KI-Modelle im Vergleich: Intelligenz, Preis und Pentest-Leistung.
Zwei unabhängige Benchmarks, auf unseren Katalog abgebildet: der Artificial Analysis Intelligence Index für allgemeine Leistungsfähigkeit und BB Arena für autonome Schwachstellensuche. Wir pflegen beide Datensätze von Hand und nennen Quelle und Stand.
Mehr Intelligenz pro Euro.
Jeder Punkt ist ein Modell aus unserem Katalog: oben stärker im Index, links günstiger. Der Preis ist der aktuelle Katalogpreis bei 2342.ai, nicht der Listenpreis des Herstellers.
- EU- oder Deutschland-Datenweg
- Externer Datenweg
Preis im Diagramm: 75 % Input und 25 % Output zum aktuellen Katalogpreis, ohne Cache. Logarithmische Achse: jeder Rasterschritt verdoppelt den Preis. Indexwerte bei der von Artificial Analysis standardmäßig gelisteten Reasoning-Stufe. Mehr Reasoning ändert den Tokenverbrauch, nicht den Preis je Token.
Benchmark: Artificial Analysis Intelligence Index v4.3.2, Stand 14.10.2026. Preise: Live-Katalog von 2342.ai. Artificial Analysis ↗
| Modell | Index | Reasoning | Preis 3:1 | Input | Output | Datenweg | Quelle |
|---|---|---|---|---|---|---|---|
| Claude Opus 5.5 | 58 | max | 11,44 € | 5,72 € | 28,60 € | EU | Details ↗ |
| Claude Sonnet 5.5 | 56 | max | 5,72 € | 2,86 € | 14,30 € | EU | Details ↗ |
| ChatGPT 6 Astra | 53 | max | 28,60 € | 14,30 € | 71,50 € | Extern | Details ↗ |
| ChatGPT 6.1 Sol | 52 | max | 5,72 € | 2,86 € | 14,30 € | EU | Details ↗ |
| Claude Opus 5 | 51 | max | 14,30 € | 7,15 € | 35,75 € | EU | Details ↗ |
| ChatGPT 6 Sol | 48 | max | 5,72 € | 2,86 € | 14,30 € | EU | Details ↗ |
| ChatGPT 5.6 Sol | 47 | max | 10,40 € | 5,20 € | 26,00 € | EU | Details ↗ |
| GLM 5.3 | 45 | max | 3,07 € | 2,00 € | 6,29 € | EU | Details ↗ |
| Kimi K3 | 44 | max | 7,80 € | 3,90 € | 19,50 € | EU | Details ↗ |
| GLM 5.3 Flash | 42 | reasoning | 0,284 € | 0,140 € | 0,715 € | EU | Details ↗ |
| ChatGPT 5.6 Terra | 42 | max | 5,85 € | 2,60 € | 15,60 € | EU | Details ↗ |
| Claude Opus 4.8 | 42 | max | 14,30 € | 7,15 € | 35,75 € | EU | Details ↗ |
| Gemini 3.7 Flash | 39 | high | 1,95 € | 0,975 € | 4,88 € | EU | Details ↗ |
| ChatGPT 6 Luna | 38 | max | 0,286 € | 0,143 € | 0,715 € | EU | Details ↗ |
| Claude Sonnet 5 | 38 | max | 5,72 € | 2,86 € | 14,30 € | EU | Details ↗ |
| ChatGPT 5.6 Luna | 37 | max | 0,585 € | 0,260 € | 1,56 € | EU | Details ↗ |
| DeepSeek V4 Pro | 36 | max | 2,69 € | 2,08 € | 4,52 € | Extern | Details ↗ |
| Qwen 3.8 27B | 34 | xhigh | 0,949 € | 0,312 € | 2,86 € | Extern | Details ↗ |
| Gemini 3.6 Flash | 34 | high | 1,95 € | 0,975 € | 4,88 € | EU | Details ↗ |
| GLM 5.2 | 34 | max | 2,61 € | 1,70 € | 5,35 € | Extern | Details ↗ |
| MiniMax M3 | 29 | reasoning | 0,682 € | 0,390 € | 1,56 € | Extern | Details ↗ |
| Kimi K2.5 | 23 | reasoning | 1,56 € | 0,780 € | 3,90 € | EU | Details ↗ |
KI-Pentest-Benchmark: Welche Modelle finden und beweisen echte Schwachstellen?
BB Arena lässt jedes Modell als autonomen Agenten ohne Quellcode und ohne Hinweise auf 100 private Web- und API-Labs los. Ein Lab zählt nur, wenn ein versteckter Verifier alle vier Stufen bis zum vollständigen Exploit bestätigt.
| Rang | Modell | Gelöst | Labs mit Verweigerung | Bei 2342.ai |
|---|---|---|---|---|
| 1 | Grok 4.6 high · xAI · Proprietär | 0 | – | |
| 2 | Claude Opus 5 high · Anthropic · Proprietär | 0 | EU | |
| 3 | Grok 4.7 high · xAI · Proprietär | 0 | – | |
| 4 | DeepSeek V4.1 Flash max · DeepSeek · Offene Gewichte | 0 | – | |
| 5 | GLM 5.3 max · Zhipu AI · Offene Gewichte | 0 | EU | |
| 6 | MiMo V2.6 Pro high · Xiaomi · Offene Gewichte | 0 | – | |
| 7 | Muse Spark 1.3 max · Meta · Proprietär | 0 | – | |
| 8 | Mistral Large 4.0 high · Mistral · Proprietär | 0 | – | |
| 9 | SWE-2 max · Cognition · Proprietär | 0 | – | |
| 10 | Step-5 Preview high · StepFun · Proprietär | 0 | – | |
| 11 | MiMo V2.6 Flash high · Xiaomi · Offene Gewichte | 0 | – | |
| 12 | Claude Mythos 5.1 high · Anthropic · Proprietär | 52 | – | |
| 13 | GLM 5.3 Flash max · Zhipu AI · Offene Gewichte | 0 | EU | |
| 14 | ChatGPT 5.6 Sol high · OpenAI · Proprietär | 0 | EU | |
| 15 | Claude Sonnet 5 high · Anthropic · Proprietär | 1 | EU | |
| 16 | Gemini 3.8 Flash high · Google · Proprietär | 71 | – | |
| 17 | Claude Sonnet 5.5 high · Anthropic · Proprietär | 26 | EU | |
| 18 | Claude Opus 5.5 high · Anthropic · Proprietär | 51 | EU | |
| 19 | ChatGPT 6 Sol high · OpenAI · Proprietär | 0 | EU | |
| 20 | ChatGPT 6 Sol Daybreak Blue high · OpenAI · Proprietär | 0 | – | |
| 21 | Qwen3.8 Max max · Alibaba · Proprietär | 97 | – | |
| 22 | Qwen3.8 Flash max · Alibaba · Proprietär | 97 | – | |
| 23 | Claude Haiku 5.5 high · Anthropic · Proprietär | 0 | – | |
| 24 | ChatGPT 6.1 Sol high · OpenAI · Proprietär | 67 | EU | |
| 25 | ChatGPT 6 Astra high · OpenAI · Proprietär | 35 | Extern |
„Labs mit Verweigerung“: Labs, in denen die Schutzmechanismen des Anbieters mindestens einen Versuch gestoppt haben, durch Ablehnung oder durch Antwort eines anderen Modells. Gestoppte Versuche zählen null. BB Arena testet über die Hersteller-API mit fester Reasoning-Stufe; über 2342.ai kann das Verhalten je nach Endpunkt und Einstellung abweichen. Kostenangaben von BB Arena übernehmen wir nicht: Sie beruhen auf Listenpreisen der Hersteller am Testtag, nicht auf unseren Preisen.
Quelle: du Preez, M. (2026). BB Arena: a black-box cyber benchmark for AI models (bbarena v1.0). MDP SEC. Abgerufen am 14.10.2026. blackboxarena.ai ↗ · Methodik von BB Arena ↗
Die Security-LLMs und Abliterated-Modelle aus unserem Katalog sind in BB Arena bisher nicht getestet. Wir zeigen nur veröffentlichte Ergebnisse.
Selbst messen statt nur vergleichen.
Benchmarks zeigen eine Richtung. Ob ein Modell deine Aufgabe zuverlässig löst, prüfst du am besten mit deinen eigenen Daten, mit Budget und Datenweg unter Kontrolle.