Direktvergleich
DeepSeek-V4-Pro vs. Kimi K2.6
Veröffentlichte Benchmarkwerte aus derselben Version und Vergleichskohorte, API-Preise und technische Eckdaten. Unterschiedliche Testeinstellungen werden sichtbar ausgewiesen.
- gemeinsame Messreihen
- 216
- verschiedene Benchmarks
- 22
- jüngster Abruf
- 26.08.2026
Modellauswahl ändern
Steckbrief
Allgemeine Daten
Erscheinungsdatum, Verfügbarkeit, Kontextfenster, Architektur und veröffentlichte Parameterzahlen auf einen Blick. Nicht veröffentlichte Angaben bleiben als solche markiert.
| Merkmal | DeepSeek-V4-Pro | Kimi K2.6 |
|---|---|---|
| Anbieter | DeepSeek | Moonshot AI |
| Erschienen | 24. Apr. 2026 | 20. Apr. 2026 |
| Verfügbarkeit | Preview | Aktiv |
| Modelltyp | Open Weights | Open Weights |
| Parameter | 1,6 Billionen, 49 Mrd. aktiv | 1 Billionen, 32 Mrd. aktiv |
| Architektur | Mixture of Experts | Mixture of Experts |
| Kontextfenster | 1.000.000 Token | 262.144 Token |
| Wissensstand | Nicht veröffentlicht | Nicht veröffentlicht |
| Technische Quellen | Modell, Kontext | Modell, Kontext |
Kosten
API-Preise im Vergleich
Die Tabelle vergleicht die offiziellen Standard-API-Tarife pro 1 Mio. Token einschließlich veröffentlichter Cache-Preise. Batch, Fast, Priority, regionale Aufschläge, Toolaufrufe und Cloudpreise sind nicht eingerechnet.
| Preisart | DeepSeek-V4-Pro | Kimi K2.6 |
|---|---|---|
| API-Eingabe | 0,43 $ | 0,95 $ |
| API-Ausgabe | 0,87 $ | 4 $ |
| Cache lesen | 0, $ | 0,16 $ |
| Cache schreiben (5 Min.) | Nicht ausgewiesen | Nicht ausgewiesen |
| Cache schreiben (1 Std.) | Nicht ausgewiesen | Nicht ausgewiesen |
| Preis geprüft | 30.07.2026 Quelle | 30.07.2026 Quelle |
DeepSeek-V4-ProKimi K2.6
API-EingabeUSD pro 1 Mio. Token, Basistarif
DeepSeek-V4-ProGünstiger0,435 $
Kimi K2.60,95 $
API-AusgabeUSD pro 1 Mio. Token, Basistarif
DeepSeek-V4-ProGünstiger0,87 $
Kimi K2.64 $
Cache lesenUSD pro 1 Mio. Token, Basistarif
DeepSeek-V4-ProGünstiger0,004 $
Kimi K2.60,16 $
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand
Preise nach Anbieter
Direkte Entwicklertarife und über OpenRouter geroutete Anbieterpreise sind getrennt gekennzeichnet. Alle Preise gelten in USD pro 1 Mio. Token. Kontextabhängige Direktpreise sowie regionale, Flex-, Priority- und weitere OpenRouter-Tarife bleiben einzeln erkennbar.
| Modell | Anbieter | Bezugsweg und Tarif | Eingabe pro 1 Mio. Token | Ausgabe pro 1 Mio. Token | Quelle |
|---|---|---|---|---|---|
| DeepSeek-V4-Pro | DeepSeek | Direkt beim EntwicklerStandard-API | Günstigster erfasster Preis: 0,435 $ | Günstigster erfasster Preis: 0,87 $ | Quelle30.07.2026 |
| Alibaba | Über OpenRouteralibaba | 1,122 $ | 3,366 $ | Quelle25.08.2026 | |
| BaseTen | Über OpenRouterbaseten/fp4 | 1,32 $ | 3,96 $ | Quelle25.08.2026 | |
| Cloudflare | Über OpenRoutercloudflare | 1,32 $ | 3,96 $ | Quelle25.08.2026 | |
| DeepInfra | Über OpenRouterdeepinfra/fp8 | 1,3 $ | 2,6 $ | Quelle25.08.2026 | |
| DeepSeek | Über OpenRouterdeepseek | 0,66 $ | 1,98 $ | Quelle25.08.2026 | |
| DigitalOcean | Über OpenRouterdigitalocean | 1,32 $ | 3,96 $ | Quelle25.08.2026 | |
| Fireworks | Über OpenRouterfireworks | 1,32 $ | 3,96 $ | Quelle25.08.2026 | |
| GMICloud | Über OpenRoutergmicloud/fp8 | 1,122 $ | 3,366 $ | Quelle25.08.2026 | |
| Novita | Über OpenRouternovita/fp8 | 1,32 $ | 3,96 $ | Quelle25.08.2026 | |
| Parasail | Über OpenRouterparasail/fp8 | 1,32 $ | 3,96 $ | Quelle25.08.2026 | |
| Phala | Über OpenRouterphala | 1,45 $ | 4,36 $ | Quelle25.08.2026 | |
| Sail Research | Über OpenRoutersail-research/fp4 | 1,32 $ | 3,96 $ | Quelle25.08.2026 | |
| SiliconFlow | Über OpenRoutersiliconflow/fp8 | 1,32 $ | 3,96 $ | Quelle25.08.2026 | |
| StreamLake | Über OpenRouterstreamlake | 1,32 $ | 3,96 $ | Quelle25.08.2026 | |
| Together | Über OpenRoutertogether | 1,32 $ | 3,96 $ | Quelle25.08.2026 | |
| Kimi K2.6 | Moonshot AI | Direkt beim EntwicklerStandard-API | 0,95 $ | 4 $ | Quelle30.07.2026 |
| AtlasCloud | Über OpenRouteratlas-cloud/int4 | 0,95 $ | 4 $ | Quelle25.08.2026 | |
| Baidu | Über OpenRouterbaidu/fp4 | 0,95 $ | 4 $ | Quelle25.08.2026 | |
| BaseTen | Über OpenRouterbaseten/fp4 | 0,95 $ | 4 $ | Quelle25.08.2026 | |
| Chutes | Über OpenRouterchutes/int4 | 0,58 $ | 3,4 $ | Quelle25.08.2026 | |
| Cloudflare | Über OpenRoutercloudflare | 0,95 $ | 4 $ | Quelle25.08.2026 | |
| CoreWeave | Über OpenRoutercoreweave/fp4 | 0,65 $ | 3,41 $ | Quelle25.08.2026 | |
| Crusoe | Über OpenRoutercrusoe/bf16 | 0,7 $ | 3,5 $ | Quelle25.08.2026 | |
| Decart | Über OpenRouterdecart/fp4 | 0,5865 $ | Günstigster erfasster Preis: 2,4696 $ | Quelle25.08.2026 | |
| DeepInfra | Über OpenRouterdeepinfra/fp4 | 0,75 $ | 3,5 $ | Quelle25.08.2026 | |
| DigitalOcean | Über OpenRouterdigitalocean | 0,95 $ | 4 $ | Quelle25.08.2026 | |
| Fireworks | Über OpenRouterfireworks | 0,95 $ | 4 $ | Quelle25.08.2026 | |
| GMICloud | Über OpenRoutergmicloud/fp8 | 0,855 $ | 3,6 $ | Quelle25.08.2026 | |
| Inceptron | Über OpenRouterinceptron/int4 | Günstigster erfasster Preis: 0,57 $ | 3,39 $ | Quelle25.08.2026 | |
| Moonshot AI | Über OpenRoutermoonshotai/int4 | 0,95 $ | 4 $ | Quelle25.08.2026 | |
| Novita | Über OpenRouternovita | 0,8 $ | 3,4 $ | Quelle25.08.2026 | |
| Parasail | Über OpenRouterparasail/int4 | 0,75 $ | 3,5 $ | Quelle25.08.2026 | |
| Phala | Über OpenRouterphala | 1,09 $ | 4,6 $ | Quelle25.08.2026 | |
| SiliconFlow | Über OpenRoutersiliconflow/fp8 | 0,77 $ | 3,4 $ | Quelle25.08.2026 | |
| StreamLake | Über OpenRouterstreamlake/fp8 | 0,5985 $ | 2,52 $ | Quelle25.08.2026 | |
| Venice | Über OpenRoutervenice/int4 | 0,75 $ | 3,5 $ | Quelle25.08.2026 |
Leistung
Gemeinsame Benchmarks
Nur veröffentlichte Ergebnisse mit derselben Benchmark-Version, Aufgabe, Metrik und Vergleichskohorte werden gegenübergestellt. Wenn Anbieter unterschiedliche Reasoning-Stufen, Agenten oder Ausgabegrenzen verwendet haben, steht das direkt in der Tabelle.
Fähigkeitsprofil aus vergleichbaren Benchmarks
Jede Achse mittelt direkt vergleichbare Benchmarkfamilien. Ein Wert von 100 bedeutet den stärkeren Wert innerhalb dieses Duells, keinen universellen Qualitätswert.
DeepSeek-V4-Pro
Kimi K2.6
Coding: 98,9 / 95,6 (6 Benchmarkfamilien)
Reasoning: 99,7 / 99,9 (2 Benchmarkfamilien)
Mathematik: 98,1 / 100 (1 Benchmarkfamilie)
Wissen: 99,7 / 100 (2 Benchmarkfamilien)
Finanzen: 95,2 / 99,9 (5 Benchmarkfamilien)
Recht: 98,7 / 78,1 (4 Benchmarkfamilien)
Agenten-Aufgaben: 95,9 / 100 (1 Benchmarkfamilie)
Produktivität: 100 / 90 (1 Benchmarkfamilie)
53 passende Messreihen aus 21 Benchmarkfamilien wurden berücksichtigt. Das Radar zeigt 8 von 12 vergleichbaren Kategorien.
DeepSeek-V4-ProKimi K2.6
Code MigrationOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
DeepSeek-V4-Pro26,201 %
Kimi K2.6Gewinner27,768 %
CorpFin v2Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
DeepSeek-V4-Pro61,383 %
Kimi K2.6Gewinner66,744 %
CyberBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
DeepSeek-V4-Pro68,644 %
Kimi K2.6Gewinner74,351 %
EMBOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
DeepSeek-V4-Pro51,623 %
Kimi K2.6Gewinner57,855 %
Finance Agent (v2)Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
DeepSeek-V4-Pro44,083 %
Kimi K2.6Gewinner44,899 %
GPQA DiamondOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
DeepSeek-V4-ProGewinner89,394 %
Kimi K2.689,142 %
Harvey's Legal Agent BenchmarkOverall · Task fully resolved. Mehr ist besser. Kein dokumentierter Setup-Unterschied
DeepSeek-V4-ProGewinner3,75 %
Kimi K2.61,667 %
Legal Research BenchOverall · All-pass. Mehr ist besser. Kein dokumentierter Setup-Unterschied
DeepSeek-V4-ProGewinner23,077 %
Kimi K2.615,865 %
LegalBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
DeepSeek-V4-Pro80,323 %
Kimi K2.6Gewinner84,738 %
LiveCodeBench v6Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
DeepSeek-V4-ProGewinner87,484 %
Kimi K2.686,771 %
LMArena Text, Style ControlOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
DeepSeek-V4-Pro1.457,7
Kimi K2.6Kein klarer Vorsprung1.460,65
MedCodeOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
DeepSeek-V4-ProGewinner40,455 %
Kimi K2.640,142 %
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand
| Benchmark und Aufgabe | DeepSeek-V4-Pro | Kimi K2.6 | Quelle |
|---|---|---|---|
Code MigrationOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser | 26,201 % | Gewinner27,768 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
CorpFin v2OverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser | 61,383 % | Gewinner66,744 % | Vals AIQuellendetailsDatenstand: 12.08.2026 |
CyberBenchOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser | 68,644 % | Gewinner74,351 % | Vals AIQuellendetailsDatenstand: 03.08.2026 |
EMBOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser | 51,623 % | Gewinner57,855 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
Finance Agent (v2)OverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser | 44,083 % | Gewinner44,899 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
GPQA DiamondOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser | Gewinner89,394 % | 89,142 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
Harvey's Legal Agent BenchmarkOverall · Task fully resolvedTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besser | Gewinner3,75 % | 1,667 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
Legal Research BenchOverall · All-passTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besser | Gewinner23,077 % | 15,865 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
LegalBenchOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser | 80,323 % | Gewinner84,738 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
LiveCodeBench v6OverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser | Gewinner87,484 % | 86,771 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
LMArena Text, Style ControlOverallTestdetailsKein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Pro: Snapshot: deepseek-v4-pro, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 54.263 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 37.543 anonymen Paarvergleichen. | 1.457,7 95-%-Konfidenzintervall: ±4,017Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | Kein klarer Vorsprung1.460,65 95-%-Konfidenzintervall: ±4,54Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 21.08.2026 |
MedCodeOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser | Gewinner40,455 % | 40,142 % | Vals AIQuellendetailsDatenstand: 20.08.2026 |
MedScribeOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser | 75,144 % | Gewinner78,149 % | Vals AIQuellendetailsDatenstand: 20.08.2026 |
MMLU-ProOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser | 87,249 % | Gewinner87,572 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
ProgramBenchOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser | Gleichstand0 % | Gleichstand0 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
Public Benefits Bench v1.1OverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besser | Gewinner62,923 % | 56,631 % | Vals AIQuellendetailsDatenstand: 12.08.2026 |
SWE-bench VerifiedOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser | Gewinner77,4 % | 76,2 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
TaxEval v2OverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser | 72,077 % | Gewinner74,652 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
Terminal-Bench 2.0OverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 2.0Messgröße: accuracyBewertung: Mehr ist besser | 56,18 % | Gewinner57,303 % | Vals AIQuellendetailsDatenstand: 04.06.2026 |
Terminal-Bench 2.1OverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besser | 50,187 % | Gewinner53,558 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
Vals IndexOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: weighted index scoreBewertung: Mehr ist besser | 42,888 % | Gewinner43,465 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
Vibe Code Bench v1.1OverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Harness: OpenHands | Gewinner49,931 % | 37,891 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
Code MigrationCLITestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens | 15,47 % | Höherer Messwert17,977 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
CorpFin v2Exact PagesTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 48.000 tokens | 59,207 % | Höherer Messwert64,802 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
CyberBenchPatchTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser | Gewinner79,661 % | 71,429 % | Vals AIQuellendetailsDatenstand: 03.08.2026 |
EMBCompsTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens | 57,434 % | Höherer Messwert61,395 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
Finance Agent (v2)AdjustmentsTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert41,586 % | 37,934 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
GPQA DiamondFew-Shot CoTTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert90,404 % | 89,899 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
Harvey's Legal Agent BenchmarkAntitrust Competition · Criteria passedTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: criteria pass rateBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert83,696 % | 63,768 % | Vals AIQuellendetailsDatenstand: 07.08.2026 |
Legal Research BenchAdministrative / Regulatory · All-passTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert28,788 % | 18,182 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
LegalBenchConclusion TasksTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens | 89,117 % | Höherer Messwert89,413 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
LiveCodeBench v6EasyTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 256.000 tokens | 98,758 % | Höherer Messwert99,068 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
LMArena Text, Style ControlOverallTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Pro: Snapshot: deepseek-v4-pro-high-preview, Reasoning: high, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 51.642 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 37.543 anonymen Paarvergleichen. | 1.455,038 95-%-Konfidenzintervall: ±4,085Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | Höherer Messwert1.460,65 95-%-Konfidenzintervall: ±4,54Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 21.08.2026 |
MMLU-ProBiologyTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 96.000 tokens | 92,887 % | Höherer Messwert93,724 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
ProgramBenchAlmost ResolvedTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens | 0 % | Höherer Messwert0,5 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
SWE-bench Verified<15 min fixTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens | Kein direkter Sieger87,629 % | Kein direkter Sieger87,629 % | Vals AIQuellendetailsDatenstand: 08.08.2026 |
TaxEval v2CorrectnessTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens | 60,589 % | Höherer Messwert62,715 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
Terminal-Bench 2.0EasyTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.0Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Ausgabegrenze: 128.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 256.000 tokens | Kein direkter Sieger75 % | Kein direkter Sieger75 % | Vals AIQuellendetailsDatenstand: 04.06.2026 |
Terminal-Bench 2.1EasyTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Ausgabegrenze: 128.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 256.000 tokens | 66,667 % | Höherer Messwert83,333 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
Vals IndexCorpFin v2TestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens | 61,888 % | Höherer Messwert68,182 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
Code MigrationCOBOLTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert58,393 % | 57,143 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
CorpFin v2Max Fitting ContextTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 48.000 tokens | 63,054 % | Höherer Messwert67,249 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
CyberBenchPoCTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser | 57,627 % | Gewinner77,273 % | Vals AIQuellendetailsDatenstand: 03.08.2026 |
EMBDataroomTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens | 62,572 % | Höherer Messwert75,069 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
Finance Agent (v2)All-PassTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens | 31,448 % | Höherer Messwert32,584 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
GPQA DiamondZero-Shot CoTTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens | Kein direkter Sieger88,384 % | Kein direkter Sieger88,384 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
Harvey's Legal Agent BenchmarkAntitrust Competition · Task fully resolvedTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens | Kein direkter Sieger0 % | Kein direkter Sieger0 % | Vals AIQuellendetailsDatenstand: 07.08.2026 |
Legal Research BenchAdministrative / Regulatory · Weighted partial creditTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: weighted partial-credit scoreBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert83,372 % | 75,531 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
LegalBenchInterpretation TasksTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens | 75,169 % | Höherer Messwert82,197 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
LiveCodeBench v6HardTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 256.000 tokens | Höherer Messwert72,571 % | 71,429 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
LMArena Text, Style ControlBusiness, management and financeTestdetailsKein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Pro: Snapshot: deepseek-v4-pro, Harness: Arena text, style control Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlDeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 10.743 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 7.490 anonymen Paarvergleichen. | Kein klarer Vorsprung1.460,843 95-%-Konfidenzintervall: ±6,925Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.456,017 95-%-Konfidenzintervall: ±7,737Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 21.08.2026 |
MMLU-ProBusinessTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 96.000 tokens | Höherer Messwert91,888 % | 91,635 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
ProgramBenchFully ResolvedTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens | Kein direkter Sieger0 % | Kein direkter Sieger0 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
SWE-bench Verified>4 hoursTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens | Kein direkter Sieger0 % | Kein direkter Sieger0 % | Vals AIQuellendetailsDatenstand: 08.08.2026 |
TaxEval v2Stepwise ReasoningTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens | 83,565 % | Höherer Messwert86,59 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
Terminal-Bench 2.0HardTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.0Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Ausgabegrenze: 128.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 256.000 tokens | 33,333 % | Höherer Messwert36,667 % | Vals AIQuellendetailsDatenstand: 04.06.2026 |
Terminal-Bench 2.1HardTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Ausgabegrenze: 128.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 256.000 tokens | Höherer Messwert31,111 % | 25,556 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
Vals IndexFinance Agent v2TestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens | 44,081 % | Höherer Messwert44,932 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
Code MigrationCode QualityTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: mean reviewer code-quality ratingBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert3,401 / 5 | 3,149 / 5 | Vals AIQuellendetailsDatenstand: 09.08.2026 |
CorpFin v2Shared Max ContextTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 128.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 48.000 tokens | 61,888 % | Höherer Messwert68,182 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
EMBDCFTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens | 44,435 % | Höherer Messwert49,675 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
Finance Agent (v2)ComparablesTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens | 39,632 % | Höherer Messwert41,069 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
Harvey's Legal Agent BenchmarkArbitration International Dispute Resolution · Criteria passedTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: criteria pass rateBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert83,512 % | 50,179 % | Vals AIQuellendetailsDatenstand: 07.08.2026 |
Legal Research BenchBusiness & Commercial · All-passTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert23,256 % | 20,93 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand | |||
So liest du den Vergleich
Ein Benchmark-Sieg ist kein Gesamturteil
Entscheidend sind deine Aufgaben, dein Budget und die benötigte Kontextlänge. Ein Coding-Benchmark sagt wenig über Bildverständnis oder Agentenarbeit aus.
Die Standardpreistabelle nutzt direkte Entwicklertarife. Der Anbieter-Vergleich kennzeichnet OpenRouter-Endpoints, Regionen und Sondertarife separat.
Jeder Messwert verlinkt seine Messstelle und zeigt den Abrufstand. Je nach Kennzeichnung handelt es sich um eine Anbieterangabe, ein offizielles Benchmark-Leaderboard oder eine unabhängige Evaluation. Strittige oder archivierte Ergebnisse werden nicht verwendet.
Weitere Duelle
Ähnliche LLM-Vergleiche
Vergleiche DeepSeek-V4-Pro und Kimi K2.6 mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.