Unabhängige Benchmarks von KI-Modellen für Büroarbeit

Welches Modell erledigt Ihre Dokumente in Ihrer Sprache – und was kostet es wirklich?

Jede Woche lassen wir kommerzielle und offene Modelle dieselben Büroaufgaben lösen: Rechnungen, Kunden-E-Mails, personenbezogene Daten und Verträge, als Nächstes Zusammenfassungen und Fragen zu Dokumenten. Jede Zahl führt zur tatsächlichen Modellausgabe und zu den echten Kosten, einschließlich der Korrektur seiner Fehler.

Letzter Lauf 28. September 2026 · 10 Modelle · Dokumente: Deutsch, Englisch (USA), Tschechisch

Ranglisten nach Aufgabe

Sortiert nach Genauigkeit. Die Kosten enthalten bereits die Sprachsteuer auf Tokens. Schwelle: 95 %.

#	Modell	Genauigkeit	Pro 1.000	Sprachsteuer	Daten in der EU
1	Gemini 3.5 Flash Lite Google	100,0 %erreicht die Schwelle	0,95 €	×1,33	Ja
2	GPT-6 Sol OpenAI	99,9 %erreicht die Schwelle	9,62 €	×1,29	Ja
3	DeepSeek V4.1 Flash DeepSeek · Open Weights	99,6 %erreicht die Schwelle	0,51 €	×1,59	Nur Self-Hosting
4	GPT-6 Luna OpenAI	99,3 %erreicht die Schwelle	0,49 €	×1,29	Ja
5	Claude Sonnet 5 Anthropic	98,8 %erreicht die Schwelle	9,48 €	×1,88	Ja
6	Gemini 3.8 Flash Google	97,9 %erreicht die Schwelle	6,63 €	×1,32	Nein
7	Mistral Medium 3.5 Mistral	97,2 %erreicht die Schwelle	4,35 €	×1,39	Ja
8	Qwen3.8 Flash Qwen	94,4 %unter der Schwelle	1,03 €	×1,28	Nein
9	Mistral Small 4 Mistral · Open Weights	94,0 %unter der Schwelle	0,41 €	—	Ja
10	Gemma 4 31B Google · Open Weights	93,6 %unter der Schwelle	0,18 €	×1,33	Nur Self-Hosting

#	Modell	Genauigkeit	Pro 1.000	Sprachsteuer	Daten in der EU
1	Gemini 3.8 Flash Google	98,8 %erreicht die Schwelle	2,54 €	×1,32	Nein
2	GPT-6 Sol OpenAI	98,5 %erreicht die Schwelle	2,53 €	×1,29	Ja
3	Qwen3.8 Flash Qwen	98,0 %erreicht die Schwelle	0,36 €	×1,28	Nein
4	Claude Sonnet 5 Anthropic	98,0 %erreicht die Schwelle	4,77 €	×1,88	Ja
5	GPT-6 Luna OpenAI	97,4 %erreicht die Schwelle	0,14 €	×1,29	Ja
6	DeepSeek V4.1 Flash DeepSeek · Open Weights	96,3 %erreicht die Schwelle	0,29 €	×1,59	Nur Self-Hosting
7	Gemma 4 31B Google · Open Weights	94,8 %unter der Schwelle	0,14 €	×1,33	Nur Self-Hosting
8	Gemini 3.5 Flash Lite Google	94,7 %unter der Schwelle	0,44 €	×1,33	Ja
9	Mistral Medium 3.5 Mistral	92,7 %unter der Schwelle	1,63 €	×1,39	Ja
10	Mistral Small 4 Mistral · Open Weights	87,9 %unter der Schwelle	0,10 €	—	Ja

#	Modell	Genauigkeit	Pro 1.000	Sprachsteuer	Daten in der EU
1	Mistral Medium 3.5 Mistral	100,0 %erreicht die Schwelle	1,28 €	×1,39	Ja
2	Gemini 3.8 Flash Google	99,9 %erreicht die Schwelle	1,78 €	×1,32	Nein
3	GPT-6 Sol OpenAI	99,9 %erreicht die Schwelle	1,95 €	×1,29	Ja
4	Gemma 4 31B Google · Open Weights	99,9 %erreicht die Schwelle	0,09 €	×1,33	Nur Self-Hosting
5	Claude Sonnet 5 Anthropic	99,7 %erreicht die Schwelle	4,02 €	×1,88	Ja
6	DeepSeek V4.1 Flash DeepSeek · Open Weights	99,7 %erreicht die Schwelle	0,28 €	×1,59	Nur Self-Hosting
7	Gemini 3.5 Flash Lite Google	99,6 %erreicht die Schwelle	0,42 €	×1,33	Ja
8	GPT-6 Luna OpenAI	99,6 %erreicht die Schwelle	0,11 €	×1,29	Ja
9	Qwen3.8 Flash Qwen	99,4 %erreicht die Schwelle	0,33 €	×1,28	Nein
10	Mistral Small 4 Mistral · Open Weights	99,2 %erreicht die Schwelle	0,08 €	—	Ja

#	Modell	Genauigkeit	Pro 1.000	Sprachsteuer	Daten in der EU
1	Gemini 3.8 Flash Google	100,0 %erreicht die Schwelle	2,96 €	×1,32	Nein
2	GPT-6 Luna OpenAI	100,0 %erreicht die Schwelle	0,25 €	×1,29	Ja
3	GPT-6 Sol OpenAI	100,0 %erreicht die Schwelle	4,03 €	×1,29	Ja
4	Gemini 3.5 Flash Lite Google	98,5 %erreicht die Schwelle	0,73 €	×1,33	Ja
5	Claude Sonnet 5 Anthropic	98,4 %erreicht die Schwelle	6,58 €	×1,88	Ja
6	DeepSeek V4.1 Flash DeepSeek · Open Weights	97,8 %erreicht die Schwelle	0,46 €	×1,59	Nur Self-Hosting
7	Qwen3.8 Flash Qwen	97,7 %erreicht die Schwelle	0,73 €	×1,28	Nein
8	Mistral Medium 3.5 Mistral	97,6 %erreicht die Schwelle	2,55 €	×1,39	Ja
9	Mistral Small 4 Mistral · Open Weights	95,2 %erreicht die Schwelle	0,19 €	—	Ja
10	Gemma 4 31B Google · Open Weights	94,2 %unter der Schwelle	0,20 €	×1,33	Nur Self-Hosting

Vollständige Rangliste und Filter →

Welches Modell erledigt Ihre Dokumente in Ihrer Sprache – und was kostet es wirklich?

Empfehlung

Ranglisten nach Aufgabe