Programmierung — KI, die Produktionscode schreibt

Claude Opus 5.5

Anthropic

Claude Opus 5.5 ist das Programmiermodell für die großen, verworrenen Aufgaben: eine Migration über Hunderttausende Zeilen, ein Fehler, der sich durch fünf Dienste zieht, ein Altsystem, das niemand mehr ganz versteht. In Anthropics eigenen Benchmarks liegt es vor GPT-6 Astra; in unabhängigen Tests liegen beide gleichauf. Platz 2 statt Platz 1 hat es nur, weil Astra dieselbe Terminal-Arbeit mit deutlich weniger Token erledigt.

Claude Sonnet 5.5

Anthropic

Claude Sonnet 5.5 ist das Programmiermodell, das man den ganzen Tag laufen lassen kann: schnell, zum halben Tokenpreis von Opus 5.5 und gut genug, dass die meisten Bugfixes, Features und Refactorings das Spitzenmodell nie brauchen. Nur den Aufwandsregler sollte man nicht ganz aufdrehen – auf der höchsten Stufe schreibt es mehr als jedes Modell, das Artificial Analysis je gemessen hat, und manche Ergebnisse werden sogar schlechter.

GPT-6.1 Sol

OpenAI

GPT-6.1 Sol ist der Coding-Agent, den Sie den ganzen Tag laufen lassen können, ohne auf die Rechnung schauen zu müssen. In unabhängigen Tests liegt er nur ein oder zwei Punkte hinter GPT-6 Astra, dem Flaggschiff von OpenAI, dennoch kostet eine typische Aufgabe weniger als ein Viertel. Der Token-Preis hat sich gegenüber GPT-6 Sol nicht geändert (2 $ Eingabe, 10 $ Ausgabe pro Million), aber das erneute Lesen von im Cache gespeichertem Code kostet jetzt nur noch 0,10 $ pro Million Token, und genau bei großen Repositories macht sich diese Ersparnis bemerkbar.

Claude Fable 5.1

Anthropic

Die für agenten-basiertes Codieren verfeinerte Reasoning-Engine der Mythos-Klasse. Gleiche Gewichte wie das eingeschränkte Mythos 5.1, aber optimiert durch einen 75%igen Cache-Rabatt, der die Wirtschaftlichkeit von Langzeit-Engineering revolutioniert. Am besten in Claude Code eingesetzt, wo der AA Coding Agent-Score von 70 das Feld anführt.

Grok 4.7

xAI

Grok 4.7 ist das günstigste ernstzunehmende Programmiermodell in der Nähe der Ranglistenspitze. Für $2 Eingabe und $6 Ausgabe pro Million Token erreicht es 71,0 % bei DeepSWE und 46,3 % bei CursorBench 4.0, und es läuft direkt in Cursor und Grok Build. Ein starker Programmierpartner für den Alltag – aber noch nicht der Agent, den man stundenlang allein im Terminal arbeiten lässt.

GLM-5.3

Z.ai (Zhipu AI)

Ein schwergewichtiges Open-Weight-Modell für genau den Teil der Softwareentwicklung, der nach der ersten Antwort beginnt: planen, editieren, testen, Rückschläge auffangen und sich auch bei langen Aufträgen in einem Repository nicht verirren.

Qwen3.8-Max

Alibaba / Qwen Team

Ein äußerst wertvoller Herausforderer für visuelles und kontextreiches Programmieren, der nach unabhängigen Tests, bei denen das Flaggschiff GLM-5.3 die Nase vorn hatte, nun auf Platz 6 rangiert. Sein herunterladbares Max-Tier-Checkpoint-Modell bleibt bemerkenswert, doch 2,4 Billionen Parameter machen das Self-Hosting zu einem echten Rechenzentrumsprojekt.

GLM-5.3-Flash

Z.ai (Zhipu AI)

Coding- und Agentenarbeit knapp unterhalb der Leistungsspitze zu ungewöhnlich niedrigen Preisen, mit nativer Bildverarbeitung und 1M Kontext. „Flash“ bedeutet hier effizient und günstig – nicht klein und auch nicht besonders schnell.