Degradations-Monitor v0.1
Rohe Messwerte für ein Modell über alle Relays hinweg: Im selben Zeitfenster beantwortet jedes Relay dieselben Identitäts-Prüffragen (Wissensstichtag, „die neueste Version, die Sie kennen“ und Ähnliches). Wir erfassen die Übereinstimmung mit den Referenzantworten dieses Modells, die Eingabe-Token, die Reasoning-Token und den Modell-Fingerabdruck. Die Werte werden unverändert und ohne Urteil veröffentlicht.
| 100% (Antworten: 90) | 109–24,260 | 1,014 | DeepSeek V4.1 Flash | — | 98.2% | 1.31 s | ¥2.59 | ||
| 100% (Antworten: 90) | 109–24,260 | 1,014 | DeepSeek V4 Pro | — | 99.0% | 1.35 s | ¥11.4 | ||
| 100% (Antworten: 90) | 109–24,260 | 1,014 | GLM 5.3 | — | 98.5% | 0.96 s | ¥8.56 | ||
| 100% (Antworten: 90) | 109–24,260 | 1,014 | Qwen 3.8 Max | — | 98.0% | 1.06 s | ¥20.4 | ||
| 98% (Antworten: 90) | 109–24,260 | 0 | Claude Haiku 5.5 | — | — | — | — | ||
| 98% (Antworten: 90) | 100–161,349 | 38 | GPT 6.1 Sol | — | 98.7% | 0.87 s | ¥0.44 | ||
| 98% (Antworten: 90) | — | 0 | Grok 4.7 | — | 98.3% | 5.11 s | ¥3.10 | ||
| 97% (Antworten: 90) | 52–24,260 | 996 | Claude Fable 5.1 | — | 98.2% | 1.34 s | ¥4.38 | ||
| 97% (Antworten: 90) | 52–24,260 | 996 | Claude Fable 5.1 | — | — | — | — | ||
| 97% (Antworten: 90) | 52–24,260 | 996 | Claude Fable 5.1 | — | — | — | — | ||
| 97% (Antworten: 90) | 52–24,260 | 996 | Claude Fable 5.1 | — | — | — | — | ||
| 97% (Antworten: 90) | 52–24,260 | 559 | Claude Opus 5.5 | — | 97.3% | 1.57 s | ¥1.75 | ||
| 97% (Antworten: 90) | 52–24,260 | 559 | Claude Opus 5.5 | — | — | — | — | ||
| 97% (Antworten: 90) | 52–24,260 | 559 | Claude Opus 5.5 | — | — | — | — | ||
| 97% (Antworten: 90) | 109–45,108 | 0 | Claude Sonnet 5 | — | 97.7% | 1.77 s | ¥7.30 | ||
| 97% (Antworten: 90) | 109–45,108 | 0 | Claude Sonnet 5 | — | 97.7% | 1.58 s | ¥9.20 | ||
| 97% (Antworten: 90) | 109–45,108 | 0 | Claude Sonnet 5 | — | 97.2% | 1.29 s | ¥0.88 | ||
| 97% (Antworten: 90) | 109–45,108 | 0 | Claude Sonnet 5 | — | — | — | — | ||
| 97% (Antworten: 90) | 109–24,260 | 0 | Claude Haiku 5.5 | — | 98.0% | 0.94 s | — | ||
| 97% (Antworten: 90) | 109–24,260 | 0 | Claude Haiku 5.5 | — | — | — | — | ||
| 97% (Antworten: 90) | 100–151,769 | 39 | GPT 6 Astra | — | 98.5% | 1.33 s | ¥2.19 | ||
| 97% (Antworten: 90) | 100–151,769 | 39 | GPT 6 Astra | — | — | — | — | ||
| 97% (Antworten: 90) | 100–151,769 | 39 | GPT 6 Astra | — | — | — | — | ||
| 97% (Antworten: 90) | 100–151,769 | 39 | GPT 6 Astra | — | — | — | — | ||
| 97% (Antworten: 90) | 100–151,769 | 39 | GPT 6 Astra | — | — | — | — | ||
| 97% (Antworten: 90) | 100–161,349 | 38 | GPT 6.1 Sol | — | — | — | — | ||
| 97% (Antworten: 90) | 100–161,349 | 38 | GPT 6.1 Sol | — | — | — | — | ||
| 97% (Antworten: 90) | 100–161,349 | 38 | GPT 6.1 Sol | — | — | — | — | ||
| 97% (Antworten: 90) | — | 0 | Grok 4.7 | — | — | — | — | ||
| 97% (Antworten: 90) | — | 0 | Kimi K3 | — | 98.0% | 1.16 s | ¥28.6 | ||
| 85% (Antworten: 20) | 101–22,953 | 23 | GPT 6 Astra | — | 100.0% | 9.76 s | — | ||
| 61% (Antworten: 18) | 116–402 | 217 | Claude Opus 5.5 | — | 93.3% | 9.05 s | — | ||
| 44% (Antworten: 18) | 116–139 | 243 | Claude Haiku 5.5 | — | 96.7% | 7.00 s | — | ||
| 39% (Antworten: 18) | 114–411 | 0 | Claude Haiku 5.5 | — | 100.0% | 23.19 s | — | ||
| 69% (Antworten: 13) | 3,685–21,590 | 0 | Gemini 3.8 Flash | — | — | — | — | ||
| 54% (Antworten: 28) | 121–140 | 0 | Grok 4.7 | — | — | — | — | ||
| 28% (Antworten: 18) | 239–748 | 0 | Claude Haiku 5.5 | — | 77.4% | 19.67 s | — | ||
| 100% (Antworten: 54) | 456–694 | 69 | Claude Opus 5.5 | — | — | — | — | ||
| 100% (Antworten: 54) | 472–730 | 178 | Claude Haiku 5.5 | — | — | — | — | ||
| 100% (Antworten: 8) | 22,945–22,956 | 38 | GPT 6 Astra | — | 100.0% | 4.04 s | ¥3.30 | ||
| 96% (Antworten: 28) | 5,264–5,279 | 29 | GPT 6 Astra | — | — | — | — | ||
| 89% (Antworten: 28) | 4,203–4,218 | 27 | GPT 6 Astra | — | 100.0% | 8.02 s | — | ||
| 89% (Antworten: 28) | 486–4,212 | 35 | GPT 6 Astra | — | — | — | — | ||
| 89% (Antworten: 18) | 129–155 | 0 | Claude Fable 5.1 | — | — | — | — | ||
| 88% (Antworten: 8) | 22,945–22,956 | 42 | GPT 6.1 Sol | — | — | — | — | ||
| 86% (Antworten: 28) | 93–4,218 | 18 | GPT 6 Astra | — | — | — | — | ||
| 83% (Antworten: 18) | 127–153 | 0 | Claude Sonnet 5 | — | 96.7% | 6.55 s | — | ||
| 83% (Antworten: 18) | 116–139 | 0 | Claude Haiku 5.5 | — | — | — | — | ||
| 82% (Antworten: 28) | 93–108 | 36 | GPT 6 Astra | — | 100.0% | 2.88 s | — | ||
| 82% (Antworten: 28) | 812–828 | 0 | GPT 6.1 Sol | — | 100.0% | 3.49 s | ¥15.4 | ||
| 82% (Antworten: 28) | 100–116 | 38 | GPT 6.1 Sol | — | — | — | — | ||
| 79% (Antworten: 28) | 93–108 | 33 | GPT 6 Astra | — | 100.0% | 9.99 s | ¥2.04 | ||
| 79% (Antworten: 28) | 93–108 | 34 | GPT 6.1 Sol | — | — | — | — | ||
| 72% (Antworten: 18) | 129–155 | 537 | Claude Haiku 5.5 | — | 77.8% | 14.16 s | — | ||
| 68% (Antworten: 28) | 4,207–4,480 | 16 | GPT 6.1 Sol | — | 96.7% | 5.20 s | — | ||
| 68% (Antworten: 28) | 101–4,484 | 0 | GPT 6 Astra | — | 93.3% | 8.16 s | ¥11.9 | ||
| 61% (Antworten: 28) | 4,211–18,563 | 0 | GPT 5.6 Terra | — | — | — | — | ||
| 56% (Antworten: 18) | 116–139 | 0 | Claude Opus 5.5 | — | 83.3% | 12.04 s | ¥8.80 | ||
| 56% (Antworten: 18) | 114–137 | 0 | Claude Haiku 5.5 | — | 77.8% | 9.30 s | ¥2.04 | ||
| 50% (Antworten: 18) | 2,025–10,740 | 0 | Claude Haiku 5.5 | — | 79.3% | 21.85 s | — | ||
| 50% (Antworten: 18) | 127–153 | 458 | Claude Sonnet 5 | — | 61.1% | 12.08 s | — | ||
| 44% (Antworten: 18) | 116–139 | 170 | Claude Haiku 5.5 | — | 100.0% | 2.17 s | — | ||
| 44% (Antworten: 18) | 258–2,860 | 0 | Claude Haiku 5.5 | — | 88.9% | 24.58 s | ¥2.04 | ||
| 44% (Antworten: 18) | 153–168 | 0 | Claude Sonnet 5 | — | 100.0% | 3.97 s | ¥4.40 | ||
| 41% (Antworten: 17) | 116–139 | 0 | Claude Haiku 5.5 | — | — | — | — | ||
| 40% (Antworten: 5) | 137–144 | 0 | Claude Opus 5.5 | — | 60.0% | 2.38 s | ¥4.77 | ||
| 39% (Antworten: 18) | 116–139 | 208 | Claude Haiku 5.5 | — | 100.0% | 2.03 s | — | ||
| 33% (Antworten: 18) | 121–239 | 0 | Claude Haiku 5.5 | — | 100.0% | 2.88 s | ¥4.40 | ||
| 28% (Antworten: 18) | 148–463 | 0 | Claude Haiku 5.5 | — | 88.9% | 15.94 s | ¥2.04 | ||
| Noch nicht gemessen | — | — | — | — | 100.0% | 23.19 s | — | ||
| Noch nicht gemessen | — | — | — | — | 100.0% | 23.19 s | — | ||
| Noch nicht gemessen | — | — | — | — | 100.0% | 8.85 s | — | ||
| Noch nicht gemessen | — | — | — | — | 98.6% | 1.40 s | ¥3.29 | ||
| Noch nicht gemessen | — | — | — | — | 98.2% | 0.91 s | ¥4.46 | ||
| Noch nicht gemessen | — | — | — | — | 73.3% | 1.83 s | — | ||
| Noch nicht gemessen | — | — | — | — | 100.0% | 2.27 s | — | ||
| Noch nicht gemessen | — | — | — | — | 77.4% | 3.02 s | ¥4.40 | ||
| Noch nicht gemessen | — | — | — | — | 100.0% | 3.52 s | — | ||
| Noch nicht gemessen | — | — | — | — | 100.0% | 6.04 s | — | ||
| Noch nicht gemessen | — | — | — | — | 100.0% | 2.45 s | — | ||
| Noch nicht gemessen | — | — | — | — | 100.0% | 4.62 s | ¥2.38 | ||
| Noch nicht gemessen | — | — | — | — | 100.0% | 7.18 s | ¥0.66 | ||
| Noch nicht gemessen | — | — | — | — | 90.0% | 6.70 s | — | ||
| Noch nicht gemessen | — | — | — | — | 86.7% | 4.67 s | — | ||
| Noch nicht gemessen | — | — | — | — | 0.0% | — | — | ||
| Noch nicht gemessen | — | — | — | — | 100.0% | 2.51 s | — | ||
| Noch nicht gemessen | — | — | — | — | 100.0% | 3.63 s | — | ||
| Noch nicht gemessen | — | — | — | — | 100.0% | 3.95 s | — | ||
| Noch nicht gemessen | — | — | — | — | 100.0% | 4.17 s | ¥1.30 | ||
| Noch nicht gemessen | — | — | — | — | 94.4% | 6.48 s | — | ||
| Noch nicht gemessen | — | — | — | — | 89.7% | 6.03 s | — | ||
| Noch nicht gemessen | — | — | — | — | 96.7% | 9.57 s | — | ||
| Noch nicht gemessen | — | — | — | — | 88.9% | 6.48 s | ¥2.04 | ||
| Noch nicht gemessen | — | — | — | — | 100.0% | 3.31 s | — | ||
| Noch nicht gemessen | — | — | — | — | 100.0% | 4.88 s | ¥1.27 | ||
| Noch nicht gemessen | — | — | — | — | 100.0% | 12.91 s | — | ||
| Noch nicht gemessen | — | — | — | — | 96.7% | 10.99 s | — | ||
| Noch nicht gemessen | — | — | — | — | 0.0% | — | — | ||
| Noch nicht gemessen | — | — | — | — | 96.7% | 4.34 s | — | ||
| Noch nicht gemessen | — | — | — | — | 88.9% | 5.53 s | ¥2.04 | ||
| Noch nicht gemessen | — | — | — | — | 90.0% | 7.27 s | — |
Häufige Fragen
Wie sind diese Zahlen zu lesen?
Die Prüffragen lauten etwa „Wann ist Ihr Wissensstichtag?“ oder „Welches ist das neueste iPhone, das Sie kennen?“: Verschiedene Modelle antworten unterschiedlich, ein und dasselbe Modell antwortet konsistent. Eine Übereinstimmung deutlich unter der anderer Relays, Eingabe-Token, die nicht zu den anderen passen, oder ein Fingerabdruck, der nicht zum Modell passt, verdienen einen genaueren Blick. Einzelwerte schwanken; je mehr Antworten, desto verlässlicher.
Warum auf die Anzahl der Eingabe-Token achten?
Dieselbe Eingabe an dasselbe Modell sollte immer genau dieselbe Token-Anzahl ergeben. Weicht die Anzahl von anderen Relays ab, deutet das meist auf ein anderes Modell oder auf zusätzliche Inhalte in der Anfrage hin.
Warum gibt es noch keine Daten?
Der Degradations-Monitor wird noch angebunden. Die ersten Messwerte erscheinen hier. Verfügbarkeit, Zeit bis zum ersten Token und Session-Kosten in der Tabelle sind Live-Messwerte.
Worin unterscheidet sich das von der Gesamtrangliste?
Die Gesamtrangliste bewertet Verfügbarkeit, Geschwindigkeit und Preis. Der Degradations-Monitor zeigt, ob ein Relay tatsächlich das echte Modell ausliefert und nicht heimlich ein schwächeres. Auf die Ranglisten wirkt er sich vorerst nicht aus.