Aus Neugier – und nach einigen Hinweisen von euch – habe ich KIMI und GLM (z.ai) ins Ranking aufgenommen. Beide eigentlich coding-fokussiert.
Mich interessierte: Wie schlagen sie sich in Steuern, Medizin, Recht und Wirtschaft? (claude, chatgpt, gemini und grok sind nun auch in verschiedenen Modellversionen enthalten und haben das ranking durchaus etwas verschoben.)
Werft bei den Ergebnissen aber insbesondere auch einen Blick auf zwei Muster:
→ 1. Die Standardabweichungen, die trotz exakt identischer Fragestellungen entstehen.
→ 2. Der Verlaufs-Trend der Modelle über die Zeit – schon jetzt erkennbar, obwohl der Beobachtungszeitraum noch vergleichsweise kurz ist.
Wer wird wann wohl die 99% knacken?
