Welches LLM ist aktuell das beste?
Von Hans Kuepper · Gründer von PromptQuorum · Entdeckungsplattform für Open-Weight- und Open-Source-KI
Wichtigste Erkenntnisse
- ✓Kein einzelnes LLM gewinnt jede Aufgabe — Claude Opus 5.5 zielt auf agentisches Coding, GPT-6 Astra auf die anspruchsvollsten Aufgaben, und Gemini 4 Argon ist Googles Flaggschiff
- ✓Die Flaggschiffe haben gewechselt: Claude Opus 5, GPT-5.6 und Gemini 3.1 Pro sind inzwischen Vorgängergenerationen, jeder darauf aufbauende Vergleich ist also veraltet
- ✓GPT-6 ist eine Familie: Astra ($10 / $50 pro Million Token) ist die Spitzenklasse, Sol ($2 / $10) die ausgewogene Stufe, Luna ($0,10 / $0,50) die kostenoptimierte Stufe
- ✓Lokal deckt qwen3.5:9b (6,6 GB) allgemeine Arbeit ab und qwen2.5-coder:7b (4,7 GB) das Coding — beide weit unter der Hardware, die die meisten Ratgeber voraussetzen
- ✓Cloud-Modelle brauchen API-Schlüssel und kosten pro Token; lokale Modelle laufen nach dem Hardwarekauf kostenlos

Schnelle Antwort
Die aktuellen Cloud-Flaggschiffe zielen jeweils auf andere Aufgaben. Claude Opus 5.5 ist Anthropics Wahl für lang laufendes agentisches Coding und Wissensarbeit. GPT-6 Astra ist das Flaggschiff von OpenAI für die anspruchsvollsten Aufgaben, GPT-6.1 Sol bietet nahezu Astra-Leistung zu geringeren Kosten, und GPT-6 Luna deckt Aufgaben mit hohem Volumen ab. Gemini 4 Argon ist Googles neues Flaggschiff für Abonnenten von Google AI Pro und Ultra. Lokal ist qwen3.5:9b ein 6,6-GB-Download.
- ▸Cloud-Coding: Claude Opus 5.5 — für lang laufendes agentisches Coding gebaut
- ▸OpenAI: GPT-6 Astra (Spitzenklasse), GPT-6.1 Sol (ausgewogen), GPT-6 Luna (hohes Volumen)
- ▸Google: Gemini 4 Argon — neues Flaggschiff für Google AI Pro und Ultra
- ▸Lokal: qwen3.5:9b — 6,6 GB Download
Das beste LLM hängt von der Aufgabe ab — hier die Übersicht
Jeder Anbieter liefert inzwischen eine gestufte Modellreihe, und die richtige Wahl hängt von der Aufgabe ab. Claude Opus 5.5 für lang laufendes agentisches Coding, GPT-6 Astra oder GPT-6.1 Sol für anspruchsvolle allgemeine Arbeit, Gemini 4 Argon mit einem Google-AI-Pro- oder -Ultra-Abo. Nachfolgend: wann welches passt und welches zu welchem Arbeitsablauf gehört.
Diese Seite reiht die Flaggschiffe nicht nach Benchmark-Werten. Die Anbieter veröffentlichen Ergebnisse auf selbst gewählten Evaluationen, die Zahlen sind also anbieterübergreifend nicht vergleichbar, und frühere Werte für Claude Opus 5, GPT-5.6 Sol und Gemini 3.1 Pro lassen sich nicht auf deren Nachfolger übertragen. Die Dokumentation der Anbieter nennt dagegen Positionierung, Preis, Kontextfenster und Wissens-Cutoff.
Anthropic positioniert Claude Opus 5.5 für lang laufendes agentisches Coding und Wissensarbeit, zu $4 pro Million Eingabe-Token und $20 pro Million Ausgabe-Token, mit einem Kontextfenster von 1 Mio. Token. OpenAI führt GPT-6 Astra mit $10/$50, GPT-6.1 Sol mit $2/$10 und GPT-6 Luna mit $0,10/$0,50, jeweils mit einem Kontextfenster von 1,05 Mio. Token. Google beschreibt Gemini 4 Argon als seine nächste Ära der Frontier-Intelligenz und hat dafür keinen Wissens-Cutoff veröffentlicht. Wenn Kosten Ihre bindende Beschränkung sind, vergleichen Sie GPT-6.1 Sol oder GPT-6 Luna mit einem Konkurrenz-Flaggschiff, nicht Astra.
| Anwendungsfall | Empfohlenes LLM | Warum |
|---|---|---|
| Coding / lang laufende Agenten | Claude Opus 5.5 | Für agentisches Coding gebaut; $4/$20 pro MTok |
| Anspruchsvollste Aufgaben | GPT-6 Astra | OpenAI-Flaggschiff; $10/$50 pro MTok |
| Ausgewogen aus Kosten und Qualität | GPT-6.1 Sol | Nahe an Astra; $2/$10 pro MTok |
| Hohes Volumen, kostensensibel | GPT-6 Luna | Effiziente Stufe; $0,10/$0,50 pro MTok |
| Google-AI-Pro-/Ultra-Nutzer | Gemini 4 Argon | Googles neues Flaggschiff-Modell |
| Lokal / offline allgemein | qwen3.5:9b | 6,6 GB Download; Qwen3.6 in Ollama beginnt bei 18 GB |
| Lokal / offline Coding | qwen2.5-coder:7b | 4,7 GB Download, läuft auf einer 8-GB-Karte |
Wie Sie wählen, ohne 50 Reviews zu lesen
Beginnen Sie bei der Beschränkung. Budget, Datenschutz, Latenz oder Fähigkeit? Wählen Sie das Modell, das Ihre härteste Beschränkung zuerst löst. Ist Datenschutz die Beschränkung, kommt ein Cloud-Flaggschiff nur infrage, wenn die Datenverarbeitungsbedingungen des Anbieters Ihre Anforderungen erfüllen; andernfalls lautet die Frage, welches lokale Modell auf Ihre Karte passt.
Testen Sie zwei Modelle an Ihrer echten Aufgabe. Veröffentlichte Benchmarks sagen Ihren Anwendungsfall nicht vorher, und das gilt heute mehr als vor einem Jahr: Die drei Anbieter berichten über drei verschiedene Evaluationen, es gibt also keine vergleichbare Zahl, nach der sich ordnen ließe. Vergleichen Sie die Cloud-Modelle in den Apps der Anbieter oder mit einem kleinen API-Budget und nutzen Sie Ollama für die lokalen.
Prüfen Sie vierteljährlich, nicht monatlich. Anbieter ersetzen ihre Flaggschiffe in Schüben: Claude Opus 5, GPT-5.6 und Gemini 3.1 Pro wurden nach ihrer Veröffentlichung jeweils durch ein neueres Modell abgelöst. Ein vor einem Schub geschriebener Vergleich ist eine ganze Generation veraltet statt nur leicht angestaubt.