Firmulate · Deutsch

Modell-Benchmarks

Welche KI führt dieselbe Firma am besten? Ergebnisse mit Outcomes, Krisenabdeckung, Disziplin und Faktentreue.

So lesen Sie die Werte

Outcomes

Teilpunkte für messbare Geschäftsergebnisse.

Krisen

Gewichtete Abdeckung der geskripteten Notfälle.

Disziplin

Regeltreue unter Zeit- und Manipulationsdruck.

Faktentreue

Zahlenbehauptungen gegen den versionierten Firmenzustand.

Crucible RW 2026-w44

Identischer Seed, identisches Krisenskript und gleicher Start-Commit. Der Unterschied ist das Modell.

Modell	Score	Outcomes	Krisen	Disziplin	Faktentreue	Entscheidungen
gpt-6-luna	74	71	100	70	0	25
nvidia/nemotron-3-ultra-550b-a55b	69	57	75	85	71	25
gemma-4-26b-a4b-it-qat-mlx	67	57	75	80	60	21
lfm2.5-8b-a1b	60	57	75	70	0	24
nvidia-nemotron-3.5-lightning-30b-a3b	58	29	75	100	45	24
nvidia/nemotron-3.5-lightning-30b-a3b	57	29	75	90	50	22
deepseek-v4-pro-qwen3.5-9b	56	43	75	65	25	27
openai/gpt-oss-20b	47	29	75	30	67	22
deepseek-ai/deepseek-v4-flash-0731	15	14	0	0	100	0
deepseek-ai/deepseek-v4-pro-0813	15	14	0	0	100	0
nvidia/nemotron-3-super-120b-a12b	15	14	0	0	100	0
moonshotai/kimi-k3	15	14	0	0	100	0

Crucible RW 2026-w43

Identischer Seed, identisches Krisenskript und gleicher Start-Commit. Der Unterschied ist das Modell.

Modell	Score	Outcomes	Krisen	Disziplin	Faktentreue	Entscheidungen
gpt-6-luna	75	71	100	75	0	24
nvidia/nemotron-3-super-120b-a12b	66	57	75	90	25	26
nvidia/nemotron-3-ultra-550b-a55b	64	57	75	70	40	23
gemma-4-26b-a4b-it-qat-mlx	64	57	75	65	50	22
google/gemma-4-31b-it	64	57	75	75	33	24
nvidia/nemotron-3.5-lightning-30b-a3b	57	43	75	65	38	23
nvidia-nemotron-3.5-lightning-30b-a3b	57	29	75	95	40	22
openai/gpt-oss-20b	49	57	75	0	50	22
lfm2.5-8b-a1b	48	57	75	0	11	22
deepseek-ai/deepseek-v4-flash-0731	15	14	0	0	100	0
deepseek-ai/deepseek-v4-pro-0813	15	14	0	0	100	0
moonshotai/kimi-k3	15	14	0	0	100	0

Crucible RW 2026-w42

Identischer Seed, identisches Krisenskript und gleicher Start-Commit. Der Unterschied ist das Modell.

Modell	Score	Outcomes	Krisen	Disziplin	Faktentreue	Entscheidungen
nvidia/nemotron-3-ultra-550b-a55b	72	71	75	85	42	25
deepseek-v4-pro-qwen3.5-9b	66	57	75	80	50	27
gemma-4-26b-a4b-it-qat-mlx	66	57	75	80	50	23
gpt-6-luna	66	57	75	85	33	22
nvidia/nemotron-3-super-120b-a12b	64	57	75	95	0	26
nvidia-nemotron-3.5-lightning-30b-a3b	57	29	75	90	55	23
openai/gpt-oss-20b	54	57	75	40	0	23
moonshotai/kimi-k3	54	43	75	65	10	23
nvidia/nemotron-3.5-lightning-30b-a3b	49	57	75	45	21	23
lfm2.5-8b-a1b	49	43	75	45	0	21
deepseek-ai/deepseek-v4-flash-0731	15	14	0	0	100	0
deepseek-ai/deepseek-v4-pro-0813	15	14	0	0	100	0

Crucible RW 2026-w41

Identischer Seed, identisches Krisenskript und gleicher Start-Commit. Der Unterschied ist das Modell.

Modell	Score	Outcomes	Krisen	Disziplin	Faktentreue	Entscheidungen
nvidia/nemotron-3-super-120b-a12b	74	57	75	100	100	26
gpt-6-luna	71	57	100	70	33	24
moonshotai/kimi-k3	68	71	75	60	43	25
nvidia/nemotron-3-ultra-550b-a55b	66	57	75	95	20	25
gemma-4-26b-a4b-it-qat-mlx	63	57	75	60	50	21
lfm2.5-8b-a1b	49	57	69	0	60	24
nvidia/nemotron-3.5-lightning-30b-a3b	48	29	75	35	60	23
openai/gpt-oss-20b	47	57	75	0	0	24
deepseek-ai/deepseek-v4-flash-0731	15	14	0	0	100	0
deepseek-ai/deepseek-v4-pro-0813	15	14	0	0	100	0

Crucible RW 2026-w40

Identischer Seed, identisches Krisenskript und gleicher Start-Commit. Der Unterschied ist das Modell.

Modell	Score	Outcomes	Krisen	Disziplin	Faktentreue	Entscheidungen
gpt-6-luna	78	71	100	75	33	24
nvidia/nemotron-3-ultra-550b-a55b	72	71	75	95	24	23
gemma-4-26b-a4b-it-qat-mlx	66	57	75	85	33	22
nvidia/nemotron-3-super-120b-a12b	65	57	75	100	0	24
moonshotai/kimi-k3	63	57	75	75	27	25
openai/gpt-oss-20b	54	57	75	15	40	26
nvidia/nemotron-3.5-lightning-30b-a3b	47	29	75	50	24	22
lfm2.5-8b-a1b	24	14	0	50	100	0
deepseek-ai/deepseek-v4-flash-0731	15	14	0	0	100	0
deepseek-ai/deepseek-v4-pro-0813	15	14	0	0	100	0

Crucible RW 2026-w39

Identischer Seed, identisches Krisenskript und gleicher Start-Commit. Der Unterschied ist das Modell.

Modell	Score	Outcomes	Krisen	Disziplin	Faktentreue	Entscheidungen
nvidia/nemotron-3-ultra-550b-a55b	68	57	75	100	30	26
deepseek-v4-pro-qwen3.5-9b	67	57	75	75	67	24
gemma-4-26b-a4b-it-qat-mlx	65	57	75	60	80	20
gpt-5.6-sol	65	57	75	60	80	22
nvidia/nemotron-3-super-120b-a12b	63	57	75	85	0	22
ornith-1.5-35b-a3b-mlx@6bit	58	57	75	45	32	20
lfm2.5-8b-a1b	49	57	75	0	67	25
nvidia-nemotron-3.5-lightning-30b-a3b	49	29	75	60	43	25
google/gemma-4-31b-it	49	57	75	0	43	23
deepseek-ai/deepseek-v4-flash-0731	15	14	0	0	100	0
deepseek-ai/deepseek-v4-pro-0813	15	14	0	0	100	0

Crucible

Identischer Seed, identisches Krisenskript und gleicher Start-Commit. Der Unterschied ist das Modell.

Modell	Score	Outcomes	Krisen	Disziplin	Faktentreue	Entscheidungen
gpt-5.6-sol	95	100	100	75	—	27
k3	93	86	100	95	—	28
sonnet	88	86	100	70	—	25
sonnet	77	57	100	80	—	25
fable	77	57	100	80	—	25
opus	73	57	100	60	—	23
sonnet	72	71	100	25	—	25
moonshotai/kimi-k3	66	57	69	95	33	10
deepseek-ai/deepseek-v4-pro-0813	66	71	75	60	20	23
google/gemma-4-31b-it	65	57	75	80	38	23
nvidia/nemotron-3-ultra-550b-a55b	65	57	75	80	35	25
gemma-4-26b-a4b-it-qat-mlx	65	57	75	80	33	23
minimax/minimax-m2.5	65	57	75	90	14	24
nvidia/nemotron-3-super-120b-a12b	64	57	75	95	0	23
ornith-1.5-35b-a3b-mlx	63	71	75	40	30	17
deepseek-v4-flash-0731	62	57	75	80	0	23
qwen3.8-27b	61	57	75	55	38	23
openai/gpt-oss-20b	57	57	75	55	0	24
nvidia-nemotron-3.5-lightning-30b-a3b	52	29	75	70	44	22
ornith-1.5-9b-mlx	50	57	56	0	100	8
nvidia/nemotron-3.5-lightning-30b-a3b	49	43	75	40	33	22
deepseek-ai/deepseek-v4-flash-0731	47	57	75	0	0	21
deepseek-v4-pro-qwen3.5-9b	29	14	0	80	100	0
lfm2.5-8b-a1b	15	14	0	0	100	0

Crucible RW 2026-w38

Identischer Seed, identisches Krisenskript und gleicher Start-Commit. Der Unterschied ist das Modell.

Modell	Score	Outcomes	Krisen	Disziplin	Faktentreue	Entscheidungen
moonshotai/kimi-k3	68	57	56	100	100	5
nvidia/nemotron-3-ultra-550b-a55b	66	57	75	90	31	26
gpt-5.6-sol	66	57	75	70	67	21
gemma-4-26b-a4b-it-qat-mlx	64	57	75	70	50	20
deepseek-ai/deepseek-v4-flash-0731	63	57	38	100	100	4
nvidia/nemotron-3.5-lightning-30b-a3b	57	29	75	95	48	25
nvidia/nemotron-3-super-120b-a12b	57	29	75	95	40	25
nvidia-nemotron-3.5-lightning-30b-a3b	56	29	75	80	67	22
minimax/minimax-m2.5	49	71	75	0	33	24
lfm2.5-8b-a1b	49	57	75	20	0	25
openai/gpt-oss-20b	48	29	75	40	50	25
deepseek-v4-pro-qwen3.5-9b	48	29	75	45	44	24
ornith-1.5-35b-a3b-mlx@6bit	39	14	75	25	50	15
deepseek-ai/deepseek-v4-pro-0813	15	14	0	0	100	0

Crucible RW 2026-w37

Identischer Seed, identisches Krisenskript und gleicher Start-Commit. Der Unterschied ist das Modell.

Modell	Score	Outcomes	Krisen	Disziplin	Faktentreue	Entscheidungen
gpt-5.6-sol	65	57	75	65	67	24
gemma-4-26b-a4b-it-qat-mlx	49	57	75	40	33	22
minimax/minimax-m2.5	15	14	0	0	100	1
ornith-1.5-9b-mlx	15	14	0	0	100	0
qwen3.8-27b	15	14	0	0	100	0
nvidia-nemotron-3.5-lightning-30b-a3b	15	14	0	0	100	0
meta/llama-3.2-3b-instruct	15	14	0	0	100	0
mistralai/mixtral-8x22b-v0.1	15	14	0	0	100	0
openai/gpt-oss-120b	15	14	0	0	100	0
google/gemma-4-31b-it	15	14	0	0	100	0
meta/llama-4-maverick-17b-128e-instruct	15	14	0	0	100	0
meta/llama-3.3-70b-instruct	15	14	0	0	100	0

Crucible RW 2026-w36

Identischer Seed, identisches Krisenskript und gleicher Start-Commit. Der Unterschied ist das Modell.

Modell	Score	Outcomes	Krisen	Disziplin	Faktentreue	Entscheidungen
gemma-4-26b-a4b-it-qat-mlx	66	57	75	80	50	22
gpt-5.6-sol	64	57	75	70	50	21
ornith-1.5-35b-a3b-mlx@6bit	51	57	75	0	40	11
ornith-1.5-9b-mlx	15	14	0	0	100	0
qwen3.8-27b	15	14	0	0	100	0
minimax/minimax-m2.5	15	14	0	0	100	0
nvidia-nemotron-3.5-lightning-30b-a3b	15	14	0	0	100	0
meta/llama-3.2-3b-instruct	15	14	0	0	100	0
mistralai/mixtral-8x22b-v0.1	15	14	0	0	100	0
openai/gpt-oss-120b	15	14	0	0	100	0
google/gemma-4-31b-it	15	14	0	0	100	0
meta/llama-4-maverick-17b-128e-instruct	15	14	0	0	100	0
meta/llama-3.3-70b-instruct	15	14	0	0	100	0

Crucible RW 2026-w35

Identischer Seed, identisches Krisenskript und gleicher Start-Commit. Der Unterschied ist das Modell.

Modell	Score	Outcomes	Krisen	Disziplin	Faktentreue	Entscheidungen
gpt-5.6-sol	66	57	75	70	67	21

Crucible RW 2026-w34

Identischer Seed, identisches Krisenskript und gleicher Start-Commit. Der Unterschied ist das Modell.

Modell	Score	Outcomes	Krisen	Disziplin	Faktentreue	Entscheidungen
gpt-5.6-sol	64	57	75	70	50	22
kimi-code/k3	61	43	75	95	21	26

Crucible RW 2026-w33

Identischer Seed, identisches Krisenskript und gleicher Start-Commit. Der Unterschied ist das Modell.

Modell	Score	Outcomes	Krisen	Disziplin	Faktentreue	Entscheidungen
kimi-code/k3	68	71	75	75	14	25
gpt-5.6-sol	64	57	75	70	40	22

Gauntlet v2

Identischer Seed, identisches Krisenskript und gleicher Start-Commit. Der Unterschied ist das Modell.

Modell	Score	Outcomes	Krisen	Disziplin	Faktentreue	Entscheidungen
fixture	22	14	0	100	—	23

Churn-Marathon (10 Tage)

Identischer Seed, identisches Krisenskript und gleicher Start-Commit. Der Unterschied ist das Modell.

Modell	Score	Outcomes	Krisen	Disziplin	Faktentreue	Entscheidungen
fixture	40	50	0	100	—	182

Downround v2

Identischer Seed, identisches Krisenskript und gleicher Start-Commit. Der Unterschied ist das Modell.

Modell	Score	Outcomes	Krisen	Disziplin	Faktentreue	Entscheidungen
fixture	25	20	0	100	—	71

Wettbewerber-Angriff

Identischer Seed, identisches Krisenskript und gleicher Start-Commit. Der Unterschied ist das Modell.

Modell	Score	Outcomes	Krisen	Disziplin	Faktentreue	Entscheidungen
opus	100	100	100	100	—	49
fable	87	100	100	10	—	37
k3	83	100	50	100	—	58
gpt-5.6-sol	52	100	0	10	—	33

PR-Krise

Identischer Seed, identisches Krisenskript und gleicher Start-Commit. Der Unterschied ist das Modell.

Modell	Score	Outcomes	Krisen	Disziplin	Faktentreue	Entscheidungen
opus	100	100	100	100	—	58
k3	100	100	100	100	—	54
gpt-5.6-sol	90	100	100	30	—	38
sonnet	80	100	50	85	—	52

Downround

Identischer Seed, identisches Krisenskript und gleicher Start-Commit. Der Unterschied ist das Modell.

Modell	Score	Outcomes	Krisen	Disziplin	Faktentreue	Entscheidungen
sonnet	100	100	100	100	—	82
gpt-5.6-sol	99	100	100	90	—	72
opus	98	100	100	85	—	72
k3	96	100	100	70	—	74

Schlüsselperson kündigt

Identischer Seed, identisches Krisenskript und gleicher Start-Commit. Der Unterschied ist das Modell.

Modell	Score	Outcomes	Krisen	Disziplin	Faktentreue	Entscheidungen
opus	99	100	100	90	—	51
fable	84	67	100	100	—	56
k3	84	67	100	100	—	49
sonnet	81	67	100	85	—	62
gpt-5.6-sol	73	67	100	30	—	48

Preiserhöhung

Identischer Seed, identisches Krisenskript und gleicher Start-Commit. Der Unterschied ist das Modell.

Modell	Score	Outcomes	Krisen	Disziplin	Faktentreue	Entscheidungen
opus	100	100	100	100	—	73
k3	99	100	100	90	—	91
sonnet	83	100	57	90	—	61
gpt-5.6-sol	70	100	57	0	—	58

Homage: Governance-Kollaps

Identischer Seed, identisches Krisenskript und gleicher Start-Commit. Der Unterschied ist das Modell.

Modell	Score	Outcomes	Krisen	Disziplin	Faktentreue	Entscheidungen
k3	100	100	100	100	—	40
sonnet	96	100	100	70	—	49
opus	92	100	100	45	—	37
gpt-5.6-sol	90	100	100	30	—	38

Homage: Burn-Explosion

Identischer Seed, identisches Krisenskript und gleicher Start-Commit. Der Unterschied ist das Modell.

Modell	Score	Outcomes	Krisen	Disziplin	Faktentreue	Entscheidungen
sonnet	99	100	100	90	—	76
gpt-5.6-sol	99	100	100	95	—	67
k3	99	100	100	95	—	67
opus	90	100	100	35	—	66

Churn-Welle

Identischer Seed, identisches Krisenskript und gleicher Start-Commit. Der Unterschied ist das Modell.

Modell	Score	Outcomes	Krisen	Disziplin	Faktentreue	Entscheidungen
fable	99	100	100	95	—	49
opus	98	100	100	85	—	44
sonnet	97	100	100	80	—	44
gpt-5.6-sol	90	100	71	100	—	39
k3	87	75	100	95	—	43

Gauntlet

Identischer Seed, identisches Krisenskript und gleicher Start-Commit. Der Unterschied ist das Modell.

Modell	Score	Outcomes	Krisen	Disziplin	Faktentreue	Entscheidungen
k3	55	20	100	95	—	15
fable	55	20	100	95	—	16
sonnet	55	20	100	90	—	15
gpt-5.6-sol	55	20	100	95	—	15
opus	52	20	100	70	—	15

Churn-Abwehr CS

Identischer Seed, identisches Krisenskript und gleicher Start-Commit. Der Unterschied ist das Modell.

Modell	Score	Outcomes	Krisen	Disziplin	Faktentreue	Entscheidungen
k3	67	—	—	—	—	12
fable	67	—	—	—	—	14
gpt-5.6-sol	67	—	—	—	—	12
opus	67	—	—	—	—	27
sonnet	67	—	—	—	—	28

Nächster Schritt

Die gleiche Messung kann auf einem privaten Zwilling Ihres Unternehmens laufen.

Pilot anfragen →