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
SimpleQA Verified: Ergebnisse von KI-Modellen
SimpleQA Verified ist ein Benchmark im Bereich Wissen, durchgeführt von Epoch AI. Für 81 Modelle in unseren Daten liegt ein veröffentlichtes Ergebnis vor.
Er ist Teil des SI-IQ-Index (Ladung k = 0,63, Zufallsniveau 0 %).
- Evaluator
- Epoch AI
- Startseite des Benchmarks
- epoch.ai/benchmarks/simple-qa-verified
Ergebnisse
| 1 | Gemini 4 Argon Google DeepMind | 76,0 % | 140137–143 | 8 |
| 2 | GPT-6 Astra OpenAI | 75,6 % | 150146–153 | 8 |
| 3 | GPT-6.1 Sol OpenAI | 73,9 % | 148144–152 | 8 |
| 4 | Gemini 3.1 Pro Google DeepMind | 73,5 % | 127124–130 | 9 |
| 5 | Claude Opus 5.5 Anthropic | 72,2 % | 144141–148 | 8 |
| 6 | Claude Fable 5.1 Anthropic | 70,8 % | 140136–143 | 8 |
| 7 | Claude Fable 5 Anthropic | 70,7 % | 138134–141 | 8 |
| 8 | GPT-5.6 Sol OpenAI | 69,7 % | 140137–143 | 8 |
| 9 | Gemini 3.8 Flash Google DeepMind | 69,7 % | 130127–133 | 8 |
| 10 | Gemini 3.7 Flash Google DeepMind | 69,2 % | 131128–134 | 8 |
| 11 | Gemini 3 Flash Google DeepMind | 66,8 % | 122119–125 | 9 |
| 12 | Gemini 3.5 Flash Google DeepMind | 66,2 % | 126123–129 | 9 |
| 13 | Gemini 3.6 Flash Google DeepMind | 66,2 % | 125122–128 | 8 |
| 14 | GPT-5.5 OpenAI | 63,0 % | 138135–141 | 9 |
| 15 | GPT-6 Sol OpenAI | 60,7 % | 140137–144 | 8 |
| 16 | Muse Spark 1.2 Meta AI | 60,3 % | 121112–129 | 2 zu wenige Daten |
| 17 | Claude Opus 5 Anthropic | 59,9 % | 136133–140 | 8 |
| 18 | Muse Spark 1.1 Meta AI | 57,8 % | 125116–133 | 2 zu wenige Daten |
| 19 | Muse Spark Openoffen Meta AI | 56,6 % | 127124–130 | 6 |
| 20 | Grok 4.7 xAI | 56,0 % | 123120–127 | 7 zu wenige Daten |
| 21 | Qwen3.7-Max Alibaba | 55,8 % | 125122–128 | 9 |
| 22 | Claude Opus 4.8 Anthropic | 53,0 % | 132129–135 | 8 |
| 23 | DeepSeek V4 Pro 0813offen DeepSeek | 52,9 % | 128125–131 | 8 |
| 24 | Qwen 3.6 Max (Preview) Alibaba | 52,0 % | 118112–124 | 5 zu wenige Daten |
| 25 | Claude Opus 4.7 Anthropic | 51,7 % | 127124–130 | 9 |
| 26 | Kimi K3offen Moonshot | 50,6 % | 127124–130 | 8 |
| 27 | GPT-5 OpenAI | 50,1 % | 121118–124 | 11 |
| 28 | o3 OpenAI | 49,4 % | 116113–119 | 10 |
| 29 | Grok 4.6 xAI | 49,3 % | 126123–129 | 8 |
| 30 | Qwen3-Max Alibaba | 48,7 % | 106103–110 | 6 zu wenige Daten |
| 31 | Grok 4.5 xAI | 48,3 % | 124121–127 | 6 zu wenige Daten |
| 32 | GPT-5.1 OpenAI | 48,0 % | 120115–125 | 7 |
| 33 | Qwen3.8 Max (0902) Alibaba | 47,3 % | 127123–130 | 6 zu wenige Daten |
| 34 | Claude Opus 4.6 Anthropic | 47,0 % | 123120–126 | 9 |
| 35 | DeepSeek-V4-Prooffen DeepSeek | 47,0 % | 117113–120 | 9 |
| 36 | Claude Sonnet 5.5 Anthropic | 46,5 % | 140137–143 | 8 |
| 37 | GPT-5.4 Pro OpenAI | 46,3 % | 135131–138 | 5 zu wenige Daten |
| 38 | Qwen 3.8 Max Alibaba | 45,8 % | 130127–133 | 7 zu wenige Daten |
| 39 | Claude Opus 4.5 Anthropic | 45,7 % | 115111–118 | 10 |
| 40 | GPT-5.4 OpenAI | 45,1 % | 131128–133 | 9 |
| 41 | Qwen 3.6 Plus Alibaba | 44,1 % | 113109–117 | 7 zu wenige Daten |
| 42 | GPT-5.6 Terra OpenAI | 43,2 % | 134131–137 | 8 |
| 43 | DeepSeek V4.1 Flashoffen DeepSeek | 42,9 % | 128125–131 | 8 |
| 44 | GPT-6 Luna OpenAI | 41,4 % | 130127–133 | 8 |
| 45 | o1 OpenAI | 41,1 % | 10399–106 | 6 zu wenige Daten |
| 46 | GLM-5.3offen Z.ai (Zhipu AI) | 41,0 % | 125122–128 | 8 |
| 47 | GPT-5.6 Luna OpenAI | 41,0 % | 130127–133 | 8 |
| 48 | Qwen3-235B-A22B-Thinking (Jul 2025)offen Alibaba | 40,4 % | 111105–118 | 5 |
| 49 | Inklingoffen Thinking Machines | 40,3 % | 114110–117 | 7 |
| 50 | GPT-5.2 OpenAI | 37,1 % | 125122–128 | 10 |
| 51 | Kimi K2.7 Codeoffen Moonshot | 36,5 % | 118115–122 | 7 |
| 52 | Claude Sonnet 4.6 Anthropic | 35,5 % | 113108–118 | 7 |
| 53 | Kimi K2.6offen Moonshot | 34,9 % | 121118–124 | 9 |
| 54 | Kimi K2.5offen Moonshot | 34,3 % | 119112–125 | 5 |
| 55 | GLM-5.2offen Z.ai (Zhipu AI) | 34,2 % | 121118–124 | 9 |
| 56 | GLM-5.1offen Z.ai (Zhipu AI) | 34,0 % | 116112–120 | 7 |
| 57 | Claude Sonnet 5 Anthropic | 33,7 % | 126123–129 | 8 |
| 58 | DeepSeek V4 Flash 0731offen DeepSeek | 33,6 % | 124121–127 | 8 |
| 59 | Grok 4.3 Beta xAI | 33,2 % | 117114–121 | 6 zu wenige Daten |
| 60 | GLM-4.7offen Z.ai (Zhipu AI) | 32,2 % | 112107–118 | 5 |
| 61 | GPT-4.1 OpenAI | 31,1 % | 9187–94 | 10 |
| 62 | Claude Sonnet 4.5 Anthropic | 30,7 % | 110107–113 | 11 |
| 63 | GPT-5.4 Mini OpenAI | 29,4 % | 117113–120 | 8 |
| 64 | GPT-4o (Aug 2024) OpenAI | 26,0 % | 7368–77 | 8 |
| 65 | Qwen 3.5 Plus (hosted 397B-A17B) Alibaba | 25,4 % | 109103–115 | 5 zu wenige Daten |
| 66 | Claude Haiku 5.5 Anthropic | 23,8 % | 129126–132 | 8 |
| 67 | GPT-5 mini OpenAI | 21,6 % | 115112–118 | 11 |
| 68 | Qwen 3.5 Flash (hosted 35B-A3B) Alibaba | 20,3 % | 107103–111 | 6 zu wenige Daten |
| 69 | Mistral Large 4 Mistral AI | 20,0 % | 122119–125 | 7 zu wenige Daten |
| 70 | o4-mini OpenAI | 19,6 % | 112109–115 | 10 |
| 71 | Inkling-Smalloffen Thinking Machines | 19,1 % | 118115–122 | 7 |
| 72 | Qwen 3.6 Flash Alibaba | 15,9 % | 107103–111 | 6 zu wenige Daten |
| 73 | o3-mini OpenAI | 15,3 % | 105101–108 | 9 |
| 74 | Claude Haiku 4.5 Anthropic | 13,2 % | 10499–108 | 7 |
| 75 | GPT-4.1 mini OpenAI | 12,7 % | 9188–95 | 10 |
| 76 | Claude 3 Opus Anthropic | 12,6 % | 6560–70 | 5 zu wenige Daten |
| 77 | GPT-5 nano OpenAI | 11,7 % | 105102–109 | 10 |
| 78 | GPT-5.4 Nano OpenAI | 11,7 % | 118115–121 | 8 |
| 79 | Gemma 4 31B IToffen Google DeepMind | 10,4 % | 10498–110 | 4 zu wenige Daten |
| 80 | GPT-4o mini OpenAI | 8,3 % | 6864–73 | 9 |
| 81 | GPT-4.1 nano OpenAI | 6,0 % | 7672–80 | 8 |
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); API list prices via LiteLLM's price table (MIT); each price links to the developer's pricing page; Source: OpenRouter (openrouter.ai), licensed under CC BY 4.0: reuse and republish with attribution to OpenRouter..