Zum ersten Mal seit mehreren Monaten muss Anthropic die Spitzenposition im Ranking Text Arena abgeben, das die Leistungen von KI-Modellen in Echtzeit bei Aufgaben wie Mathematik, Programmieren oder kreativem Schreiben bewertet. Gemini 4 Argon, von Google für seine zahlenden Abonnenten bereitgestellt, übernimmt den ersten Platz vor Muse Wonder von Meta, während die Schöpferfirma von Claude dennoch sechs Modelle in den Top 10 platziert.
Gemini 4 Argon, Anfang Oktober vorgestellt und zunächst einer Handvoll Akteuren im Bereich Cybersicherheit vorbehalten, hat offenbar die Arena-Community überzeugt, ein kollaborativer Benchmark, bei dem Internetnutzer Duelle zwischen zwei anonymisierten Modellen bewerten. Das für lange und komplexe, mehrstufige Aufgaben konzipierte, fortschrittlichste Modell des Unternehmens aus Mountain View liegt vor Muse Wonder, das ebenfalls diese Spezialität für sich beansprucht.
Die 20 leistungsstärksten Modelle
Hinter dem Spitzenduo belegt Anthropic den Großteil der vorderen Plätze. Claude Opus 5.5 nimmt den dritten Platz ein, vor Claude Fable 5, der « High »-Version von Claude Opus 4.6, Claude Fable 5.1, Claude Opus 4.7 und der Standardversion von Claude Opus 4.6. Letzteres hält sich trotz eines Veröffentlichungsdatums im Februar in den Top Five. Gemini 3.8 Flash und Muse Spark 1.3 komplettieren die Top 10.
OpenAI hingegen bleibt zurück. Sein erstes Modell, GPT-5.6 Sol, erscheint erst auf Rang 21. Mit Ausnahme von Kimi K3 von Moonshot auf Platz 18 setzt sich die Top 20 aus Modellen von Meta, Google und Anthropic zusammen.
Die besten Modelle nach Kategorie
Arena bewertet die Modelle auch in spezifischeren Aufgabenbereichen wie Websuche, Bildanalyse oder Dokumentenanalyse. In der Websuche führt die « xHigh »-Version von GPT-5.6 Sol, gefolgt von Qwen 3.8 Max und Claude Opus 4.6 Search. Von den ersten zehn Plätzen in dieser Kategorie gehen neun an Anthropic, das fünf belegt, und an OpenAI, das vier belegt.
In der Bildanalyse führt Claude Fable 5, vor Qwen 3.8 und Claude Opus 4.6. Anthropic platziert fünf Modelle in den Top 10. In der Dokumentenanalyse liegt Claude Opus 5 vorn, und Anthropic belegt die ersten sieben Plätze. OpenAI komplettiert die Top 10 mit GPT-5.5 in der Standardversion, GPT-5.5 « High » und GPT-5.6 Sol.
So funktioniert das Ranking
Von den wichtigsten KI-Akteuren und Beobachtern genau verfolgt, stützt sich Arena auf die Abstimmungen der Internetnutzer, um die Modelle zu bewerten. Eine Anfrage wird zwei anonymisierten Modellen vorgelegt, die jeweils eine Antwort generieren, und der Nutzer bestimmt die passendere. Jedes Modell erhält einen Elo-Score, eine Art Bewertung, die sich basierend auf den Ergebnissen dieser Duelle ändert.
Ein Sieg gegen einen höher eingestuften Gegner bringt Punkte, während eine Niederlage gegen einen schlechter platzierten Konkurrenten zum Punktverlust führt. Ein Modell an der Spitze kann seine Punktzahl weiter verbessern, aber der Fortschritt verlangsamt sich.
