Kategorie · 169 Artikel · neuester 10.11.2026 · Seite 5
Benchmarks
benchmarks·PIDS-Bench: Wie schwach Prompt-Injection-Detektoren wirklich sind
benchmarks·Wan 3.0 im Test: Alibabas KI-Videomodell auf Platz 1Alibabas Wan 3.0 generiert bis zu 30 Sekunden Video mit Audio und führt das Arena-Ranking an.
benchmarks·Grok Imagine Image 2.0 im Test: xAI-Bildgenerator und Preise
benchmarks·GPT Image 2.5 im Test: Sunburst vs. Flare, Bildpreise & Speed
benchmarks·ExceptionDrive: Neuer Benchmark testet autonome Fahrzeuge in seltenen Gefahrensituationen
benchmarks·Beste Video-KI 2026: 10 Modelle im Test und Vergleich
benchmarks·GPT-6 Astra Halluzinationstest: Erfundene Fakten erkennenWir haben vier Top-Modelle mit erfundenen Personen, Gesetzen und Städten getestet.
benchmarks·Weniger bekannte KI-Bildgeneratoren schlagen Midjourney im Test
benchmarks·Claude Fable 5.1 Test: Eine Aufgabe brachte das Modell zum AbsturzWir haben Claude Fable 5.1 am Release-Tag getestet.
benchmarks·GPT-6 Astra Benchmarks: Drei Tests, in denen das Modell verliert
benchmarks·GPT-6 Astra Test: Polnisch, Code, langer Kontext (Ergebnisse)
benchmarks·Imagen 2 vs Imagen 3 vs DALL-E 3: Test mit 6 Aufgaben
benchmarks·Token-Steuer 2026: Polnischer Text kostet bei Claude 56% mehr
benchmarks·GPT-6 Astra für Entwickler: Code-Tests im Detail
benchmarks·ChatGPT Bildbearbeitung: 11 Korrekturen im TestÄndert eine Korrektur nur den gewünschten Bildbereich?
benchmarks·Qwen3.8 Max Test: 13 Aufgaben, Preise und Zugang
benchmarks·GLM 5.3 Kosten: Was das günstige Modell wirklich kostet
benchmarks·OpenRouter Preise: Derselbe Anbieter kostet 14x mehrDasselbe Modell auf OpenRouter wird von dutzenden Firmen gehostet - jede mit eigenem Preis.
benchmarks·GPT-6 Astra Test: 11 KI-Modelle im Vergleich - Code & InstruktionenNeun Aufgaben, elf Modelle, automatische Bewertung.
benchmarks·Was kostet ein KI-Artikel? DeepSeek V4 Flash vs. Claude FableAcht Modelle, ein 900-Wörter-Artikel, echte Kosten statt Preisliste. Der günstigste: 0,00039 USD.
benchmarks·Gemini 3.8 Flash Kontextfenster-Test: 2 von 5 Modellen versagtenWir versteckten einen Satz in 90.000 Zeichen polnischem Text und ließen fünf KI-Modelle danach suchen.
benchmarks·KI-Modelle 2026: Reasoning lässt sich nicht mehr abschalten
benchmarks·Claude Opus 5 & Co: Biologiefragen im Test - null AblehnungenAnthropic verschärfte die Sicherheitsvorkehrungen bei Dual-Use-Fragen.
benchmarks·KI-Modelle: Skala 0-20 funktioniert besser als 0-100
benchmarks·GPT-4.1 Agent: Wiederholbarkeit von KI-Agenten im Test
benchmarks·AI-Modelle im Test 16.09.2026: 7 Modelle, 4 Aufgaben