Benchmarks
Language performance
How well does each AI model perform when prompted in different languages? Within each language, models are ranked by head-to-head comparison on the same native prompts — 1000 is the average of the models measured in that language.
Tests run weekly · Models with image/audio/TTS capabilities excluded
English
prompt: 2 · 478 puanlanan çalıştırma · English
| # | Model | Kazanma oranı | Runs |
|---|---|---|---|
| 1 | Claude Opus 5Anthropic | 96%±3 | 1 |
| 1 | gpt-5.4-nano-2026-03-17OpenAI | 91%±4 | 3 |
| 1 | gpt-oss-120bOVH AI Endpoints (GRA) | 91%±4 | 7 |
| 1 | Claude Opus 4.8Anthropic | 90%±4 | 6 |
| 2 | gpt-5-search-apiOpenAI | 87%±4 | 9 |
Nederlands
prompt: 2 · 377 puanlanan çalıştırma · Dutch
| # | Model | Kazanma oranı | Runs |
|---|---|---|---|
| 1 | Claude Fable 5Anthropic | 82%±6 | 3 |
| 1 | Claude Sonnet 5Anthropic | 82%±6 | 2 |
| 1 | gpt-5-miniOpenAI | 82%±6 | 3 |
| 1 | gpt-5.1OpenAI | 82%±6 | 3 |
| 1 | gpt-5.2OpenAI | 82%±6 | 3 |
Deutsch
prompt: 1 · 377 puanlanan çalıştırma · German
Bu dilde şimdilik yalnızca 1 prompt var — bu, toplanan kanıtı gösterir, bir sıralamayı değil. Sıralamanın anlam taşıması için daha fazla prompt gerekiyor.
| # | Model | Kazanma oranı | Runs |
|---|---|---|---|
| 1 | Claude Opus 5Anthropic | 68%±10 | 2 |
| 1 | Claude Opus 4.5Anthropic | 61%±8 | 5 |
| 1 | Claude Opus 4.6Anthropic | 61%±8 | 5 |
| 1 | Claude Opus 4.7Anthropic | 61%±8 | 5 |
| 1 | Claude Opus 4.8Anthropic | 61%±8 | 3 |
Français
prompt: 1 · 348 puanlanan çalıştırma · French
Bu dilde şimdilik yalnızca 1 prompt var — bu, toplanan kanıtı gösterir, bir sıralamayı değil. Sıralamanın anlam taşıması için daha fazla prompt gerekiyor.
| # | Model | Kazanma oranı | Runs |
|---|---|---|---|
| 1 | Gemini Flash-Lite LatestGoogle Gemini | 84%±7 | 6 |
| 1 | gpt-5.1OpenAI | 84%±7 | 3 |
| 1 | o3OpenAI | 84%±7 | 3 |
| 1 | o4-mini-2025-04-16OpenAI | 84%±7 | 3 |
| 1 | Gemini 3.1 Flash LiteGoogle Gemini | 84%±7 | 6 |
Español
prompt: 1 · 347 puanlanan çalıştırma · Spanish
Bu dilde şimdilik yalnızca 1 prompt var — bu, toplanan kanıtı gösterir, bir sıralamayı değil. Sıralamanın anlam taşıması için daha fazla prompt gerekiyor.
| # | Model | Kazanma oranı | Runs |
|---|---|---|---|
| 1 | Gemini Flash-Lite LatestGoogle Gemini | 80%±6 | 5 |
| 1 | gpt-3.5-turboOpenAI | 80%±6 | 6 |
| 1 | gpt-3.5-turbo-0125OpenAI | 80%±6 | 6 |
| 1 | gpt-3.5-turbo-16kOpenAI | 80%±6 | 5 |
| 1 | gpt-4.1-miniOpenAI | 80%±6 | 6 |
Türkçe
prompt: 1 · 116 puanlanan çalıştırma · Turkish
Bu dilde şimdilik yalnızca 1 prompt var — bu, toplanan kanıtı gösterir, bir sıralamayı değil. Sıralamanın anlam taşıması için daha fazla prompt gerekiyor.
| # | Model | Kazanma oranı | Runs |
|---|---|---|---|
| 1 | Claude Fable 5Anthropic | 56%±11 | 2 |
| 1 | Claude Haiku 4.5Anthropic | 56%±11 | 2 |
| 1 | Claude Opus 4.5Anthropic | 56%±11 | 2 |
| 1 | Claude Opus 4.6Anthropic | 56%±11 | 2 |
| 1 | Claude Opus 4.7Anthropic | 56%±11 | 2 |