Juli 2026 Ausgabe! Zusammenfassung des neuesten LLM-Programmierleistungs-Vergleichs
Zusammenfassung der LLM-Programmierfähigkeiten im Juli 2026: Modell-Scores, ideale VRAM-Größen für lokale Bereitstellungen, empfohlene Hardware und Kosten.
Stand Juli 2026 hat sich die automatische Programmierfähigkeit von KI dramatisch weiterentwickelt. Insbesondere die Punktzahl in "SWE-bench Pro", die die Fähigkeit zur Lösung von Software-Engineering-Aufgaben misst, ist zu einer sehr wichtigen Kennzahl für die Bewertung der Programmierleistung jedes LLM (Large Language Model) geworden. In diesem Artikel vergleichen wir die Scores der wichtigsten geschlossenen und offenen Modelle und erläutern detailliert die Hardwarekonfiguration, die Kosten und den Break-Even-Punkt gegenüber Cloud-APIs für den lokalen Betrieb offener Modelle.
Neuester Vergleich der LLM-Programmierfähigkeiten (SWE-bench Pro)
Die Scores und Eigenschaften der wichtigsten Modelle sind derzeit wie folgt. *Scores werden auf SWE-bench Pro bewertet| Rang | Modellname | Entwickler | Typ (Erforderlicher VRAM) |
Score | Eigenschaften |
|---|---|---|---|---|---|
| 1 | Claude Fable 5 | Anthropic (USA) |
Geschlossen | 80.0% | Der absolute Champion derzeit mit überwältigenden Debugging-Fähigkeiten. Von der US-Regierung freigegeben und nun in anderen Ländern verfügbar. |
| 2 | Claude Mythos | Geschlossen | 77.8% | Ein im Voraus bereitgestelltes ultra-leistungsstarkes Schlussfolgerungsmodell. Hochgradig auf Sicherheit spezialisiert, nur für autorisierte Unternehmen wie Banken und Wertpapierfirmen verfügbar. | |
| 3 | Claude Opus 4.8 | Geschlossen | 69.2% | Die höchste Leistung unter den verfügbaren Modellen, wenn Fable 5 nicht verwendet werden kann. | |
| 4 | GPT-5.6 Sol | OpenAI (USA) |
Geschlossen | 64.6% | Der Höhepunkt innerhalb von OpenAI. Ein Schlussfolgerungsmodell, das sich hervorragend für das Verhalten von Agenten eignet. |
| 5 | GLM-5.2 | Z.ai (China) |
Offen (2TB) |
62.1% | Weltweit auf Platz 1 bei offenen Gewichten, nicht auf chinesische Modelle beschränkt, schließt zu geschlossenen Modellen auf. |
| 6 | Claude Sonnet 5 | Anthropic (USA) |
Geschlossen | 59.6% | Ein äußerst kostengünstiges Modell, das bei weniger als 40 % des Preises von Opus 4.8 die gleiche Programmierleistung bietet. |
| 7 | Qwen3.7 Max | Alibaba (China) |
Offen (2TB) |
60.6% | Ein sehr vielseitiges offenes Modell mit verschiedenen Gewichtsversionen, das von vielen Startups als Basis für ihre eigene KI gewählt wird. |
| 8 | MiniMax M3 | MiniMax (China) |
Offen (1TB) |
59.0% | Gerade erst im Juni 2026 veröffentlicht, stark im Umgang mit langen Kontexten. Ein multimodales Modell, das Bild- und Videoeingaben verarbeiten kann. |
| 9 | DeepSeek-V4 | DeepSeek (China) |
Offen (1TB) |
55.4% | Ein Modell mit hervorragendem Preis-Leistungs-Verhältnis. |
Schwerpunkt: Während die oberen Ränge von Anthropics Claude-Familie dominiert werden, ist bemerkenswert, dass chinesische offene Modelle (GLM-5.2 und Qwen3.7 Max) zu leistungsstarken geschlossenen Modellen wie GPT-5.6 Sol aufschließen.
Hardwareanforderungen für den Betrieb großer lokaler LLMs
Viele offene Modelle haben eine massive Anzahl von Parametern in der 1TB- bis 2TB-Klasse. Wir erläutern die „ideale VRAM-Größe“ und Hardwarekonfiguration, um diese mit praktischer Geschwindigkeit (mit angewandter Quantisierung) in einer lokalen Umgebung auszuführen.Geschätzte erforderliche VRAM-Größe
2TB-Klasse (GLM-5.2, Qwen3.7 Max usw.): Selbst bei 4-Bit-Quantisierung (INT4/AWQ usw.) sind mindestens 192 GB oder mehr VRAM zum Laden des Modells und des Kontextfensters (KV-Cache) erforderlich.1TB-Klasse (MiniMax M3, DeepSeek-V4 usw.): Ebenso sind 128 GB oder mehr VRAM mit 4-Bit-Quantisierung ideal.
Zusammenfassung der günstigsten empfohlenen Hardwarekonfigurationen und Kosten für lokale LLMs
Auf dem aktuellen GPU-Markt ist der günstigste Weg zum Aufbau eines VRAM-Setups mit großer Kapazität derzeit zweifellos AMD. In der Vergangenheit wären Mac Studio und andere Kandidaten gewesen, aber aufgrund von Speicherknappheit liegt die aktuelle maximale Speichergrenze bei 96 GB (oder vielmehr ist dies die einzige Option), und die Preise sind um 30 % gestiegen, beginnend bei mindestens etwa 1,2 Millionen JPY.| Modell | CPU(TOPS) | VRAM (Speicher) | Geschätzte Kosten | Eigenschaften & Bewertung |
| NVIDIA DGX Spark | 1000 TOPS (INT 4) | 128 GB (Unified Memory) | 800.000 JPY (1 Einheit) | Läuft auf Linux ohne PC. Kann mit einer zweiten Einheit verbunden werden, um auf 256 GB zu erhöhen. Geringer Stromverbrauch und hervorragende Laufruhe. |
| NVIDIA A100 | 1248 TOPS (INT 4) | 80 GB (VRAM) | 4,3 Millionen JPY (1 Einheit) + PC-Kosten | Sieht aus wie eine Grafikkarte, hat aber keine Bildausgabeanschlüsse, da sie nur KI-Verarbeitung durchführen kann. Verbraucht abnormal viel Strom. Nur gebraucht. |
| NVIDIA H100 | 3958 TOPS (INT 8) | 80 GB (VRAM) | 5,7 Millionen JPY (1 Einheit) + PC-Kosten | Nachfolger des A100. Die Bandbreite hat sich stark erhöht, was die Berechnungsgeschwindigkeit verdoppelt. Unterliegt Exportbeschränkungen nach China. |
| RTX 3090 × 8 Einheiten + PC-Build | 2504 TOPS (INT 8) | 192 GB (VRAM) | Ab 1,8 Millionen JPY (Inkl. PC) | Erfordert ein Motherboard, das 8 Grafikkarten aufnehmen kann. |
| AMD AI Max+ 395 | 50 TOPS | 128 GB (Unified Memory) | Ab 590.000 JPY | Das beste Preis-Leistungs-Verhältnis. Geringer Stromverbrauch und hervorragende Laufruhe. |
| Apple Mac Studio M3 Ultra | 36 TOPS | 96 GB (Unified Memory) | Ab 1,16 Millionen JPY | Geringer Stromverbrauch und hervorragende Laufruhe. |
Token-Stückpreis und Break-Even-Punkt bei Nutzung von Closed Model APIs
Sollten Sie in einen PC mit solchen Spezifikationen investieren oder weiterhin Cloud-APIs (wie Claude Opus oder GPT-5.6) nach dem Pay-as-you-go-Prinzip nutzen? Wir schätzen kurz den Break-Even-Punkt. Derzeit liegen die typischen API-Stückpreise für hochleistungsfähige geschlossene Modelle in etwa wie folgt (am Beispiel der Sonnet 5-Klasse):
- Eingabe: $3.00 / 1M Token
- Ausgabe: $15.00 / 1M Token
Bei Programmieraufgaben wird eine enorme Menge an Kontext (wie vorhandene Codebasen) geladen, was zu sehr hohen Eingabe-Token führt.
Wenn beispielsweise ein Austausch Eingabe: 50.000 Token / Ausgabe: 2.000 Token verbraucht, betragen die Kosten pro Austausch etwa $0.18 (ca. 27 JPY).
Break-Even-Berechnung: Monatliche Kosten von 27.700 JPY ÷ 27 JPY/Austausch = ca. 1.025 Inferenzanfragen pro Monat. Mit anderen Worten, für Vielnutzer oder Entwicklungsteams, die Programmieraufgaben mit riesigen Codebasen mindestens 34 Mal am Tag ausführen, ist der Kauf von Hardware für den lokalen Betrieb offener Modelle berechnet kostengünstiger als die kontinuierliche Nutzung von Cloud-APIs (vorausgesetzt, die Antwortgenauigkeit offener Modelle kann geschlossene Modelle adäquat ersetzen).
In der Realität nutzt jeder Abonnements, sodass die monatlichen Token-Kosten viel niedriger sind. Wenn Speicherplatz abnormal teuer ist, ist es ehrlich gesagt zweifelhaft, ob selbst Vielnutzer ihre Investition bis zum Break-Even-Punkt amortisieren können.