Rangliste

37 gevotete Duelle. Sortiert nach der unteren Grenze des 95-%-Wilson-Intervalls — nicht nach der rohen Siegquote, sonst stünde ein Modell mit einem einzigen Sieg oben. Unentschieden und „beide schlecht" zählen nicht in die Quote, stehen aber in einer eigenen Spalte.

Zu wenig Daten

Unter 10 entscheidenden Votes ist das Intervall breiter als fast jeder Unterschied. Diese Modelle sind im Feld, aber noch nicht vergleichbar — manche haben noch gar keinen Vote.

#	Modell	Siegquote	95-%-Intervall (Skala 0–100 %)	Siege / n	Remis
—	Qwen3.8:27b (Reasoning: medium) openrouter	100 %	51–100 %	4 / 4	0
—	Gemini 3.5 Flash google	83 %	44–97 %	5 / 6	2
—	DeepSeek V4 Flash openrouter	80 %	38–96 %	4 / 5	1
—	GPT-5.2 openai	67 %	21–94 %	2 / 3	2
—	Mistral Medium 3.5 mistral	67 %	21–94 %	2 / 3	1
—	Claude Opus 5 anthropic	50 %	15–85 %	2 / 4	0
—	Claude Sonnet 5 anthropic	50 %	15–85 %	2 / 4	1
—	Qwen3.8 Max openrouter	50 %	15–85 %	2 / 4	0
—	Qwen3.6 35B A3B openrouter	40 %	12–77 %	2 / 5	1
—	GPT-5 mini openai	33 %	10–70 %	2 / 6	0
—	Claude Haiku 4.5 anthropic	33 %	6–79 %	1 / 3	1
—	Mistral Small 4 mistral	25 %	5–70 %	1 / 4	0
—	Kimi K3 openrouter	25 %	5–70 %	1 / 4	2
—	Qwen3.5 122B A10B openrouter	20 %	4–62 %	1 / 5	0
—	Mistral Large 3 mistral	0 %	0–66 %	0 / 2	1

Rohdaten als CSV Eine Zeile je Duell, mit Modellen, Ausgang, Kosten und Latenz.