🏆
Ranglisten
LLM Leaderboard
Reale Messergebnisse aller getesteten Sprachmodelle auf echter, benannter Hardware – bewertet nach roher Geschwindigkeit (Performance in Token pro Sekunde, Prefill und Zeit bis zum ersten Token) und nach praktischer Aufgaben-Qualität in vollständigen Agenten- und Chat-Abläufen (Harness). Wähle unten einen Benchmark-Typ oder filtere nach Modell, Hersteller und Hardware, um genau zu sehen, was jeweils geprüft wird und wie die Ergebnisse zustande kommen.
⚡ Performance (tok/s)🤖 Harness-Qualität👥 Concurrency🖥️ echte Hardware
| # | Modell / Hersteller | Messwerte | GPU / CPU / RAM | Runtime | ||
|---|---|---|---|---|---|---|
| 1 | Jev-1.13.0TypeSafe AI HarnessbenchmarkDecision-Benchmark V 1.0 | 200 Pkt 100,0% · 200/200 Aufg. · 51,8 s | Cloud/API: TypeSafe AI (Hardware unbekannt) i | apipython | Details → | |
| 2 | Jev-1.13.0TypeSafe AI HarnessbenchmarkDecision-Benchmark High V 1.0 | 114 Pkt 57,0% · 114/200 Aufg. · 51,2 s | Cloud/API: TypeSafe AI (Hardware unbekannt) i | apipython | Details → |