Der Intelligence Index ist die von Artificial Analysis veröffentlichte Gesamtbewertung von Modellen. Sein vollständiger Name lautet Artificial Analysis Intelligence Index. Er verdichtet die Gesamtleistung jedes großen Sprachmodells zu einem einzigen Score zwischen 0 und 100, damit die Modelle auf einen Blick verglichen werden können. In der Rangliste vom 17. November 2026 führte Claude Fable 5.2 mit 65 Punkten, OpenAIs am selben Tag neu veröffentlichtes GPT-6.2 Astra folgte mit 62 Punkten auf Platz zwei, Googles Gemini 4 Carbon erreichte 60 Punkte und das leichtere Gemini 4 Hydrogen 54 Punkte. Es handelt sich nicht um das Ergebnis eines einzelnen Tests, sondern um eine gewichtete Synthese aus einer ganzen Reihe von Evaluierungen.
Wie wird ein Score von 65 berechnet?
Die aktuelle Version v5.0.1 umfasst 9 Evaluierungen, aufgeteilt auf vier Kategorien — Wissensarbeit, Programmierung, Wissenschaft und Allgemeines — mit jeweils 25 %. Wissensarbeit misst, wie gut Modelle echte Büroaufgaben erledigen; AA-Briefcase v1.1 zählt 15 %. Programmierung prüft Codeänderungen und Terminalarbeit; FrontierCode-AA 2.0 und Terminal-Bench 4.0 zählen zusammen 25 %. Wissenschaft umfasst forschungsbezogene Terminalaufgaben und physikalisches Schlussfolgern. Allgemeines misst Wissensbreite und Halluzinationsrate; AA-Omniscience v1.1 zählt 15 %, aufgeteilt in 10 % Genauigkeit und 5 % für das Vermeiden von Halluzinationen. Die meisten Evaluierungen verwenden pass@1 — nur ein beim ersten Versuch richtiges Ergebnis zählt. Offene Aufgaben wie AA-Briefcase werden von einer Jury bewertet und in Elo umgerechnet. 65 Punkte sind also die gewichtete Gesamtleistung über diese 9 Evaluierungen, bei 100 möglichen Punkten.
Was bedeutet ein Abstand von zwei oder drei Punkten wirklich?
Die Spitzenmodelle liegen nur zwei oder drei Punkte auseinander. Artificial Analysis schätzt das 95-%-Konfidenzintervall des Gesamtscores auf unter ±1 %, doch das ist nur der statistische Fehler — ein Abstand von zwei oder drei Punkten bedeutet keinen echten Qualitätsunterschied. Wichtiger ist, wie sich dasselbe Modell je nach Reasoning-Stufe verändert: GPT-6.2 Astra erreicht bei maximaler Stufe 62 Punkte und bei hoher Stufe etwa 60 — sinkt die Stufe, bewegt sich auch der Rang. Das Schwestermodell GPT-6.2 Sol kommt bei maximaler Stufe auf 57 Punkte. Eine leicht übersehene Dimension sind die Kosten: Ein kompletter Durchlauf des Index kostet für Claude Fable 5.2 etwa 26,50 US-Dollar, für GPT-6.2 Astra etwa 4 US-Dollar. Drei Punkte Unterschied stehen einem mehr als sechsfachen Kostenunterschied gegenüber. Wer ein Modell nur nach dem Score wählt, tut so, als spiele der Preis keine Rolle.
Was der Index nicht misst
Der Intelligence Index ist in erster Linie eine englischsprachige, textbasierte Testreihe. Multimodale Fähigkeiten, Spracheingabe und Mehrsprachigkeit werden separat gemessen und fließen nicht in den Score ein. Er beantwortet auch nicht die Frage „Passt dieses Modell zu meiner Arbeit?": Die Wissensarbeitsaufgaben lehnen sich an allgemeine Büroszenarien an; Fachbereiche wie Kundenservice, Recht oder Medizin kommen nicht vor. Auch die Version ändert sich: Im November 2026 wechselte der Index von v4.3.2 auf v5.0.1, und die Gewichte von 30/20/20/30 auf jeweils 25 % pro Kategorie geändert — Scores aus alter und neuer Version lassen sich nicht direkt vergleichen. Nutzen Sie ihn als Ausgangspunkt für die Modellauswahl: Schauen Sie sich die Teilscores für Ihren Aufgabentyp an — Programmierung für Entwickler, Wissenschaft für Forscher — und prüfen Sie dann Reasoning-Stufe und Kosten. Scores helfen, abgehängte Modelle schnell auszusortieren, doch unter den Top fünf trennen Preis und Leistung im konkreten Einsatzszenario — nicht zwei oder drei Punkte.