Rangliste

Agentic Rankings

Autonome Tool-Nutzung: OSWorld, Toolathlon, MCP Atlas, τ²-Bench.

89 Modelle
#ModellPodium ScoreOSWorldToolathlonMCP Atlasτ²-Bench RetailApex AgentsGeschwindigkeit
01
Kimi K3
Moonshot AIOffenReasoning
100.0
—73.2%84.2%—37.6%37 t/s
02
Claude Fable 5
AnthropicReasoning
96.2
———98.5%—71 t/s
03
Claude 5.5 Sonnet
AnthropicReasoning
89.4
84.5%——92.5%—94 t/s
4
Gemini 4 Argon
GoogleReasoningVorschau
87.0
81%——90%—88 t/s
5
GPT-6.1 Sol
OpenAIReasoning
86.5
80%——89%—75 t/s
6
MiMo v2.6 Flash
XiaomiOffen
84.0
74%——83%—118 t/s
7
Kimi K3.1 Pro
Moonshot AIOffenReasoning
82.0
———90%—45 t/s
8
Gemini 3.1 Pro Preview
GoogleReasoningVorschau
82.0
75%——86%—105 t/s
9
Mistral Large 4
MistralReasoning
81.0
72%——84%—92 t/s
10
81.0
71%——80%—110 t/s
11
Claude 5.5 Haiku
AnthropicReasoning
78.5
68%——81%—145 t/s
12
75.9
———95.3%—267 t/s
13
74.9
—59.9%82.2%94.4%—50 t/s
14
74.3
——77.3%——80 t/s
15
Kimi K3.1 Highspeed
Moonshot AIOffenReasoning
74.0
———84%—130 t/s
16
74.0
62%——75%—210 t/s
17
GPT-6 Astra
OpenAIReasoning
72.6
72.6%——88%—82 t/s
18
Deepgram Flux
Independent
72.0
—————260 t/s
19
71.5
——76.4%94.7%—203 t/s
20
70.0
—————240 t/s
21
Simba 3.2
IndependentReasoning
70.0
———78%—62 t/s
22
70.0
—————220 t/s
23
MiMo V2.5 Pro
XiaomiOffen
69.0
———94.2%—65 t/s
24
68.0
—————260 t/s
25
GLM-5.2
Z.aiOffen
66.9
—48.2%76.8%99.1%—164 t/s
26
65.0
—————200 t/s
27
Qwen3.8 Flash Next
AlibabaOffen
63.5
—————168 t/s
28
62.6
——69.2%95.6%33.5%136 t/s
29
GLM-4.5 Air
Zhipu AIOffenReasoning
62.0
———76%—96 t/s
30
GPT-5.5
OpenAI
61.1
—55.6%75.3%93.9%—60 t/s
31
GLM-5.3 Flash
Z.aiOffen
61.0
—————182 t/s
32
59.0
——73.2%——54 t/s
33
58.0
—————175 t/s
34
58.0
—————78 t/s
35
55.0
—————150 t/s
36
52.6
—39.8%74.1%97.7%—55 t/s
37
52.0
—————165 t/s
38
51.9
———91.5%—80 t/s
39
50.0
—————140 t/s
40
DeepSeek V4 Pro
DeepSeekOffen
49.7
—51.8%73.6%91.2%—66 t/s
41
DeepSeek V4.1 Flash
DeepSeekOffenReasoning
48.0
—————214 t/s
42
45.0
—————230 t/s
43
43.3
—53.4%———175 t/s
44
43.1
72.7%—62.7%84.8%—50 t/s
45
Kimi K2.7 Code
Moonshot AIOffen
43.0
———90.1%—39 t/s
46
42.0
—————115 t/s
47
GPT-5.4
OpenAI
41.6
—54.6%67.2%——60 t/s
48
Agnes 3.0 Flash
AgnesReasoning
40.0
—————235 t/s
49
37.0
—————65 t/s
50
36.7
—48.5%79.1%—25.6%69 t/s
51
36.0
—————120 t/s
52
G9v3-39A5B
AI9StarsOffen
36.0
—————60 t/s
53
G9v3-3B
AI9StarsOffen
36.0
—————60 t/s
54
GLM-5.3
Zhipu AI
36.0
—————90 t/s
55
36.0
—————59 t/s
56
36.0
—————59 t/s
57
36.0
—————62 t/s
58
HyperNova 60B
MultiverseOffen
36.0
—————367 t/s
59
LFM2.5-2.6B
Liquid AIOffen
36.0
—————60 t/s
60
LFM2.5-8B-A1B
Liquid AIOffen
36.0
—————338 t/s
61
LongCat 2.0
LongCatOffen
36.0
—————42 t/s
62
36.0
—————60 t/s
63
36.0
—————53 t/s
64
Qwen3.8 27B (low)
AlibabaOffen
36.0
—————64 t/s
65
36.0
—————62 t/s
66
Qwen3.8 27B (Non-reasoning)
AlibabaOffenReasoning
36.0
—————62 t/s
67
MiniMax M3
MiniMax
35.4
———88.9%—93 t/s
68
DeepSeek V4 Flash
DeepSeekOffen
35.3
—47.8%69%——113 t/s
69
33.9
—58%—85.1%—72 t/s
70
FLUX.2 Pro
Black Forest Labs
32.0
—————30 t/s
71
30.7
—53.1%—86.3%—127 t/s
72
30.0
—————25 t/s
73
FLUX.2 Max
Independent
30.0
—————35 t/s
74
28.0
—————34 t/s
75
FLUX.2 Dev
Black Forest LabsOffen
28.0
—————28 t/s
76
Kimi K2.6
Moonshot AIOffen
26.3
—50%——27.9%40 t/s
77
25.0
—————25 t/s
78
24.1
———87.1%—120 t/s
79
LTX-2.3 Pro
Lightricks
22.0
—————18 t/s
80
FLUX.2 Klein 9B
Black Forest LabsOffen
22.0
—————55 t/s
81
Wan 2.2 A14B
AlibabaOffen
20.0
—————15 t/s
82
LTX-2.3 Fast
Lightricks
20.0
—————60 t/s
83
FLUX.2 Klein 4B
Black Forest LabsOffen
18.0
—————90 t/s
84
GPT-5.2
OpenAI
17.4
—46.3%60.6%——90 t/s
85
17.1
———86%—118 t/s
86
15.9
—49.4%57.4%——120 t/s
87
7.3
72.5%—61.3%——50 t/s
88
Qwen3.5 397B-A17B
AlibabaOffen
0.0
—38.3%———71 t/s
89
0.0
———83.3%—142 t/s
Der Podium Score ist eine gewichtete Mischung aus fünf Ranglisten. Siehe Methodik für Details.
0 / 4