Welche KI ist am besten in Mathe? Das ehrliche Ranking
Von Chatday Editorial Team ·
Wenn du die KI suchst, die gerade am stärksten in Mathe ist, lautet die Antwort GPT-6.1 Sol. Anfang dieses Monats hat es als erstes Modell jede Aufgabe in der schwersten Stufe von FrontierMath gelöst. Das ist ein Test aus Forschungsfragen, die professionelle Mathematiker schreiben und an denen KI bis vor Kurzem komplett gescheitert ist. Unter den Modellen, die du in Chatday wirklich nutzen kannst, folgen Claude Sonnet 5.5 und Claude Opus 5.
So weit die Antwort laut Rangliste. Für ein Arbeitsblatt mit Brüchen, eine grobe Kreditrechnung oder das Aufteilen der Restaurantrechnung reicht aber jedes der Topmodelle. Und die Fehler, die sie noch machen, haben wenig damit zu tun, wie schlau sie sind.
So haben wir die KI-Modelle für Mathe eingestuft
Wir haben keinen eigenen Test erfunden. Wir stützen uns auf den härtesten öffentlichen: FrontierMath, betrieben von der unabhängigen Forschungsgruppe Epoch AI. Die schwerste Stufe besteht aus ein paar Dutzend unveröffentlichten Aufgaben auf dem Niveau echter mathematischer Forschung. Die Lösungen stehen nirgends im Internet, also kann kein Modell sie auswendig gelernt haben.
Dafür gibt es drei Gründe:
- Er ist schwer genug, um die Topmodelle zu trennen. Leichtere Tests auf Schulniveau unterscheiden sie schon länger nicht mehr, weil alle fast die Höchstpunktzahl holen.
- Er wird automatisch ausgewertet. Das Modell muss ein exaktes Endergebnis liefern, also gibt es keine Bewertung nach Bauchgefühl.
- Er ist unabhängig von den Anbietern. Größtenteils. Dazu gleich mehr.
Danach haben wir nur die Modelle behalten, die Chatday tatsächlich anbietet. Jeden Namen unten kannst du also heute öffnen und ausprobieren.
Das Ranking: Welche KI ist am besten in harter Mathe?
So haben die in Chatday verfügbaren Modelle in der Forschungsstufe von FrontierMath abgeschnitten, übersetzt von Prozentwerten in etwas, das man sich leichter vorstellen kann. Die Werte stammen aus der öffentlichen Rangliste, Stand Mitte Oktober 2026.
| Modell | Gelöste Aufgaben auf Forschungsniveau | Ideal für |
|---|---|---|
| GPT-6.1 Sol | Alle | Die härtesten Beweise, Knobelaufgaben und mehrstufigen Probleme |
| Claude Sonnet 5.5 | Etwa 8 von 10 | Harte Mathe, ruhig und verständlich Schritt für Schritt erklärt |
| Claude Opus 5 | Etwa 7 von 10 | Lange Aufgaben, bei denen du sorgfältiges Denken willst |
| GPT-5.5 | Etwa 7 von 10 | Ein solider, vertrauter Allrounder |
| Claude Haiku 5.5 | Knapp die Hälfte | Schnelle Hilfe, wenn Tempo wichtiger ist als Tiefe |
| Grok 4.6 | Etwa 1 von 3 | Alltagsfragen, keine Wettbewerbsmathe |
| Gemini 3.1 Pro | Etwa 1 von 4 | Gemischte Aufgaben wie ein Diagramm oder ein Foto vom Arbeitsblatt lesen |
Ein paar Dinge fallen sofort auf.
GPT-6.1 Sol ist der Überraschungssieger. Es ist nicht einmal das teuerste Modell von OpenAI. Es ist die günstigere Stufe, die OpenAI am 29. September auf seinem DevDay vorgestellt hat, und es hat das hauseigene Flaggschiff in diesem Test eingeholt und sogar hauchdünn geschlagen. Mehr zum Launch findest du in unserem Überblick zu GPT-6.1 Sol.
Claude ist die starke zweite Familie. Sonnet 5.5, das mittelgroße Claude, hat sogar etwas besser abgeschnitten als das größere Opus 5. Neuer schlägt hier größer, und das erinnert daran, dass der Name eines Modells nichts über seinen Rang verrät.
Gemini und Grok fallen bei genau dieser Aufgabe zurück. Schlecht sind sie deshalb nicht. Gemini 3.1 Pro ist für gemischte Aufgaben gebaut, etwa um das Foto einer Aufgabe zu lesen, und Grok ist flott und gesprächig. Einen richtig harten Beweis würdest du ihnen nur nicht unbedingt geben.
Warum ein Mathe-Genie trotzdem an deinen Hausaufgaben scheitern kann
Genau hier tappen viele in die Falle. Ein Modell, das Aufgaben auf Forschungsniveau knackt, kann sich trotzdem bei etwas so Simplem wie 17 % von 240 verrechnen, wenn es hudelt. (Es sind übrigens 40,8.)
Der Grund liegt darin, wie diese Modelle lesen. Sie sehen Zahlen nicht wie ein Taschenrechner. Sie zerlegen Text in Stücke und sagen voraus, was als Nächstes kommt. Deshalb können manche auch die R in „Strawberry“ nicht zählen. Lange Ziffernketten sind genau die Stelle, an der das schiefgehen kann.
Auch die Formulierung spielt eine Rolle. 2024 testeten Forschende von Apple Modelle mit Textaufgaben auf Grundschulniveau und fügten einen harmlos klingenden, aber irrelevanten Satz hinzu, etwa den Hinweis, dass ein paar der Äpfel kleiner waren als die anderen. Die Ergebnisse brachen stark ein, bei manchen Modellen um bis zu 65 %, weil sie das überflüssige Detail einrechnen wollten. Spätere Tests mit neueren Modellen fanden einen viel kleineren Effekt, die Lücke ist also deutlich geschrumpft. Die Lehre bleibt trotzdem: Der kniffligste Teil einer Textaufgabe ist für eine KI oft das Lesen, nicht die Mathe.
Daher kommen Alltagsfehler meistens:
| Was schiefgeht | Wie es aussieht | Die schnelle Lösung |
|---|---|---|
| Hastiges Rechnen | Eine falsche Ziffer in einer langen Multiplikation | Bitte sie, die Rechnung Schritt für Schritt zu wiederholen |
| Frage falsch gelesen | Antwortet „pro Monat“, obwohl du „pro Jahr“ gefragt hast | Formulier die Frage zuerst in eigenen Worten |
| Ablenkende Details | Nutzt eine Zahl, die keine Rolle spielt | Sag ihr, welche Angaben wichtig sind |
| Übertriebene Sicherheit | Eine saubere, falsche Antwort ohne jeden Zweifel | Frag, wie sie das Ergebnis überprüfen würde |
Die beste KI für Mathe, je nachdem, was du vorhast
Die Rangliste zeigt dir, wer am schlausten ist. Das hier zeigt dir, welches Modell du öffnen solltest.
Am besten für Schüler, die bei den Hausaufgaben feststecken
Nimm Claude Sonnet 5.5. Es liegt bei harter Mathe weit vorn und erklärt jeden Schritt meist in einfacher Sprache. Genau das willst du, wenn du den Stoff verstehen und nicht nur abschreiben willst. Bitte es, erst Tipps zu geben und dann die Lösung. Unsere Prompts für Hausaufgabenhilfe bauen genau auf dieser Idee auf.
Am besten für wirklich harte Aufgaben
Nimm GPT-6.1 Sol. Olympiade-Knobeleien, ein Beweis, an dem du dir die Zähne ausbeißt, eine Statistikfrage mit fünf Unbekannten. Gib ihm Zeit zum Nachdenken und lass dir den kompletten Rechenweg zeigen.
Am besten für Geldfragen
Budget, Kreditraten, Miete aufteilen. Jedes Topmodell schafft das, also nimm das, mit dem du am liebsten schreibst. Das Risiko ist hier eine einzige falsche Ziffer. Lass dir deshalb immer den Rechenweg zeigen und prüf das Endergebnis selbst auf Plausibilität.
Am besten für ein Foto vom Arbeitsblatt
Gemini 3.1 Pro ist dafür gebaut, mit Bildern genauso wie mit Text zu arbeiten. Lass es die Aufgabe lesen und abtippen, und gib das eigentliche Lösen an GPT-6.1 Sol oder Claude weiter, wenn es knifflig wird.
So bekommst du Mathe-Antworten, denen du trauen kannst
Du brauchst keinen speziellen Prompt. Du brauchst drei Gewohnheiten:
- Frag nach den Schritten, nicht nur nach dem Ergebnis. „Zeig deinen Rechenweg“ bremst das Modell, und du bekommst etwas, das du nachprüfen kannst.
- Lass es sich selbst kontrollieren. Hak nach mit „Setz dein Ergebnis in die ursprüngliche Aufgabe ein und prüf es“. So kommt ein Patzer schnell ans Licht.
- Hol dir eine zweite Meinung. Ein anderes Modell macht andere Fehler. Wenn zwei übereinstimmen, ist das viel mehr wert als eine einzige selbstsichere Antwort.
Genau wegen dieser letzten Gewohnheit lohnt es sich, mehrere Modelle an einem Ort zu haben. Dieselbe Frage erst GPT-6.1 Sol und dann Claude Sonnet 5.5 zu stellen, sollte nicht zwei Apps und zwei Abos bedeuten.
Teste die zwei Besten direkt nebeneinander
Willst du den Unterschied an deiner eigenen Aufgabe sehen? Nimm eine Frage, die dir wirklich wichtig ist, eine knifflige Hausaufgabe oder eine Rechnung, bei der du dich nicht vertun willst, und stell die zwei stärksten Mathe-Modelle nebeneinander.