Direktvergleich
Kimi K3 vs. GLM-5.1
Veröffentlichte Benchmarkwerte aus derselben Version und Vergleichskohorte, API-Preise und technische Eckdaten. Unterschiedliche Testeinstellungen werden sichtbar ausgewiesen.
- gemeinsame Messreihen
- 166
- verschiedene Benchmarks
- 19
- 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 | Kimi K3 | GLM-5.1 |
|---|---|---|
| Anbieter | Moonshot AI | Z.ai |
| Erschienen | 16. Juli 2026 | 7. Apr. 2026 |
| Verfügbarkeit | Aktiv | Open Source |
| Modelltyp | Open Weights | Open Weights |
| Parameter | 2,8 Billionen, 104 Mrd. aktiv | 744 Mrd., 40 Mrd. aktiv |
| Architektur | Mixture of Experts | Mixture of Experts |
| Kontextfenster | 1.048.576 Token | 200.000 Token |
| Wissensstand | Nicht veröffentlicht | Nicht veröffentlicht |
| Technische Quellen | Modell | 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 | Kimi K3 | GLM-5.1 |
|---|---|---|
| API-Eingabe | 3 $ | 1,4 $ |
| API-Ausgabe | 15 $ | 4,4 $ |
| Cache lesen | 0,3 $ | 0,26 $ |
| 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 |
Kimi K3GLM-5.1
API-EingabeUSD pro 1 Mio. Token, Basistarif
Kimi K33 $
GLM-5.1Günstiger1,4 $
API-AusgabeUSD pro 1 Mio. Token, Basistarif
Kimi K315 $
GLM-5.1Günstiger4,4 $
Cache lesenUSD pro 1 Mio. Token, Basistarif
Kimi K30,3 $
GLM-5.1Günstiger0,26 $
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 |
|---|---|---|---|---|---|
| Kimi K3 | Moonshot AI | Direkt beim EntwicklerStandard-API | 3 $ | 15 $ | Quelle30.07.2026 |
| Alibaba | Über OpenRouteralibaba | 3,45 $ | 17,25 $ | Quelle25.08.2026 | |
| BaseTen | Über OpenRouterbaseten/fp8 | 3 $ | 15 $ | Quelle25.08.2026 | |
| Chutes | Über OpenRouterchutes/mxfp4 | 3 $ | 15 $ | Quelle25.08.2026 | |
| DeepInfra | Über OpenRouterdeepinfra/bf16 | 2,85 $ | 14,25 $ | Quelle25.08.2026 | |
| DigitalOcean | Über OpenRouterdigitalocean | 2,85 $ | 14,25 $ | Quelle25.08.2026 | |
| Fireworks | Über OpenRouterfireworks | 3 $ | 15 $ | Quelle25.08.2026 | |
| Fireworks | Über OpenRouterfireworks/fast | 4,5 $ | 22,5 $ | Quelle25.08.2026 | |
| Fireworks | Über OpenRouterfireworks/us | 3,3 $ | 16,5 $ | Quelle25.08.2026 | |
| Modal | Über OpenRoutermodal/mxfp4 | 3 $ | 15 $ | Quelle25.08.2026 | |
| Moonshot AI | Über OpenRoutermoonshotai/mxfp4 | 3 $ | 15 $ | Quelle25.08.2026 | |
| Morph | Über OpenRoutermorph/fast | 6 $ | 22,5 $ | Quelle25.08.2026 | |
| Morph | Über OpenRoutermorph/fp4 | Günstigster erfasster Preis: 2,8 $ | Günstigster erfasster Preis: 14 $ | Quelle25.08.2026 | |
| Phala | Über OpenRouterphala | 3 $ | 15 $ | Quelle25.08.2026 | |
| Together | Über OpenRoutertogether | 3 $ | 15 $ | Quelle25.08.2026 | |
| GLM-5.1 | Z.ai | Direkt beim EntwicklerStandard-API | 1,4 $ | 4,4 $ | Quelle30.07.2026 |
| Alibaba | Über OpenRouteralibaba/fp8 | 1,33 $ | 4,18 $ | Quelle25.08.2026 | |
| AtlasCloud | Über OpenRouteratlas-cloud/fp8 | 1,26 $ | 3,96 $ | Quelle25.08.2026 | |
| Baidu | Über OpenRouterbaidu/fp8 | 1,4 $ | 4,4 $ | Quelle25.08.2026 | |
| Chutes | Über OpenRouterchutes/fp8 | 0,98 $ | 3,08 $ | Quelle25.08.2026 | |
| Crusoe | Über OpenRoutercrusoe/fp8 | 1,2 $ | 4,4 $ | Quelle25.08.2026 | |
| DeepInfra | Über OpenRouterdeepinfra/fp4 | 1,05 $ | 3,5 $ | Quelle25.08.2026 | |
| DigitalOcean | Über OpenRouterdigitalocean | 1,3 $ | 4,3 $ | Quelle25.08.2026 | |
| Friendli | Über OpenRouterfriendli | 1,4 $ | 4,4 $ | Quelle25.08.2026 | |
| GMICloud | Über OpenRoutergmicloud/fp8 | Günstigster erfasster Preis: 0,91 $ | Günstigster erfasster Preis: 2,86 $ | Quelle25.08.2026 | |
| Nebius | Über OpenRouternebius/fp8 | 1,4 $ | 4,4 $ | Quelle25.08.2026 | |
| Novita | Über OpenRouternovita/fp8 | 1,38 $ | 4,4 $ | Quelle25.08.2026 | |
| Parasail | Über OpenRouterparasail/fp8 | 1,4 $ | 4,4 $ | Quelle25.08.2026 | |
| Phala | Über OpenRouterphala | 1,21 $ | 4,2 $ | Quelle25.08.2026 | |
| SiliconFlow | Über OpenRoutersiliconflow/fp8 | 1,19 $ | 3,74 $ | Quelle25.08.2026 | |
| StreamLake | Über OpenRouterstreamlake/fp8 | 0,966 $ | 3,036 $ | Quelle25.08.2026 | |
| Venice | Über OpenRoutervenice/fp8 | 1,54 $ | 4,84 $ | Quelle25.08.2026 | |
| Z.AI | Über OpenRouterz-ai/fp8 | 1,4 $ | 4,4 $ | 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.
Kimi K3
GLM-5.1
Coding: 92,5 / 62,4 (5 Benchmarkfamilien)
Reasoning: 100 / 90,9 (1 Benchmarkfamilie)
Wissen: 100 / 98,8 (1 Benchmarkfamilie)
Finanzen: 100 / 88,8 (3 Benchmarkfamilien)
Recht: 100 / 53,7 (3 Benchmarkfamilien)
Agenten-Aufgaben: 100 / 70,4 (1 Benchmarkfamilie)
Produktivität: 100 / 90,6 (1 Benchmarkfamilie)
Gesundheit: 100 / 83,6 (2 Benchmarkfamilien)
18 passende Messreihen aus 18 Benchmarkfamilien wurden berücksichtigt. Das Radar zeigt 8 von 9 vergleichbaren Kategorien.
Kimi K3GLM-5.1
Code MigrationOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Kimi K316,099 %
GLM-5.1Gewinner25,768 %
CorpFin v2Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Kimi K3Gewinner71,562 %
GLM-5.164,452 %
Finance Agent (v2)Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Kimi K3Gewinner54,36 %
GLM-5.144,792 %
GPQA DiamondOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Kimi K3Gewinner92,929 %
GLM-5.184,518 %
Harvey's Legal Agent BenchmarkOverall · Task fully resolved. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Kimi K3Gewinner10,833 %
GLM-5.10 %
Legal Research BenchOverall · All-pass. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Kimi K3Gewinner44,231 %
GLM-5.127,885 %
LegalBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Kimi K3Gewinner86,016 %
GLM-5.184,394 %
LiveCodeBench v6Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Kimi K3Gewinner87,185 %
GLM-5.181,38 %
LMArena Text, Style ControlOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Kimi K3Höherer Messwert1.489,097
GLM-5.11.467,757
MedCodeOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Kimi K3Gewinner48,884 %
GLM-5.141,604 %
MedScribeOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Kimi K3Gewinner87,958 %
GLM-5.172,27 %
MMLU-ProOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Kimi K3Gewinner87,973 %
GLM-5.186,9 %
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand
| Benchmark und Aufgabe | Kimi K3 | GLM-5.1 | Quelle |
|---|---|---|---|
Code MigrationOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser | 16,099 % | Gewinner25,768 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
CorpFin v2OverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser | Gewinner71,562 % | 64,452 % | Vals AIQuellendetailsDatenstand: 12.08.2026 |
Finance Agent (v2)OverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser | Gewinner54,36 % | 44,792 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
GPQA DiamondOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser | Gewinner92,929 % | 84,518 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
Harvey's Legal Agent BenchmarkOverall · Task fully resolvedTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besser | Gewinner10,833 % | 0 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
Legal Research BenchOverall · All-passTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besser | Gewinner44,231 % | 27,885 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
LegalBenchOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser | Gewinner86,016 % | 84,394 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
LiveCodeBench v6OverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser | Gewinner87,185 % | 81,38 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
LMArena Text, Style ControlOverallTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserKimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena text, style control GLM-5.1: Snapshot: glm-5.1, Harness: Arena text, style controlKimi K3: Stilbereinigte Arena-Bewertung aus 15.054 anonymen Paarvergleichen.GLM-5.1: Stilbereinigte Arena-Bewertung aus 42.267 anonymen Paarvergleichen. | Höherer Messwert1.489,097 95-%-Konfidenzintervall: ±5,803Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.467,757 95-%-Konfidenzintervall: ±4,079Der 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 | Gewinner48,884 % | 41,604 % | Vals AIQuellendetailsDatenstand: 20.08.2026 |
MedScribeOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser | Gewinner87,958 % | 72,27 % | Vals AIQuellendetailsDatenstand: 20.08.2026 |
MMLU-ProOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser | Gewinner87,973 % | 86,9 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
ProgramBenchOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser | Gewinner2 % | 0 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
Public Benefits Bench v1.1OverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besser | Gewinner68,268 % | 61,84 % | Vals AIQuellendetailsDatenstand: 12.08.2026 |
SWE-bench VerifiedOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser | Gewinner93,4 % | 76,4 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
TaxEval v2OverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser | Gewinner75,716 % | 71,194 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
Terminal-Bench 2.1OverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besser | Gewinner80,899 % | 56,929 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
Vals IndexCorpFin v2TestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserKimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Höherer Messwert72,611 % | 65,268 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
Vibe Code Bench v1.1OverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Harness: OpenHands | Gewinner84,963 % | 31,456 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
CorpFin v2Exact PagesTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserKimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Höherer Messwert69,347 % | 61,772 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
Finance Agent (v2)AdjustmentsTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserKimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Höherer Messwert51,461 % | 43,276 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
GPQA DiamondFew-Shot CoTTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserKimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Höherer Messwert93,434 % | 85,787 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
Harvey's Legal Agent BenchmarkAntitrust Competition · Criteria passedTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: criteria pass rateBewertung: Mehr ist besserKimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens GLM-5.1: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens | Höherer Messwert87,319 % | 71,377 % | Vals AIQuellendetailsDatenstand: 07.08.2026 |
Legal Research BenchAdministrative / Regulatory · All-passTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserKimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens GLM-5.1: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens | Höherer Messwert54,545 % | 31,818 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
LegalBenchConclusion TasksTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserKimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Höherer Messwert90,733 % | 89,575 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
LiveCodeBench v6EasyTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserKimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Höherer Messwert98,758 % | 98,754 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
LMArena Text, Style ControlBusiness, management and financeTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserKimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena text, style control GLM-5.1: Snapshot: glm-5.1, Harness: Arena text, style controlKimi K3: Stilbereinigte Arena-Bewertung aus 3.052 anonymen Paarvergleichen.GLM-5.1: Stilbereinigte Arena-Bewertung aus 8.473 anonymen Paarvergleichen. | Höherer Messwert1.490,29 95-%-Konfidenzintervall: ±11,183Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.465,984 95-%-Konfidenzintervall: ±7,262Der 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 besserKimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Höherer Messwert93,863 % | 93,724 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
ProgramBenchAlmost ResolvedTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserKimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens GLM-5.1: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens | Höherer Messwert17,5 % | 1 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
SWE-bench Verified<15 min fixTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserKimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens GLM-5.1: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens | Höherer Messwert92,268 % | 88,66 % | Vals AIQuellendetailsDatenstand: 08.08.2026 |
TaxEval v2CorrectnessTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserKimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Höherer Messwert65,331 % | 61,538 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
Terminal-Bench 2.1EasyTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserKimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens GLM-5.1: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens | Höherer Messwert91,667 % | 83,333 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
Vals IndexFinance Agent v2TestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserKimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Höherer Messwert55,882 % | 44,79 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
CorpFin v2Max Fitting ContextTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserKimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Höherer Messwert72,727 % | 66,317 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
Finance Agent (v2)All-PassTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserKimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Höherer Messwert41,69 % | 32,68 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
GPQA DiamondZero-Shot CoTTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserKimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Höherer Messwert92,424 % | 83,249 % | 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 besserKimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens GLM-5.1: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 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 besserKimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens GLM-5.1: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens | Höherer Messwert90,731 % | 80,005 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
LegalBenchInterpretation TasksTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserKimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Höherer Messwert82,612 % | 81,709 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
LiveCodeBench v6HardTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserKimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Höherer Messwert74,286 % | 57,429 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
LMArena Text, Style ControlChineseTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserKimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena text, style control GLM-5.1: Snapshot: glm-5.1, Harness: Arena text, style controlKimi K3: Stilbereinigte Arena-Bewertung aus 986 anonymen Paarvergleichen.GLM-5.1: Stilbereinigte Arena-Bewertung aus 2.556 anonymen Paarvergleichen. | Höherer Messwert1.531,702 95-%-Konfidenzintervall: ±19,329Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.519,694 95-%-Konfidenzintervall: ±12,722Der 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 besserKimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Höherer Messwert92,015 % | 91,128 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
ProgramBenchFully ResolvedTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserKimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens GLM-5.1: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens | Höherer Messwert2 % | 0 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
SWE-bench Verified>4 hoursTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserKimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens GLM-5.1: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens | Höherer Messwert66,667 % | 33,333 % | Vals AIQuellendetailsDatenstand: 08.08.2026 |
TaxEval v2Stepwise ReasoningTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserKimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Höherer Messwert86,1 % | 80,851 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
Terminal-Bench 2.1HardTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserKimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens GLM-5.1: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens | Höherer Messwert74,444 % | 37,778 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
Vals IndexSWE-benchTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besser | Gewinner95,098 % | 72,549 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
CorpFin v2Shared Max ContextTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserKimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Höherer Messwert72,611 % | 65,268 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
Finance Agent (v2)ComparablesTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserKimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Höherer Messwert46,691 % | 41,557 % | 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 besserKimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens GLM-5.1: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens | Höherer Messwert92,115 % | 53,405 % | Vals AIQuellendetailsDatenstand: 07.08.2026 |
Legal Research BenchBusiness & Commercial · All-passTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserKimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens GLM-5.1: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens | Höherer Messwert46,512 % | 23,256 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
LegalBenchIssue TasksTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserKimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Höherer Messwert91,099 % | 89,02 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
LiveCodeBench v6MediumTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserKimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Höherer Messwert88,512 % | 87,958 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
LMArena Text, Style ControlCodingTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserKimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena text, style control GLM-5.1: Snapshot: glm-5.1, Harness: Arena text, style controlKimi K3: Stilbereinigte Arena-Bewertung aus 3.966 anonymen Paarvergleichen.GLM-5.1: Stilbereinigte Arena-Bewertung aus 11.848 anonymen Paarvergleichen. | Höherer Messwert1.542,18 95-%-Konfidenzintervall: ±9,859Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.515,26 95-%-Konfidenzintervall: ±6,441Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 21.08.2026 |
MMLU-ProChemistryTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserKimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | 91,784 % | Höherer Messwert91,844 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
ProgramBenchRaw Pass RateTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserKimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens GLM-5.1: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens | Höherer Messwert62,768 % | 50,879 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
SWE-bench Verified1-4 hoursTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserKimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens GLM-5.1: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens | Höherer Messwert92,857 % | 45,238 % | Vals AIQuellendetailsDatenstand: 08.08.2026 |
Terminal-Bench 2.1MediumTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserKimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens GLM-5.1: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens | Höherer Messwert83,636 % | 65,455 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
Vals IndexTerminal-Bench 2.1TestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserKimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Höherer Messwert80,899 % | 56,929 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
Finance Agent (v2)Disclosure AnalysisTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserKimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | Höherer Messwert65,281 % | 52,713 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
Harvey's Legal Agent BenchmarkArbitration International Dispute Resolution · Task fully resolvedTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserKimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens GLM-5.1: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens | Kein direkter Sieger0 % | Kein direkter Sieger0 % | Vals AIQuellendetailsDatenstand: 07.08.2026 |
Legal Research BenchBusiness & Commercial · Weighted partial creditTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: weighted partial-credit scoreBewertung: Mehr ist besserKimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens GLM-5.1: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens | Höherer Messwert89,088 % | 81,655 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
LegalBenchRhetoric TasksTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserKimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens | 80,813 % | Höherer Messwert81,108 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
LMArena Text, Style ControlCreative writingTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserKimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena text, style control GLM-5.1: Snapshot: glm-5.1, Harness: Arena text, style controlKimi K3: Stilbereinigte Arena-Bewertung aus 2.910 anonymen Paarvergleichen.GLM-5.1: Stilbereinigte Arena-Bewertung aus 7.719 anonymen Paarvergleichen. | Höherer Messwert1.456,425 95-%-Konfidenzintervall: ±11,684Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.449,165 95-%-Konfidenzintervall: ±7,729Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 21.08.2026 |
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 Kimi K3 und GLM-5.1 mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.