LLM Benchmarks

Vergleiche 50 führende Large Language Models (LLMs) anhand aktueller, quellengeprüfter KI-Benchmarks. Sortiere GPT, Claude, Gemini und Open-Weight-Modelle nach Reasoning-, Coding- und Agentenleistung, darunter SWE-bench, Humanity’s Last Exam und GPQA. Jeder Score behält den getesteten Thinking-Modus und das Messdatum; Werte über drei Monate werden markiert, Ergebnisse über sechs Monate ausgeschlossen.