Sechs Modelle antworten. Du siehst, wo sie sich widersprechen.

6 KIs prüfen mit Demo ausprobieren
NachdenkenAuto Anhängen ChatGPT Mistral Claude Gemini DeepSeek Grok

01 · Fragen

Alles beginnt mit einer Frage.

Mit Agent beginnt jede Frage: Er recherchiert, fragt sechs Modelle und schreibt eine Antwort. Vergleich und Konsens warten im (+)-Menü, neben Dateien und Nachdenken.

6 KIs prüfen mit
NachdenkenAuto Anhängen ChatGPT Mistral Claude Gemini DeepSeek Grok

Bitte keine persönlichen oder sensiblen Daten eingeben. KI-Modelle können Fehler machen.

02 · Lauf

Der Agent legt seine Arbeit offen.

Er fragt sechs Modelle parallel, schreibt aus ihren Aussagen eine Antwort und lässt diese Antwort mit allen sechs abgleichen. Wo sie sich bei einer Tatsache widersprechen, liest ein separater Prüfer die Quellen, die sie zitiert haben. Scrolle, um den Lauf voranzubringen.

Kann eine Wärmepumpe unser Haus von 1978 mit den alten Heizkörpern heizen?

Arbeitet seit 0 s

Wahrscheinlich ja – wenn einige Heizkörper getauscht werden, nicht alle.

  • Lass eine raumweise Heizlastberechnung machen, bevor dir jemand eine Größe anbietet.
  • Räume, die bei 50 °C warm bleiben, behalten ihre Heizkörper.
  • Mit 55 °C fahren oder für 45 °C mehr Heizkörper tauschen: je drei Modelle pro Seite.

Eine einzelne Antwort hätte dir alle drei als geklärt hingestellt.

43/100 Übereinstimmung Widersprüche 2 Antworten 6

03 · Entscheiden

Der Zweifel ist in der Antwort markiert.

Eine Antwort, von oben nach unten gelesen, in der die Uneinigkeit steht, statt dahinter zu verschwinden. Vier Dinge tragen das, und jedes davon kannst du hier ausprobieren.

  1. 01

    Wie weit sie auseinanderlagen

    Jede geprüfte Antwort trägt eine Zahl: wie sehr die sechs Antworten tatsächlich übereinstimmten. Ein separater Prüfdurchgang gleicht jeden Satz mit allen sechs ab, und die Zahl wird aus diesen Urteilen ausgezählt, nicht als Note vergeben.

    43 Teilweise Übereinstimmung 1 kritisch · 1 Detail · strittig: 55 °C mit den meisten Heizkörpern oder mehr Heizkörper für 45 °C, 6 Modelle verglichen Analyse von Gemini separater Prüfdurchgang

  2. 02

    Wer welche Aussage stützt

    Die kleine Zahl hinter einem Satz zeigt, wie viele Modelle ihn stützen. Zeig darauf oder tippe darauf, und sie nennt sie: wer zugestimmt hat, wer abgewichen ist und mit welchen Worten.

    Probier es an der 4/6 aus.

    Lass eine raumweise Heizlastberechnung machen, bevor dir jemand eine Wärmepumpengröße anbietet

    Räume, die warm bleiben, behalten ihre Heizkörper; nur Räume, die nicht warm genug werden, brauchen größere oder Gebläseheizkörper

  3. 03

    Wo sie auseinandergehen

    Jeder geprüfte Satz ist in der Farbe seines Ergebnisses hinterlegt: grün, wo alle Modelle übereinstimmen, gelb, wo sie gespalten sind, rot, wo sie sich widersprechen. Die Markierung sitzt an dem Satz, zu dem sie gehört – du musst nie zwei Dokumente gleichzeitig offen halten.

    • Die Wärmepumpe nach der Berechnung auslegen grün · alle waren sich einig
    • Räume, die warm bleiben, behalten ihre Heizkörper gelb · die Zustimmung ist geteilt
    • Den Gaskessel als Reserve behalten oder nicht grau · ein Unterschied im Detail
    • 55 °C oder mehr Heizkörper für 45 °C rot · sie widersprechen sich

  4. 04

    Was sie wirklich gesagt haben

    Klick auf eine Markierung, und die Uneinigkeit öffnet sich: beide Lager mit Namen und dem Satz, den jede Seite tatsächlich geschrieben hat, dazu ein Hinweis, was du selbst prüfen solltest.

    Probier den markierten Satz aus.

    Drei Modelle würden die meisten Heizkörper behalten und mit 55 °C fahren, drei würden mehr davon tauschen, um mit 45 °C oder weniger auszukommen.

    Widerspruch · kritisch Mit 55 °C und den meisten Heizkörpern fahren oder für 45 °C mehr davon tauschen?
    ChatGPT, Gemini, Grok
    55 °C. Jeden Heizkörper behalten, der den Test besteht; die letzten zehn Grad sparen wenig.
    alle Heizkörper zu tauschen, um dahin zu kommen, kostet mehr, als dieser Unterschied in zehn Jahren einspart
    Claude, Mistral, DeepSeek
    45 °C. Jetzt mehr Heizkörper tauschen; den Effizienzunterschied zahlst du jeden Winter.
    Der Effizienzunterschied liegt bei etwa einem Viertel, und den zahlst du zwanzig Jahre lang jeden Winter
    Prüfenswert: Frag nach der Leistungszahl der Wärmepumpe bei 35 °C und bei 55 °C laut Datenblatt und hol ein Angebot für die zusätzlichen Heizkörper ein. Dann wird aus der Uneinigkeit eine Rechenaufgabe.

Derselbe Blick auf andere Fragen

  • 94 „Ist Kernkraft eine CO₂-arme Energiequelle?“ Hohe Übereinstimmung · nichts in der Antwort markiert
  • 84 „Welche Programmiersprache sollte ich zuerst lernen?“ Starke Übereinstimmung · ein Unterschied in der Gewichtung, kein Widerspruch
  • 41 „Kann ich Ibuprofen nehmen, während ich Blutverdünner nehme?“ Teilweise Übereinstimmung · ein kritischer Widerspruch, in der Antwort markiert

Belege statt Versprechen

Wir haben den Konsens im Benchmark getestet.

Bei 314 MMLU-Pro-Fragen ohne Hilfsmittel liegt der Konsens insgesamt auf Platz eins und setzt sich genau dort ab, wo die Modelle uneins sind.

Wenn die Modelle uneins sind

Trefferquote bei den strittigen Fragen · MMLU-Pro

72.1%
70.6%
69.1%
64.7%
58.8%
44.1%
39.7%
consens.io Claude GPT-5.5 Gemini Grok DeepSeek Mistral
#1Höchste Genauigkeit insgesamt und bei den schweren Fragen. An der Spitze liegt das Feld statistisch gleichauf.
+32 Pkt.Vorsprung vor dem schwächsten Modell bei Fragen, bei denen die Antworten auseinandergehen.
Zum vollständigen Benchmark

Live aus echten Läufen

Kein Modell gewinnt immer.

Selbst ChatGPT, das Modell mit der höchsten Siegquote, liefert die vom Prüfer gewählte Antwort in 56 % seiner Läufe. In den übrigen 44 % kam die beste Antwort von einem anderen Modell.

Model Pulse öffnen
  1. ChatGPT 56%
  2. DeepSeek 15%
  3. Gemini 14%
  4. Muse 13%
  5. Kimi 13%

Anteil der Läufe eines Modells, in denen der Prüfer seine Antwort gewählt hat · 508 bewertete Läufe · der Strich markiert den Anteil, der per Zufall zu erwarten wäre.

04 · Beobachten

Erfahre, wenn sich die Antwort ändert.

Mach aus jeder Frage eine Watch und sag, worauf du wartest. consens.io prüft sie nach deinem Zeitplan und meldet sich, wenn sich die Antwort durch neue Belege ändert oder wenn das Erwartete eintritt.

Watch Geändert

Haben sich die EU-Leitlinien für KI-Modelle mit allgemeinem Verwendungszweck geändert?

Wartet auf Das KI-Büro kann Bußgelder gegen Modellanbieter verhängen Noch nicht

WöchentlichBei Änderung oder EintrittTelegram
14. Juli
Erste PrüfungDie Antwort und die Quellen dahinter.
21. Juli
Die Antwort hat sich geändertNeue Transparenzpflichten sind jetzt enthalten.
ec.europa.eu
Die Antwort hat sich geändertTelegram · jetzt
Was sich geändert hat
Die Antwort enthält jetzt die neuen Transparenzpflichten für Modellanbieter.
Warum
Neue Belege, die der früheren Antwort fehlten.
Wartet auf
Das KI-Büro kann Bußgelder gegen Modellanbieter verhängen
Watch anlegen

Warum consens.io

Gemacht für Entscheidungen, die einen zweiten Blick brauchen.

Vergleich

Originalantworten bleiben sichtbar

Unter „Modellantworten“ liest du jede Originalantwort oder vergleichst zwei Antworten nebeneinander.

Prüfen

Uneinigkeit wird direkt markiert

Wo die Modelle auseinandergehen, trägt der Satz selbst die Markierung, statt dass der Zweifel in einer selbstsicheren Antwort glattgebügelt wird.

Kontrolle

Du bestimmst die Prüfung

Wähle, welches Modell der Agent nutzt, mit welchen sechs er prüft und ob er vorher nachdenkt. Übereinstimmung der Modelle ist ein Vergleich, kein Faktencheck der ganzen Antwort.

Abgedeckte Modelle

Führende KI-Anbieter an einem Ort.

Direkter Vergleich über große Modellfamilien hinweg, damit sich jede Antwort an unabhängigen Alternativen prüfen lässt.

Frag den Agenten. Behalte die Antwort im Blick.

Wozu hättest du gern eine zweite Meinung? 6 KIs prüfen mit Agenten fragen