauf mit Gemini 3.6 Flash. Noch günstiger ist GLM 5.3 Flash, seit August unser Preis-Leistungs-Tipp, mit $0.15 / $0.50 Listenpreis und der Hälfte davon bis zum 9. September, mit 57 Punkten auf dem Intelligence Index und unter einer reinen MIT-Lizenz, die du selbst hosten kannst. DeepSeek V4-Flash 0731 hielt diesen Tipp, bis DeepSeek am 16. August um rund das Vierfache erhöhte, auf $0.22 / $0.66 außerhalb der Spitzenzeiten und $0.44 / $1.32 zu Spitzenzeiten. Googles eigene günstige Stufe wurde im August deutlich attraktiver: Gemini 3.7 Flash erreicht 56 Punkte zu einem einführenden $0.75 / $3.75, auch wenn sich dieser Tarif am 1. Januar 2027 verdoppelt. MiniMax M3 wird jetzt mit $0.30 pro Million Input-Tokens auf einem dauerhaften 50-%-Rabatt gelistet, mit LongCat-2.0 als starker MIT-Alternative. Qwen 3.7 Max bei $1.25 / $3.75 auf seiner aktuellen Promo ist der Preis-Leistungs-Tipp bei Intelligence Index 46, obwohl Luna es jetzt bei Preis und Wert unterbietet.

Welche KI-Modelle sind kostenlos?

ChatGPT Free verwendet jetzt standardmäßig GPT-5.6 (mit weiterhin verfügbarem GPT-5.5) unter Nutzungslimits. Gemini Free lässt Gemini 3.6 Flash in der Gemini-App und Google AI Studio laufen. Claude Free lässt Claude Sonnet 5 (den neuen Standard) mit täglichen Limits laufen. DeepSeek Chat lässt DeepSeek V4 kostenlos auf der DeepSeek-Website laufen. Grok hat einen begrenzten kostenlosen Consumer-Plan (X Premium ist ein bezahltes Add-on). Qwen 3.5, Qwen3.8-Flash-Next, NVIDIA Nemotron 3 Ultra, MiniMax M3, LongCat-2.0, Kimi K2.6, DeepSeek V4, GLM-5.2, GLM 5.3, GLM 5.3 Flash und Tencents Hy4 Preview sind Open-Weight und kostenlos selbst zu hosten, wobei sich die Lizenzen unterscheiden und nur ein Teil davon reines MIT oder Apache ist. Qwen 3.7 Max ist nur API ohne Consumer-Chat-Frontend, aber Alibaba enthält jetzt 200 kostenlose Modellanfragen pro Tag. Kimi hat eine kostenlose Basis-Stufe in seiner App, mit abgerechneter intensiverer agentischer Nutzung.

Was ist Gemini Spark und ist es $99.99/Monat wert?

Gemini Spark ist Googles erster rund um die Uhr in der Cloud residierender KI-Agent, gestartet auf der Google I/O am 19. Mai 2026 und exklusiv für den Google-AI-Ultra-Plan, den Google so umstrukturiert hat, dass er eine Einstiegsstufe zu $99.99/Monat und eine Top-Stufe zu $199.99/Monat enthält. Spark ist auf Gemini-Basismodellen mit Googles Antigravity-Harness auf einer Google-Cloud-VM gebaut, integriert sich mit Gmail, Google Docs und anderen Google-Workspace-Apps und kann auf der Geräteseite mit Chrome und Androids Halo-System interagieren. Es ist die Ausgabe wert für Nutzer, die wiederholbare, langlaufende Workflows haben (Posteingangs-Triage, Recherche-Zusammenfassungen, geplante Aufgaben). Für einmalige Aufgaben deckt Claude Cowork zu $20/Monat die meisten Desktop-Agenten-Bedürfnisse ab.

Was ist Fello AI?

Fello AI ist ein KI-Chatbot für Mac, iPhone und iPad, mit dem du alle Top-KI-Modelle wie ChatGPT, Claude, Gemini, Grok und DeepSeek in einer App nutzen kannst, mit regelmäßig aktualisierten Modellen, sodass du immer die neuesten hast. Es kostet $9.99/Monat mit einer 4,7-Sterne-Bewertung über 27.000+ Rezensionen.

Wie oft aktualisiert ihr diese Seite?

Wir aktualisieren diese Seite mindestens monatlich und innerhalb von 24-48 Stunden nach jedem größeren Modellstart.