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

Ein Reasoning-Modell der Mythos-Klasse für Programmieragenten. Es verwendet dieselben Modellgewichte wie das nur eingeschränkt zugängliche Mythos 5.1. Gleichzeitig senkt eine um 75 % günstigere Abrechnung von Cache-Lesezugriffen die Kosten langer, mehrstufiger Entwicklungsaufgaben. In Claude Code erreichte es 70 Punkte in der unabhängigen AA-Coding-Agent-Bewertung.

Gemini 4 Argon

Google DeepMind

Gemini 4 Argon ist Googles erstes Gemini-4-Modell und das erste Google-Modell seit Langem, das auf eine ernsthafte Auswahlliste für Programmierer gehört. Zusammen mit Googles Antigravity CLI landet es im unabhängigen Coding Agent Index von Artificial Analysis auf Platz drei, knapp vor GPT-6.1 Sol in Codex. Es kann eine Million Token lesen und, ungewöhnlich, auch sehr lange Ausgaben schreiben. Die Haken sind Zugang und Appetit: Antigravity verlangt Googles teuersten Ultra-Tarif, und das Modell verbraucht viele Token für seine Ergebnisse.

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 Programmiermodell für visuelle Aufgaben, lange Kontexte und Teams, die auf ihre Kosten achten. Unabhängige Tests sehen das Flaggschiff GLM-5.3 bei der allgemeinen Programmierleistung vorn, doch Qwens gehostetes multimodales Produkt bietet einen anderen Arbeitsablauf. Das herunterladbare Max-Modell bleibt bemerkenswert; 2,4 Billionen Parameter machen den Eigenbetrieb allerdings zu einem Rechenzentrumsprojekt.

DeepSeek-V4.1-Flash-1017

DeepSeek

Ein günstiger Open-Weight-Coding-Agent, der Screenshots liest, eine Million Token Kontext fasst und Repository-Aufgaben in DeepSeeks eigenem Kostendiagramm für rund zwanzig Cent pro Ticket erledigt. „Flash“ bezeichnet die Tarifstufe, kein kleines Modell.