Foto: n = 130Text: n = 278 gemessen 21./22.11.2026, v4 verdeckt, einmal
Nah an den großen Modellen, zu einem Bruchteil der Kosten.
Flexen Light erreicht 66,1 Punkte bei Fotos und 86,5 bei Text; die großen Modelle liegen bei 53,8 bis 71,9 und 86,2 bis 89,3. Eine Schätzung kostet mit Flexen Light 0,079 ct je Foto und 0,053 ct je Text, mit den großen Modellen 0,157 bis 1,257 ct und 0,121 bis 1,000 ct.
Foto: Flexen Score gegen Kosten
130 Teller, gemessen 21./22.11.2026, v4 verdeckt, einmal
Text: Flexen Score gegen Kosten
278 Texte, gemessen 21./22.11.2026, v4 verdeckt, einmal
Hier stehen nur die großen Modelle. Die übrigen (GLM-5.3-Flash, Gemini 3.1 Flash-Lite und Claude Haiku 5.5) und alle Kennzahlen stehen in den Ranglisten.
- Foto: Belegt genauer als Flexen Light sind Flexen Max, GPT-6.2 Sol und Gemini 4 Argon.
- Text: Belegt genauer als Flexen Light sind Flexen Max, GPT-6.2 Sol, Gemini 3.5 Flash, Gemini 4 Argon und GPT-6 Astra.
- Flexen Max erreicht 70,9 bei Fotos und 89,3 bei Text. Bei Fotos liegt GPT-6.2 Sol (71,9) darüber; der Abstand ist nicht belegt, die Bänder überlappen. Bei Text liegt kein gemessenes System höher. Es kostet 0,330 ct je Foto (ab 01.12.2026 0,661 ct) und 0,121 ct je Text.
- Hohler Punkt: Flexen Light mit einem Hinweis des Nutzers, 76,2 bei Fotos und 88,2 bei Text. Das ist eine Obergrenze mit fast genauen Hinweisen; alle anderen Punkte sind ohne Hinweis gemessen.
Kosten: Listenpreise der Modellaufrufe am Messtag für eine Schätzung, 1 USD = 0,92 €; bei Flexen Light die Summe aller Anfragen der Kette. Das ist nicht der Preis der Flexen API: Flexen Light kostet dort 1 Credit (0,1 ct) je Text und 2 Credits (0,2 ct) je Foto, netto. Flexen Light: unsere mehrstufige Kette, EU-Verarbeitung. Flexen Max: unser genauestes Profil, ein Aufruf eines großen Modells. Flexen Max ist ein einzelner Aufruf eines großen Modells mit dem veröffentlichten Prompt. Welches Modell das ist, nennen wir nicht; es steht mit derselben Messung auch unter seinem eigenen Namen in der Liste. Liegen zwei Punkte genau aufeinander, trägt der untere einen Ring.
Flexen Max liegt bei Foto auf Platz 2 von 12. Flexen Max liegt bei Text auf Platz 1 von 12. Flexen Light liegt bei Foto auf Platz 5 von 12, bei Text auf Platz 8 von 12.
Foto: Flexen Max 70,9, Flexen Light 66,1. Text: Flexen Max 89,3, Flexen Light 86,5. Der Abstand von Flexen Max zum nächsten anders gemessenen Modell ist knapp; die 95-%-Bänder überlappen (Text: Gemini 3.5 Flash 89,1). Belegt genauer als Flexen Light bei Foto: GPT-6.2 Sol, Flexen Max und Gemini 4 Argon. Belegt genauer als Flexen Light bei Text: Flexen Max, GPT-6.2 Sol, Gemini 3.5 Flash, Gemini 4 Argon und GPT-6 Astra. Alle Werte ohne Hinweis des Nutzers.
Alle Modelle
- Flexen Light und Flexen Max
- Google Gemini
- Anthropic Claude
- OpenAI GPT
- Qwen
- GLM
Foto: Rangliste nach Flexen Score
n = 130 Fotos, gemessen 21./22.11.2026, v4 verdeckt, einmal
Achse 45 bis 80, nicht ab 0. Punkt: Score, Pille: Band.
Foto: Genauigkeit und Kosten
n = 130 Fotos, gemessen 21./22.11.2026, v4 verdeckt, einmal
Score und Kosten
Foto: Genauigkeit und Antwortzeit
n = 130 Fotos, gemessen 21./22.11.2026, v4 verdeckt, einmal
Score und Antwortzeit
Kürzel in den Diagrammen: Gemini 4 = Gemini 4 Argon; Gemini 3.5 = Gemini 3.5 Flash; Opus 5.5 = Claude Opus 5.5; GLM-5.3 = GLM-5.3-Flash; Gemini 3.1 = Gemini 3.1 Flash-Lite; Sonnet 5.5 = Claude Sonnet 5.5; Haiku 5.5 = Claude Haiku 5.5.
Foto: Rangliste mit allen Kennzahlen
130 Teller, gemessen 21./22.11.2026, v4 verdeckt, einmal
Wischen für kcal-Fehler, Kosten, Antwortzeit und EU
| Rang | System | Flexen Score95-%-Band | kcal-Fehler | Innerhalb ±20 % | Modellkosten je Schätzung | Antwortzeit p50 | EU-Verarbeitung |
|---|---|---|---|---|---|---|---|
| 1 | GPT-6.2 Sol | 71,9 68,6 bis 75,0 | 25,8 % | 50 % | 0,157 ct | 2,4 s | möglich |
| 2 | Flexen Max ein Aufruf eines großen Modells | 70,9 67,6 bis 74,0 | 26,8 % | 45 % | 0,330 ct ab 01.12.2026: 0,661 ct | 3,4 s | ja |
| 3 | Gemini 4 Argon | 70,9 67,6 bis 74,0 | 26,8 % | 45 % | 0,330 ct ab 01.12.2026: 0,661 ct | 3,4 s | ja |
| 4 | Gemini 3.5 Flash | 68,6 65,2 bis 71,9 | 28,8 % | 42 % | 1,123 ct | 7,2 s | ja |
| 5 | Flexen Light Kette v2.1, 5 Anfragen | 66,1 62,6 bis 69,5 | 33,7 % | 40 % | 0,079 ct | 1,7 s | ja |
| 6 | Qwen4 Max | 65,9 62,1 bis 69,8 | 34,0 % | 42 % | 0,215 ct | 7,2 s | ungeprüft |
| 7 | Claude Opus 5.5 | 65,6 61,7 bis 69,4 | 34,7 % | 44 % | 0,744 ct | 3,5 s | möglich |
| 8 | GLM-5.3-Flash | 64,6 60,8 bis 68,5 | 36,6 % | 37 % | 0,032 ct | 3,0 s | ja |
| 9 | Gemini 3.1 Flash-Lite | 62,6 58,5 bis 66,6 | 33,2 % | 38 % | 0,042 ct | 1,0 s | ja |
| 10 | Claude Sonnet 5.5 | 61,8 57,7 bis 65,8 | 38,5 % | 35 % | 0,213 ct | 1,7 s | möglich |
| 11 | Claude Haiku 5.5 | 58,1 54,0 bis 62,1 | 43,9 % | 36 % | 0,029 ct | 2,6 s | möglich |
| 12 | GPT-6 Astra | 53,8 49,7 bis 57,8 | 55,4 % | 28 % | 1,257 ct | 7,2 s | ungeprüft |
- Flexen Light: unsere mehrstufige Kette, EU-Verarbeitung. Flexen Max: unser genauestes Profil, ein Aufruf eines großen Modells. Flexen Max ist ein einzelner Aufruf eines großen Modells mit dem veröffentlichten Prompt. Welches Modell das ist, nennen wir nicht; es steht mit derselben Messung auch unter seinem eigenen Namen in der Liste.
- EU-Verarbeitung: ja = bei der Messung in der EU verarbeitet; möglich = der Anbieter hat einen EU-Weg, gemessen wurde ohne EU-Zusicherung; ungeprüft = EU-Weg nicht geprüft.
- Modellkosten: Listenpreis des Anbieters am Messtag für eine Schätzung, 1 USD = 0,92 €. Flexen Light sendet mehrere Anfragen je Schätzung, Flexen Max eine.
- Preis in der Flexen API je Schätzung, netto: Flexen Light Text 1 Credit, Foto 2 Credits; Flexen Max Text 4 Credits, Foto 16 Credits (ab 01.12.2026). 1 Credit = 0,1 ct.
- Flexen Light und Flexen Max
- Google Gemini
- Anthropic Claude
- OpenAI GPT
- Qwen
- GLM
Text: Rangliste nach Flexen Score
n = 278 Texte, gemessen 21./22.11.2026, v4 verdeckt, einmal
Achse 75 bis 95, nicht ab 0. Punkt: Score, Pille: Band.
Text: Genauigkeit und Kosten
n = 278 Texte, gemessen 21./22.11.2026, v4 verdeckt, einmal
Score und Kosten
Text: Genauigkeit und Antwortzeit
n = 278 Texte, gemessen 21./22.11.2026, v4 verdeckt, einmal
Score und Antwortzeit
Kürzel in den Diagrammen: Gemini 3.5 = Gemini 3.5 Flash; Gemini 4 = Gemini 4 Argon; Opus 5.5 = Claude Opus 5.5; Sonnet 5.5 = Claude Sonnet 5.5; GLM-5.3 = GLM-5.3-Flash; Gemini 3.1 = Gemini 3.1 Flash-Lite; Haiku 5.5 = Claude Haiku 5.5.
Text: Rangliste mit allen Kennzahlen
278 Texte, gemessen 21./22.11.2026, v4 verdeckt, einmal
Wischen für kcal-Fehler, Kosten, Antwortzeit und EU
| Rang | System | Flexen Score95-%-Band | kcal-Fehler | Innerhalb ±20 % | Modellkosten je Schätzung | Antwortzeit p50 | EU-Verarbeitung |
|---|---|---|---|---|---|---|---|
| 1 | Flexen Max ein Aufruf eines großen Modells | 89,3 87,2 bis 91,2 | 12,1 % | 86 % | 0,121 ct | 2,1 s | nein derzeit nicht in der EU gehostet |
| 2 | GPT-6.2 Sol | 89,3 87,2 bis 91,2 | 12,1 % | 86 % | 0,121 ct | 2,1 s | möglich |
| 3 | Gemini 3.5 Flash | 89,1 87,2 bis 90,8 | 12,3 % | 85 % | 1,000 ct | 6,9 s | ja |
| 4 | Gemini 4 Argon | 88,8 86,8 bis 90,7 | 12,9 % | 84 % | 0,179 ct ab 01.12.2026: 0,359 ct | 3,2 s | ja |
| 5 | GPT-6 Astra | 88,7 86,6 bis 90,6 | 12,8 % | 85 % | 0,909 ct | 6,1 s | ungeprüft |
| 6 | Claude Opus 5.5 | 87,7 85,5 bis 89,7 | 13,4 % | 81 % | 0,618 ct | 3,0 s | möglich |
| 7 | Qwen4 Max | 87,6 85,4 bis 89,6 | 14,1 % | 83 % | 0,182 ct | 6,8 s | ungeprüft |
| 8 | Flexen Light Kette v2.3, 2 Anfragen | 86,5 84,2 bis 88,6 | 15,0 % | 81 % | 0,053 ct | 4,6 s | ja |
| 9 | Claude Sonnet 5.5 | 86,2 84,0 bis 88,3 | 15,2 % | 79 % | 0,236 ct | 1,9 s | möglich |
| 10 | GLM-5.3-Flash | 84,8 82,5 bis 87,1 | 17,1 % | 77 % | 0,027 ct | 2,2 s | ja |
| 11 | Gemini 3.1 Flash-Lite | 83,8 81,6 bis 85,8 | 16,4 % | 73 % | 0,016 ct | 0,6 s | ja |
| 12 | Claude Haiku 5.5 | 83,6 81,2 bis 86,0 | 17,7 % | 74 % | 0,019 ct | 1,9 s | möglich |
- Flexen Light: unsere mehrstufige Kette, EU-Verarbeitung. Flexen Max: unser genauestes Profil, ein Aufruf eines großen Modells. Flexen Max ist ein einzelner Aufruf eines großen Modells mit dem veröffentlichten Prompt. Welches Modell das ist, nennen wir nicht; es steht mit derselben Messung auch unter seinem eigenen Namen in der Liste.
- EU-Verarbeitung: ja = bei der Messung in der EU verarbeitet; möglich = der Anbieter hat einen EU-Weg, gemessen wurde ohne EU-Zusicherung; ungeprüft = EU-Weg nicht geprüft. nein = derzeit nicht in der EU gehostet (Flexen Max bei Text; der Anbieter des Modells hat einen EU-Weg, den wir noch nicht nutzen).
- Modellkosten: Listenpreis des Anbieters am Messtag für eine Schätzung, 1 USD = 0,92 €. Flexen Light sendet mehrere Anfragen je Schätzung, Flexen Max eine.
- Preis in der Flexen API je Schätzung, netto: Flexen Light Text 1 Credit, Foto 2 Credits; Flexen Max Text 4 Credits, Foto 16 Credits (ab 01.12.2026). 1 Credit = 0,1 ct.
Schwer-Sets, getrennt gewertet
Je 50 Fotos und Texte, die wir vorab als schwierig festgelegt haben. Fotos: sehr dichte Teller, sehr kleine, sehr große mit vielen Zutaten und Teller mit viel Fett oder Soße. Texte: Nischenmarken, Umgangssprache und Tippfehler, Fett ohne Menge, Getränke in ml, ungewöhnliche Portionen, andere Küchen und mehrdeutige Angaben. Ausgewählt wurde nach festen Kriterien, nie nach Modellantworten. Diese Fälle zählen nicht in die Rangliste oben.
Foto, Schwer-Set
Wischen für kcal-Fehler, Innerhalb ±20 % und Fälle
| Rang | System | Flexen Score95-%-Band | kcal-Fehler | Innerhalb ±20 % | Fälle |
|---|---|---|---|---|---|
| 1 | Flexen Max | 70,4 64,0 bis 76,7 | 28,3 % | 47 % | 34 |
| 2 | Gemini 4 Argon | 70,4 64,0 bis 76,7 | 28,3 % | 47 % | 34 |
| 3 | GPT-6.2 Sol | 68,1 62,9 bis 73,6 | 28,2 % | 41 % | 34 |
| 4 | Claude Sonnet 5.5 | 66,1 58,9 bis 73,3 | 34,1 % | 41 % | 34 |
| 5 | Claude Opus 5.5 | 65,6 57,6 bis 73,5 | 40,6 % | 44 % | 34 |
| 6 | Qwen4 Max | 65,0 57,4 bis 72,6 | 33,3 % | 47 % | 34 |
| 7 | Flexen Light | 64,4 56,6 bis 71,4 | 37,5 % | 47 % | 34 |
| 8 | Gemini 3.5 Flash | 62,5 56,7 bis 68,5 | 34,9 % | 26 % | 34 |
| 9 | Claude Haiku 5.5 | 59,7 50,9 bis 67,8 | 45,2 % | 38 % | 34 |
| 10 | GLM-5.3-Flash | 59,4 51,7 bis 67,2 | 42,2 % | 35 % | 34 |
| 11 | Gemini 3.1 Flash-Lite | 58,9 51,7 bis 66,3 | 41,3 % | 24 % | 34 |
| 12 | GPT-6 Astra | 57,0 48,0 bis 65,9 | 54,8 % | 32 % | 34 |
Text, Schwer-Set
Wischen für kcal-Fehler, Innerhalb ±20 % und Fälle
| Rang | System | Flexen Score95-%-Band | kcal-Fehler | Innerhalb ±20 % | Fälle |
|---|---|---|---|---|---|
| 1 | Flexen Max | 82,9 76,5 bis 88,5 | 14,5 % | 80 % | 30 |
| 2 | GPT-6.2 Sol | 82,9 76,5 bis 88,5 | 14,5 % | 80 % | 30 |
| 3 | GPT-6 Astra | 79,6 72,4 bis 86,1 | 15,9 % | 70 % | 30 |
| 4 | Gemini 3.1 Flash-Lite | 78,6 70,7 bis 85,7 | 18,6 % | 77 % | 30 |
| 5 | Qwen4 Max | 78,5 72,2 bis 84,3 | 15,8 % | 70 % | 30 |
| 6 | Gemini 3.5 Flash | 77,4 69,5 bis 84,2 | 19,0 % | 67 % | 30 |
| 7 | Gemini 4 Argon | 77,1 68,5 bis 84,3 | 23,4 % | 70 % | 30 |
| 8 | Claude Opus 5.5 | 75,6 68,5 bis 82,3 | 19,2 % | 57 % | 30 |
| 9 | Claude Haiku 5.5 | 75,1 67,9 bis 82,0 | 21,4 % | 63 % | 30 |
| 10 | GLM-5.3-Flash | 75,1 67,8 bis 81,8 | 20,1 % | 67 % | 30 |
| 11 | Flexen Light | 74,6 67,1 bis 81,7 | 20,8 % | 63 % | 30 |
| 12 | Claude Sonnet 5.5 | 74,3 65,0 bis 82,6 | 23,4 % | 72 % | 30 |
Gewertet ist der verdeckte Teil: 34 von 35 Fotos und 30 von 36 Texten (die übrigen haben eine mehrdeutige Referenz, siehe Methode), gemessen 21./22.11.2026, v4 verdeckt, einmal. Bei so wenigen Fällen sind die Bänder breit; Unterschiede von wenigen Punkten sagen hier nichts.
Mit Hinweis
Die API nimmt neben Foto oder Text eine Angabe des Nutzers an, zum Beispiel die Menge oder wie viel Öl in der Pfanne war. Wie viel das bringt, hängt davon ab, wie genau die Angabe ist. Wir zeigen deshalb drei Messungen: die Obergrenze, realistische Angaben und eine Rückfrage.
Obergrenze: fast genaue Hinweise
Hier kennt der Nutzer Gewicht und Fett fast genau: Die Hinweise sind aus dem Referenzwert gerundet (Foto: Gewicht auf 50 g, Fett oder Soße als Esslöffel; Text: Gramm der Portion). So genau weiß es kaum jemand. Die Werte sind deshalb eine Obergrenze. Beim Text bekamen nur 102 der 278 Texte einen Hinweis, nämlich die mit vager Menge, Portion ohne Gramm, Packung ohne Gewicht oder Fett ohne Menge.
Foto
130 Teller, gemessen 21./22.11.2026, v4 verdeckt, einmal
Wischen für kcal-Fehler, Innerhalb ±20 % und Kosten
| System | Flexen Score95-%-Band | kcal-Fehler | Innerhalb ±20 % | Modellkosten |
|---|---|---|---|---|
| Flexen Light | 66,1 62,6 bis 69,5 | 33,7 % | 40 % | 0,079 ct |
| Flexen Light + Hinweis | 76,2 73,0 bis 79,2 | 24,4 % | 59 % | 0,083 ct |
| Flexen Max | 70,9 67,6 bis 74,0 | 26,8 % | 45 % | 0,330 ct |
| Flexen Max + Hinweis | 80,3 77,3 bis 83,2 | 19,2 % | 65 % | 0,347 ct |
- Hinweis bei Flexen Light: +10,1 (+6,7 bis +13,8, belegt)
- Hinweis bei Flexen Max: +9,4 (+6,3 bis +12,9, belegt)
Text
278 Texte, gemessen 21./22.11.2026, v4 verdeckt, einmal
Wischen für kcal-Fehler, Innerhalb ±20 % und Kosten
| System | Flexen Score95-%-Band | kcal-Fehler | Innerhalb ±20 % | Modellkosten |
|---|---|---|---|---|
| Flexen Light | 86,5 84,2 bis 88,6 | 15,0 % | 81 % | 0,053 ct |
| Flexen Light + Hinweis | 88,2 86,3 bis 90,0 | 12,0 % | 85 % | 0,053 ct |
| Flexen Max | 89,3 87,2 bis 91,2 | 12,1 % | 86 % | 0,121 ct |
| Flexen Max + Hinweis | 90,6 88,9 bis 92,3 | 9,7 % | 88 % | 0,121 ct |
- Hinweis bei Flexen Light: +1,7 (+0,8 bis +2,8, belegt)
- Hinweis bei Flexen Max: +1,3 (+0,4 bis +2,4, belegt)
Auf den Schwer-Sets: Foto +10,9 (+2,3 bis +19,4, belegt) bei Flexen Light und +7,4 (−1,8 bis +16,3, nicht belegt) bei Flexen Max; Text +0,6 (−2,6 bis +4,4, nicht belegt) und −1,2 (−4,1 bis +1,5, nicht belegt).
Realistische Hinweise: rund ein Drittel
Auf Entwicklungsdaten (185 Fotos, nicht v4) haben wir Angaben simuliert, wie Nutzer sie geben. Am meisten bringt bei Fotos eine grobe Stufe wie „Portion: eher klein, normal, eher groß“: +3,0 (+1,0 bis +5,0, belegt) mit Flexen Light. Das ist rund ein Drittel der Obergrenze von +10,1.
Auch eine Grammzahl, die um etwa 30 % danebenliegt, hilft: +3,8 (+0,5 bis +6,9, belegt). Nur „mit Öl“ oder „ohne Fett“ bringt nichts: −0,4 (−2,2 bis +1,4, nicht belegt).
Falsche Angaben schaden. Auf den 38 Fotos mit absichtlich falschem Hinweis (doppelte oder halbe Menge, Öl erfunden oder verschwiegen) liegt der Score −15,9 (−21,7 bis −9,1, belegt) gegenüber dem richtigen Hinweis und −6,1 (−13,0 bis +1,1, nicht belegt) gegenüber keinem Hinweis.
Beim Text (115 Texte, Mengen entfernt) hilft eine ungenaue Grammzahl nicht, eher schadet sie: −5,2 (−10,3 bis 0,0, nicht belegt). Nennt der Text schon Stück, Packung oder Löffel, kennt das Modell die typische Portion besser als ein Nutzer, der schätzt.
Simulierte Nutzer, feste Regeln vor dem ersten Aufruf, gemessen am 21. November 2026. Für Flexen Max gibt es dazu nur 24 Teller und keinen belegten Wert.
Rückfrage: Beta, nur auf Wunsch
Flexen Light kann bei unsicheren Fotos eine Rückfrage stellen: „Wie viel war es ungefähr?“ Gemessen am 22. November 2026 auf dem verdeckten Teil von v4, genau einmal, mit simulierten Antworten.
Gefragt wurde bei 57 von 138 Fotos (41 %). Mit realistischen Antworten: über alle Fotos +1,7 (+0,5 bis +3,1, belegt), auf den gefragten Fotos +5,7 (+1,4 bis +10,4, belegt).
Mit exakten Antworten wären es +3,0 und +8,0, mit ungenauen +1,1 (−0,2 bis +2,6, nicht belegt) und +3,2 (−1,5 bis +8,0, nicht belegt).
Auf dem Schwer-Set (35 Fotos, 19 gefragt) hilft die Rückfrage nicht: −2,9 (−7,7 bis +1,0, nicht belegt).
Vor der Messung hatten wir fünf Schwellen für einen Start als Standard festgelegt. Zwei sind verfehlt: Gefragt wird bei 41 % der Fotos statt bei höchstens 35 %, und bei Tellern mit viel Fett oder Soße im Schwer-Set ist das Ergebnis mit Rückfrage belegt schlechter. Die Rückfrage gibt es deshalb nur als Beta und nur, wenn du sie einschaltest. Bei Text stellt die API keine Rückfrage.
Diese Zahlen stammen aus einer eigenen Auswertung mit einer früheren Fassung der Kalibrierung; sie sind mit den Ranglisten nicht direkt vergleichbar.
Einzelne Benchmarks
- Foto 130 gewogene Teller im verdeckten Teil, 12 Systeme.
- Höchster Score
- GPT-6.2 Sol · 71,9
- Flexen Light
- Platz 5 von 12 · 66,1
- Flexen Max
- Platz 2 von 12 · 70,9
- Text 278 Beschreibungen auf Deutsch und Englisch im verdeckten Teil, 12 Systeme.
- Höchster Score
- Flexen Max · 89,3
- Flexen Light
- Platz 8 von 12 · 86,5
- Flexen Max
- Platz 1 von 12 · 89,3
- Fälle Die 62 offenen Fotos und 149 offenen Texte, einzeln: Referenzwert und die Schätzung jedes Systems. Fälle ansehen
- Methode Formel, Testsatz, Lesart und Grenzen der Messung.
Belegt heißt: Das 95-%-Band der gepaarten Differenz zu Flexen Light schließt 0 nicht ein. Benchmark v4, gemessen 21./22.11.2026, v4 verdeckt, einmal.