What about brand-new models?

Arena takes a few days or weeks to collect enough votes. Meanwhile, new models from the labs’ official pages appear in “New, waiting for Arena votes”, with their size, memory needs and speed. When Arena votes, they move into the ranking automatically.

What counts as a free model?

A model with open weights that you can download and run yourself, or a model you can call through a free API today (we check OpenRouter every night). Paid-only models are left out of the rankings, but we show the best paid score as a reference line.

Where do the scores come from?

From Arena (formerly LMSYS Chatbot Arena), where people compare two anonymous answers and vote for the better one. Arena publishes its leaderboard as an open dataset under the CC BY 4.0 license; we filter it to free models. We are not affiliated with Arena.

How often is it updated?

Every night. A scheduled job downloads the latest Arena data, the free model list from OpenRouter and model sizes from Hugging Face, then rebuilds the whole site, including the weekly report on the blog.

Can I run these models on my computer?

Open models, yes, if they fit in your GPU memory. The Run at home page estimates memory and speed for your exact card, from one to ten cards, using each model's real architecture.

Why do small models have no score?

Arena votes mostly on large models. We list the most popular small models from the labs' official Hugging Face pages separately and mark them “No Arena votes”, so you can still find something that runs on a 4 to 12 GB card.

Die besten kostenlosen KI-Modelle, gerankt nach echten Stimmen

Nur Modelle, die du ohne Bezahlung nutzen kannst: kostenlos online oder auf deine eigene GPU heruntergeladen. Die Wertungen stammen aus Millionen blinder Stimmen von Menschen in der Arena, jede Nacht aktualisiert.

Auf dieser Seite: 3 Diagramme · Ranglisten · Neue Modelle · FAQ

Neu in der kostenlosen Rangliste

DeepSeek-V4.1-Flash-20260910 (Max)Platz 19 in Agenten · 19. Okt. 2026 GLM-5.3-FlashPlatz 24 in Vision · 19. Okt. 2026 MiniMax-M3.1-FlashPlatz 33 in Coding · 19. Okt. 2026 Kimi K2.6Platz 34 in Vision · 19. Okt. 2026

Arena-Wertung

Höher ist besser

Blinde Stimmen von Menschen in der Arena, Chat

Gemma 4 31B1443 Qwen3.8-27B1441 Gemma 4 26B A4B1434 Qwen3.5-27B1409 GLM-4.6V1376 gemma-3-27b-it1358 GLM-4.5V1333

Die Balken beginnen bei 1000. In der Arena sind 10 Punkte ein kleiner Abstand und 50 ein deutlicher.

Geschwindigkeit auf einer RTX 4090

Höher ist besser

Tokens pro Sekunde bei 4-Bit, geschätzt

Gemma 4 26B A4B152 tok/s Qwen3.8-27B43 tok/s Qwen3.5-27B43 tok/s gemma-3-27b-it42 tok/s Gemma 4 31B36 tok/s GLM-4.6V12 tok/s GLM-4.5V12 tok/s

Schätzung, kalibriert an 44 echten llama.cpp-Läufen. Etwa 10 tok/s entsprechen der Lesegeschwindigkeit.

Speicher bei 4-Bit

Niedriger ist besser

GB zum Laden, mit 8K Kontext

Gemma 4 26B A4B17 GB (passt in 24 GB)Qwen3.8-27B18 GB (passt in 24 GB)Qwen3.5-27B18 GB (passt in 24 GB)gemma-3-27b-it18 GB (passt in 24 GB)Gemma 4 31B22 GB (passt in 24 GB)GLM-4.6V67 GB (GPU + RAM)GLM-4.5V67 GB (GPU + RAM)

Grün: passt komplett auf eine Karte mit 24 GB. Rot: braucht auch System-RAM und läuft deshalb langsamer.

Was das zeigt · So liest du es

Was das zeigt. Die 8 besten kostenlosen Chat-Modelle, die auf einem Heim-PC mit einer RTX 4090 (24 GB) und 64 GB RAM laufen, auf drei Arten verglichen: wie gut sie sind, wie schnell sie schreiben und wie viel Speicher sie brauchen.

So liest du es. Dieselben Modelle, in allen drei Diagrammen dieselben Farben, damit du ein Modell über alle hinweg verfolgen kannst. Ein Modell kann das beste, aber langsam sein, oder klein und schnell: Wähle die Balance, die du brauchst, und prüfe dann deine eigene Karte unter „Zu Hause ausführen“.

Kostenlose API aktuell Herunterladbar (offene Gewichte)

226 von 416 Modellen in der Chat-Rangliste der Arena sind kostenlos nutzbar. Stimmen vom 15. Okt. 2026. Bestes kostenloses: mimo-v2.6-pro, Platz 11 insgesamt.

Nach Labor filtern:

Komplette kostenlose Rangliste

Kostenloser Rang	Modell	Arena-Wertung	Größe	Download	4-Bit braucht	Qualität bei 4-Bit	Geschwindigkeit auf RTX 4090	Kostenlos online nutzen
1	mimo-v2.6-pro Xiaomi	1491 Platz 11 von 416	1024.2 B 44.9 B aktiv	MIT	622 GB	+1.2% sehr kleiner Verlust	passt nicht	—
2	Kimi K3 (Max) Kimi (Moonshot)	1475 Platz 25 von 416	2779.9 B 105.8 B aktiv	Kimi-K3-Lizenz	1686 GB	+1.2% sehr kleiner Verlust	passt nicht	Chat des Labors
3	glm-5.3-max GLM (Z.ai)	1471 Platz 27 von 416	753.3 B 51.2 B aktiv	MIT	458 GB	+1.2% sehr kleiner Verlust	passt nicht	Chat des Labors
4	glm-5.3-flash GLM (Z.ai)	1471 Platz 29 von 416	321.3 B 25.4 B aktiv	MIT	195 GB	+1.2% sehr kleiner Verlust	passt nicht	Chat des Labors
5	glm-5.2-max GLM (Z.ai)	1470 Platz 31 von 416	753.3 B 51.2 B aktiv	MIT	458 GB	+1.2% sehr kleiner Verlust	passt nicht	Chat des Labors
6	mimo-v2.5-pro Xiaomi	1465 Platz 37 von 416	1023.2 B 43.8 B aktiv	MIT	621 GB	+1.2% sehr kleiner Verlust	passt nicht	—
7	deepseek-v4.1-flash-max DeepSeek	1463 Platz 38 von 416	763.2 B 228.1 B aktiv	MIT	464 GB	+1.2% sehr kleiner Verlust	passt nicht	Chat des Labors
8	glm-5.1 GLM (Z.ai)	1462 Platz 39 von 416	753.9 B 51.7 B aktiv	MIT	458 GB	+1.2% sehr kleiner Verlust	passt nicht	Chat des Labors
9	kimi-k2.6 Kimi (Moonshot)	1455 Platz 44 von 416	1026.9 B 33.3 B aktiv	Modifizierte MIT	623 GB	+1.2% sehr kleiner Verlust	passt nicht	Chat des Labors
10	mimo-v2.6-flash Xiaomi	1455 Platz 45 von 416	310.8 B 17.4 B aktiv	MIT	189 GB	+1.2% sehr kleiner Verlust	passt nicht	—
11	deepseek-v4-pro DeepSeek	1451 Platz 49 von 416	1598.8 B 75.6 B aktiv	MIT	970 GB	+1.2% sehr kleiner Verlust	passt nicht	Chat des Labors
12	glm-5 GLM (Z.ai)	1446 Platz 60 von 416	753.9 B 51.8 B aktiv	MIT	458 GB	+1.2% sehr kleiner Verlust	passt nicht	Chat des Labors
13	deepseek-v4-pro-high-20260813 DeepSeek	1446 Platz 61 von 416	—	MIT	—	—	—	Chat des Labors
14	kimi-k2.5-thinking Kimi (Moonshot)	1445 Platz 62 von 416	—	Modifizierte MIT	—	—	—	Chat des Labors
15	deepseek-v4-pro-high-preview DeepSeek	1445 Platz 63 von 416	—	MIT	—	—	—	Chat des Labors
16	nvidia-nemotron-3-ultra-550b-a55b-nvfp4 NVIDIA	1445 Platz 64 von 416	560.5 B 55 B aktiv	OpenMDW-1.1	340 GB	+1.2% sehr kleiner Verlust	passt nicht	Chat des Labors
17	gemma-4-31bDas Beste auf einer 4090 Google	1443 Platz 67 von 416	31.3 B	Apache 2.0	22 GB	+1.8% kleiner Verlust	36 tok/s · passt	Kostenlose API · ausprobieren Chat des Labors
18	inkling Thinky	1441 Platz 74 von 416	—	Apache 2.0	—	—	—	Kostenlose API · ausprobieren
19	qwen3.8-27b Qwen (Alibaba)	1441 Platz 75 von 416	27.8 B	Apache 2.0	18 GB	+1.9% kleiner Verlust	43 tok/s · passt	Chat des Labors
20	glm-4.6 GLM (Z.ai)	1440 Platz 76 von 416	356.8 B 37.6 B aktiv	MIT	220 GB	+1.2% sehr kleiner Verlust	passt nicht	Chat des Labors
21	hy3 Tencent	1438 Platz 80 von 416	298.8 B 24.4 B aktiv	Apache 2.0	184 GB	+1.2% sehr kleiner Verlust	passt nicht	Chat des Labors
22	qwen3.5-397b-a17b Qwen (Alibaba)	1438 Platz 81 von 416	403.4 B 17 B aktiv	Apache 2.0	245 GB	+1.2% sehr kleiner Verlust	passt nicht	Chat des Labors
23	glm-4.7 GLM (Z.ai)	1435 Platz 87 von 416	358.3 B 39.1 B aktiv	MIT	221 GB	+1.2% sehr kleiner Verlust	passt nicht	Chat des Labors
24	gemma-4-26b-a4bDas Schnellste auf einer 4090 Google	1434 Platz 90 von 416	25.8 B 4 B aktiv	Apache 2.0	17 GB	+1.9% kleiner Verlust	152 tok/s · passt	Kostenlose API · ausprobieren Chat des Labors
25	minimax-m3 MiniMax	1433 Platz 91 von 416	427 B 26.8 B aktiv	Offene Gewichte MiniMax Community License	260 GB	+1.2% sehr kleiner Verlust	passt nicht	Chat des Labors
26	deepseek-v4-flash DeepSeek	1432 Platz 92 von 416	290.9 B 20.4 B aktiv	MIT	178 GB	+1.2% sehr kleiner Verlust	passt nicht	Chat des Labors
27	glm-4.5 GLM (Z.ai)	1430 Platz 95 von 416	358.3 B 39.1 B aktiv	MIT	221 GB	+1.2% sehr kleiner Verlust	passt nicht	Chat des Labors
28	mistral-large-3 Mistral	1428 Platz 98 von 416	—	Apache 2.0	—	—	—	—
29	mimo-v2.5 Xiaomi	1428 Platz 100 von 416	310.8 B 17.4 B aktiv	MIT	189 GB	+1.2% sehr kleiner Verlust	passt nicht	—
30	deepseek-r1-0528 DeepSeek	1428 Platz 101 von 416	684.5 B 51 B aktiv	MIT	416 GB	+1.2% sehr kleiner Verlust	passt nicht	Chat des Labors
31	deepseek-v3.2-exp-thinking DeepSeek	1425 Platz 104 von 416	685.4 B 51.9 B aktiv	MIT	417 GB	+1.2% sehr kleiner Verlust	passt nicht	Chat des Labors
32	deepseek-v3.2 DeepSeek	1424 Platz 105 von 416	685.4 B 51.9 B aktiv	MIT	417 GB	+1.2% sehr kleiner Verlust	passt nicht	Chat des Labors
33	deepseek-v4-flash-high-preview DeepSeek	1424 Platz 106 von 416	—	MIT	—	—	—	Chat des Labors
34	longcat-flash-chat Meituan	1423 Platz 109 von 416	561.9 B 33.4 B aktiv	MIT	341 GB	+1.2% sehr kleiner Verlust	passt nicht	—
35	deepseek-v3.2-exp DeepSeek	1422 Platz 111 von 416	685.4 B 51.9 B aktiv	MIT	417 GB	+1.2% sehr kleiner Verlust	passt nicht	Chat des Labors
36	mistral-medium-3.5 Mistral	1421 Platz 112 von 416	—	Modifizierte MIT	—	—	—	—
37	kimi-k2.5-instant Kimi (Moonshot)	1420 Platz 113 von 416	—	Modifizierte MIT	—	—	—	Chat des Labors
38	qwen3-vl-235b-a22b-instruct Qwen (Alibaba)	1420 Platz 114 von 416	235.7 B 22 B aktiv	Apache 2.0	145 GB	+1.2% sehr kleiner Verlust	passt nicht	Chat des Labors
39	deepseek-v3.2-thinking DeepSeek	1420 Platz 115 von 416	685.4 B 51.9 B aktiv	MIT	417 GB	+1.2% sehr kleiner Verlust	passt nicht	Chat des Labors
40	deepseek-v3.1 DeepSeek	1420 Platz 116 von 416	684.5 B 51.1 B aktiv	MIT	416 GB	+1.2% sehr kleiner Verlust	passt nicht	Chat des Labors
41	qwen3-235b-a22b-instruct-2507 Qwen (Alibaba)	1419 Platz 119 von 416	235.1 B 22 B aktiv	Apache 2.0	145 GB	+1.2% sehr kleiner Verlust	passt nicht	Chat des Labors
42	deepseek-v3.1-terminus-thinking DeepSeek	1419 Platz 120 von 416	—	MIT	—	—	—	Chat des Labors
43	qwen3.5-122b-a10b Qwen (Alibaba)	1417 Platz 123 von 416	125.1 B 10 B aktiv	Apache 2.0	77 GB	+1.2% sehr kleiner Verlust	passt nicht	Chat des Labors
44	deepseek-v3.1-terminus DeepSeek	1417 Platz 125 von 416	—	MIT	—	—	—	Chat des Labors
45	qwen3-next-80b-a3b-instruct Qwen (Alibaba)	1417 Platz 126 von 416	—	Apache 2.0	—	—	—	Chat des Labors
46	deepseek-v3.1-thinking DeepSeek	1417 Platz 128 von 416	—	MIT	—	—	—	Chat des Labors
47	qwen3-235b-a22b-thinking-2507 Qwen (Alibaba)	1415 Platz 131 von 416	—	Apache 2.0	—	—	—	Chat des Labors
48	kimi-k2-thinking-turbo Kimi (Moonshot)	1414 Platz 133 von 416	—	Modifizierte MIT	—	—	—	Chat des Labors
49	Inkling Small Thinky	1413 Platz 135 von 416	—	Apache 2.0	—	—	—	Kostenlose API · ausprobieren
50	mimo-v2-flash (non-thinking) Xiaomi	1411 Platz 139 von 416	—	MIT	—	—	—	—
51	nvidia-nemotron-3.5-super-vl-120b-a12b-nvfp4 NVIDIA	1409 Platz 141 von 416	—	OpenMDW-1.1	—	—	—	Chat des Labors
52	qwen3.5-27b Qwen (Alibaba)	1409 Platz 142 von 416	27.8 B	Apache 2.0	18 GB	+1.9% kleiner Verlust	43 tok/s · passt	Chat des Labors
53	minimax-m2.7 MiniMax	1405 Platz 148 von 416	—	Modifizierte MIT	—	—	—	Chat des Labors
54	step-3.5-flash Stepfun	1403 Platz 150 von 416	—	Apache 2.0	—	—	—	—
55	hunyuan-hy3-preview Tencent	1402 Platz 151 von 416	—	Offene Gewichte tencent-hunyuan-community	—	—	—	Chat des Labors
56	qwen3-vl-235b-a22b-thinking Qwen (Alibaba)	1401 Platz 152 von 416	235.7 B 22 B aktiv	Apache 2.0	145 GB	+1.2% sehr kleiner Verlust	passt nicht	Chat des Labors
57	qwen3.5-35b-a3b Qwen (Alibaba)	1395 Platz 161 von 416	—	Apache 2.0	—	—	—	Chat des Labors
58	mimo-v2-flash (thinking) Xiaomi	1395 Platz 162 von 416	—	MIT	—	—	—	—
59	qwen3-235b-a22b-no-thinking Qwen (Alibaba)	1393 Platz 164 von 416	—	Apache 2.0	—	—	—	Chat des Labors
60	minimax-m2.1-preview MiniMax	1392 Platz 165 von 416	—	MIT	—	—	—	Chat des Labors

Größe: Parameter (und aktive Parameter bei Mixture of Experts). 4-Bit braucht: GPU-Speicher bei Q4_K_M mit 8K Kontext. Qualität bei 4-Bit: perplexity Anstieg gegenüber dem vollen Modell, aus llama.cpp-Tests, nach Größe skaliert. Geschwindigkeit: Schätzung auf einer RTX 4090 (24 GB) mit 64 GB DDR5, bei 4-Bit. Simuliere deine eigene Hardware.

Die 15 besten kostenlosen Chat-Modelle

mimo-v2.6-pro 1491 Kimi K3 (Max) 1475 glm-5.3-max 1471 glm-5.3-flash 1471 glm-5.2-max 1470 mimo-v2.5-pro 1465 deepseek-v4.1-flash-max 1463 glm-5.1 1462 kimi-k2.6 1455 mimo-v2.6-flash 1455 deepseek-v4-pro 1451 glm-5 1446 deepseek-v4-pro-high-20260813 1446 kimi-k2.5-thinking 1445 deepseek-v4-pro-high-preview 1445

1350140014501500

Arena-Wertung, Achse beginnt bei 1350. Farbe = das Labor, das das Modell entwickelt hat, in jedem Diagramm gleich. Gestrichelte Linie: bestes kostenpflichtiges Modell, Gemini 4 Argon (High) (1532).

Was das zeigt · So liest du es

Was das zeigt. Die 15 besten kostenlosen Modelle für den Chat, nach ihrer Wertung aus blinden Stimmen von Menschen in der Arena. Die gestrichelte Linie ist das beste kostenpflichtige Modell als Referenz.

So liest du es. Längerer Balken, besseres Modell. Die Achse beginnt nicht bei null, kleine Abstände wirken also größer, als sie sind: In der Arena sind 10 Punkte ein kleiner Unterschied, 50 ein deutlicher. Jede Farbe steht für ein Labor; mit den Labor-Schaltflächen oben zeigst du nur einige an.

Wertung im Vergleich zur Größe

Klein und stark mimo-v2.6-proglm-5.3-flashgemma-4-31b

130014001500

10B100B1T

Jeder Punkt ist ein offenes Modell; oben ist besser, links ist kleiner. Die Linie verbindet die Modelle, die jedes kleinere schlagen. Parameter auf logarithmischer Skala. Farbe = das Labor, das das Modell entwickelt hat.

Was das zeigt · So liest du es

Was das zeigt. Jedes offene Modell mit bekannter Größe: seine Arena-Wertung im Vergleich zur Zahl seiner Parameter. Die Größe bestimmt, wie viel Speicher du zum Ausführen brauchst.

So liest du es. Oben ist besser, links ist kleiner. Modelle in der grünen Ecke sind klein und stark: der beste Gegenwert für zu Hause. Die Linie verbindet die Modelle, die alles Kleinere schlagen.

Wertung im Vergleich zur Geschwindigkeit zu Hause

Schnell und stark gemma-4-31bgemma-4-26b-a4b

1300135014001450

10 tok/s100 tok/s

Jeder Punkt ist ein offenes Modell; oben ist besser, rechts ist schneller auf einer RTX 4090 bei 4-Bit. Die Linie verbindet die Modelle, die jedes schnellere schlagen. Geschwindigkeit auf logarithmischer Skala. Farbe = das Labor, das das Modell entwickelt hat.

Was das zeigt · So liest du es

Was das zeigt. Offene Modelle, die auf einer RTX 4090 (24 GB) mit 64 GB System-RAM bei 4-Bit laufen: Arena-Wertung im Vergleich zu den geschätzten Wörtern pro Sekunde.

So liest du es. Oben ist besser, rechts ist schneller. Die grüne Ecke ist schnell und stark: der beste Gegenwert für einen Heim-PC. Um 10 Tokens pro Sekunde entsprechen der Lesegeschwindigkeit; unter 5 fühlt es sich langsam an.

Die besten kostenlosen Modelle der letzten sechs Monate

14501475150015251550

MaiJunJulAugSeptOkt

mimo-v2.6-pro 1491Kimi K3 (Max) 1475glm-5.3-max 1471glm-5.3-flash 1471glm-5.2-max 1470Bestes kostenpflichtiges Modell

Arena-Wertung vom 17. Apr. 2026 bis 15. Okt. 2026.

Was das zeigt · So liest du es

Was das zeigt. Wie sich die Arena-Wertung der fünf besten offenen Modelle über sechs Monate verändert hat, im Vergleich zum besten kostenpflichtigen Modell (gestrichelt grau).

So liest du es. Eine steigende Linie heißt: Das Modell hat mit der Zeit mehr Stimmen gewonnen. Die Linien beginnen, wenn ein Modell in die Arena kam. Gleiche Farbe wie sein Labor; eine gestrichelte Linie ist ein zweites Modell desselben Labors.

Wer schlägt wen

Modell A ↓ · Modell B →	Gemini 4 Argon (High) (kostenpflichtig)	mimo-v2.6-pro	Kimi K3 (Max)	glm-5.3-max	glm-5.3-flash	glm-5.2-max	mimo-v2.5-pro	deepseek-v4.1-flash-max	glm-5.1	kimi-k2.6	mimo-v2.6-flash	deepseek-v4-pro	glm-5
Gemini 4 Argon (High) kostenpflichtig		0.56	0.58	0.59	0.59	0.59	0.60	0.60	0.60	0.61	0.61	0.61	0.62
mimo-v2.6-pro	0.44		0.52	0.53	0.53	0.53	0.54	0.54	0.54	0.55	0.55	0.56	0.56
Kimi K3 (Max)	0.42	0.48		0.51	0.51	0.51	0.51	0.52	0.52	0.53	0.53	0.53	0.54
glm-5.3-max	0.41	0.47	0.49		0.50	0.50	0.51	0.51	0.51	0.52	0.52	0.53	0.54
glm-5.3-flash	0.41	0.47	0.49	0.50		0.50	0.51	0.51	0.51	0.52	0.52	0.53	0.54
glm-5.2-max	0.41	0.47	0.49	0.50	0.50		0.51	0.51	0.51	0.52	0.52	0.53	0.53
mimo-v2.5-pro	0.40	0.46	0.49	0.49	0.49	0.49		0.50	0.50	0.51	0.51	0.52	0.53
deepseek-v4.1-flash-max	0.40	0.46	0.48	0.49	0.49	0.49	0.50		0.50	0.51	0.51	0.52	0.52
glm-5.1	0.40	0.46	0.48	0.49	0.49	0.49	0.50	0.50		0.51	0.51	0.52	0.52
kimi-k2.6	0.39	0.45	0.47	0.48	0.48	0.48	0.49	0.49	0.49		0.50	0.51	0.51
mimo-v2.6-flash	0.39	0.45	0.47	0.48	0.48	0.48	0.49	0.49	0.49	0.50		0.51	0.51
deepseek-v4-pro	0.39	0.44	0.47	0.47	0.47	0.47	0.48	0.48	0.48	0.49	0.49		0.51
glm-5	0.38	0.44	0.46	0.46	0.46	0.47	0.47	0.48	0.48	0.49	0.49	0.49

A verliert meist (bis zu 0.38)Ausgeglichen (0.50)A gewinnt meist (bis zu 0.62)

Jedes Feld: wie oft das Modell in der Zeile das Modell in der Spalte voraussichtlich schlägt, berechnet aus ihren Arena-Wertungen (1 / (1 + 10^((B − A) / 400)), die Elo-Formel hinter den Wertungen der Arena). Die Arena veröffentlicht nicht jedes einzelne Duell, das sind also erwartete Quoten, keine gezählten.

Was das zeigt · So liest du es

Was das zeigt. Für jedes Paar von Spitzenmodellen: wie oft das Modell in der Zeile das Modell in der Spalte in einer blinden Abstimmung voraussichtlich schlägt.

So liest du es. Lies eine Zeile von links nach rechts: Blaue Felder sind Duelle, die dieses Modell meist gewinnt, rote Felder solche, die es meist verliert. 0.50 ist ein Münzwurf; 0.60 heißt, dass es 6 von 10 Duellen gewinnt.

Kleine Modelle, noch keine Arena-Stimmen

Offizielle Modelle von den Hugging-Face-Seiten der Labore, 0.5 bis 16 Milliarden Parameter. Die Arena hat über sie noch nicht abgestimmt, deshalb sind sie nach Downloads sortiert, was Beliebtheit zeigt, nicht Qualität. Sie laufen mit 4 bis 12 GB GPU-Speicher.

Modell	Downloads/Monat	Größe	Zu Hause ausführen
Qwen3-0.6B Qwen	28.6M	0.8 B	~3 GB bei 4-Bit · simulieren
Qwen3-4B Qwen	11.7M	4 B	~5 GB bei 4-Bit · simulieren
Qwen3-8B Qwen	8.8M	8.2 B	~7 GB bei 4-Bit · simulieren
Qwen3-14B Qwen	8.7M	14.8 B	~12 GB bei 4-Bit · simulieren
Qwen3.5-4B Qwen	7.8M	4.7 B	~5 GB bei 4-Bit · simulieren
Qwen3.5-9B Qwen	7.3M	9.7 B	~8 GB bei 4-Bit · simulieren
NVIDIA-Nemotron-3-Nano-4B-BF16 nvidia	1.7M	4 B	~5 GB bei 4-Bit · simulieren
SmolVLM2-500M-Video-Instruct HuggingFaceTB	1.4M	0.5 B	~2 GB bei 4-Bit · simulieren
gemma-3-1b-it google · Lizenz muss akzeptiert werden	1.4M	1 B	~3 GB bei 4-Bit · simulieren
MiniCPM5-2B openbmb	1.3M	2.5 B	~4 GB bei 4-Bit · simulieren
DeepSeek-R1-Distill-Qwen-1.5B deepseek-ai	1.3M	1.8 B	~3 GB bei 4-Bit · simulieren
gemma-3-4b-it google · Lizenz muss akzeptiert werden	1.1M	4.3 B	~5 GB bei 4-Bit · simulieren
SmolLM3-3B HuggingFaceTB	748K	3.1 B	~4 GB bei 4-Bit · simulieren
granite-4.1-3b ibm-granite	636K	3.4 B	~4 GB bei 4-Bit · simulieren
Apertus-v1.5-8B swiss-ai · Lizenz muss akzeptiert werden	493K	8.9 B	~8 GB bei 4-Bit · simulieren
Olmo-3-7B-Think allenai	490K	7.3 B	~7 GB bei 4-Bit · simulieren
Apertus-8B-Instruct-2509 swiss-ai	432K	8.1 B	~7 GB bei 4-Bit · simulieren
DeepSeek-R1-0528-Qwen3-8B deepseek-ai	426K	8.2 B	~7 GB bei 4-Bit · simulieren
DeepSeek-R1-Distill-Qwen-7B deepseek-ai	386K	7.6 B	~7 GB bei 4-Bit · simulieren
Olmo-3-7B-Instruct allenai	384K	7.3 B	~7 GB bei 4-Bit · simulieren

Neu, wartet auf Arena-Stimmen

In den letzten 60 Tagen auf den offiziellen Hugging-Face-Seiten der Labore veröffentlicht oder neue kostenlose Modelle auf OpenRouter, über die die Arena noch nicht abgestimmt hat. Wir prüfen jede Nacht; sobald die Arena abstimmt, rückt ein Modell in die Rangliste oben auf.

Veröffentlicht	Modell	Typ	Größe	4-Bit braucht	Kostenlos nutzen
17. Okt. 2026	DeepSeek-V4.1-Flash-1017 deepseek-ai	Chat, Vision	763.2 B 228.1 B aktiv	511 GB	Download
16. Okt. 2026	NVIDIA-Nemotron-Labs-Dory1.0-4B-BF16 nvidia	Chat	4 B	5 GB	Download
15. Okt. 2026	Hy-Memory-30B-A3B tencent	Chat	30.1 B 3 B aktiv	22 GB	Download
14. Okt. 2026	UserRepGen-4B microsoft	Chat	4.5 B	5 GB	Download
14. Okt. 2026	granite-switch-4.1-8b ibm-granite	Chat	8.8 B	8 GB	Download
14. Okt. 2026	granite-switch-4.1-30b ibm-granite	Chat	30 B	22 GB	Download
14. Okt. 2026	flux-3-image-klein-pup black-forest-labs	Bild	9.4 B	8 GB	Download
13. Okt. 2026	Ling-3.1-flash inclusionAI	Chat	572.1 B 33.1 B aktiv	383 GB	Download
13. Okt. 2026	flux-3-image-klein black-forest-labs	Bildbearbeitung	5.5 B	6 GB	Download
12. Okt. 2026	NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16 nvidia	Chat, Vision	124.5 B 12 B aktiv	85 GB	Kostenlose API · ausprobierenDownload
12. Okt. 2026	LFM2.5-24B-A2B LiquidAI	Chat	24 B 2 B aktiv	18 GB	Download
9. Okt. 2026	NVIDIA-Nemotron-3.5-Bolt-74B-A9B-BF16 nvidia	Chat, Vision	74.9 B 9 B aktiv	52 GB	Download
7. Okt. 2026	NVIDIA-Nemotron-3.5-Bolt-74B-A9B-24GB nvidia	Chat, Vision	22.4 B 9 B aktiv	17 GB	Download
7. Okt. 2026	MiniCPM-V-4.7-35B-A3B openbmb	Chat, Vision	35.2 B 3 B aktiv	25 GB	Download
5. Okt. 2026	d1-omni-600M LiquidAI	Chat, Vision	0.6 B	2 GB	Download
5. Okt. 2026	d1-3B LiquidAI	Chat, Vision	3.1 B	4 GB	Download
29. Sept. 2026	AesCode-32B microsoft	Chat, Vision, Coding	33.4 B	24 GB	Download
29. Sept. 2026	AesCode-8B microsoft	Chat, Vision, Coding	8.8 B	8 GB	Download
17. Sept. 2026	Ming-Image-0.1-Design inclusionAI	Bild	6.2 B	6 GB	Download
9. Sept. 2026	Kandinsky-6.0-Lite-distill-5s-Diffusers kandinskylab	Video	3.2 B	4 GB	Download
9. Sept. 2026	Kandinsky-6.0-Pro-distill-5s-Diffusers kandinskylab	Video	30.1 B	22 GB	Download
2. Sept. 2026	tiny-aya-l2-thinker CohereLabs	Chat	3.4 B	4 GB	Download
27. Aug. 2026	Qwen-Drive-1.0-4B Qwen	Chat, Vision	4.5 B	5 GB	Download
27. Aug. 2026	ContextPilot-14B tencent	Chat	14.8 B	12 GB	Download
26. Aug. 2026	Bolmo-1B-Stage1 allenai	Chat	1.5 B	3 GB	Download
kostenlose API	XingChen: Xing4.0 29B A4B xingchen-agi	Chat	—	—	Kostenlose API · ausprobieren
kostenlose API	Dots Studio: Dots3-Note Preview dots-studio	Chat	—	—	Kostenlose API · ausprobieren
kostenlose API	LiquidAI: LFM2.5-2.6B liquid	Chat	—	—	Kostenlose API · ausprobieren
kostenlose API	NVIDIA: Nemotron 3.5 Lightning nvidia	Chat	—	—	Kostenlose API · ausprobieren
kostenlose API	Poolside: Laguna S 2.1 poolside	Chat	—	—	Kostenlose API · ausprobieren
kostenlose API	Poolside: Laguna XS 2.1 poolside	Chat	—	—	Kostenlose API · ausprobieren
kostenlose API	Cohere: North Mini Code cohere	Chat	—	—	Kostenlose API · ausprobieren
kostenlose API	NVIDIA: Nemotron 3 Ultra nvidia	Chat	—	—	Kostenlose API · ausprobieren
kostenlose API	NVIDIA: Nemotron 3 Nano Omni nvidia	Chat	—	—	Kostenlose API · ausprobieren
kostenlose API	NVIDIA: Nemotron 3 Super nvidia	Chat	—	—	Kostenlose API · ausprobieren

Häufig gestellte Fragen

Was ist mit ganz neuen Modellen?

Die Arena braucht ein paar Tage oder Wochen, um genug Stimmen zu sammeln. In der Zwischenzeit erscheinen neue Modelle von den offiziellen Seiten der Labore unter „Neu, wartet auf Arena-Stimmen“, mit Größe, Speicherbedarf und Geschwindigkeit. Sobald die Arena abstimmt, rücken sie automatisch in die Rangliste auf.

Was zählt als kostenloses Modell?

Ein Modell mit offenen Gewichten, das du herunterladen und selbst ausführen kannst, oder ein Modell, das du heute über eine kostenlose API aufrufen kannst (wir prüfen OpenRouter jede Nacht). Rein kostenpflichtige Modelle bleiben aus den Ranglisten draußen, aber wir zeigen die beste kostenpflichtige Wertung als Referenzlinie.

Woher kommen die Wertungen?

Von der Arena (früher LMSYS Chatbot Arena), wo Menschen zwei anonyme Antworten vergleichen und für die bessere stimmen. Die Arena veröffentlicht ihr Leaderboard als offenen Datensatz unter der Lizenz CC BY 4.0; wir filtern es auf kostenlose Modelle. Wir stehen in keiner Verbindung zur Arena.

Wie oft wird aktualisiert?

Jede Nacht. Ein geplanter Job lädt die neuesten Arena-Daten, die Liste kostenloser Modelle von OpenRouter und die Modellgrößen von Hugging Face herunter und baut dann die ganze Website neu auf, einschließlich des Wochenberichts im Blog.

Kann ich diese Modelle auf meinem Computer ausführen?

Offene Modelle ja, wenn sie in den Speicher deiner GPU passen. Die Seite „Zu Hause ausführen“ schätzt Speicher und Geschwindigkeit für deine genaue Karte, von einer bis zehn Karten, anhand der echten Architektur jedes Modells.

Warum haben kleine Modelle keine Wertung?

Die Arena stimmt meist über große Modelle ab. Die beliebtesten kleinen Modelle von den offiziellen Hugging-Face-Seiten der Labore führen wir getrennt auf und markieren sie mit „Keine Arena-Stimmen“, damit du trotzdem etwas findest, das auf einer Karte mit 4 bis 12 GB läuft.

Diese Seite teilen:X LinkedIn Reddit WhatsApp

Falsche Zahl oder kaputten Link entdeckt? Fehler melden