KI-Modelle von Amazon: Benchmarks und Rangliste
Amazon — Anbieterrang: #18, Gesamtwert: 15.8, Modelle: 3, bestes Modell: —.
Daten von 11 Leaderboards werden abgerufen…
/
| Rang | Modell | Gesamtwert | Artificial Analysis | LiveBench | Epoch AI | ARC-AGI | Scale SEAL | Vals AI | Terminal-Bench | EQ-Bench | SimpleBench | BenchLM |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 |  Anthropic | 92.5 | #1 | #2 | — | #2 | — | #1 | — | — | #1 | — |
| 2 |  OpenAI | 92.2 | #3 | #4 | #1 | #1 | #1 | #4 | #1 | — | #4 | #1 |
| 3 | Anthropic | 91.7 | #2 | #1 | #2 | #5 | #2 | #2 | #2 | — | #2 | #2 |
| 4 | Anthropic | 90.6 | #5 | #3 | #3 | #6 | — | #5 | #4 | #2 | — | #4 |
| 5 | Anthropic | 90.3 | #4 | #9 | #4 | #4 | — | #3 | #3 | #1 | #8 | #3 |
| 6 |  Meta | 89.0 | #6 | #5 | #15 | — | — | #6 | — | — | #7 | — |
| 7 | OpenAI | 88.0 | #8 | #6 | #6 | #3 | — | #7 | #7 | #9 | #23 | #5 |
| 8 | OpenAI | 86.9 | — | — | #5 | #9 | — | — | — | — | #10 | — |
| 9 | OpenAI | 86.5 | #7 | #11 | — | — | — | #8 | — | — | #15 | — |
| 10 | OpenAI | 85.2 | — | — | #9 | #13 | — | — | — | — | — | — |
| 11 |  Xiaomi | 85.2 | #10 | — | — | — | — | #16 | — | — | — | — |
| 12 |  DeepSeek | 84.7 | #22 | #6 | #28 | — | — | #20 | — | — | #21 | — |
| 13 |  xAI | 84.6 | #9 | #19 | — | — | — | #11 | #6 | — | — | — |
| 14 | OpenAI | 84.4 | #25 | #8 | #8 | #8 | — | #22 | — | #4 | #19 | #12 |
| 15 |  Google | 83.3 | #19 | #31 | #13 | #6 | #4 | #9 | #11 | — | #5 | #6 |
| 16 |  Moonshot AI | 83.3 | #15 | #11 | #12 | #24 | — | #21 | — | #3 | #33 | #8 |
| 17 |  Alibaba (Qwen) | 82.5 | #11 | #14 | #26 | — | — | #33 | — | — | — | #9 |
| 18 | xAI | 82.4 | #13 | #15 | #18 | #20 | — | #18 | #10 | — | #13 | #11 |
| 19 | Google | 82.1 | #23 | #13 | #11 | #9 | — | #17 | #15 | — | — | #14 |
| 19 | OpenAI | 82.1 | — | #15 | #14 | #16 | — | — | — | #7 | — | #13 |
| 21 | OpenAI | 82.1 | #16 | #18 | #7 | #12 | — | #13 | #9 | #11 | #53 | #7 |
| 22 | Meta | 82.0 | #21 | #15 | #27 | — | — | #23 | — | — | #14 | — |
| 22 |  Z.ai (Zhipu) | 82.0 | #12 | #28 | #22 | — | — | #24 | #5 | — | #22 | — |
| 24 | Anthropic | 81.4 | #17 | #26 | #10 | #17 | — | #10 | #8 | #6 | #23 | #10 |
| 25 | Anthropic | 80.1 | — | #25 | #19 | #15 | #9 | #25 | — | #5 | #26 | — |
| 26 | Alibaba (Qwen) | 78.7 | #20 | #26 | — | — | — | — | — | — | — | — |
| 27 | Anthropic | 77.8 | #26 | #30 | #20 | — | — | #13 | #13 | #10 | #34 | #15 |
| 28 | Google | 77.3 | #39 | #22 | #29 | #14 | #3 | #41 | — | #21 | #9 | — |
| 29 | DeepSeek | 76.1 | #29 | #19 | #24 | #23 | — | #32 | — | #18 | #51 | — |
| 30 | Meta | 76.0 | #33 | #33 | #33 | — | — | #28 | — | #8 | — | #16 |
| 31 | xAI | 75.5 | #24 | #31 | #34 | #32 | — | #34 | #13 | — | #18 | #18 |
| 32 | Anthropic | 74.8 | — | #37 | #25 | #19 | #10 | — | — | #13 | #20 | #20 |
| 33 | Meta | 74.2 | — | — | #39 | — | #6 | — | — | — | — | #27 |
| 34 | Google | 74.0 | #36 | #35 | #30 | #17 | — | #30 | — | #24 | #11 | #21 |
| 35 | DeepSeek | 74.0 | #31 | #38 | #31 | #22 | — | #29 | — | — | #31 | — |
| 36 | OpenAI | 73.8 | #27 | #40 | #21 | #28 | — | #12 | #12 | #19 | #55 | #17 |
| 37 | Google | 73.7 | #32 | #40 | #32 | #24 | — | #26 | — | — | — | #19 |
| 38 | Alibaba (Qwen) | 73.5 | #33 | #33 | — | — | — | #36 | — | — | — | — |
| 39 | OpenAI | 73.5 | #27 | #46 | — | #29 | — | #19 | — | — | — | — |
| 40 | Google | 70.4 | — | — | #37 | #37 | #7 | — | — | — | #12 | #26 |
| 41 | OpenAI | 70.0 | — | — | #16 | — | — | — | — | — | — | #24 |
| 42 | OpenAI | 69.9 | — | #35 | — | — | #12 | — | — | — | — | — |
| 43 | Z.ai (Zhipu) | 69.7 | #17 | #48 | #41 | — | — | #37 | — | — | — | — |
| 44 | OpenAI | 69.5 | — | — | #23 | #30 | — | — | — | — | #41 | — |
| 45 | Anthropic | 68.8 | #38 | #44 | #38 | #24 | — | #35 | — | #16 | — | #30 |
| 46 | Z.ai (Zhipu) | 68.6 | #33 | #42 | #43 | #38 | — | #30 | — | #14 | #38 | #23 |
| 47 | Alibaba (Qwen) | 66.2 | #40 | #43 | #35 | — | — | #38 | — | #23 | — | #22 |
| 48 | Alibaba (Qwen) | 65.8 | — | — | #53 | — | — | — | — | — | #25 | — |
| 49 | OpenAI | 65.2 | — | — | #36 | #31 | — | — | — | — | #58 | #25 |
| 50 | Alibaba (Qwen) | 63.4 | — | — | #52 | — | — | — | — | — | #36 | — |
| Rang | Anbieter | Gesamtwert | Bestes Modell | Modelle |
|---|---|---|---|---|
| 1 | 86.7 | Claude Opus 5.5 | 27 | |
| 2 | 85.2 | GPT-6 Astra | 54 | |
| 3 | 77.7 | Muse Spark 1.3 | 23 | |
| 4 | 74.4 | Gemini 3.8 Flash | 33 | |
| 5 | 72.7 | Grok 4.7 | 13 | |
| 6 | 70.1 | MiMo-V2.6-Pro | 4 | |
| 7 | 69.8 | Kimi K3 | 5 | |
| 8 | 68.1 | Qwen3.8 Max | 46 | |
| 9 | 67.8 | DeepSeek V4.1 Flash | 22 | |
| 10 | 66.0 | GLM-5.3 | 10 | |
| 11 | 53.3 | — | 2 | |
| 12 | 42.0 | Inkling | 2 | |
| 13 | 40.3 | MiniMax-M3 | 5 | |
| 14 | 32.7 | — | 5 | |
| 15 | 29.6 | Nemotron 3 Ultra 550B A55B | 9 | |
| 16 | 17.6 | Mistral 3.5 | 26 | |
| 17 | 16.7 | Phi-4 | 6 | |
| 18 | 15.8 | — | 3 | |
| 19 | 13.3 | Mercury 2.5 | 1 | |
| 20 | 12.9 | Command R | 3 |
Das Ergebnis eines Anbieters auf jeder Seite ist das seines dort besten Modells.
Leistung vs. Preis
Oben links = günstig und stark. Punkt anklicken für Details.
Beste Preis-Leistung
Gesamtwert ÷ Preis
Beste Open-Weight-Modelle
Modelle mit öffentlichen Gewichten
Schnellste Modelle
Ausgabetoken pro Sekunde
Nach Land
Top-50-Modelle
Übereinstimmung der Leaderboards
Rangkorrelation gemeinsamer Modelle (1 = identisch).
So funktioniert die Rangliste
- Erfassen — Offizielle Daten der 11 unten aufgeführten Leaderboards werden stündlich abgerufen. Als Schätzung markierte Werte werden nicht verwendet.
- Zuordnen — Unterschiedliche Schreibweisen desselben Modells werden zusammengeführt. Bei Varianten wie der Reasoning-Stufe wird das beste Ergebnis jeder Seite verwendet.
- Standardisieren — Die Hauptmetrik jeder Seite wird innerhalb der Seite standardisiert, sodass Abstände zwischen Werten erhalten bleiben und nicht nur Ränge.
- Angleichen — Ein Faktormodell, verbunden über Modelle, die auf mehreren Seiten stehen, gleicht Schwierigkeit und Modellauswahl jeder Seite aus. Seiten mit mehr Rauschen erhalten weniger Gewicht.
- Keine Strafe für fehlende Daten — Modelle werden nur anhand der Seiten bewertet, die sie bewertet haben. Die Unsicherheit wird als 90-%-Intervall angezeigt. Modelle mit Bewertungen auf mindestens 2 Seiten werden gelistet.
- Arena — Arena (früher LMArena) wird nur für Bereichsranglisten verwendet, nicht für den Gesamtwert. Neue Modelle werden automatisch hinzugefügt.