Methodik des fedi-index
Quellen, Lizenzen, Gewichte und Formeln des Index – direkt aus derselben Konfiguration, mit der gerechnet wird.
Methodik v1 · Live-Daten für 2026-10 (täglich neu berechnet) · Verlauf · JSON
- In den Index gehen nur Quellen mit ausdrücklich offener Lizenz ein (CC BY, MIT, Apache); Quellen, die noch auf Erlaubnis warten, bleiben deaktiviert.
- Unabhängige Läufe zählen; Selbstangaben der Hersteller werden gekennzeichnet angezeigt und erhalten kein Gewicht.
- Eine Quellenfamilie ist eine Stimme: korrelierte Kategorien derselben Abstimmenden summieren sich nicht.
- Jeder Wert hat eine öffentliche Aufschlüsselung: Komponente, Quelle, Wert, Gewicht und Datum.
- Unsicherheit ist sichtbar: ein Wert kommt mit seinem Intervall, wenig Daten bedeuten „vorläufig“.
Quellen und Lizenzen
| Quelle | Familie | Lizenz | Im Index |
|---|---|---|---|
| LMArena Arena Leaderboard Dataset by LMArena, CC BY 4.0. Modified by fedi.software (equated, weighted, aggregated). Not endorsed by LMArena. | Arena (menschliche Stimmen) | CC BY 4.0 | ja |
| Epoch AI Epoch AI, 'Capabilities & benchmarking'. Published online at epoch.ai. Retrieved from 'https://epoch.ai/benchmarks'. CC BY. ECI by Epoch AI; Epoch-run results only. Modified by fedi.software. | Epoch AI (Benchmarks) | CC BY 4.0 | ja |
| τ²-bench (Sierra) τ²-bench leaderboard, © Sierra Research, MIT License (Yao et al. 2024, arXiv:2406.12045; Barres et al. 2025, arXiv:2506.07982). Sierra-run text submissions only. | τ²-bench (Agenten) | MIT | ja |
| LiveBench | LiveBench | — | wartet auf Erlaubnis |
| Terminal-Bench | Terminal-Bench | — | wartet auf Erlaubnis |
| SWE-rebench | SWE-rebench | — | wartet auf Erlaubnis |
| Toolathlon | Toolathlon | — | wartet auf Erlaubnis |
| models.dev Pricing: models.dev, MIT License, © 2025 models.dev. | modelsdev | MIT | ja |
| LiteLLM Pricing: LiteLLM model_prices_and_context_window.json, MIT License, © 2023 Berri AI. | litellm | MIT | ja |
| Hugging Face Downloads (30 days): Hugging Face Hub, as of the snapshot date. | hf | — | ja |
Bereiche und Gewichte
Allgemein
Arena (menschliche Stimmen) Anteil 50 %
- text/overall
text/overall2 - text/hard_prompts
text/hard_prompts2 - text/expert
text/expert1 - text/instruction_following
text/instruction_following1 - text/multi_turn
text/multi_turn0,50 - text/longer_query
text/longer_query0,50
Epoch AI (Benchmarks) Anteil 50 %
- Epoch Capabilities Index
eci3 - GPQA Diamond
gpqa_diamond0,50 - SimpleQA Verified
simpleqa_verified0,50
Code
Arena (menschliche Stimmen) Anteil 60 %
- text/coding
text/coding1,5 - webdev/overall
webdev/overall1,5
Epoch AI (Benchmarks) Anteil 40 %
- SWE-bench Verified
swe_bench_verified1
Agenten
Arena (menschliche Stimmen) Anteil 60 %
- agent/overall
agent/overall1
τ²-bench (Agenten) Anteil 40 %
- τ-Knowledge banking
tau2/banking_knowledge1,5 - τ²-bench retail
tau2/retail1 - τ²-bench airline
tau2/airline1 - τ²-bench telecom
tau2/telecom1
Mathematik
Arena (menschliche Stimmen) Anteil 50 %
- text/math
text/math1
Epoch AI (Benchmarks) Anteil 50 %
- FrontierMath Tiers 1–3
frontiermath_t1_32 - FrontierMath Tier 4
frontiermath_t41
Vision vorläufig
Arena (menschliche Stimmen) Anteil 100 %
- vision/overall
vision/overall2 - vision/ocr
vision/ocr0,50 - vision/diagram
vision/diagram0,50
Suche vorläufig
Arena (menschliche Stimmen) Anteil 100 %
- search/overall
search/overall1
Schreiben vorläufig
Arena (menschliche Stimmen) Anteil 100 %
- text/creative_writing
text/creative_writing2 - text/longer_query
text/longer_query1
Sprachen vorläufig
Arena-Stimmen in jeder Sprache; ein Bereich wird auf der Website-Version in dieser Sprache angezeigt.
English — text/english · Русский — text/russian · Deutsch — text/german · Español — text/spanish · Français — text/french · 日本語 — text/japanese · 한국어 — text/korean · 繁體中文 — text/chinese · Polski — text/polish
Benchmarks und ihr Alter
| Komponente | Version veröffentlicht |
|---|---|
Epoch Capabilities Index eci |
live (keine Alterung) |
GPQA Diamond gpqa_diamond |
2023-11-20 |
SimpleQA Verified simpleqa_verified |
2025-09-09 |
FrontierMath Tiers 1–3 frontiermath_t1_3 |
2026-06-12 |
FrontierMath Tier 4 frontiermath_t4 |
2026-06-12 |
SWE-bench Verified swe_bench_verified |
2024-08-13 |
τ²-bench retail tau2/retail |
2024-06-17 |
τ²-bench airline tau2/airline |
2024-06-17 |
τ²-bench telecom tau2/telecom |
2025-06-09 |
τ-Knowledge banking tau2/banking_knowledge |
2026-03-04 |
Eine ältere Benchmark-Version erhält weniger Gewicht (Kontamination, Sättigung): das Gewicht halbiert sich alle decay_half_life Monate, bis hinunter zu decay_min.
Formeln
Jede Komponente wird per linearem Equating über die von beiden gemessenen Modelle auf die Arena-Skala übertragen (Anker A = Arena text overall). Die Parameter sind auf dem Referenz-Snapshot der Methodikversion fixiert, sodass Monate vergleichbar bleiben.
x_eq = μ_A + (x − μ_c) · σ_A / σ_c se_eq = se · σ_A / σ_c w_c = 8 · family_share[f] · base_w[c] / Σ base_w(f, present) rel_c = τ² / (τ² + se_eq²) w_eff = w_c · rel_c · decay_c · (self_report ? 0 : 1) Q = (Σ w_eff · x_eq + w0 · prior) / (Σ w_eff + w0) SE(Q) = √Σ (w_eff · se_eq)² / (Σ w_eff + w0)
Innerhalb eines Bereichs werden die Komponenten mit ihren Gewichten, ihrer Zuverlässigkeit (τ) und dem Benchmark-Alter gemittelt; ein Modell mit wenig Daten wird zum Prior gezogen. Parameter:
anchor- arena:text/overall
total_weight- 8
tau- 15
w0- 0,50
prior_pct- 25
min_anchors- 8
min_votes- 300
min_confidence- 0,90
decay_half_life- 18
decay_min- 0,25
outlier_sigma- 3
outlier_factor- 0,50
population_months- 18
jump_sigma- 3
Tier = das schlechtere aus Tier nach Perzentil und Tier nach Konfidenzintervall; ein Modell mit einer Quellenfamilie erhält höchstens A.
Tier = das schlechtere aus Tier nach Perzentil und Tier nach Konfidenzintervall; ein Modell mit einer Quellenfamilie erhält höchstens A.
provisional_max- A
S ≥ p95A ≥ p80B ≥ p50C ≥ p25 D < p25
Tier nach Konfidenzintervall (obere Rangschranke / Modelle): S ≤ 10% · A ≤ 30% · B ≤ 60% · C ≤ 85%
Preis-Leistung: Qualität für den Preis
Preis-Leistung ist der Abstand über der Regressionslinie der Qualität auf log₂ des Preises; der Preis ist der Median der Anbieter.
slice- general
input_share- 3
output_share- 1
price_sources- modelsdev, litellm
unit- 1m_tokens
Auf deiner Hardware
Lokal: nur offene Gewichte, die beste Quantisierung, die in ein Setup passt, der Wert skaliert nach Generierungsgeschwindigkeit.
slice- general
context- 8.192
speed_ref- 20
low_penalty- 0,60
- GPU 12 GB
- GPU 24 GB
- Mac 64 GB
- 128 GB Unified Memory
- CPU, 32 GB RAM
Daten, Lizenz und Archiv
Der Index (unsere Zahlen und Aufschlüsselungen) steht unter CC BY 4.0: „fedi-index by fedi.software“ mit Link. Die Komponenten behalten die Lizenzen ihrer Quellen, aufgeführt in sources[] des JSON.
Am 1. jedes Monats wird ein Snapshot eingefroren und nie mehr geändert; eine neue Methodikversion beginnt eine neue Reihe.
Monatliches JSON: 2026-10
Änderungsprotokoll
- v1 2026-10-01 First version: LMArena + Epoch AI + τ²-bench, linear equating to Arena text Elo with parameters fixed on the reference snapshot, family shares, sub-scores arena / bench, value = residual of the price regression + Pareto, local = Fit on 5 stacks.
- v1.1 2026-10-01 Local quant floor: the quant is picked like local-fit (Q3 floor; below it only when nothing of Q3+ fits — "strong compression", ×0.6, ranked after every Q3+ model). Local only; the v1 scale and the published 2026-10 snapshot are unchanged.