Logo von nextlevels
DEEN

KI-Modelle im Vergleich: State of AI, Benchmarks, Abos und Praxis

Wöchentlich aktualisiert: Modelle, Benchmarks, Abos und was Entwickler wirklich erleben

KI & Automatisierung25 Min. Lesezeit

Stand: 30. Oktober 2026 · nächste Prüfung: Montag, 2. November 2026. Dieser Beitrag ist ein Living Post: Modelle, Benchmarks, Preise und Limits werden jede Woche neu verifiziert. Was sich geändert hat, steht datiert im Changelog am Ende.

Die Benchmark-Tabelle, die du gerade irgendwo im Newsletter liest, ist schon falsch. In den letzten vier Wochen hat sich die Spitze fünfmal neu sortiert. Und trotzdem ist die Frage, die in den Entwickler-Foren wirklich brennt, eine andere. Ein ChatGPT-Pro-Nutzer schreibt: „Wochenlimit gestern zurückgesetzt, heute noch 20 % übrig." Die Modellfrage ist zur Nebensache geworden. Über deine Produktivität entscheiden Kosten pro Aufgabe und Wochenlimit; der letzte Prozentpunkt auf dem Leaderboard ist Rauschen.

Vier Dinge klärt dieser Beitrag deshalb jede Woche neu: welche Modelle vorne liegen, welche Benchmarks das überhaupt noch messen können, was die Abos für 20, 100 und 200 Euro wirklich enthalten, und was Entwickler mit Claude Max, Codex und Kimi im Alltag erleben.

KI-Modelle im Vergleich: Zeitleiste der Spitzen-Releases GPT-6.1 Sol, Muse Wonder, Gemini 4 Argon, Kimi K3.1 Pro und Gemini 4 Carbon unter der Headline „Die Spitze wechselt schneller als dein Abo-Zyklus“
KI-Modelle im Vergleich: Zeitleiste der Spitzen-Releases GPT-6.1 Sol, Muse Wonder, Gemini 4 Argon, Kimi K3.1 Pro und Gemini 4 Carbon unter der Headline „Die Spitze wechselt schneller als dein Abo-Zyklus“

KI-Modelle im Vergleich: wer derzeit vorne liegt

Die eigentliche Nachricht dieses Sommers kommt aus dem offenen Lager. Vier chinesische Labore haben seit Juli Modelle mit ein bis drei Billionen Parametern und einer Million Tokens Kontext unter offener Lizenz veröffentlicht: Kimi K3 von Moonshot (2,8 Billionen Parameter, 104 Milliarden aktiv, Gewichte seit 27. Juli), Qwen3.8-Max von Alibaba, DeepSeek V4-Pro unter MIT-Lizenz und zuletzt Xiaomis MiMo-V2.6-Pro, im alten Artificial-Analysis-Index v4.3 mit 46 Punkten das stärkste offene Modell; im neuen Index v5 steht es bei 30. DeepSeek hat am 17. Oktober mit V4.1-Flash-1017 nachgelegt: MIT-Lizenz, eine Million Tokens Kontext, 0,30/1,20 US-Dollar je Million Tokens zur Hauptzeit und die Hälfte außerhalb; Artificial Analysis misst im Index v5 32 Punkte, zusammen mit GLM-5.3 der höchste Wert eines Modells mit veröffentlichten Gewichten. Und Moonshot hat am 23. Oktober Kimi K3.1 Pro per API gestartet: 2,8 Billionen Parameter, eine Million Tokens Kontext, 2/10 US-Dollar je Million Tokens, ein Drittel unter K3. Artificial Analysis misst im Index v5 46 Punkte, zwölf hinter Opus 5.5 und trotzdem der höchste Wert eines offenen oder als offen angekündigten Modells; auf Terminal-Bench 4.0 liegt es mit 67,2 % vorn. Die Gewichte will Moonshot bis 4. November nachliefern, eine Lizenz ist noch nicht genannt. Bis dahin ist K3.1 Pro ein geschlossenes Modell mit Ankündigung.

Wie groß ist der Rückstand? Das US-Institut CAISI beziffert ihn für DeepSeek V4 Pro auf rund acht Monate hinter der US-Spitze; für GLM-5.3 misst es auf Cyber-Benchmarks etwa vier Monate. Nathan Lambert von Interconnects sieht die Lücke durch K3 von sechs bis neun auf drei bis fünf Monate geschrumpft. Drei bis acht Monate: Das ist die Zeit, die du heute an Vorsprung kaufst, wenn du für ein geschlossenes Spitzenmodell zahlst. Der am 27. Oktober eingeführte Artificial-Analysis-Index v5 zeichnet dasselbe Bild in Punkten: zwölf bis Kimi K3.1 Pro (46), dessen Gewichte noch ausstehen, und 26 bis zum besten Modell mit veröffentlichten Gewichten (DeepSeek V4.1 Flash und GLM-5.3, je 32). Im alten Index v4.3 waren es drei Punkte; die privaten Testsets haben die Lücke wieder sichtbar gemacht.

Rückstand offener KI-Modelle hinter der US-Spitze: GLM-5.3, Kimi K3 und DeepSeek V4 Pro in Monaten
Rückstand offener KI-Modelle hinter der US-Spitze: GLM-5.3, Kimi K3 und DeepSeek V4 Pro in Monaten

Und die Spitze? Bis Anfang Oktober ein Duopol. Anthropic hat im Juni die Klasse „Fable/Mythos 5" oberhalb von Opus eingezogen; Fable 5.1 und Mythos 5.1 kamen am 1. September, Mythos bleibt Programmen mit Sicherheitsfreigabe vorbehalten. Es folgten Claude Opus 5.5 zu 4/20 US-Dollar je Million Tokens, laut Anthropic „auf dem Niveau von Fable 5.1 bei den meisten Aufgaben", und Sonnet 5.5 zum unveränderten Preis von 2/10. Am 7. Oktober folgte Haiku 5.5 zu 0,10/0,50 US-Dollar je Million Tokens, exakt Lunas Preis.

OpenAI hat parallel die komplette Linie getauscht. GPT-6 Astra ist der größte Trainingslauf des Unternehmens (über 100.000 GPUs), mit 1,05 Millionen Tokens Kontext und 10/50 US-Dollar je Million. Darunter GPT-6 Sol und Luna zum halben Preis der 5.6-Generation, und am 29. September GPT-6.1 Sol, das laut OpenAI Astra-Niveau bei DeepSWE für ein Fünftel der Kosten liefert. Am 26. Oktober folgte GPT-6.1 Terra zu 1/5 US-Dollar, gebaut für Computer-Use und Massen-Agentenläufe, nicht für die Spitze: Artificial Analysis misst 51 Punkte im Index v5.

Google hat lange auf ein neues Pro-Modell warten lassen. Gemini 3.5 Pro wurde auf der I/O angekündigt und nie ausgeliefert; stattdessen kamen drei Flash-Modelle in sechs Wochen, zuletzt Gemini 3.8 Flash am 2. September. Seit dem 13. Oktober ist Gemini 4 Argon für alle da: in der API zum Einführungspreis von 2/10 US-Dollar (ab 1. Dezember 4/20), in der Gemini-App für AI-Pro- und Ultra-Abonnenten. Im Index v5 steht Argon bei 50 Punkten. Am 28. Oktober hat Google Gemini 4 Carbon nachgelegt: 59 Punkte im Index v5 und damit erstmals ein Google-Modell an der Spitze, 65,2 % auf Terminal-Bench 4.0, Einführungspreis 2/10 wie Argon, danach 4/20. Der Haken: Carbon bekommen vorerst nur ausgewählte Cyber-Verteidiger und Partner des Fairwind-Programms; wann Entwickler und Abonnenten es nutzen dürfen, sagt Google nicht. xAI liefert monatlich (Grok 4.7 am 21. September, 2/6 US-Dollar).

Meta hat die Llama-Linie faktisch eingestellt und ist seit dem 12. Oktober mit Muse Wonder zurück in der Spitzengruppe: Die API-Variante kostet 4/20 US-Dollar wie Opus 5.5 und misst bei Artificial Analysis im Index v5 43 Punkte; die stärkere Variante Muse Wonder Full (50, vier unter Sonnet 5.5) gibt es nur im Muse-Code-Abo ab 50 US-Dollar, nicht per API. Offene Gewichte gibt es für keine der beiden; dafür hat Meta am 15. Oktober Muse Spark Open freigegeben: 816 Milliarden Parameter (42 Milliarden aktiv), eine Million Tokens Kontext, Gewichte auf Hugging Face unter einer eigenen Lizenz mit Namenspflicht („Built with Muse Spark Open“) und Vertragspflicht ab 20 Millionen US-Dollar Jahresumsatz mit Modell-Diensten. Artificial Analysis maß im Index v4.3 39 Punkte, sieben unter MiMo-V2.6-Pro; Metas „stärkstes offenes US-Modell“ stimmt also, mehr nicht. Aus Europa meldet sich Mistral zurück: Large 4 (rund eine Billion Parameter, 52 Milliarden aktiv) läuft seit 6. Oktober auf eigener EU-Infrastruktur zu 1,36/4,18 US-Dollar (zum Start halbiert auf 0,70/2,10), und seit dem 29. Oktober liegen die Gewichte auf Hugging Face, ungated, unter der „Mistral Ecosystem Open-Weight License“: eine MIT-Abwandlung, die nur Model-as-a-Service-Anbietern einen separaten Vertrag abverlangt. Artificial Analysis misst im Index v5 26 Punkte, sechs unter DeepSeek V4.1 Flash.

ModellAnbieterReleaseKontextAPI-Preis (In/Out je 1M Tokens)Open Weights
Claude Fable 5.1Anthropic01.09.20261M10 $ / 50 $nein
Claude Opus 5.5Anthropic22.09.20261M4 $ / 20 $nein
Claude Sonnet 5.5Anthropic28.09.20261M2 $ / 10 $nein
Claude Haiku 5.5Anthropic07.10.20261M0,10 $ / 0,50 $ (bis 100K Tokens; darüber 0,50 / 2,50)nein
GPT-6 AstraOpenAI04.09.20261,05M10 $ / 50 $nein
GPT-6.1 SolOpenAI29.09.20261,05M2 $ / 10 $nein
GPT-6.1 TerraOpenAI26.10.20261,05M1 $ / 5 $nein
GPT-6 LunaOpenAI22.09.20261,05M0,10 $ / 0,50 $nein
Gemini 4 CarbonGoogle28.10.2026 (nur Fairwind-Partner)1M2 $ / 10 $ (Einführungspreis; danach 4 $ / 20 $)nein
Gemini 4 ArgonGoogle13.10.20261M (Input und Output zusammen)2 $ / 10 $ (Einführungspreis bis 30.11.; danach 4 $ / 20 $)nein
Gemini 3.8 FlashGoogle02.09.2026k. A.0,75 $ / 3,75 $ (Einführungspreis bis 31.12.)nein
Grok 4.7xAI21.09.2026500K2 $ / 6 $nein
Muse WonderMeta12.10.20261M4 $ / 20 $ (Wonder Full nur im Muse-Code-Abo)nein
Muse Spark OpenMeta15.10.20261Mk. A. (nur Drittanbieter, z. B. Together 1,25 $ / 4,25 $)ja (Muse Model License)
Mistral Large 4Mistral06.10.2026 (Gewichte 29.10.)1M1,36 $ / 4,18 $ (Startaktion 0,70 / 2,10)ja (Mistral Ecosystem Open-Weight License)
Kimi K3.1 ProMoonshot23.10.20261M2 $ / 10 $ (Highspeed-Variante 4 $ / 20 $)angekündigt (bis 04.11.), Lizenz offen
Kimi K3Moonshot16.07.2026 (Gewichte 27.07.)1M3 $ / 15 $ja (Umsatzstaffel-Lizenz)
DeepSeek V4-Pro (0813)DeepSeek13.08.20261M0,66 $ / 1,98 $ (außerhalb der Hauptzeit; Hauptzeit 1,32 / 3,96)ja (MIT)
DeepSeek V4.1-Flash-1017DeepSeek17.10.20261M0,30 $ / 1,20 $ (Hauptzeit; außerhalb 0,15 / 0,60)ja (MIT)
Qwen3.8-MaxAlibaba03.08.20261Mk. A.ja (eigene Lizenz; Apache 2.0 nur für Qwen3.8-27B)
MiMo-V2.6-ProXiaomi21.09.20261M0,43 $ / 0,87 $ja (MIT)

Listenpreise der Anbieter, Stand 30.10.2026; Batch- und Cache-Rabatte kommen obendrauf. Und genau dort steckt die wichtigste Zahl des Monats: Anthropic hat die Cache-Lesepreise bei Fable 5.1 um 75 % gesenkt (auf 0,25 US-Dollar je Million) und bei Opus 5.5 um 60 % (auf 0,20). In einem Agentenlauf, der denselben 200.000-Token-Kontext fünfzigmal neu liest, sind das zehn Millionen Cache-Tokens: bei Opus 5.5 zwei US-Dollar statt fünf; Sonnet 5.5 liest Cache für 0,10, Haiku 5.5 für 0,01. Der Listenpreis für frische Tokens ist für solche Workloads fast egal.

Benchmarks: was noch trägt und was gesättigt ist

Wer Modelle nach Tabellen auswählt, hat ein Problem: Die Benchmarks, die du kennst, sind tot. OpenAI hat SWE-bench Verified im Februar aus der eigenen Berichterstattung gestrichen, weil 59 % der geprüften Aufgaben fehlerhaft waren und Spitzenmodelle die menschliche Referenzlösung wörtlich reproduzieren konnten. GPQA Diamond hat Artificial Analysis im September aus dem Index geworfen, weil alle Spitzenmodelle es „einfach lösen". AIME 2026 liegt bei 97 bis 99 % für die Top 3. Bei FrontierMath musste Epoch AI Tier 4 im Juni neu ausgeben, nachdem 42 % der Aufgaben Fehler enthielten.

Was stattdessen zählt, sind interaktive und wirtschaftlich fundierte Tests, bei denen Kontamination schwer ist. Terminal-Bench 4.0 umfasst 66 kuratierte Aufgaben; acht wurden entfernt (gesättigt, öffentlich gelöst oder mit Qualitätsproblemen), 19 überarbeitet. ARC-AGI-3 ist interaktiv, das Modell muss die Regeln einer Umgebung durch Ausprobieren lernen, also gibt es keine Lösung, die im Trainingsdatensatz stehen könnte. GDPval-AA misst in blinden Paarvergleichen echte Berufsaufgaben aus 44 Berufen. Und Artificial Analysis hat am 27. Oktober den Index v5 eingeführt: 60 % der Gewichtung liegen jetzt auf privaten Testsets oder zurückgehaltenen Antworten (45 % in v4.3), vier Kategorien zu je 25 %, GDPval-AA ist aus dem Index gefallen und bleibt eigenes Leaderboard. Die Folgen sind sichtbar: Opus 5.5 hält seine 58, Sonnet 5.5 fällt von 56 auf 54, Muse Wonder Full von 56 auf 50, Kimi K3.1 Pro von 55 auf 46.

BenchmarkWas er misstTop 3 (Stand 30.10.)Status
AA Intelligence Index v59 Evals, 60 % private Sets, unabhängigGemini 4 Carbon (59, nur Fairwind-Partner), Opus 5.5 (58), GPT-6 Astra / Opus 5.5 xhigh (57)aktuell, seit 27.10. neu gewichtet
Terminal-Bench 4.0agentische Terminal-Aufgaben, unabhängigKimi K3.1 Pro (67,2 %), Gemini 4 Carbon (65,2 %), Sonnet 5.5 (63,6 %)aktuell
Arena WebDevWeb-Apps im Blindvergleich, 924.000 VotesOpus 5.5 (1807), GPT-6 Astra (1774), Sonnet 5.5 (1769)aktuell
GDPval-AA v2.1220 Berufsaufgaben, 44 Berufe, Elo, unabhängigOpus 5.5 (1866), Muse Wonder Full (1857), Kimi K3.1 Pro (1846)aktuell
Humanity's Last ExamExpertenwissen, ohne Tools, unabhängig (Scale)GPT-6 Astra (54,2 %), Gemini 3.1 Pro (47,3 %), Fable 5.1 (46,8 %)aktuell
ARC-AGI-3interaktives Schlussfolgern, unabhängig (ARC Prize)GPT-6 Astra 62,7 % im Standard-Harness (99,9 % im Anbieter-Harness), GPT-6.1 Sol 52,7 %, Opus 5 30,2 %; Opus 5.5 von ARC Prize bisher nur auf ARC-AGI-2 verifiziert (93,3 %)aktuell, Harness-Streit
SWE-bench VerifiedCoding-TicketsSpitze bei 96 %, Plätze 11 bis 15 innerhalb eines halben Punktes bei 80 %gesättigt, von OpenAI abgesetzt
GPQA DiamondNaturwissenschaftAnbieterangaben: Astra 96,0 %, GPT-5.6 Sol 94,6 %gesättigt, aus AA-Index entfernt
AIME 2026Mathe-OlympiadeTop 3 innerhalb von 2,1 Punkten bei 97 bis 99 %gesättigt

„xhigh"/„max" bezeichnen die Denkstufe (Reasoning-Effort), mit der gemessen wurde. „Harness" ist die Testumgebung: Welche Tools bekommt das Modell, wie viele Versuche, welches Rechenbudget.

Die Zahlen aus Anbieter-Blogs liegen fast durchweg über den unabhängigen Messungen. Anthropic meldet für Sonnet 5.5 auf Terminal-Bench 4.0 70,6 %, Artificial Analysis misst 63,6 %. Die Ausnahme der Woche: Moonshot meldet für K3.1 Pro 65,7 % und damit weniger als die 67,2 %, die Artificial Analysis misst; das kommt selten genug vor, um es zu notieren. OpenAI meldet für Astra auf ARC-AGI-3 99,9 %, der Standard-Harness von ARC Prize ergibt 62,7 %, bei rund 26.000 US-Dollar Rechenkosten für den Testlauf. Beides ist nicht gelogen, es sind verschiedene Harnesses und Denkstufen. Nur vergleichbar ist es nicht. Kurz gesagt: Vertrau der Zahl, die jemand gemessen hat, der das Modell nicht verkauft.

Artificial Analysis Intelligence Index v5 als Balkendiagramm: Gemini 4 Carbon 59 (nur Fairwind-Partner), Claude Opus 5.5 58, GPT-6 Astra 57, GPT-6.1 Sol 55, Claude Sonnet 5.5 54, Gemini 4 Argon 50, Kimi K3.1 Pro 46, DeepSeek V4.1 Flash 32 als bestes Modell mit offenen Gewichten; daneben Terminal-Bench 4.0 für Sonnet 5.5: Anbieterangabe 70,6 Prozent gegen unabhängig gemessene 63,6 Prozent
Artificial Analysis Intelligence Index v5 als Balkendiagramm: Gemini 4 Carbon 59 (nur Fairwind-Partner), Claude Opus 5.5 58, GPT-6 Astra 57, GPT-6.1 Sol 55, Claude Sonnet 5.5 54, Gemini 4 Argon 50, Kimi K3.1 Pro 46, DeepSeek V4.1 Flash 32 als bestes Modell mit offenen Gewichten; daneben Terminal-Bench 4.0 für Sonnet 5.5: Anbieterangabe 70,6 Prozent gegen unabhängig gemessene 63,6 Prozent

Was sich in den letzten Wochen gedreht hat: Anthropic führt mit Opus 5.5 die Berufsaufgaben-Indizes und unter den verfügbaren Modellen den Gesamtindex, OpenAI führt bei Wissen, Mathematik und ARC, auf Terminal-Bench 4.0 hat sich mit Kimi K3.1 Pro erstmals ein chinesisches Modell vor Sonnet 5.5 geschoben, und Google steht mit Carbon zum ersten Mal ganz oben im Index, nur kann es außerhalb des Fairwind-Programms niemand benutzen. Metas Muse Wonder Full hält bei GDPval-AA Platz 2, im Index v5 fällt es auf 50; für Wonder Full und Gemini 4 Argon liegen auf Terminal-Bench 4.0 bislang nur Presse- und Anbieterangaben vor (57,1 beziehungsweise 57,4 %), beide unter Opus 5.5. Beide großen Anbieter werben inzwischen mit derselben Kennzahl. Anthropic rechnet vor, dass Opus 5.5 auf mittlerer Denkstufe Astra auf maximaler schlägt, bei etwa einem Fünftel der Kosten pro Aufgabe. OpenAI kontert am 29. September mit GPT-6.1 Sol und exakt derselben Formel.

KI-Abos im Vergleich: was du für 20, 100 und 200 Euro bekommst

Der KI-Abos-Vergleich ist einfacher, als er aussieht. Alle Anbieter haben sich auf drei Stufen eingeschossen (rund 20, 100 und 200 US-Dollar), und alle steuern den Preis über Limits. Die Preise in Euro inklusive Umsatzsteuer, wo der Anbieter sie nennt:

AnbieterEinstiegMitteObenWas die Stufen unterscheidet
ClaudePro 21,42 € (Opus, Sonnet, Haiku, Claude Code)Max 5× 107,10 € (plus 100 $ API-Guthaben im Monat)Max 20× 214,20 € (plus 200 $ API-Guthaben im Monat)5-Stunden-Fenster plus Wochenlimit; Fable 5.1 auf Max und Team Premium bis 50 % des Wochenlimits, auf Pro nur über Extra-Guthaben; das API-Guthaben gilt für API und Agent SDK, nicht für interaktives Claude Code
ChatGPTPlus 23 € (15 bis 160 Sol-Nachrichten je 5 h)Pro 5× 103 €Pro 200 229 € (die für 30.10. geplante Halbierung auf 10× Plus hat OpenAI am 29.10. zurückgenommen; Kontingente aller Pro-Stufen verdoppelt)Wochenkontingente auf allen Stufen; Astra Ultrafast nur auf Pro für 500 $; GPT-5.5 seit 14.10. nicht mehr in ChatGPT und Codex
GeminiAI Pro 19,99 $ (Gemini 4 Argon in der App, Antigravity-Einstieg)AI Ultra 99,99 $AI Ultra 199,99 $Argon seit 13.10. für Pro und Ultra in der App, in Antigravity zunächst für Ultra; Gemini CLI seit 18.06. für Abos abgeschaltet, Ersatz ist die geschlossene Antigravity CLI
Kimi CodePlus 19 $ (Kimi Code)Pro 39 $ / Max 99 $Ultra 199 $neue Stufen: 5-h-Fenster plus Monatspool, kein Wochenkontingent mehr (Altpläne Moderato bis Vivace behalten es); Verarbeitung durch Moonshot AI Pte. Ltd. in Singapur
Muse CodeEveryday 5 $ (Muse Wonder)High 15 $ / Power 50 $ (Muse Wonder Full)Maximum 200 $ (80× Everyday)Contributor-Modus ist Standard: Prompts, Code und Antworten dienen dem Training, abschaltbar
Cursor (X-Abo)Plus 8 $ (nur Grok-Modelle) / Premium 30 $ (4× Plus)Super 100 $ (15× Plus)Ultra 200 $ (50× Plus)seit 12.10. Teil des X-Abos von SpaceX: ein wöchentlicher Grok-Pool für Grok-Apps, X und Cursor; Claude- und GPT-Modelle ab Premium nur separat zu API-Listenpreisen; das alte Cursor Ultra ist für Neukunden geschlossen
GitHub CopilotPro 10 $ (1.500 Credits, davon 500 Flex)Pro+ 39 $ (7.000 Credits) / Max 100 $ (20.000 Credits)Business 19 $ / Enterprise 39 $ je Nutzer (1.900 / 3.900 Credits im Pool)seit 01.06.2026 verbrauchsbasiert, 1 Credit = 0,01 $; Code-Vervollständigung bleibt unbegrenzt

Euro-Preise für Claude nach ssdnodes, für ChatGPT nach heise; Google, Kimi und Meta nennen für Deutschland keine Euro-Preise; Kimi führt für die internationale Plattform Dollar-Preise, in China eine eigene Yuan-Liste. Für Teams sind die Unternehmenssitze relevant: Claude Team Premium mit Claude Code kostet 100 US-Dollar je Sitz im Jahresabo, ChatGPT Business Premium ebenfalls 100; mit USt-ID landet Claude Max 20× bei 180 Euro netto.

Der Unterschied zwischen den Stufen ist kein Modell-Upgrade. Bei Claude bekommt schon Pro für 21 Euro Opus 5.5 und Claude Code. Bei OpenAI bekommt Plus GPT-6 Astra, nur eben fünf bis 45 Astra-Nachrichten je fünf Stunden. Du zahlst für Volumen. Die spannendere Frage lautet deshalb: Wie schnell bin ich am Limit?

Praxis: was Entwickler mit Claude Max, Codex und Kimi wirklich erleben

Auf der Abo-Seite steht „5× Pro". Was davon ankommt, hat Anthropic in den letzten Wochen nach unten korrigiert, OpenAI erst nach unten und dann wieder nach oben.

Anthropic hat am 14. September die im Mai gestartete Aktion „+50 % Wochenlimit" durch ein dauerhaftes „+25 % gegenüber dem alten Basiswert" ersetzt. Das klingt nach Zugabe, ist aber gegenüber dem Stand der letzten vier Monate eine Kürzung um 17 %, was Anthropic nach Kritik auf Hacker News auch so beziffert hat. Geblieben sind die im Mai verdoppelten 5-Stunden-Fenster.

Parallel läuft in den USA seit Juni eine Sammelklage, die behauptet, Max 20× liefere real das Sechs- bis Achtfache von Pro, nicht das Zwanzigfache. Ein Max-20×-Nutzer, der seinen Verbrauch seit Monaten protokolliert, meldet 20 % Wochenverbrauch am ersten Tag nach dem Reset. Sein Fazit: Für 200 US-Dollar noch ja, „in einem Jahr würde ich nicht darauf wetten".

Ein Effekt, den kaum jemand nachrechnet: Fable 5.1 ist auf Max bei 50 % des Wochenlimits gedeckelt und kostet je Token das 2,5-Fache von Opus 5.5. Wer Opus 5.5 als Default setzt, hat nach einer kursierenden Schätzung von Theo Browne rund das Vierfache an effektivem Kontingent.

Seit Anfang Oktober legt Anthropic den Max-Abos API-Guthaben bei: 100 US-Dollar auf Max 5×, 200 auf Max 20×, bis 500 gepoolt im Team. Es verfällt monatlich, gilt für API und Agent SDK, aber ausdrücklich nicht für das interaktive Claude Code. Für den Terminal-Alltag ändert das nichts; wer eigene Agenten baut, bekommt ein zweites Kontingent, das die Rechnung für Max 20× deutlich verschiebt.

OpenAI hat das Problem von der anderen Seite gelöst. Am 10. September wurden die Neuanmeldungen für Pro 20× pausiert, weil dieses Segment laut Codex-Chef Tibo Sottiaux die meiste Last auf den Systemen erzeugt; am 29. September wurde es mit halbiertem Kontingent wieder geöffnet (10× statt 20× Plus), Bestandskunden sollten das alte Kontingent laut der OpenAI-Mail, die Nutzer im Forum zitieren, nur bis 29. Oktober behalten und bekamen einmalig Nutzungsguthaben im Wert von 2.500 US-Dollar. Dann die Kehrtwende: Am 29. Oktober, einen Tag vor dem Stichtag, hat OpenAI die Kürzung zurückgenommen und nach Angaben von Codex-Chef Tibo Sottiaux die Work- und Codex-Kontingente aller Pro-Stufen und von Business Premium verdoppelt; wer bereits die niedrigere Pro-200-Zuteilung hatte, wurde auf die alte angehoben. Zahlen nennt OpenAI wie üblich nicht, Plus bleibt unverändert. Das Zitat aus dem Hook stammt aus dieser Phase: „Wochenlimit gestern zurückgesetzt, heute noch 20 % übrig", schreibt ein Pro-5×-Nutzer im OpenAI-Forum.

Die verbreitete Praxis ist eine Arbeitsteilung: Codex für die Masse an kleinen Änderungen und die Cloud-Parallelisierung, Claude Code für lange, zusammenhängende Sessions. In einer Auswertung von 500 Reddit-Kommentaren bevorzugten 65 % Codex, vor allem wegen der Limits, während Claude Code acht von zwölf Blindrunden gewann, was sich nicht widerspricht.

Abo-Realität: Claude-Code-Wochenlimit minus 17 Prozent, ChatGPT Pro 20x halbiert, Sammelklage 6- bis 8-fach
Abo-Realität: Claude-Code-Wochenlimit minus 17 Prozent, ChatGPT Pro 20x halbiert, Sammelklage 6- bis 8-fach

Kimi ist die dritte Spur, und sie ist ernst zu nehmen. Moonshots Kimi K2.7 Code läuft als Drop-in in Claude Code (ANTHROPIC_BASE_URL auf https://api.moonshot.ai/anthropic umbiegen, fertig) und kostet mit 0,95/4 US-Dollar je Million Tokens rund ein Viertel bis ein Fünftel von Opus 5.5.

Eine Beispielrechnung gegen das damalige Opus 4.8 kam für einen 50-Turn-Agentenlauf auf 0,69 statt 4,00 US-Dollar. Ein Praktiker, der K2.7 rund zwei Wochen in Claude Code gefahren hat, beschreibt es als diszipliniert im Befolgen von Anweisungen, ohne Scope Creep, aber ohne Extended Thinking und mit weniger Community-Wissen um die besten Prompts.

Der Haken liegt woanders. Die internationale Kimi-Plattform betreibt Moonshot AI Pte. Ltd. in Singapur, die Daten werden dort verarbeitet; ein Auftragsverarbeitungsvertrag nach DSGVO-Standard wird öffentlich nicht angeboten. Singapur ist ein Drittland ohne Angemessenheitsbeschluss der EU, die Muttergesellschaft sitzt in Peking. Für einen deutschen Mittelständler mit Kundendaten im Repository ist das ein Ausschlusskriterium, solange keine EU-Instanz mit AVV existiert.

Für Code ohne personenbezogene Daten ist es eine günstige Zweitspur. Ramp misst, dass inzwischen 6,4 % der KI-zahlenden US-Firmen Plattformen einsetzen, die offene oder chinesische Modelle bereitstellen.

Zwei Zahlen zur Einordnung, wie weit die Praxis von den Foren entfernt ist. Nach Menlo Ventures entfielen 2025 rund 54 % der Unternehmensausgaben für KI-Coding auf Anthropic, 21 % auf OpenAI; im Ramp AI Index vom Oktober zahlen 43,8 % der US-Unternehmen an Anthropic und 40,6 % an OpenAI; OpenAI holt mit plus 1,1 Punkten im Monat auf, Anthropic tritt auf der Stelle, und das Token-Volumen wächst seit August kaum noch.

Die Nutzerzahlen erzählen eine andere Geschichte als die Budgets. Die Stack-Overflow-Umfrage 2026 mit über 49.000 Antworten: 84 % nutzen KI-Tools, 29 % vertrauen der Genauigkeit, 3 % „stark", und 66 % sagen, der Code sei „fast richtig, aber nicht ganz". Bei den Werkzeugen führt Copilot mit 68 % der KI-Nutzer, Cursor liegt bei 18 %, Claude Code bei knapp 10 %.

Was das für dein Setup heißt

Ich halte es für einen Fehler, ein Team auf ein einziges Modell zu setzen. Der Grund ist Ökonomie: Die Kosten pro Aufgabe hängen mehr an der Denkstufe als am Modell. Opus 5.5 liefert auf Terminal-Bench 4.0 auf „max" und „xhigh" identische 59,6 %, die höhere Stufe kostet nur mehr Tokens. Meine Empfehlung, Stand heute:

Default ist ein Mittelklasse-Modell auf mittlerer Denkstufe. Heute heißt das Opus 5.5 medium oder GPT-6.1 Sol; beide liefern Spitzenergebnisse bei einem Fünftel der Kosten. Frontier-Modelle, also die jeweils teuerste Spitzenklasse eines Anbieters (Fable 5.1, Astra), sind für das reserviert, wo ein Fehler teuer wird: Security-Review, Architekturentscheidungen, das letzte Auge vor dem Merge.

Für Massenaufgaben mit klaren Anweisungen (Tests generieren, Migrationen schreiben, Dokumentation) lohnt sich eine dritte, günstige Spur, wenn Datenschutz und Auftragsverarbeitung geklärt sind. Das kann Haiku 5.5 sein, Luna, GPT-6.1 Terra, Gemini Flash oder ein offenes Modell auf europäischer Infrastruktur; Mistral Large 4 läuft auf EU-Servern, und die Gewichte liegen seit Ende Oktober auf Hugging Face, für den Eigenbetrieb ohne Vertrag, nur Model-as-a-Service-Anbieter brauchen einen.

Drei-Spuren-Setup für KI-Modelle im Vergleich: Default, Review und Masse innerhalb eines Harness
Drei-Spuren-Setup für KI-Modelle im Vergleich: Default, Review und Masse innerhalb eines Harness

Wie ich im Beitrag „Agent = Harness + Modell" beschrieben habe, entscheidet der Harness aus Kontext, Gedächtnis, Tools und Evals darüber, ob ein Agent produktiv ist. In einem sauber gebauten Setup ist der Modellwechsel eine Konfigurationszeile, die ANTHROPIC_BASE_URL von oben ist das Beispiel.

Wenn ein Wechsel von Opus 5 auf 5.5 Tage kostet, sitzt die Abhängigkeit an der falschen Stelle. Und wer Kundendaten durch ein Modell außerhalb der EU schickt, weil es fünfmal billiger ist, sollte vorher unseren Beitrag zum europäischen KI-Stack lesen.

Für die Abo-Entscheidung: Ein Team von fünf Entwicklern fährt mit Claude Team Premium (100 US-Dollar je Sitz, Claude Code inklusive) oder ChatGPT Business Premium besser als mit fünf privaten Max-Abos. SSO und Audit-Logs sind der eine Grund.

Der andere: Auf dem Team- und Business-Plan werden Chats standardmäßig nicht zum Training verwendet und gehören dem Unternehmenskonto, auf privaten Abos hängen sie am Mitarbeiter und wandern mit ihm. Wer Cursor oder Copilot behält, sollte wissen, dass beide inzwischen nach Verbrauch abrechnen: Copilot in Credits zu einem Cent, Cursor seit dem 12. Oktober als Teil des X-Abos, in dem nur Grok-Modelle im Pool stecken und Claude oder GPT separat zu API-Listenpreisen laufen.

Welche Modelle, Abos und Datenwege zu deinem Unternehmen passen, klären wir in der KI-Beratung für den Mittelstand.

Was ich bis zur nächsten Prüfung beobachte

Sechs offene Fäden, an denen sich dieser Beitrag in den nächsten Wochen ändern wird.

Bei OpenAI ist die Pro-200-Kürzung vom Tisch; offen ist, ob die verdoppelten Kontingente bleiben, denn Zahlen hat OpenAI nicht genannt. Bei Cursor laufen bestehende Pro- und Ultra-Abos mit ihrem Drittmodell-Kontingent weiter, bis der Nutzer ins X-Abo wechselt; ein Enddatum hat Cursor nicht genannt. Google hat mit Carbon die Spitze des Index, aber nur für Fairwind-Partner; wann Entwickler und Abonnenten es bekommen, ist offen, und am 30. November endet der Einführungspreis für Argon. Mistral hat die Gewichte geliefert; offen ist, wie weit die Model-as-a-Service-Klausel der neuen Lizenz in der Praxis reicht. Moonshot verspricht die Gewichte von Kimi K3.1 Pro bis 4. November, ohne Lizenz; erst dann zählt das Modell im Rückstand-Vergleich als offen. Und die Sammelklage gegen Anthropics Max-Limits ist anhängig; ein Urteil oder Vergleich würde die Abo-Tabelle oben direkt betreffen.

Häufige Fragen

Welches KI-Modell ist derzeit das beste? Im Gesamtindex von Artificial Analysis (v5) steht Googles Gemini 4 Carbon mit 59 Punkten vorn, ist aber nur für Fairwind-Partner freigeschaltet; unter den verfügbaren Modellen führt Claude Opus 5.5 den Index und die Berufsaufgaben von GDPval-AA, auf Terminal-Bench 4.0 Moonshots Kimi K3.1 Pro, für Wissen und interaktives Schlussfolgern GPT-6 Astra (Humanity's Last Exam, ARC-AGI-3). Metas Muse Wonder Full liegt bei GDPval-AA auf Platz 2, ist aber nur im Muse-Code-Abo erreichbar. Der Abstand ist kleiner als der Preisunterschied.

Lohnt sich Claude Max 20× noch? Wenn du täglich mehrere Stunden in Claude Code arbeitest und Opus 5.5 statt Fable als Default setzt, ja. Rechne mit 214 Euro brutto und damit, dass ein einziger großer Agentenlauf spürbar am Wochenlimit zehrt. Seit Oktober liegen 200 US-Dollar API-Guthaben im Monat bei, die aber nur für API und Agent SDK gelten, nicht für Claude Code. Für Teams ist Team Premium mit 100 US-Dollar je Sitz meist die bessere Konstruktion.

Kann ich Kimi K3 in Deutschland geschäftlich nutzen? Technisch ja, per API oder als Drop-in in Claude Code. Rechtlich hängt es davon ab, welche Daten du sendest: Die Verarbeitung läuft über Moonshot AI Pte. Ltd. in Singapur, einem Drittland ohne EU-Angemessenheitsbeschluss, und ein Auftragsverarbeitungsvertrag wird öffentlich nicht angeboten. Für Code ohne personenbezogene Daten ist es eine günstige Zweitspur, für Kundendaten nicht.

Warum stehen in Anbieter-Blogs andere Benchmark-Zahlen als hier? Weil Anbieter mit eigenem Harness, maximaler Denkstufe und teils mehreren Versuchen messen. Unabhängige Stellen wie Artificial Analysis, ARC Prize oder Scale messen mit festem Harness und Budget. Dieser Beitrag nennt bevorzugt die unabhängigen Werte und markiert Anbieterangaben als solche.

Wo finde ich eine übersichtliche Übersicht der wichtigsten KI-Modelle im Vergleich?
In diesem Beitrag stehen die relevanten Modelle in einer Vergleichstabelle nach Anbieter, Release, Kontextfenster, API-Preis und Open Weights, dazu die Spitzenreiter der wichtigsten Benchmarks und die Abo-Stufen der Anbieter. Für technische Vergleiche helfen zusätzlich öffentliche Benchmarks. Für die Praxis entscheidend ist, wie ein Modell bei der eigenen Aufgabe abschneidet, deshalb lohnt ein kurzer Test mit echten Beispielen.

Changelog

Hier steht jede Änderung an Modellen, Preisen, Limits und Top-3-Platzierungen, mit Datum. Was nicht hier steht, hat sich nicht geändert.

  • 30.10.2026 — Prüfung (ersetzt den ausgefallenen Termin vom 26.10.). Artificial Analysis Index v5 seit 27.10. (60 % private Sets, neue Scores: Opus 5.5 58, Astra 57, Sol 55, Sonnet 5.5 54, Argon 50, Wonder Full 50, Kimi K3.1 Pro 46, DeepSeek V4.1 Flash 32). Neu: Gemini 4 Carbon (28.10., AA v5 59 = Platz 1, Terminal-Bench 4.0 65,2 %, nur Fairwind-Partner, 2/10 → 4/20 $), GPT-6.1 Terra (26.10., 1/5 $, AA 51), Moonshot Kimi K3.1 Pro (23.10., 2/10 $, Terminal-Bench 4.0 67,2 % = Platz 1, GDPval-AA Platz 3, Gewichte bis 04.11.), Mistral Large 4 Gewichte (29.10., Mistral Ecosystem Open-Weight License, AA v5 26). OpenAI nimmt die Pro-200-Halbierung am 29.10. zurück und verdoppelt die Kontingente aller Pro-Stufen und von Business Premium. Arena WebDev 924.000 Votes, Reihenfolge unverändert. Claude-, Gemini-, Kimi-, Cursor-, Copilot-Abos unverändert.
  • 19.10.2026 — Wöchentliche Prüfung. Neu: Meta Muse Spark Open (15.10., offene Gewichte unter Muse Model License, 816 Mrd. Parameter, AA-Index 39), DeepSeek V4.1-Flash-1017 (17.10., MIT, 0,30/1,20 $ Hauptzeit, AA-Index 45). Cursor seit 12.10. Teil des X-Abos von SpaceX (Plus 8 / Premium 30 / Super 100 / Ultra 200 $, Claude/GPT separat zu API-Preisen). GitHub Copilot: Pro 1.500 Credits, Pro+ 7.000, neue Stufe Max 100 $. ARC-AGI-3: GPT-6.1 Sol 52,7 % im Standard-Harness (Platz 2). Arena WebDev auf 902.000 Votes aktualisiert, Reihenfolge unverändert. DeepSeek-V4-Pro-Preis nachgetragen (0,66/1,98 $ außerhalb der Hauptzeit). Ramp-Index (Oktober): 43,8 % Anthropic / 40,6 % OpenAI. Spitze der Indizes unverändert.
  • 14.10.2026 — Wöchentliche Prüfung (enthält die Prüfung vom 5. Oktober). Neu: Claude Haiku 5.5 (07.10., 0,10/0,50 $), Mistral Large 4 Preview (06.10., AA-Index 38, Gewichte Ende Oktober), Meta Muse Wonder (12.10., 4/20 $ per API; Wonder Full nur im Muse-Code-Abo, AA-Index 56, GDPval-AA Platz 2), Gemini 4 Argon (seit 13.10. allgemein verfügbar, 2/10 $ bis 30.11., AA-Index 53). Anthropic: Max 5×/20× bekommen 100/200 $ API-Guthaben im Monat (nicht für Claude Code). Arena WebDev: Sonnet 5.5 auf Platz 3 vor Fable 5.1. ChatGPT Pro 200 $ offiziell 10× Plus (Schonfrist bis 29.10.), GPT-5.5 am 14.10. aus ChatGPT und Codex entfernt. Kimi Code: neue Dollar-Stufen Plus 19 / Pro 39 / Max 99 / Ultra 199 $. Ramp-Index (September): 43,8 % Anthropic / 39,8 % OpenAI.
  • 01.10.2026 — Erstveröffentlichung (Datenstand 30.09.). Stand: Opus 5.5, Sonnet 5.5, GPT-6 Astra, GPT-6.1 Sol, Gemini 3.8 Flash, Grok 4.7, Kimi K3, MiMo-V2.6-Pro. Claude-Wochenlimit −17 % seit 14.09., ChatGPT Pro 20× seit 29.09. wieder offen (halbiert).
Nächster Schritt

Welches KI-Modell passt zu deinem Anwendungsfall?

Wir schauen mit dir auf deine Aufgaben und Daten und empfehlen Modelle und Abos, die dazu passen. Das Erstgespräch ist kostenlos.