Archivierter Pilot · Veröffentlichte Läufe dieser Datenbank; Repo-Bundles und frühere Staging-Zählungen sind separate Bestände.
Archivierter Pilot · Läufe vom 17.07.2026 bis 01.10.2026
Prüfstand
Ein früher Pilot, heute Archiv. Wir haben Modellen einen Auftrag gegeben und zeigen, was sie daraus gebaut haben — als Screenshot, mit einfachen Prüfungen der Datei. Kein Funktionstest, keine Rangliste. Aktuelle Spitzenmodelle sind in diesem Pilot noch nicht vertreten.
- Läufe öffentlich
- 28
- Modelle · 6 Aufgaben
- 6
- mit Prüfung des Ergebnisses
- 6/28
- Bewertungen veröffentlicht
- 0/28
Was getestet wurde
Keines der aktuellen Spitzenmodelle von OpenAI, Anthropic, Google und SpaceXAI ist dabei.
Spitzenmodelle: was diese Anbieter selbst als ihre besten Modelle führen; Quellen gelesen am 04.10.2026.
28 veröffentlichte Läufe von 6 Modellen zu 6 Aufgaben. Laufdatum in UTC.
| Modell | Läufe | Aufgaben | Laufdatum | Aktuelles Spitzenmodell |
|---|---|---|---|---|
| Claude Haiku 4.5 | 4 | 4 | 17.07.2026 | nein |
| GPT-5.6 Sol | 4 | 4 | 17.07.2026 | nein |
| Claude Fable 5 | 6 | 6 | 18.07.2026 | nein |
| GPT-5.6 Luna | 6 | 6 | 18.07.2026 | nein |
| Phi-4-mini-instruct | 3 | 2 | 30.08.2026, 01.10.2026 | nein |
| Qwen3.8-27B | 5 | 5 | 03.09.2026 | nein |
Gefüllter Punkt: Lauf mit mindestens einer Prüfung des Ergebnisses. Leerer Punkt: Lauf ohne.
Präzisions-Edit (Multi-Step)
artifact-edit-006-aA · Claude Fable 5 · Modell + HarnessB · Claude Haiku 4.5 · Modell + Harness
A · Claude Fable 5 · Modell + HarnessB · Claude Haiku 4.5 · Modell + HarnessScreenshots: Wir rendern die gespeicherte, vom Modell erzeugte Datei offline. Die Datei selbst wird nicht ausgeliefert. Der Vergleich zeigt den oberen Ausschnitt eines Standbilds je Lauf.
Alle Ergebnisse · Präzisions-Edit (Multi-Step)
6 Läufe von 6 Modellen zum selben Auftrag. A und B holen einen Screenshot in den Vergleich. Läufe vom 17.07.2026 bis 03.09.2026.
Wir zeigen 6 von 16 verifizierten Läufen dieser Aufgabe — von 6 der 6 getesteten Modelle.Quelle: die Auswahl-Angaben der veröffentlichten Läufe. Sie zählen die Aufgabe über alle Varianten und kennen nur Modelle, von denen mindestens ein Lauf veröffentlicht ist.
- Claude Fable 5Claude Fable 5✓ Ergebnis: 4 von 4 Prüfungen bestanden · 4 von 4 Ergebnisprüfungen bestanden · 1 Prüfung im Browser nicht gelaufenclaude-code-cli · Modell + Harness18.07.2026Lauf öffnen →
- Claude Haiku 4.5Claude Haiku 4.5✓ Ergebnis: 4 von 4 Prüfungen bestanden · 4 von 4 Ergebnisprüfungen bestanden · 1 Prüfung im Browser nicht gelaufenclaude-code-cli · Modell + Harness17.07.2026Lauf öffnen →
GPT-5.6 LunaGPT-5.6 LunaErgebnis: 3 von 4 Prüfungen bestanden · 3 von 4 Ergebnisprüfungen bestanden · 1 Prüfung im Browser nicht gelaufencodex-cli · Modell + Harness18.07.2026Lauf öffnen →
GPT-5.6 SolGPT-5.6 Sol✓ Ergebnis: 4 von 4 Prüfungen bestanden · 4 von 4 Ergebnisprüfungen bestanden · 1 Prüfung im Browser nicht gelaufencodex-cli · Modell + Harness17.07.2026Lauf öffnen →
Phi-4-mini-instructPhi-4-mini-instructErgebnis: 3 von 4 Prüfungen bestanden · 3 von 4 Ergebnisprüfungen bestanden · 1 Prüfung im Browser nicht gelaufenollama · nur Modell30.08.2026Lauf öffnen →
Qwen3.8-27BQwen3.8-27B✓ Ergebnis: 4 von 4 Prüfungen bestanden · 4 von 4 Ergebnisprüfungen bestanden · 1 Prüfung im Browser nicht gelaufenollama · nur Modell03.09.2026Lauf öffnen →
Läufe derselben Aufgabe sind nicht automatisch gleich getestet: Laufzeit, Token-Limit und Protokoll können sich unterscheiden. Jeder Lauf nennt seine eigenen.