INTERAKTIVER BENCHMARK-VERGLEICH V2.1

Direkter Modell-Vergleich (A vs. B vs. C)

Vergleiche bis zu 3 lokale LLMs Seite an Seite über alle 10 deutschen Praxis-Disziplinen, Dual-Judge-Scores, VRAM-Anforderungen und Geschwindigkeiten.

← Zur Gesamtrangliste (62 Modelle)

MODELL A (REFERENZ)

MODELL B (HERAUSFORDERER)

MODELL C (OPTIONALER 3. KANDIDAT)

BELIEBTE DUELL-PRESETS:

MODELL A · RANG #42Non-Thinking

Qwen 3.8-9B-Distill

Q4_K_M · GGUF · 9B Parameter

SCORE V2.177.2 / 100

Qwen-Judge: 76.0Gemma-Judge: 78.4

VRAM (inkl. 32k KV):6.4 GB (5.4 GB Datei)

Speed RTX 5090:196 Tok/s

Speed RTX 3090:~105.8 Tok/s

Vision / Multimodal:Rein Text

Modell-Detailseite & Startbefehle →

MODELL B · RANG #3Thinking (CoT)

Qwen 3.8-Flash-Next (125B MoE)

IQ3_XXS · GGUF · 125B Parameter

SCORE V2.192.3 / 100

Qwen-Judge: 91.8Gemma-Judge: 92.8

VRAM (inkl. 32k KV):73.8 GB (70.6 GB Datei)

Speed RTX 5090:141.6 Tok/s

Speed RTX 3090:~76.5 Tok/s

Vision / Multimodal:Rein Text

Modell-Detailseite & Startbefehle →

DISZIPLINEN-DUELL (10 DEUTSCHE PRAXIS-KATEGORIEN)

Wo gewinnt welches Modell im Alltag?

Direkter Vergleich der Durchschnittswerte (0 bis 10 Punkte) pro Disziplin. Der jeweilige Spitzenreiter pro Zeile ist hervorgehoben.

Code & DebuggingPython, TypeScript, SQL & Fehleranalyse im Realprojekt

Qwen 3.8-9B-Distill

7.1 / 10