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-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
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	1
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

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
ornith-1.5-35b-a3b-mlx	71	71	100	40	30	17
deepseek-v4-flash-0731	70	57	100	80	0	23
minimax/minimax-m2.5	65	57	75	90	14	24
gemma-4-26b-a4b-it-qat-mlx	65	57	75	80	33	23
qwen3.8-27b	61	57	75	55	38	23
nvidia-nemotron-3.5-lightning-30b-a3b	52	29	75	70	44	22
ornith-1.5-9b-mlx	50	57	56	0	100	8

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	76	71	100	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 →