Ein unabhängiges Testhaus misst KI-Sprachmodelle, und die Kosten pro Aufgabe liegen bei den Spitzenmodellen mehr als 13-fach auseinander. Was die Rangliste sagt, was sie nicht sagt und wie du daraus ein Modell für deinen Betrieb wählst.
Artificial Analysis ist ein unabhängiges Testhaus, das KI-Modelle selbst misst und die Ergebnisse veröffentlicht. Wir haben die Modellseite, die Ankündigung zum Intelligence Index v5 und den Artikel zu Gemini 4 Carbon gelesen und ordnen ein, was die Zahlen für Betriebe heißen. Alle Werte sind Messwerte von Artificial Analysis mit Stand 28. Oktober 2026, wir haben nichts nachgemessen. Zur Transparenz: Wir arbeiten in der Redaktion selbst mit Claude von Anthropic.
Der Intelligence Index v5 fasst neun Tests zusammen, darunter Programmieraufgaben, Wissensarbeit, Naturwissenschaft und Allgemeinwissen. Erstmals beruhen 60 Prozent des Index auf privaten Testdaten, die Modelle nicht vorab kennen können. Am 28. Oktober 2026 führt Gemini 4 Carbon (Stufe high) mit 59 Punkten, dahinter Claude Opus 5.5 (max) mit 58, Opus 5.5 (xhigh) mit 57 und GPT-6 Astra (max) mit 57. GPT-6.1 Sol (max) kommt auf 55. Carbon wird laut Artificial Analysis erst an ausgewählte Nutzer ausgerollt und ist noch nicht öffentlich verfügbar.
Für den Alltag ist die Zahl „Kosten pro Aufgabe“ interessanter. Laut Ankündigung zum Index v5 reicht sie bei den zehn gezeigten Spitzenmodellen von 0,96 US-Dollar (GPT-6.1 Terra, max) bis 13,04 US-Dollar (Claude Fable 5.1, max), das ist mehr als das 13-Fache. Claude Opus 5.5 (max) kostet 10,04 Dollar pro Aufgabe, GPT-6 Astra (max) 6,24 Dollar, Gemini 4 Carbon 7,76 Dollar zum Standardpreis. GPT-6.1 Sol liegt 3 Punkte hinter Opus 5.5 und kostet mit 1,27 Dollar rund ein Achtel.
Der Index misst Wissensarbeit, Programmieren, Wissenschaft und Allgemeinwissen. Wie gut ein Modell deine Angebote auf Deutsch formuliert oder Kundenmails beantwortet, steht dort nicht. Ein Punkt Vorsprung zwischen Platz eins und zwei ist klein, und die Platzierung kann sich mit jedem neuen Modell ändern. Carbon ist für Betriebe außerdem noch nicht verfügbar.
Zwei Stellschrauben zeigen die Daten besonders deutlich. Erstens die Denkstufe: Claude Opus 5.5 erreicht auf niedriger Stufe 35 Punkte bei 0,98 Dollar pro Aufgabe und auf maximaler Stufe 58 Punkte bei 10,04 Dollar. Wer ein starkes Modell für einfache Aufgaben auf die höchste Stufe stellt, zahlt schnell das Zehnfache. Zweitens die Zuverlässigkeit: Im Wissenstest AA-Omniscience liegt die Halluzinationsrate laut Artificial Analysis bei Claude Opus 5.5 (max) und GPT-6 Astra (max) bei je 50 Prozent, bei Gemini 4 Carbon bei 11 Prozent. Das ist eine Rate in einem Wissenstest, nicht deine Alltagsquote, zeigt aber, dass die Modelle sich hier stark unterscheiden.
Für deinen Betrieb heißt das: Starte nicht mit dem Platz-eins-Modell, sondern mit deinen fünf häufigsten Aufgaben. Teste sie mit zwei oder drei Modellen verschiedener Preisstufen, vergleiche Ergebnis und Preis und stelle die Denkstufe so niedrig, wie das Ergebnis noch passt. Prüfe Zahlen und Namen in den Antworten von Hand, und kläre vor dem Einsatz Vertrag und Datenschutz, besonders bei Kundendaten.
Die Zahl gilt für die Aufgaben des Index, vor allem lange Agentenläufe mit vielen Token. Deine Anfragen sind meist kürzer und billiger. Brauchbar ist die Zahl als Verhältnis zwischen Modellen, nicht als Rechnung für deinen Betrieb. Der 50-Prozent-Einführungsrabatt für Gemini 4 Carbon ist in den Diagrammen von Artificial Analysis nicht eingerechnet.
Fünf Minuten: Schreib fünf Aufgaben auf, die du oder dein Team wirklich wiederholt erledigt, zum Beispiel Angebot, Kundenmail, Zusammenfassung. Zehn Minuten: Gib jede Aufgabe zwei Modellen, einem günstigen und einem teureren, und lege die Ergebnisse nebeneinander. Drei Minuten: Prüfe alle Zahlen und Namen in den Antworten von Hand. Zwei Minuten: Notiere, welches Modell für welche Aufgabe reicht und was es pro Monat kosten würde.
Die Spitze liegt eng beieinander, die Kosten nicht: Zwischen den gezeigten Spitzenmodellen liegt mehr als das 13-Fache pro Aufgabe. Ein Punkt Vorsprung im Index ist für deinen Betrieb weniger wichtig als der Preis und die Frage, ob das Modell deine Aufgaben zuverlässig löst.
Teste mit deinen eigenen Aufgaben, stelle die Denkstufe niedrig und rechne mit wechselnden Platzierungen.
Quellen: Artificial Analysis, „Comparison of Models“ (Stand 28. Oktober 2026), „Announcing Artificial Analysis Intelligence Index v5“ (27. Oktober 2026) und „Gemini 4 Carbon is the new #1 on the Artificial Analysis Intelligence Index v5“ (28. Oktober 2026). Alle Angaben sind Messwerte des Testhauses, wir haben nichts nachgemessen.
Welches Modell für welche Aufgabe, welche Tools wirklich zählen und wie du richtig promptest — komplett lesbar, kein Download.
Jetzt gratis lesen →Wir gehen mit dir deine häufigsten Aufgaben durch und zeigen, welche Modellstufe dafür reicht und was sie kostet.