Automatisierte Seite. Automatisch von KI verfasst und übersetzt und per Software mit den Quellen abgeglichen; keine menschliche Redaktion. SI-IQ ist ein Index auf Basis öffentlicher Benchmark-Ergebnisse, kein IQ-Test. So funktioniert es
Chess Puzzles: Ergebnisse von KI-Modellen
Chess Puzzles ist ein Benchmark im Bereich Schlussfolgern, durchgeführt von Epoch AI. Für 81 Modelle in unseren Daten liegt ein veröffentlichtes Ergebnis vor.
Er ist Teil des SI-IQ-Index (Ladung α = 1,08, Zufallsniveau 5 %).
- Evaluator
- Epoch AI
- Startseite des Benchmarks
- epoch.ai/benchmarks/chess-puzzles
Ergebnisse
| 1 | GPT-6 Astra OpenAI | 74,0 % | 150146–153 | 9 |
| 2 | GPT-6.1 Sol OpenAI | 68,0 % | 148144–152 | 9 |
| 3 | Claude Opus 5.5 Anthropic | 67,0 % | 144141–148 | 9 |
| 4 | Gemini 3.7 Flash Google DeepMind | 66,0 % | 131128–134 | 9 |
| 5 | GPT-5.5 OpenAI | 63,0 % | 138135–141 | 10 |
| 6 | GPT-5.5 Pro OpenAI | 62,0 % | 139135–142 | 5 zu wenige Daten |
| 7 | GPT-5.2 Pro OpenAI | 60,0 % | 132128–135 | 3 zu wenige Daten |
| 8 | Claude Sonnet 5.5 Anthropic | 59,0 % | 140137–143 | 9 |
| 9 | GPT-5.4 Pro OpenAI | 59,0 % | 135131–138 | 5 zu wenige Daten |
| 10 | GPT-5.6 Sol OpenAI | 59,0 % | 140137–143 | 9 |
| 11 | Gemini 4 Argon Google DeepMind | 59,0 % | 140137–143 | 9 |
| 12 | Gemini 3.8 Flash Google DeepMind | 58,0 % | 130127–133 | 9 |
| 13 | GPT-6 Sol OpenAI | 56,0 % | 140137–144 | 9 |
| 14 | Claude Haiku 5.5 Anthropic | 55,0 % | 129126–132 | 9 |
| 15 | Claude Opus 4.8 Anthropic | 52,0 % | 132129–135 | 9 |
| 16 | Gemini 3.1 Pro Google DeepMind | 51,0 % | 127124–130 | 10 |
| 17 | Claude Fable 5.1 Anthropic | 48,0 % | 140136–143 | 8 |
| 18 | DeepSeek V4.1 Flashoffen DeepSeek | 48,0 % | 128125–131 | 9 |
| 19 | GPT-5 Pro OpenAI | 48,0 % | 124120–128 | 3 zu wenige Daten |
| 20 | GPT-5.2 OpenAI | 48,0 % | 125122–128 | 11 |
| 21 | GPT-5.4 OpenAI | 48,0 % | 131128–133 | 10 |
| 22 | Claude Fable 5 Anthropic | 47,0 % | 138134–141 | 9 |
| 23 | GPT-5.6 Terra OpenAI | 47,0 % | 134131–137 | 9 |
| 24 | DeepSeek V4 Pro 0813offen DeepSeek | 46,0 % | 128125–131 | 9 |
| 25 | Qwen 3.8 Max Alibaba | 46,0 % | 130127–133 | 7 zu wenige Daten |
| 26 | Claude Sonnet 5 Anthropic | 45,0 % | 126123–129 | 9 |
| 27 | GPT-5.4 Nano OpenAI | 45,0 % | 118115–121 | 9 |
| 28 | Gemini 3.5 Flash Google DeepMind | 45,0 % | 126123–129 | 10 |
| 29 | Claude Opus 5 Anthropic | 43,0 % | 136133–140 | 9 |
| 30 | GPT-5.6 Luna OpenAI | 43,0 % | 130127–133 | 9 |
| 31 | GPT-5.1 OpenAI | 42,0 % | 120115–125 | 8 |
| 32 | Gemini 3.6 Flash Google DeepMind | 42,0 % | 125122–128 | 9 |
| 33 | Claude Opus 4.7 Anthropic | 41,0 % | 127124–130 | 10 |
| 34 | Grok 4.7 xAI | 41,0 % | 123120–127 | 7 zu wenige Daten |
| 35 | Gemini 3 Flash Google DeepMind | 39,0 % | 122119–125 | 10 |
| 36 | GLM-5.3offen Z.ai (Zhipu AI) | 37,0 % | 125122–128 | 9 |
| 37 | Kimi K3offen Moonshot | 37,0 % | 127124–130 | 9 |
| 38 | Muse Spark 1.3 Meta AI | 37,0 % | 128125–131 | 5 zu wenige Daten |
| 39 | Qwen3.8 Max (0902) Alibaba | 37,0 % | 127123–130 | 6 zu wenige Daten |
| 40 | o3 OpenAI | 37,0 % | 116113–119 | 10 |
| 41 | GPT-5 OpenAI | 36,0 % | 121118–124 | 12 |
| 42 | GPT-6 Luna OpenAI | 36,0 % | 130127–133 | 9 |
| 43 | Grok 4.5 xAI | 35,0 % | 124121–127 | 6 zu wenige Daten |
| 44 | Muse Spark 1.1 Meta AI | 34,0 % | 125116–133 | 2 zu wenige Daten |
| 45 | Grok 4.6 xAI | 33,0 % | 126123–129 | 9 |
| 46 | Mistral Large 4 Mistral AI | 33,0 % | 122119–125 | 7 zu wenige Daten |
| 47 | DeepSeek V4 Flash 0731offen DeepSeek | 32,0 % | 124121–127 | 9 |
| 48 | Muse Spark 1.2 Meta AI | 27,0 % | 121112–129 | 2 zu wenige Daten |
| 49 | Qwen3.7-Max Alibaba | 26,0 % | 125122–128 | 10 |
| 50 | GPT-5 mini OpenAI | 24,0 % | 115112–118 | 12 |
| 51 | Claude Sonnet 4.6 Anthropic | 23,0 % | 113108–118 | 8 |
| 52 | GPT-5.4 Mini OpenAI | 23,0 % | 117113–120 | 9 |
| 53 | GLM-5.2offen Z.ai (Zhipu AI) | 22,0 % | 121118–124 | 10 |
| 54 | GPT-5 nano OpenAI | 22,0 % | 105102–109 | 11 |
| 55 | o4-mini OpenAI | 22,0 % | 112109–115 | 10 |
| 56 | Claude Opus 4.6 Anthropic | 21,0 % | 123120–126 | 10 |
| 57 | GLM-4.7offen Z.ai (Zhipu AI) | 21,0 % | 112107–118 | 6 |
| 58 | GLM-5.3-Flashoffen Z.ai (Zhipu AI) | 21,0 % | 120117–124 | 8 |
| 59 | Gemini 3.5 Flash-Lite Google DeepMind | 21,0 % | 109106–113 | 8 |
| 60 | Inklingoffen Thinking Machines | 21,0 % | 114110–117 | 8 |
| 61 | GLM-5.1offen Z.ai (Zhipu AI) | 20,0 % | 116112–120 | 8 |
| 62 | Kimi K2.6offen Moonshot | 20,0 % | 121118–124 | 10 |
| 63 | DeepSeek-V4-Prooffen DeepSeek | 19,0 % | 117113–120 | 10 |
| 64 | Grok 4.3 Beta xAI | 18,0 % | 117114–121 | 6 zu wenige Daten |
| 65 | o3-mini OpenAI | 15,0 % | 105101–108 | 9 |
| 66 | Claude Opus 4.5 Anthropic | 14,0 % | 115111–118 | 11 |
| 67 | Kimi K2.7 Codeoffen Moonshot | 14,0 % | 118115–122 | 8 |
| 68 | Qwen 3.5 Flash (hosted 35B-A3B) Alibaba | 14,0 % | 107103–111 | 6 zu wenige Daten |
| 69 | Qwen 3.6 Plus Alibaba | 14,0 % | 113109–117 | 7 zu wenige Daten |
| 70 | MiniMax-M3offen MiniMax | 13,0 % | 108102–114 | 6 |
| 71 | Qwen 3.6 Flash Alibaba | 12,0 % | 107103–111 | 6 zu wenige Daten |
| 72 | Claude Sonnet 4.5 Anthropic | 10,0 % | 110107–113 | 12 |
| 73 | o1 OpenAI | 10,0 % | 10399–106 | 6 zu wenige Daten |
| 74 | Claude Haiku 4.5 Anthropic | 8,0 % | 10499–108 | 8 |
| 75 | Qwen 3.5 Plus (hosted 397B-A17B) Alibaba | 8,0 % | 109103–115 | 5 zu wenige Daten |
| 76 | GPT-4o (Aug 2024) OpenAI | 6,0 % | 7368–77 | 9 |
| 77 | Claude 3 Opus Anthropic | 3,0 % | 6560–70 | 5 zu wenige Daten |
| 78 | GPT-4.1 OpenAI | 3,0 % | 9187–94 | 11 |
| 79 | GPT-4o mini OpenAI | 3,0 % | 6864–73 | 10 |
| 80 | GPT-4.1 mini OpenAI | 1,0 % | 9188–95 | 11 |
| 81 | GPT-4.1 nano OpenAI | 0,0 % | 7672–80 | 9 |
Datenquellen: Aider polyglot leaderboard data (Apache-2.0); Arena leaderboard dataset on Hugging Face (CC BY 4.0); Berkeley Function Calling Leaderboard, Gorilla project (Apache-2.0); Epoch AI, ‘Capabilities & benchmarking’ (CC BY 4.0); LiteLLM, model_prices_and_context_window.json (MIT); Source: OpenRouter (openrouter.ai), licensed under CC BY 4.0: reuse and republish with attribution to OpenRouter (Lizenzen und Änderungen).