bussek. Einblicke / KI

Modelle verstehen & vergleichen

KI-Modelle.

12 gespeicherte Recherchestände

Fünf führende Modellfamilien, jeweils ein Hauptvertreter. Geordnet nach dem AA-Index.

Änderungen festgestellt. Auswahl und AA/Elo unverändert; GLM-/DeepSeek-Revisionen aktualisiert, Gewichtsdateien unverändert.

Open Weight · Top 5 – Stand 13.10.2026
Modell / AnbieterAA¹Elo²StärkenKontext³Größe⁵unquantisiert
01
461480±9Vielseitiger Allrounderca. 1 Mio.Tokens—nicht belegt
02
451478±5Programmieren & Werkzeugeca. 1 Mio.Tokens1,51 TBBF16
03
Kimi K3Moonshot AI
441488±5Assistenz & lange Inhalteca. 1 Mio.Tokens—nicht belegt
04
40—kein WertKomplexe Textaufgaben262.144Tokens · nativ4,89 TBBF16
05
391475±7Tempo & Effizienzca. 1 Mio.Tokens—nicht belegt
¹ AA Intelligence Index v4.3.2³ Kontext in Tokens² Arena-Elo · Text / Overall · Stand 08.10.2026 · ± Unsicherheit

— Kein eindeutiger Arena-Eintrag für dieses Qwen-Modell; Qwen3.8-Max ist nicht gleichgesetzt.

⁵ Veröffentlichte BF16-/FP16-Gewichtsdateien, dezimale GB/TB. — Keine unquantisierte Fassung belegt; kein Ersatz durch quantisierte Größen oder Hochrechnungen.

Open Weight auswählen: Lizenz, Quantisierungen & Downloads →

Einordnung der 5 Modelle

MiMo-V2.6-Pro

Breite Leistungsfähigkeit, multimodale Aufgaben und günstige API. Höchster AA-Wert dieser Auswahl. Unterstützt laut Modellbeschreibung Text, Bilder, Video und Audio. Veröffentlichte Gewichte und angebotene API sollten getrennt betrachtet werden. Am 09.10. änderte der Hersteller ausschließlich preprocessor_config.json (Bildnormalisierung und Pixelgrenzen); die Gewichtsmetadaten sind unverändert. MOPD und dessen neue GGUF-Konvertierung sind separate Checkpoints ohne hier belegten eigenen AA-Wert.

Arena: mimo-v2.6-pro · 4.069 Stimmen.

Modellbeschreibung Leistungsmessung

GLM-5.3

Komplexe Softwareaufgaben und längere Arbeitsabläufe mit Werkzeugen. Ein Kandidat für mehrstufige Programmieraufgaben. Spezialbenchmarks stammen teilweise vom Hersteller. Die Original-Lizenz ist keine unveränderte MIT-Lizenz und enthält zusätzliche Bedingungen für bestimmte große Anbieter von Modelldiensten. Die Revision vom 12.10. ergänzt eine Benchmark-Metadatei; Gewichte, Konfiguration und Modellkarte sind gegenüber 11.10. unverändert.

Arena: glm-5.3-max · 20.049 Stimmen.

Modellbeschreibung Leistungsmessung

Kimi K3

Anspruchsvolle Assistenz, umfangreiche Inhalte und visuelle Aufgaben. Im am 13.10. geprüften Text-Arena-Stand vom 08.10.2026 liegt Kimi vor den anderen offenen Modellen dieser Auswahl. Menschliche Bewertungen berücksichtigen auch Stil und Präferenzen. Die eigene Lizenz enthält kommerzielle Zusatzbedingungen.

Arena: kimi-k3-max · 30.351 Stimmen.

Modellbeschreibung Leistungsmessung

Qwen3.8-2.4T-A95B

Programmierung, professionelle Textarbeit und Werkzeugnutzung. Hier steht das herunterladbare Modell, nicht die Qwen3.8-Max-API mit zusätzlichen Funktionen und anderem Messwert. Der native Kontext kann laut Hersteller mit entsprechender Konfiguration erweitert werden. Lizenzname und Produktname sind hier nicht identisch.

Arena: Für Qwen3.8-2.4T-A95B wurde im Text-Overall-Stand kein eindeutiger Eintrag gefunden. Der gelistete Qwen3.8-Max ist ein anderes Modell; dessen Wert wird nicht übernommen.

Modellbeschreibung Leistungsmessung

DeepSeek-V4.1-Flash

Schnelle Antworten und effiziente Verarbeitung langer Eingaben. Das am 13.10. abgerufene AA-Modellprofil nennt rund 195 Ausgabetokens/s; die zugleich abgerufene Übersicht 199. Dynamische Messwerte verschiedener Ansichten, keine präzise Zeitreihe. Beide beschreiben Generierung nach Antwortbeginn. Keine automatische Übertragung auf Gewichtsdownloads. Die Repository-Revision vom 12.10. ändert Inferenzcode, Abhängigkeiten und .gitignore; Gewichte, Konfiguration und Modellkarte sind unverändert.

Arena: deepseek-v4.1-flash-max · 10.872 Stimmen.

Modellbeschreibung Leistungsmessung

Auswahl, Messwerte & Quellen

Fragestellung und Auswahl

Welche Open-Weight-Modelle gehören derzeit zu den besten? Am 13.10.2026 erneut geprüft. AA-Auswahl und gerundete Werte unverändert gegenüber 11.10.; Index v4.3.2. Fünf führende Modellfamilien, jeweils ein Hauptvertreter. GLM-5.3-Flash und Qwen3.8-Flash-Next werden nicht als zweite Vertreter derselben Familie ergänzt. Step 5 Preview (44) und Ling 3.1 Flash (41) sind bei AA proprietär; in den erneut geprüften offiziellen Herstellerkatalogen fehlt ein entsprechender Gewichtsstand. Community-Uploads belegen keine Identität mit diesen AA-API-Modellen. MiMo MOPD bleibt ein gesonderter Checkpoint; weder dessen GGUF noch dessen neue Heretic-Abliteration erhalten den AA-Wert der RL/API-Fassung. Keine eigenen Praxistests.

Leistungswerte richtig lesen

Gerundete Indexwerte, keine Prozentangaben zur Zuverlässigkeit. GLM, Kimi und DeepSeek wurden in der Einstellung „max“ erfasst. Die Werte gelten für die jeweils getestete Bereitstellung und Einstellung. Verschiedene Indexversionen sind nicht direkt vergleichbar.

AA und Arena-Elo

Am 13.10.2026 abgerufen; die Quelle zeigt weiterhin den Ranglistenstand 08.10.2026. Arena ergänzt die Leistungstests um menschliche Präferenzen bei anonymen Antwortvergleichen. Die oft Elo genannte Wertung wird mit einem Bradley-Terry-Modell berechnet. Höher ist besser; weder Prozentwert noch universelles Intelligenzmaß. Schreibstil und Nutzerfragen beeinflussen die Ergebnisse. Das angezeigte ± stammt aus den Unsicherheitsintervallen der Quelle; kleine Unterschiede sind nicht automatisch belastbar. AA und Arena testen nicht zwingend dieselbe Denkstufe oder Bereitstellung. Die konkreten Arena-Modellnamen stehen in der Einordnung. Die Tabelle bleibt nach AA sortiert. Arena-Ranglistenstand: 08.10.2026, abgerufen am 13.10.2026.

Kontextfenster

Das Kontextfenster umfasst Eingabe, Gesprächsverlauf und Ausgabe. Tokens sind Textbausteine, nicht Wörter. Ein großes Fenster garantiert nicht, dass jedes Detail zuverlässig genutzt wird.

Quellen dieser Ausgabe

Geprüft am 13.10.2026; Abrufdatum je Quelle angegeben. Verlinkte Ranglisten können sich inzwischen verändert haben; diese Ausgabe bewahrt den recherchierten Stand.

Modellbeschreibungen sind direkt verlinkt. Lizenzangaben und Downloadvarianten erscheinen in der ausgewählten Modellgruppe.

Frontier

Frontier · Top 5

Die stärksten unterschiedlichen Modelle im AA-Index. Pro Modell nur die beste getestete Einstellung.

Änderungen festgestellt. Muse Wonder Full neu; bisherige Indexwerte unverändert. Arena-Quelldatum weiterhin 08.10.2026.

Frontier · Top 5 – Stand 13.10.2026
Modell / AnbieterAA¹Elo²StärkenKontext³
01
581507±8high*Höchste Gesamtleistungca. 1 Mio.Tokens
02
561476±9xhigh*Leistung & Ausgabetempoca. 1 Mio.Tokens
03
56—kein WertMultimodales Reasoningca. 1 Mio.Tokens
04
531501±6Reasoning & Bildanalyseca. 1 Mio.Tokens
05
531475±7Leistung mit weniger Tokensca. 1 Mio.Tokens
¹ AA Intelligence Index v4.3.2³ Kontext in Tokens² Arena-Elo · Text / Overall · Stand 08.10.2026 · ± Unsicherheit

* Andere Denkstufe als AA: Opus high, Sonnet xhigh. Muse Wonder Full ohne eigenen Arena-Wert.

Neu: Muse Wonder Full (56). Sonnet ebenfalls 56; Argon liegt mit 53 gleichauf mit Fable/Astra außerhalb der fünf Zeilen.

Einordnung der 5 Modelle

Claude Opus 5.5

Erste Wahl dieser Messreihe, wenn allgemeine Leistungsfähigkeit im Vordergrund steht. Getestet mit „max with fallback“. Verarbeitet Text und Bilder. Der Vorsprung gilt für den Gesamtindex; er bedeutet nicht, dass Opus jede einzelne Aufgabe am besten löst. Viel Denkaufwand kann die Wartezeit erhöhen.

Arena: claude-opus-5.5-high · 6.272 Stimmen. Andere Denkstufe als im AA-Test.

Modellbeschreibung Leistungsmessung

Claude Sonnet 5.5

Nahe an Opus im Gesamtindex, bei höherem gemessenem Ausgabetempo. Getestet mit „max with fallback“. Text- und Bildeingaben. Die Ausgabegeschwindigkeit beschreibt die Generierung nach Beginn der Antwort; sie ist nicht mit der gesamten Wartezeit gleichzusetzen.

Arena: claude-sonnet-5.5-xhigh · 4.838 Stimmen. Andere Denkstufe als im AA-Test.

Modellbeschreibung Leistungsmessung

Muse Wonder Full

Hoher Gesamtindex; laut AA Eingaben als Text, Bild, Sprache und Video. Der Intelligence Index selbst bewertet überwiegend englische Textaufgaben. Getestet mit „max“. Im gerundeten Index gleichauf mit Sonnet. AA weist keine öffentlich verfügbare API sowie keine Preis- und Tempomessungen aus. Muse Wonder Full ist vom gesondert gelisteten Muse Wonder (52) zu unterscheiden. Die Aufnahme ist ein Benchmarknachweis, kein bestätigter öffentlicher Nutzungszugang.

Arena: Kein eindeutig zuordenbarer Muse-Wonder-Full-Eintrag im Text-Overall-Stand vom 08.10.2026. Werte von Muse Spark oder Muse Wonder werden nicht übernommen.

Modellbeschreibung Leistungsmessung

Claude Fable 5.1

Leistungsstarkes Reasoning mit Text- und Bildeingaben. Getestet mit „max with fallback“. Text- und Bildeingaben. Im gerundeten Gesamtindex gleichauf mit Astra und dem außerhalb der fünf Zeilen liegenden Argon; die Tabellenposition folgt der Quellenreihenfolge.

Arena: claude-fable-5.1-max · 13.063 Stimmen.

Modellbeschreibung Leistungsmessung

GPT-6 Astra

Hohe Gesamtleistung bei geringerem gemessenem Tokenaufwand als die drei Claude-Modelle dieser Auswahl. Getestet mit „max“. Verarbeitet Text und Bilder. Weniger im Benchmark erzeugte Tokens garantieren weder kürzere Antworten in jedem Chat noch eine kürzere Wartezeit. Gleichstand mit Fable und Argon im gerundeten Index.

Arena: gpt-6-astra-max · 10.536 Stimmen.

Modellbeschreibung Leistungsmessung

Auswahl, Messwerte & Quellen

Fragestellung und Auswahl

Welche drei beziehungsweise fünf Frontier-Modelle sind einschließlich geschlossener Modelle nach demselben Index am stärksten? Am 13.10.2026 neu ausgewählt. Muse Wonder Full (max, 56) rückt als drittes unterschiedliches Modell in die fünf Zeilen; Gemini 4 Argon (high, weiterhin 53) fällt dadurch aus der Kurzliste. Berücksichtigt werden offene und geschlossene Modelle, je Modell nur die beste getestete Einstellung. Opus, Sonnet und Fable zählen als unterschiedliche Modelle; Open Weight bündelt dagegen Familien. Derselbe AA-Index v4.3.2 gilt für beide Tabellen. Bei gleichen gerundeten Werten folgt die Reihenfolge AA. Die Auswahlgrenze bei fünf ist kein Nachweis eines Vorsprungs von Astra gegenüber Argon. Keine eigenen Praxistests.

Leistungswerte richtig lesen

Gerundete Indexwerte, keine Zuverlässigkeitsprozente. Opus, Sonnet und Fable: max with fallback; Muse Wonder Full und Astra: max. Sonnet und Muse jeweils 56; Fable, Astra und der sechste Kandidat Argon jeweils 53. Reihenfolge gemäß Quelle, kein belastbarer Rangabstand aus Gleichständen. Unterschiedliche Denkstufen und Indexversionen nicht gleichsetzen.

AA und Arena-Elo

Am 13.10.2026 abgerufen; die Quelle zeigt weiterhin den Ranglistenstand 08.10.2026. Arena ergänzt die Leistungstests um menschliche Präferenzen bei anonymen Antwortvergleichen. Die oft Elo genannte Wertung wird mit einem Bradley-Terry-Modell berechnet. Höher ist besser; weder Prozentwert noch universelles Intelligenzmaß. Schreibstil und Nutzerfragen beeinflussen die Ergebnisse. Das angezeigte ± stammt aus den Unsicherheitsintervallen der Quelle; kleine Unterschiede sind nicht automatisch belastbar. AA und Arena testen nicht zwingend dieselbe Denkstufe oder Bereitstellung. Die konkreten Arena-Modellnamen stehen in der Einordnung. Die Tabelle bleibt nach AA sortiert. Arena-Ranglistenstand: 08.10.2026, abgerufen am 13.10.2026.

Kontextfenster

AA nennt für alle fünf Modelle rund eine Million Tokens. Das ist die angegebene Modellkapazität, keine Zusage für jedes Chat-Abo. Tokens sind Textbausteine, nicht Wörter; ein großes Kontextfenster garantiert keine fehlerfreie Verarbeitung.

Quellen dieser Ausgabe

Geprüft am 13.10.2026; Abrufdatum je Quelle angegeben. Verlinkte Ranglisten können sich inzwischen verändert haben; diese Ausgabe bewahrt den recherchierten Stand.

Modellbeschreibungen sind direkt verlinkt. Lizenzangaben und Downloadvarianten erscheinen in der ausgewählten Modellgruppe.

Fünf dokumentierte Varianten. Eigene AA-/Elo-Werte fehlen; keine gemessene Topliste.

Änderungen festgestellt. Neu: MiMo MOPD Heretic und GLM-NVFP4-Download. MiMo hat eine andere Basis als die RL-Fassung links.

Abliterated · Auswahl 5 – Stand 13.10.2026
Modell / AnbieterStärken / Test⁴Kontext³Größe⁵unquantisiert
01
MiMo-V2.6-ProMOPD Hereticpqhaz
Sehr kleiner Agententest1 Aufgabe · 3/31.048.576Konfig.-Limit—nicht belegt
02
GLM-5.3DERISKED BF16Blackfrost
Noch offenKein Leistungstestca. 1 Mio.Konfig.-Limit1,51 TBBF16
03
Kimi K3Uncensored GGUFRyanchen911
Kleine TextstichprobePPL +0,013——nicht belegt
04
Qwen3.8-27BRANA abliteratedabliterant
Breiter dokumentiertØ Abweichung 0,82 pp262.144Tokens · nativ55,6 GBBF16
05
DeepSeek-V4.1-Flashabliterateddistributedcognition
Wissen im Test stabilMMLU 0,00 pp——nicht belegt
³ Kontext in Tokens⁴ Autorenmessungen · pp = Prozentpunkte · unterschiedliche Tests, keine gemeinsame Rangliste.

Keine eigenen AA-/Elo-Werte gefunden; diese Spalten entfallen. Werte der Ursprungsmodelle werden nicht übernommen.

MiMo: MOPD statt RL, nur ein dreimal ausgeführter Programmierauftrag. Qwen: 27B statt 2,4T. GLM-BF16 ohne Leistungstest; Kimi nur kleine Stichprobe. GLM-NVFP4: eigene Zusatzbedingungen.

⁵ Veröffentlichte BF16-/FP16-Gewichtsdateien, dezimale GB/TB. — Keine unquantisierte Fassung belegt; kein Ersatz durch quantisierte Größen oder Hochrechnungen.

Abliterated auswählen: Lizenz, Quantisierungen & Downloads →

Einordnung der 5 Modelle

MiMo-V2.6-Pro-MOPD-heretic · pqhaz

Ausgangsmodell: Xiaomi MiMo-V2.6-Pro-MOPD (nicht RL).

Aktueller dritter Build: ein mehrstufiger Python-Programmierauftrag dreimal erfolgreich, Basis einmal erfolgreich. Autorenmessung; kein umfassender Fähigkeitstest. Zweistufige Richtungsablation in 70 BF16-Aufmerksamkeitsprojektionen, Expertengewichte in MXFP4. Frühere Builds gerieten im Agententest in Wiederholungsschleifen. Drei erfolgreiche Durchläufe belegen keine allgemeine Stabilität. Ablehnungsprüfung nutzt für Basis und Variante unterschiedliche Bewertungsverfahren; die veröffentlichten Kategorien summieren sich zudem nur auf 99 von 100 Fällen. Daher kein scheinpräziser Vorher-nachher-Prozentsatz. Kontext aus dieser Konfiguration, kein Test voller Kontextlänge. Keine Werte der RL-Fassung oder früherer Abliterationen übernommen.

Modellbeschreibung

GLM-5.3-DERISKED-BF16 · Blackfrost

Ausgangsmodell: Z.ai GLM-5.3-BF16.

Beobachtungskandidat aus der GLM-5.3-Familie. Die Modellkarte bestätigt nur strukturelle Prüfungen der veröffentlichten Dateien; sie beansprucht noch keinen Leistungs- oder Ablehnungswert. Gewichtsveränderung proprietär; eine bestimmte Abliterationsmethode ist nicht belegt. Der alte Repositoryname leitet auf GLM-5.3-DERISKED-BF16 weiter, Revision und BF16-Gewichte sind unverändert. Der zusätzliche NVFP4-Download hat eigene Bedingungen und nur eigene Verhaltensmessungen; daraus wird kein Leistungswert für BF16 abgeleitet. Die Aufnahme ist keine Qualitätsbestätigung.

Modellbeschreibung

Kimi-K3-Uncensored-GGUF · Ryanchen911

Ausgangsmodell: Moonshot AI Kimi K3.

Experimenteller Kandidat mit einem dokumentierten Vergleich derselben Quantisierung vor und nach der Abliteration: Perplexität 1,9193 → 1,9323 auf zwölf Textabschnitten. PPL ist ein Textvorhersagemaß, niedriger ist besser. Der Anstieg um 0,013 liegt innerhalb der angegebenen Unsicherheit von rund ±0,047. Das belegt keine allgemeine Gleichwertigkeit mit dem Originalmodell: Bereits die starke Quantisierung kann dessen Leistung verändern. Eine zweite, kleine Verhaltensprüfung zeigt keine statistisch belastbare Verbesserung der Ablehnungsrate und verwendet zudem eine anders quantisierte Basis. Die transparente Dokumentation dieser Grenzen begründet die Auswahl.

Modellbeschreibung

Qwen3.8-27B-RANA-abliterated · abliterant

Ausgangsmodell: Alibaba Qwen3.8-27B.

Die Autoren vergleichen Basis, RANA und eine andere Abliteration mit demselben Testverfahren über fünf Aufgabenbereiche. Berichtet werden durchschnittlich 0,82 Prozentpunkte absolute Abweichung von der Basis. Der Mittelwert umfasst Verbesserungen und Verschlechterungen und ist kein pauschaler Leistungsverlust. Beispielsweise erreicht RANA im MMLU-Pro-Teiltest mit 700 Fragen 80,86 % gegenüber 80,00 % der Basis; die Differenz ist mit ±1,14 Prozentpunkten unsicher. TruthfulQA-MC2 fällt um 1,57 Prozentpunkte. Die breitere Dokumentation begründet die Auswahl; eine unabhängige Prüfung fehlt. Dieses 27B-Modell ist kein Ableger des links gelisteten Qwen3.8-2.4T-A95B. Seit 04.10. unter abliterant (zuvor preemware). Die am 06.10. geprüfte, am 13.10. unveränderte Dokumentationsrevision verändert laut LFS-SHA-256-Vergleich keine der 18 BF16-Gewichtsdateien. Das Konfigurationslimit von 262.144 Tokens ist kein Testnachweis über die volle Kontextlänge; die Autoren verwendeten im BF16-Test 20.480 Tokens.

Modellbeschreibung

DeepSeek-V4.1-Flash-abliterated · distributedcognition

Ausgangsmodell: DeepSeek-V4.1-Flash.

Ausgewählt wegen des vollständigen MMLU-Vergleichs unter gleichen Testbedingungen: 14.042 Fragen, Basis und Abliteration jeweils 88,95 %. Die Differenz beträgt im veröffentlichten Ergebnis 0,00 Prozentpunkte. Das spricht für erhaltenes Wissen in diesem Test, nicht für unveränderte Leistung in jeder Aufgabe. Die Modellkarte dokumentiert zusätzliche Verhaltensmessungen und verlinkt Ergebnisdateien. Die Zahlen stammen vom Autor; der Zugriff auf die Gewichte erfordert eine Freigabe auf Hugging Face.

Modellbeschreibung

Auswahl, Messwerte & Quellen

Fragestellung und Auswahl

Welche abliterierten Varianten starker Open-Weight-Familien sind nachvollziehbar dokumentiert, und wie viel Leistung bleibt nach der Veränderung erhalten? Am 13.10.2026 erneut geprüft. Neu aufgenommen wird pqhaz/MiMo-V2.6-Pro-MOPD-heretic: öffentlich verfügbare, revisionsfest belegte Gewichte, dokumentierter Eingriff und sehr kleiner Autorentest. Andere MOPD-Basis als MiMo RL und die frühere dealignai-UNCENSORED-v3-Fassung; deren Messwerte werden nicht übertragen. Die bisherigen vier Kandidaten bleiben. RANA wurde wegen eigener Aufgabentests gewählt, distributedcognition-DeepSeek wegen des vollständigen MMLU-Vergleichs. Beim alternativen pqhaz-DeepSeek ergänzt die Karte Langantworttests: 3/160 Schleifen gegenüber 0/160 der Basis, laut Autor statistisch nicht gesichert; keine Übertragung auf den gewählten Kandidaten. drowzeys ergänzt einen optionalen 6-Bit-Ausgabekopf, dessen Vergleich am unveränderten Modell gemessen wurde; kein Leistungsbeleg für diese Abliteration. Die geprüften neuen Blackfrost-FP8- und NVFP4-V2-Karten belegen die exakte Abstammung vom ausgewählten BF16-Derisked-Master nicht hinreichend; sie werden nicht zugeordnet. Die ältere NVFP4-Variante nennt diesen Master ausdrücklich und wird ergänzt. Pro Familie ein Vertreter, keine Gesamtrangliste. Keine eigenen Modelltests. MiMo RL-UNCENSORED und der ABLITERATED-Verweis liefern weiterhin HTTP 401. Beide Bucket-Spiegel wurden erneut geprüft: gleiche Dateiumfänge, Gewichtsgrößen und Begleitdateien; keine vollständige Gewichts-Hashprüfung und keine Git-Revision. Der ältere a4to-Spiegel bleibt abweichend; ralcara wird nicht mit dem neuen MOPD-Modell gleichgesetzt.

Leistungswerte richtig lesen

Für die fünf exakten Varianten wurde am 13.10.2026 kein eigener AA-Index gefunden. Deshalb entfallen die AA- und Elo-Spalten hier; Werte der Ursprungsmodelle werden nicht übernommen. Als Zusatzinformation dient der Vergleich vor und nach der Veränderung. MMLU prüft Wissen, MMLU-Pro ist eine andere Testsuite; beide sind kein Ersatz für den umfassenderen AA-Index. „pp“ bedeutet Prozentpunkte. Perplexität (PPL) beschreibt die Vorhersage von Text; niedriger ist besser. Unterschiedliche Aufgaben, Stichproben und Testverfahren lassen sich nicht zu einer seriösen Gesamtrangliste zusammenrechnen. Alle Zusatztests stammen von den jeweiligen Autoren. Eine geringere Ablehnungsquote allein belegt weder bessere Antworten noch höhere Zuverlässigkeit.

AA und Arena-Elo

Am 13.10.2026 abgerufen; die Quelle zeigt weiterhin den Ranglistenstand 08.10.2026. Im recherchierten Text-Overall-Ranglistenstand wurde für keine der fünf konkreten Abliterationen ein eindeutig zuordenbarer Eintrag gefunden. Die Arena-Werte der ursprünglichen Modelle werden nicht auf ihre veränderten Ableger übertragen. Eine Teilnahme unter einem anderen oder nicht veröffentlichten Namen lässt sich damit nicht ausschließen. Arena-Ranglistenstand: 08.10.2026, abgerufen am 13.10.2026.

Kontextfenster

Tokens sind Textbausteine, nicht Wörter. Bei MiMo (Konfiguration), GLM und Qwen stammen die Angaben aus den Karten der konkreten Varianten. Für Kimi und DeepSeek wurde kein ausreichend belegtes maximales Kontextfenster der Abliteration gefunden; die Tabellenfelder bleiben deshalb ohne Wert. Angaben zum Testbetrieb oder zum Ursprungsmodell werden nicht als eigene Höchstwerte ausgegeben. Kein Kontextlimit garantiert, dass das Modell den gesamten Inhalt zuverlässig verwendet.

Quellen dieser Ausgabe

Geprüft am 13.10.2026; Abrufdatum je Quelle angegeben. Verlinkte Ranglisten können sich inzwischen verändert haben; diese Ausgabe bewahrt den recherchierten Stand.

Modellbeschreibungen sind direkt verlinkt. Lizenzangaben und Downloadvarianten erscheinen in der ausgewählten Modellgruppe.