Kurz gesagt: Artificial Analysis hat seinen Intelligence Index grundlegend überarbeitet. OpenAI belegt nun drei der fünf Spitzenplätze, während Anthropic mit Claude Opus 5.5 die Führung behält. Open-Weight-Modelle fallen deutlich zurück. Ausschlaggebend sind neue Benchmarks und veränderte Bewertungen, nicht eine plötzliche Veränderung der Modelle selbst.
Wie aussagekräftig sind KI-Ranglisten, wenn eine neue Bewertungsmethode die Reihenfolge erheblich verändert? Die fünfte Version des Intelligence Index von Artificial Analysis zeigt, welchen Einfluss die Auswahl und Gewichtung von Tests auf den Vergleich führender KI-Modelle haben.
Neue Benchmarks verändern die Rangfolge
Mit 58 Punkten bleibt Claude Opus 5.5 von Anthropic Spitzenreiter. Dahinter folgen OpenAIs GPT-6 Astra mit 57 und GPT-6.1 Sol mit 55 Punkten. Claude Sonnet 5.5 erreicht 54 Punkte, GPT-6.1 Terra belegt mit 51 Punkten Platz fünf.
Vor der Umstellung erzielten Astra und Sol lediglich 53 beziehungsweise 52 Punkte. Kimi K3.1 Pro lag mit 55 Punkten noch vor beiden Modellen, erreicht nach der Neubewertung jedoch nur 46 Punkte.
Auch andere Modelle verlieren an Boden. Claude Fable 5.1 sinkt von 53 auf 49 Punkte, obwohl es mit 50 US-Dollar pro Million Ausgabetoken zu den teuren Angeboten gehört. Innerhalb der OpenAI-Familie zeigt sich ebenfalls eine erhebliche Leistungsspanne: Während Terra bei maximalem Reasoning 51 Punkte erzielt, erreicht das kleinere GPT-6 Luna nur 28 Punkte.
Open-Weight-Modelle verlieren deutlich an Abstand
Besonders auffällig ist die Verschiebung bei Modellen mit öffentlich verfügbaren Gewichten. Kimi K3.1 Pro lag zuvor nur drei Punkte hinter der Spitze, inzwischen beträgt der Rückstand zwölf Punkte.
DeepSeek V4.1 Flash und GLM-5.3 kommen jeweils auf 32 Punkte. Damit liegen sie 26 Punkte hinter Claude Opus 5.5. Der gemessene Abstand zwischen führenden proprietären Modellen und Open-Weight-Alternativen hat sich im neuen Index erheblich vergrößert.
Beim Preis-Leistungs-Verhältnis sieht der Ausgangsbericht OpenAI ebenfalls vorne. Je nach Anforderungsniveau werden Luna im Modus medium, Terra mit medium und high, Sol von medium bis max sowie Astra mit xhigh und max als wirtschaftlich attraktive Optionen eingeordnet. Lediglich Claude Opus 5.5 bleibt bei maximaler Leistung ein direkter Konkurrent. Andere Anthropic-Modelle wie Fable, Sonnet und Haiku gelten in dieser Einordnung als vergleichsweise teuer.
Wer Benchmarks bestimmt, beeinflusst den Markt
Der überarbeitete Intelligence Index verwendet neun Benchmarks aus vier gleich gewichteten Bereichen: Wissensarbeit, Programmierung, Wissenschaft und allgemeine Fähigkeiten. Jede Kategorie trägt 25 Prozent zum Gesamtergebnis bei.
Neu hinzugekommen sind FrontierCode 2.0 für Programmieraufgaben und Terminal-Bench-Science für wissenschaftliche Aufgaben. Andere Tests wurden überarbeitet, ersetzt oder entfernt.
Solche Entscheidungen beeinflussen nicht nur Ranglisten, sondern auch die öffentliche Wahrnehmung und die Auswahl von KI-Anbietern. Zugleich entsteht ein Anreiz zum sogenannten Benchmaxxing: Hersteller optimieren Modelle gezielt für bekannte Prüfverfahren, obwohl bessere Testergebnisse nicht zwangsläufig einen höheren praktischen Nutzen bedeuten.
Mehr Schutz vor Manipulation, weniger Transparenz
Artificial Analysis setzt deshalb verstärkt auf nicht öffentliche Testdaten und zurückgehaltene Antworten. Diese machen mittlerweile 60 Prozent des Index aus und erschweren gezieltes Training auf bekannte Testaufgaben.
Allerdings entsteht dadurch ein Zielkonflikt: Je weniger Testmaterial öffentlich zugänglich ist, desto schwieriger wird eine unabhängige Überprüfung. Auch mögliche externe Einflussnahmen wären für Außenstehende schwerer nachzuvollziehen.
Für eine fundierte Modellauswahl bleiben Benchmarks deshalb eine Orientierungshilfe, ersetzen aber keine eigenen Praxistests. Entscheidend sind die tatsächlich benötigten Fähigkeiten, die Ergebnisse bei konkreten Aufgaben und die damit verbundenen Kosten.
Wie sich solche Entwicklungen auf die praktische und wirtschaftliche Nutzung von KI auswirken, greift der Newsletter Beratung-KI regelmäßig auf und ordnet neue Modelle, Technologien und Marktveränderungen verständlich ein.
Effizienz durch Innovation: Teile der textlichen und visuellen Ausgestaltung dieser Seite wurden durch generative KI-Systeme unterstützt.