Offenes Benchmark · jede Vorhersage vor dem Ereignis festgehalten
Welches Modell trifft die Wirklichkeit?
Claude Fable 5.1 führt die Fußball-Ligen-Tabelle mit 55,9 % Tendenz richtig – doch Kimi K3 liegt nur 1,4 % zurück, und das liegt im Messfehler: Platz eins geht in 53 % der Neuziehungen an Claude Fable 5.1, in 35 % an Kimi K3.
Tendenz richtig · Fußball-Ligen
kein klarer FührenderClaude Fable 5.1 lag bei 55,9 % der Spiele richtig
Platz 1 und 2 liegen so nah beieinander, dass die Reihenfolge noch kippen kann.
351 von 424 Ereignissen aufgelöst · 23 Modelle · gerankt nach Tendenz richtig · Jeder Tipp wurde veröffentlicht, bevor das Ereignis stattfand. Die Modelle hatten keinen Internetzugang.
| Modell | Tendenz richtig | Exakt | Punkte/Event | Rang (90 %) | P(#1) |
|---|---|---|---|---|---|
| 1 Claude Fable 5.1 Anthropic | 55,9 % | 9,5 % | 1,44 | 1–4 | 53 % |
| 2 Kimi K3 Moonshot AI | 54,5 % | 9,9 % | 1,41 | 1–4 | 35 % |
| 3 Gemini 3.5 Flash Google | 51,6 % | 9,9 % | 1,33 | 1–4 | 18 % |
| 3 GLM-5.2 Z.ai | 51,6 % | 12,7 % | 1,38 | 1–5 | 9 % |
| 5 DeepSeek V4 Pro DeepSeek | 50,0 % | 10,2 % | 1,30 | 4–6 | 0 % |
| 5 Qwen 3.7 Max Alibaba | 50,0 % | 11,1 % | 1,32 | 2–6 | 2 % |
| – Gemini 4 Hydrogen Google 1/351 Ereignisse – ohne Rang | 100,0 % | 0,0 % | 2,00 | — | — |
| – GPT-6.1 Sol OpenAI 150/351 Ereignisse – ohne Rang | 60,7 % | 12,7 % | 1,57 | — | — |
| – GLM 5.3 Prime Z.ai 61/351 Ereignisse – ohne Rang | 60,7 % | 14,8 % | 1,62 | — | — |
| – Claude Opus 5.5 Anthropic 150/351 Ereignisse – ohne Rang | 59,3 % | 10,0 % | 1,53 | — | — |
| – Grok 4.7 xAI 150/351 Ereignisse – ohne Rang | 58,7 % | 11,3 % | 1,51 | — | — |
| – Qwen3.8 2.4t A95b Alibaba 103/351 Ereignisse – ohne Rang | 58,3 % | 10,7 % | 1,50 | — | — |
| – Qwen3.8 27b Alibaba 102/351 Ereignisse – ohne Rang | 56,9 % | 12,7 % | 1,49 | — | — |
| – GLM 5.3 Flashx Z.ai 103/351 Ereignisse – ohne Rang | 56,3 % | 12,6 % | 1,46 | — | — |
| – Gemma 4 31b It Google 113/351 Ereignisse – ohne Rang | 54,9 % | 14,2 % | 1,47 | — | — |
| – Kimi K2.7 Code Moonshot AI 103/351 Ereignisse – ohne Rang | 54,4 % | 11,7 % | 1,41 | — | — |
| – GPT-5.5 OpenAI 137/351 Ereignisse – ohne Rang | 51,8 % | 10,2 % | 1,36 | — | — |
| – Claude Fable 5 Anthropic 137/351 Ereignisse – ohne Rang | 48,2 % | 8,8 % | 1,23 | — | — |
| – Gemma 4 26b A4b It Google 113/351 Ereignisse – ohne Rang | 46,0 % | 7,1 % | 1,12 | — | — |
| – GPT-5.6 Sol OpenAI 38/351 Ereignisse – ohne Rang | 44,7 % | 5,3 % | 1,11 | — | — |
| – Grok 4.6 xAI 29/351 Ereignisse – ohne Rang | 41,4 % | 6,9 % | 1,07 | — | — |
| – Qwen3.8-Max Alibaba 29/351 Ereignisse – ohne Rang | 37,9 % | 10,3 % | 1,07 | — | — |
| – Claude Fable 5.2 Anthropic 1/351 Ereignisse – ohne Rang | 0,0 % | 0,0 % | 0,00 | — | — |
| ø Immer Heimsieg Referenz | 43,9 % |
Seitlich scrollen für weitere Spalten
Bei 95 % trennbar: 2 von 15 Modellpaaren (Claude Fable 5.1–DeepSeek V4 Pro, Kimi K3–DeepSeek V4 Pro). Jede andere Reihenfolge in dieser Tabelle liegt im Rauschen.
Rangintervalle und P(#1) stammen aus 4.000 gepaarten Neuziehungen über die 179 Ereignisse, Seed 20260727 – dieselbe Ziehung für jedes Modell, damit der Vergleich fair bleibt. Ereignisse teilen Kontext, deshalb sind die Intervalle Untergrenzen.
Das häufigste Ergebnis im Profifußball, festgeschrieben am 29. Juli 2026 – bevor ein einziges Liga-Event aufgelöst war. Eine echte A-priori-Referenz: Erst die Regel, dann die Ergebnisse.
78 Ereignisse offen · nächster Schluss 16.11.2026, 00:00 UTC · 80 von 390 Vorhersagen abgegeben
Kategorienübergreifender Skill – gesperrt
Eine kategorienübergreifende Zahl braucht mindestens 2 qualifizierte Kategorien. Heute qualifiziert sich 1, deshalb wird keine berechnet – ein Mittelwert über eine Kategorie wäre nur deren Tabelle mit größerem Etikett.
Noch nicht qualifiziert
Eine Kategorie qualifiziert sich mit: echten Daten, bestandener Integritätsprüfung, mindestens 20 aufgelösten Ereignissen, mindestens 3 Modellen mit Wertung auf mindestens 80 % der gemeinsamen Ereignisse und einer vorab festgeschriebenen Referenz.
- Fußball-Ligen
- zu wenige Modelle auf den gemeinsamen Ereignissen gewertet
- Krypto
- zu wenige Modelle auf den gemeinsamen Ereignissen gewertet
- Aktienindex
- zu wenige Modelle auf den gemeinsamen Ereignissen gewertet
- Wahlen & Politik
- Beispieldaten
- Sport-Mix
- Beispieldaten
Datenstand 18.11.2026, 14:31 UTC · 4 echte Kategorien, 2 Beispiel · 753 Ereignisse erfasst · Seite gebaut 18.11.2026, 14:31 UTC