FeelFish Evals · Human Leaderboard
Dieses Ranking basiert auf echten Lesern: Mehrere Modelle schreiben den Anfang derselben Roman-Aufgabe, Leser vergeben nach der Lektüre ein „Like“ oder „Dislike“. Sortiert wird nach der menschlichen Like-Rate (Likes ÷ (Likes + Dislikes)), mit Stichprobengröße, Briefing-Treue und Fallabdeckung; Modelle mit weniger als 50 Bewertungen erscheinen ohne Platz.
KI-Jury-Noten beeinflussen die Reihenfolge nicht und werden hier nicht gezeigt. Sie bewerten Stil, Szene, Figuren, Tempo und Originalität und werden auf der Modellseite freigeschaltet, nachdem du ein Kapitel bewertet hast. Die Like-Rate zeigt Leserpräferenz, nicht die absolute Schreibgrenze eines Modells.
Auf einen Blick
Stand 2026-11-02 die ersten drei nach Like-Rate: xiaomi-mimo-2.6-pro (70.6%, n=102), claude-opus-5-5 (70.3%, n=101), gemini-3.8-flash (68.3%, n=101). Vollständige Plätze, Stichprobengrößen und Briefing-Treue stehen in der Tabelle.
Nach Like-Rate sortiert; Modelle brauchen mindestens 50 Bewertungen für einen Platz.
Diese Tabelle wird nur nach der menschlichen Like-Rate sortiert. KI-Jury-Noten und Teilnoten beeinflussen die Reihenfolge nicht und werden hier nicht veröffentlicht; öffne die Modellseite, lies das erste Kapitel und bewerte es, um sie freizuschalten.
| Platz | Modell | Like-Rate | Likes / Dislikes | Briefing-Treue | Letzte Bewertung |
|---|---|---|---|---|---|
| 1 | xiaomi-mimo-2.6-proSieger Xiaomi3 Fälle | 70.6% 102 Bewertungen72 Likes / 30 Dislikes | 72/30 | 2/3 | |
| 2 | claude-opus-5-5Zweiter Anthropic3 Fälle | 70.3% 101 Bewertungen71 Likes / 30 Dislikes | 71/30 | 3/3 | |
| 3 | gemini-3.8-flashDritter Google3 Fälle | 68.3% 101 Bewertungen69 Likes / 32 Dislikes | 69/32 | 1/3 | |
| 4 | Moonshot3 Fälle | 67.7% 99 Bewertungen67 Likes / 32 Dislikes | 67/32 | 3/3 | |
| 5 | OpenAI3 Fälle | 64.3% 98 Bewertungen63 Likes / 35 Dislikes | 63/35 | 1/3 | |
| 6 | ByteDance3 Fälle | 62.7% 102 Bewertungen64 Likes / 38 Dislikes | 64/38 | 3/3 |
Diese Modelle sind bereits bewertet, haben aber noch nicht genug Leserbewertungen. Bei kleinen Stichproben schwankt die Rate stark; lies Stichprobengröße, Fallabdeckung und das Kapitel, bevor du Schlüsse ziehst.
Das ist ein Ranking der Leserpräferenz, keine allgemeine Fähigkeitsnote. Die vier Hinweise sind wichtiger als der Platz.
Like-Rate = Likes ÷ (Likes + Dislikes), pro Modell über alle aktuell veröffentlichten Bewertungen aggregiert. Jede Person kann jede Bewertungsversion einmal bewerten, was Mehrfachstimmen begrenzt.
Sortiert wird absteigend; bei Gleichstand entscheidet die Stichprobengröße, dann das Datum der letzten Bewertung.
Modelle unter der Schwelle zeigen ihre aktuelle Rate und Stichprobengröße, erhalten aber keinen Platz; wenige Stimmen können die Rate stark verschieben.
Sobald die Stichprobe groß genug ist, rückt das Modell automatisch in die Haupttabelle.
Nur aktuelle (isLatest) veröffentlichte Bewertungen zählen; alte Versionen, Entwürfe und unveröffentlichte Datensätze bleiben außen vor.
Modelle decken unterschiedliche Fälle und Zeitpunkte ab; lies Vergleiche zwischen Chargen zusammen mit Stichprobengröße und Fallabdeckung.
Diese Seite zeigt keine KI-Jury-Noten und sortiert nicht danach. Sie werden auf der Modellseite nach der Bewertung eines Kapitels freigeschaltet, damit Maschinennoten nicht mit Leserpräferenz verwechselt werden.
Die Like-Rate beantwortet „Will ich weiterlesen?“; die Jury-Note beantwortet „Wie sind Stil, Szene, Figuren, Tempo und Originalität?“. Sie sind nicht austauschbar.
Nach der menschlichen Like-Rate: Likes ÷ (Likes + Dislikes), pro Modell über aktuelle veröffentlichte Bewertungen aggregiert. Modelle brauchen mindestens 50 Bewertungen für einen Platz; bei Gleichstand entscheidet die Stichprobengröße, dann das Datum.
Modelle unter 50 Bewertungen erscheinen ohne Platz. Bei wenigen Stimmen schwankt die Rate stark und ein Platz wäre irreführend; sobald die Stichprobe groß genug ist, rücken sie automatisch in die Haupttabelle.
Sie beantworten verschiedene Fragen: Die Like-Rate zeigt, ob Leser weiterlesen wollen; die Jury-Note bewertet Stil, Szene, Figuren, Tempo und Originalität. Das Ranking nutzt nur die Like-Rate; Jury-Noten werden nach der Bewertung auf der Modellseite freigeschaltet.
Die Seite liest bei jedem Aufruf die neuesten Stimmen und veröffentlichten Bewertungen, daher ändern Blind-PK-Stimmen und neue Bewertungen die Reihenfolge. Das Aktualisierungsdatum steht auf der Seite. Stichprobengrößen unterscheiden sich je Charge; betrachte das Board als laufende Beobachtung, nicht als endgültiges Urteil.
Nimm an einem Blind-PK teil: Lies die anonymen Anfänge und stimme ab; Identitäten und Ergebnisse werden ab genug Teilnehmenden freigeschaltet. Zur Reproduktion nutze im FeelFish-Client dasselbe Briefing und dieselbe Lösung für dieselben Roman-Anfangsaufgaben.
Verschiedene Blind-PK-Chargen ziehen unterschiedlich viele Abstimmende an. Wir zählen Stimmen nicht doppelt und zwingen verschiedene Chargen nicht auf dieselbe Stichprobengröße; lies kleine Stichproben mit Vorsicht.
Modellprofile, alle Bewertungen und Versionshistorie.
Methodik, Kennzahlen, Ergebnisse und erste Kapitel je Charge.
Anonyme Anfänge lesen und Ergebnisse nach der Abstimmung freischalten.
Öffentliche Informationen zu FeelFish und ähnlichen Schreibwerkzeugen.
