Undominated.ai

Zahlen einordnen

Spannen

Die Rangliste gibt Ihnen eine Position. Der Benchmark veröffentlicht außerdem ein Intervall um sie herum. Auf Rang 40 umfasst dieses Intervall 25 verschiedene Modelle — und sie kosten zwischen $0,280 und $50,00 pro Million Token.

Stellen Sie sich auf eine Position Spannen

Diese Bänder sind absichtlich breiter als die Wahrheit. Sie entstehen allein aus dem jeweils eigenen veröffentlichten Intervall eines Modells und lassen damit außer Acht, dass die Bewertungen gemeinsam aus geteilten Duellen geschätzt werden — eine Kovarianz, die sich aus den veröffentlichten Intervallen nicht zurückgewinnen lässt. Ein Band zeigt also, was nicht ausgeschlossen ist, nie was feststeht, und zwei Modelle auf derselben Position sind deshalb weder gleichauf noch gleichwertig.

Stellen Sie sich auf eine Position

Wählen Sie einen Rang. Dies sind die Modelle, deren veröffentlichtes Intervall ihn abdeckt.

25 Modelle sind für Rang 40 nicht ausgeschlossen. Das günstigste berechnet $0,280 pro Million Ausgabe-Token, das teuerste $50,00 — eine Spanne von 178,6× auf einer einzigen Position.

Stellen Sie sich auf eine Position
ModellNicht ausgeschlossen für$/Mio. Ausgabe
MiMo-V2.6-Flash20–41$0,280
Qwen3.7 Plus22–40$1,28
GPT-5.425–41$15,00
Claude Opus 4.528–42$25,00
Grok 4.528–46$6,00
Qwen3.6 Max Preview27–54$6,16
GPT-5.6 Terra30–48$12,00
GLM 530–48$2,24
GPT-6.1 Sol25–58$10,00
DeepSeek V4 Pro 042329–54$3,48
Kimi K2.533–48$3,00
Gemma 4 31B30–56$0,400
Claude Sonnet 534–54$10,00
GPT-6 Astra31–56$50,00
Inkling34–54$4,05
Qwen3.8 27B34–57$1,98
Hy334–58$0,528
GLM 4.635–56$1,75
Claude Sonnet 4.538–56$15,00
Qwen3.5 397B A17B38–58$2,34
GLM 5V Turbo35–61$4,00
Qwen3.6 Plus38–59$1,95
GLM 4.738–61$1,75
Gemini 3.5 Flash Lite38–61$2,50
Gemma 4 26B A4B 38–66$0,300

Die breiteste Position dieses Boards ist Rang 62: 20 Modelle mit einer Preisspanne von 417×.

Jedes bewertete Modell, gezeichnet als die Positionen, die sein Intervall nicht ausschließt

Jedes bewertete Modell, gezeichnet als die Positionen, die sein Intervall nicht ausschließtEin Diagramm mit 145 Modellen. Jedes ist ein waagerechter Balken über jene Ranglistenpositionen, die sein veröffentlichtes Konfidenzintervall nicht ausschließt, vor einer blassen Diagonale, die die eine vom Board angezeigte Position markiert. Die meisten Balken sind weit länger, als die Diagonale dick ist: das mittlere Modell könnte auf einer von 12 Positionen stehen, und nur 3 von 145 sind auf eine einzige eingegrenzt. Die Balkenfarbe läuft mit steigendem Ausgabepreis von hell nach dunkel und zeigt, dass Modelle auf derselben Position sich im Preis oft um eine Größenordnung unterscheiden.112121414161618181101101121121141141$0,15$0,4$1$2,5$6$15$/Mio. Ausgabe
Jeder Balken ist ein Modell. Seine Länge ist die Spanne der Ränge, die das veröffentlichte Intervall nicht ausschließt; die blasse Diagonale dahinter ist die eine Position, die das Board anzeigt. Die Farbe steht für den Preis, nicht für die Qualität.

Das ist keine Behauptung, die Rangfolge sei falsch. Eine Rangspalte ist die deterministische Darstellung einer Sortierung über Punktschätzungen, und der Benchmark hat nie statistische Trennschärfe behauptet. Er ist zudem das einzige Board in diesem Markt, das überhaupt ein Intervall veröffentlicht — und nur deshalb ist diese Seite möglich.

213 Modelle im Katalog haben auf diesem Board keinen Eintrag. Sie fehlen in der Grafik und werden als fehlend benannt — nie auf Rang null gezeichnet und nie als schlecht bewertet gezählt. Das Fehlen einer Messung ist keine Messung.

Probieren Sie es selbst

Der Blindtest zeigt zwei Modelle mit verdeckten Namen und lässt Sie das höher bewertete wählen — und sagt Ihnen dann, ob die veröffentlichten Intervalle die beiden überhaupt auseinanderhalten können.

Blindtest

Bewertungen und Intervalle sind LMArena-Elo, verwendet unter CC BY 4.0 aus dem offiziellen Datensatz. Preise sind Listen-Ausgabepreise pro Million Token, wie von den Anbietern veröffentlicht.

Input hashes & method version

Read citation text and BibTeX
409 of 412 adjacent published positions have overlapping score intervals. The figure covers 145 models with measured rank bands and a paid output-token price. Intervals overlapping a position do not establish equivalence or task success. Prices are USD per million output tokens. As of 2026-10-06. Lens: LMArena Elo (CC BY 4.0). https://undominated.ai/ranges/
Method: https://undominated.ai/methodology/
Arena data: https://huggingface.co/datasets/lmarena-ai/leaderboard-dataset (CC BY 4.0). Derived calculations by Undominated.ai.
Publication: sha256:ecef83f767cd4d2c21766f6a5b4dffa36c06351f23657542d473bc1a030c0932; calculation SHA-256: 5ae4d0bee9b70298dd437b05df87c32acb407040b50bf88240677f295f25955d; permitted inputs: https://undominated.ai/data/publications/manifests/ecef83f767cd4d2c21766f6a5b4dffa36c06351f23657542d473bc1a030c0932.json

@misc{undominated-ranges-2026-10-06,
  author = {{Undominated.ai}},
  title  = {ranges evidence — Undominated.ai},
  year   = {2026},
  url    = {https://undominated.ai/ranges/},
  note   = {as of 2026-10-06; LMArena Elo (CC BY 4.0)},
  annote = {Publication: sha256:ecef83f767cd4d2c21766f6a5b4dffa36c06351f23657542d473bc1a030c0932; calculation SHA-256: 5ae4d0bee9b70298dd437b05df87c32acb407040b50bf88240677f295f25955d; permitted inputs: https://undominated.ai/data/publications/manifests/ecef83f767cd4d2c21766f6a5b4dffa36c06351f23657542d473bc1a030c0932.json}
}
Belege & Fragen
Markdown für LLMs