Unabhängige KI-Tests: Wissnox Labor

👁 118 Aufrufe

Das Wissnox Labor versammelt meine unabhängigen KI-Tests: Sprachmodelle, Bild-, Video-, Sprach- und Musikgeneratoren sowie lokale Modelle auf einer GeForce RTX 4090. Jeder Test besitzt ein genaues Datum, eine Stichprobengröße, eine dokumentierte Methode, belegte API-Kosten und, wo möglich, Rohdaten zum Herunterladen.

Wie ich teste

Die Testprinzipien bleiben über alle Kategorien hinweg identisch. Ausführliche Details zu Versionen und Parametern sind in den Quellen der Einzeltests sowie auf der Seite Wie getestet wird dokumentiert.

• Identische Prompts und Einstellungen. Alle Modelle erhalten denselben Prompt und identische Parameter, etwa beim Schreibtest die gleiche Reasoning-Stufe (effort=low). Bilder und Videoclips erstelle ich in einem einzigen Durchlauf ohne Cherry-Picking.
• Verblindete Bewertungen bei offenen Aufgaben. Antworten ohne einzelne Musterlösung werden von drei Prüfern unterschiedlicher Anbieter unter Zufallscodes bewertet. Urteile eines Prüfers vom selben Anbieter wie das Testmodell werden gestrichen. Stimmen lassen sich im Blindtest vergleichen.
• Messung statt Bauchgefühl. Gesprochene Sprache prüfe ich per Spracherkennung mit Whisper large-v3 auf Wortfehlerraten, Text in Bildern Zeichen für Zeichen, Layout-Treue über IoU und SSIM sowie Korrekturaufgaben über einen festen Lösungsschlüssel. Token, Laufzeit und Kosten stammen direkt aus den API-Rückmeldungen.
• Hardware und Systemzugang. Lokale Benchmarks laufen auf RTX 4090 24 GB, i9-14900KF, 64 GB RAM unter Windows 11 mit llama.cpp, Ollama und ComfyUI. Cloud-Modelle prüfe ich über öffentliche APIs (offizielle Schnittstellen der Anbieter und API-Gateways).
• Feste Testzeitpunkte. Da Modelle laufend aktualisiert werden, dokumentiert jedes Ergebnis den Zustand am Tag des Tests. Das exakte Datum steht in jeder Tabelle und jedem Beitrag.
• Reale Kostenbelege. Ich weise die echten Ausgaben aus: Die erste Ausgabe des Schreibtests kostete 6,12 USD, die Video Arena 8,54 USD. Bei lokalen Modellen messe ich die Leistungsaufnahme der Grafikkarte.
• Vollständige Transparenz. Modellantworten, Bilder, Clips und Tondateien binde ich ungekürzt in die Artikel ein. Rohdaten des Schreibtests stehen als Paket 2026-09-pisanie-po-polsku.zip bereit.
• Offene Korrekturen. Entdecke ich einen Fehler in einem Skript oder Lösungsschlüssel, korrigiere ich diesen öffentlich im Testbericht.
• Reale Aussagegrenzen. Ein Einzeldurchlauf pro Aufgabe dokumentiert ein reproduzierbares Messergebnis, ersetzt aber keine statistische Vollerhebung über tausende Varianten.

Alle Tests

Hier finden Sie ausschließlich Tests, die ich selbst durchgeführt und auf Wissnox publiziert habe. Die Spalte Stichproben beziffert die Zahl der Modelle, Aufgaben oder Mediendateien.

Schreiben, Korrektur und Wissen (polnischer Stresstest)

Lokale KI auf RTX 4090

Video-Generatoren

Bild-Generatoren

Stimme, Transkription und Musik

KI-Detektoren und Betriebskosten

Schreiben auf Polnisch: Ergebnisse auf einer Skala

Neue Modelle teste ich direkt am Tag der Veröffentlichung auf denselben 13 Aufgaben wie in der ersten Ausgabe vom 26. September 2026. Über fest definierte Anker-Modelle wird die Bewertung kalibriert, sodass sich die Werte direkt mit der ersten Ausgabe vergleichen lassen. Die Aufgaben dienen als gezielter Härtetest für komplexe Grammatik außerhalb des Englischen.

Die erste Ausgabe umfasste 16 Modelle von 9 Unternehmen, 13 Aufgaben (9 Schreibaufgaben, 2 Korrekturläufe, 2 Wissenstests) und 351 verblindete Prüfer-Urteile bei Gesamtkosten von 6,12 USD (aufgeteilt in 3,19 USD für Modellantworten, 2,75 USD für Gutachter-Modelle und 0,18 USD für Fehlversuche). Das beste Preis-Leistungs-Verhältnis bot GPT-6 Luna mit 82,8 Punkten für 0,002 USD über alle 9 Schreibaufgaben hinweg. Die vollständigen Rohdaten inklusive Bewertungsnotizen stehen im Paket 2026-09-pisanie-po-polsku.zip bereit.

Themenübersichten und Leitfäden

Frühere Einzeltests

Vor dem Start der standardisierten Labor-Reihen habe ich spezifische Einzelfragen in separaten Testreihen untersucht:

• AI-Modelle im Test 16.09.2026: 7 Modelle, 4 Aufgaben
• GPT-6 Astra Halluzinationstest: Erfundene Fakten erkennen
• AI Act Chatbot Test: 8 von 9 Modellen nennen veraltete Fristen
• Gemini 3.8 Flash Kontextfenster-Test: 2 von 5 Modellen versagten
• ChatGPT Bildbearbeitung: 11 Korrekturen im Test
• GPT-6 Astra Test: 11 KI-Modelle im Vergleich - Code & Instruktionen
• Claude Opus 5.5 Datenanalyse: 43 von 44 Aussagen korrekt

Grundsätze der Unabhängigkeit

• Keine bezahlten Platzierungen. Kein Anbieter kann sich in Tests oder Ranglisten einkaufen. Alle API-Kosten bezahle ich selbst und weise die Beträge im Test aus.
• Reihenfolge rein nach Messung. Die Positionierung ergibt sich aus den erfassten Messwerten, nicht aus dem Vorhandensein eines Partnerprogramms.
• Gekennzeichnete Partnerlinks. Wenn Affiliate-Links eingesetzt werden, sind diese mit rel=“sponsored“ markiert. Sie haben keinerlei Einfluss auf Testnoten oder kritische Urteile.
• Transparenz bei eigenen Werkzeugen. Eigene Projekte werden ausdrücklich offengelegt: AUTHORRA ist ein von mir entwickelter KI-Textdetektor und wurde im Orélien-Test neutral neben Pangram und ZeroGPT mitgeführt. Zudem betreibe ich das API-Werkzeug Jantaris.
• Offenlegung von Korrekturen. Fehler in Daten oder Skripten korrigiere ich transparent gemäß den redaktionellen Richtlinien.

Wer hinter den Tests steht

Alle Tests im Wissnox Labor werden von mir, dem Autor von Wissnox, eigenhändig konzipiert, programmiert und ausgewertet. Für lokale Tests nutze ich ein festes Testsystem mit einer GeForce RTX 4090 24 GB, Intel Core i9-14900KF, 64 GB RAM unter Windows 11. Ich verfolge Modellveröffentlichungen täglich und teste relevante Neuzugänge meist am Tag des Erscheinens auf demselben Aufgabenkatalog.

Kontakt und Feedback

• Vorschläge für neue Testmodelle oder Tools einreichen: Bitte auf der Kontaktseite angeben, über welchen Weg der Zugriff möglich ist (öffentliche API, Web-App oder offene Modellgewichte).
• Fehler in Daten oder Kennzahlen melden: Korrekturen werden im jeweiligen Testbericht dokumentiert.
• Zusätzliche Rohdaten anfragen: Die Daten des Schreibtests sind im ZIP-Paket enthalten; weitere Logs stelle ich auf Nachfrage bereit.

Geplante Testreihen

Kommende Testreihen folgen dem gleichen standardisierten Aufbau:

• Dokumentenzusammenfassungen - Verträge und Berichte mit Auswertung ausgelassener und erfundener Fakten.
• Programmierung mit nicht-englischen Prompts - Code-Generierung auf Basis nicht-englischer Aufgabenstellungen inklusive Dokumentation.
• Längere Übersetzungen - Zusammenhängende Fachtexte statt isolierter Einzelsätze zur Prüfung von Terminologietreue.

Hierbei handelt es sich um eine Arbeitsplanung ohne feste Veröffentlichungstermine.

Häufig gestellte Fragen

// weiterlesenGPT-6 Astra Benchmarks: Drei Tests, in denen das Modell verliertBenchmarksGPT-6 Astra für Entwickler: Code-Tests im DetailBenchmarksGPT-6 Astra und GPT-6-Familie: Preise, Tests und VerfügbarkeitStand der KI