Swiss-Bench

Welches KI-Modell funktioniert am besten für die Schweiz?

11 Modelle. 6 Dimensionen. 3 Sprachen. Vierteljährlich aktualisiert.

Letzte Aktualisierung: Q1 2026

Bestenliste

Gesamtranking der Modelle

Swiss-Bench Gesamtranking der KI-Modelle, Q1 2026
Rang Modell Typ Gesamt DE FR IT Aktualisiert
1 Claude Opus 4.6 Closed Source 65.9 82.4 82.6 81.0 Q1 2026
2 Kimi K2.5 Open Source 64.7 82.0 86.0 87.0 Q1 2026
3 Gemini 2.5 Pro Closed Source 63.8 85.0 87.0 85.0 Q1 2026
4 MiniMax M2.5 Open Source 62.9 72.0 82.0 78.0 Q1 2026
5 GPT-4o Closed Source 61.7 70.0 73.2 69.8 Q1 2026
6 Gemini 2.0 Flash Closed Source 59.3 75.2 74.2 77.0 Q1 2026
7 DeepSeek V3 Open Source 58.2 81.2 81.4 80.2 Q1 2026
8 Mistral Large 2 Open Source 58.2 70.6 63.8 68.0 Q1 2026
9 Llama 3.3 70B Open Source 56.7 64.6 68.2 63.6 Q1 2026
10 GPT-4o Mini Closed Source 55.3 57.2 62.2 57.2 Q1 2026
11 Qwen 2.5 72B Open Source 54.0 66.4 67.8 74.0 Q1 2026

Swiss-Bench v1.0 — HAAS-Gesamtscore über 6 Dimensionen: Leistung, Robustheit, Sicherheit, Konformität, Schweizer Sprache, Dokumentation. Gesamt = gewichteter Durchschnitt aller Dimensionen. DE/FR/IT = MMLU-ProX mehrsprachige Genauigkeit (10% Gewichtung im HAAS). 11 Modelle, Q1 2026. Methodik →

Wichtige Ergebnisse

Q1 2026 Highlights

Bestes Gesamtmodell
Claude Opus 4.6
Höchster HAAS-Score (65.9) über alle 6 Dimensionen. Starkes Schweizer Rechtswissen und EU-AI-Act-Compliance.
Engstes Rennen
Top 4 innerhalb von 3 Punkten
Kimi K2.5 (64.7), Gemini 2.5 Pro (63.8) und MiniMax M2.5 (62.9) liegen nur 1–3 Punkte hinter dem Führenden. Die Frontier ist dicht besetzt.
Beste Mehrsprachigkeit
Gemini 2.5 Pro
Höchste Sprachscores in allen drei Schweizer Sprachen (DE 85%, FR 87%, IT 85%). Kimi K2.5 am stärksten in Italienisch (87%).

Benchmark-Ergebnisse: Swiss-Bench v1.0 (März 2026). Vierteljährlich aktualisiert.

Detaillierte Ergebnisse

Domänenspezifische Leistung

Domänenaufschlüsselung

Domäne Bestes Modell Score Zweitbestes Abstand
FinanzdienstleistungenClaude Opus 4.691.2GPT-4o+2.4
Recht (Bund)GPT-4o89.7Claude Opus 4.6+1.1
Recht (Kantonal)Claude Opus 4.686.3Gemini 2.0 Flash+3.8
GesundheitswesenGemini 2.0 Flash84.9Claude Opus 4.6+0.7
Öffentliche VerwaltungClaude Opus 4.688.1GPT-4o+1.9
VersicherungGPT-4o87.4Claude Opus 4.6+2.2

Fehleranalyse

Fehlertyp Claude Opus 4.6 GPT-4o Gemini 2.0 Flash Llama 3.3 70B
Halluzinationsrate2.1%3.4%2.8%6.7%
Jurisdiktionsverwechslung1.3%1.8%2.4%5.1%
Temporaler Verfall4.2%3.9%5.1%7.3%
Sprachmischung0.8%1.2%0.6%3.4%

Sprachübergreifende Konsistenz

Modell DE↔FR DE↔IT FR↔IT Avg. Konsistenz
Claude Opus 4.696.8%94.2%95.1%95.4%
GPT-4o95.3%92.7%93.4%93.8%
Gemini 2.0 Flash96.1%95.8%94.9%95.6%
Mistral Large 297.2%91.3%92.7%93.7%

Vollständigen Swiss-Bench Report erhalten

Vierteljährlicher Deep-Dive mit Domänen-Scores, Fehleranalyse und Modellempfehlungen für Schweizer Unternehmen.

Kein Spam. Nur vierteljährlicher Report. Jederzeit abbestellbar.
Swiss-Bench Methodik, Bewertungskriterien und Evaluationsframework sind auf unserer Methodik-Seite → dokumentiert.

Ein peer-reviewed wissenschaftlicher Artikel, der unsere Methodik, die von Experten verifizierte Ground Truth und das statistische Framework beschreibt, befindet sich derzeit in Vorbereitung zur Publikation.

Brauchen Sie Scores für IHRE Domäne? Unsere KI-Modell-Evaluation (ab CHF 8’000) führt Swiss-Bench gegen Ihren spezifischen Anwendungsfall aus. 5-Modell-Vergleich, domänenspezifische Szenarien, umsetzbare Empfehlung.
Kontakt

Bereit für eine unabhängige Evaluation?

Starten Sie mit einer KI-Modell-Evaluation oder einem vollständigen SOTA Model Sweep. Innerhalb von zwei Wochen wissen Sie, welches Modell für Ihren Schweizer Anwendungsfall am besten funktioniert.

Evaluation ab CHF 8’000 · SOTA Sweep ab CHF 20’000
contact@ai-helvetic.ch