Beste KI zum Programmieren? Was 1.200 Entwickler wirklich starten

Die meisten Antworten auf diese Frage gehen von einem Benchmark oder vom Geschmack einer Person aus. Wir haben einen anderen Ausgangspunkt: eine Aufzeichnung, welches Modell Leute wählen, wenn Arbeit ansteht.

AgentsRoom ist eine Desktop-App, die Coding-Agenten nebeneinander laufen lässt. Wenn jemand einen Agenten startet, notiert die App die CLI und das Modell, und nichts über die Arbeit selbst. Dieser Artikel wertet 28 Tage dieser Aufzeichnungen aus, vom 9. Oktober bis zum 5. November 2026: 205.366 Starts und 1.194 angemeldete Konten.

Die kurze Antwort. Wenn du einen einzigen Namen willst, ist es Opus auf Claude Code: Es liegt vorn, egal wie wir zählen. GPT-6.1 Sol auf Codex kommt auf Platz zwei. Aber ein guter Teil dieses Vorsprungs ist ein Standard, den wir selbst gesetzt haben, und die Zahlen sagen mehr darüber, wie Leute wählen, als darüber, welches Modell besseren Code schreibt.

Die Rangliste, auf drei Arten gezählt

Die Starts sind sehr ungleich verteilt. Das Median-Konto hat in 28 Tagen 10 Agenten gestartet, und zehn Konten machen 35 % aller Starts aus. Ein einziges Konto mit ein paar geplanten Aufgaben kann ein Modell um mehrere Punkte bewegen. Deshalb hier dieselbe Rangliste auf drei Arten gezählt: alle Starts, die Starts ohne die zehn aktivsten Konten, und ein Konto, eine Stimme (das Modell, das jedes Konto am häufigsten gestartet hat).

Drei Dinge, die man aus dieser Tabelle lesen kann.

Die beiden Opus-Zeilen sind ein einziges Modell. Das Alias opus folgt dem neuesten Release, und Claude Code löst es seit Version 2.1.280 auf Opus 5.5 auf. Zusammengezählt kommt Opus 5.5 auf 37 % der Starts und ist das Hauptmodell von etwas mehr als der Hälfte der Konten.

Sonnet ist ein Zweitmodell. Es kommt auf 13 % der Starts, ist aber nur das Hauptmodell von 6 % der Konten: Leute nutzen es neben etwas anderem.

Wenn man Personen zählt, ändert sich das Bild. Gemini 3.8 Flash geht von 1,3 % der Starts auf 4,6 % der Konten. Auf CLI-Ebene ist der Abstand größer:

Unser eigener Standard steckt in dieser Rangliste

Hier kommt der Teil, den ein Hersteller-Benchmark nie zugeben müsste. In AgentsRoom kommt jede eingebaute Rolle mit einem vorgeschlagenen Modell: Opus für Fullstack, Frontend, Backend, Architekt, Sicherheit und Mobile, Sonnet für QA, PM, DevOps und git, Haiku für Marketing und Übersetzung. Erstelle einen Fullstack-Agenten, und die Modellauswahl steht schon auf Opus.

Das sieht man in den Daten. Auf Claude Code ist das meistgestartete Modell für DevOps-, PM- und QA-Agenten Sonnet, und für Fullstack-, Backend- und Architekt-Agenten ist es Opus. Das ist fast Zeile für Zeile unsere Tabelle der Standardmodelle. Wir werden dir also nicht erzählen, dass Entwickler für QA lieber Sonnet nehmen. Meist haben sie einfach behalten, was wir vorgeschlagen haben.

Den Rest erledigt die Trägheit: Bei 70 % der Konten ist das erste im Zeitraum gestartete Modell auch das, das sie am häufigsten gestartet haben.

Das ehrlichere Signal steckt in den Entscheidungen, die niemand zufällig trifft. 198 Konten haben Opus 5.5 von Hand festgepinnt, obwohl das Alias ihnen dasselbe Modell gab. 116 haben Fable gestartet und 121 Sonnet 5.5 festgepinnt, und beides ist für keine Rolle der Standard. Diese Gruppen sind kleiner, und es sind die Leute, die sich die Liste angesehen und entschieden haben.

Was Leute der Automatisierung überlassen

Ohne die zehn aktivsten Konten kommen 28 % der Starts von einem Backlog-Ticket, einem Team-Run oder einem Trigger, der Rest meist von jemandem, der einen Agenten öffnet oder fortsetzt. Die zehn aktivsten sind eine andere Welt: 68 % ihrer Starts gehen von der Automatisierung aus. Diese Konten haben weitgehend aufgehört, Agenten von Hand zu starten.

Anteil der Starts jedes Modells, die von der Automatisierung ausgehen, ohne diese zehn Konten:

Auf Claude Code trennen sich die Stufen wie erwartet: etwa 20 % bei Opus, etwa 40 % bei Sonnet und Haiku. Unser Standard treibt die Sonnet-Zahl hoch, weil die QA- und PM-Plätze in einem Team-Run damit starten, und das festgepinnte Sonnet 5.5 liegt bei 18 %. Auf Codex gibt es dieses Muster nicht, und GPT-6 Astra, das Frontier-Modell der Liste, liegt bei 40 %. Ein Gesetz würden wir daraus also nicht machen. Am nächsten kommt einer Regel, die wir vertreten können, Folgendes: Auf Claude Code behalten Leute die stärkste Stufe für die Arbeit, die sie beobachten, und geben mehr von der Routine an günstigere Stufen ab.

Der Aufwand folgt derselben Logik. Bei den Starts, bei denen einer festgelegt wurde, liegt high bei Opus (48 %) und bei GPT-6.1 Sol (59 %) vorn, und medium bei Sonnet (61 %). Der Reasoning-Aufwand ist eine eigene Einstellung, und wer Opus 5.5 festpinnt, dreht ihn höher: xhigh oder max bei 25 % der eigenen Starts, gegenüber 20 % beim Alias.

Wenige bleiben bei einem

30 % der Konten haben in 28 Tagen ein einziges Modell gestartet, und 21 % sechs oder mehr. Die Standards der Rollen treiben das hoch, denn sie können Opus und Sonnet ins selbe Konto bringen, ohne dass jemand das entschieden hat. Die Zählung nach CLI ist sauberer, weil eine zweite CLI eine Installation und eine Anmeldung bedeutet: 45 % der Konten haben mindestens zwei gestartet.

Die Überschneidung ist einseitig. Mehr als acht von zehn Codex-Konten haben auch Claude gestartet. Weniger als drei von zehn Claude-Konten haben Codex gestartet. Für einen guten Teil dieser Entwickler lautet die Antwort auf „welches Modell ist das beste“ ein Duo, und das ist ein vernünftiges Ergebnis.

Ein kleines Detail, bei einer kleinen Stichprobe: 6 der 34 Konten auf GitHub Copilot haben überhaupt etwas an einem Wochenende gestartet, gegenüber 47 % der Claude-Konten und 52 % der Codex-Konten. Das würde zu einem Tool passen, das ein Arbeitgeber bezahlt, beweisen können wir es aber nicht.

Ein neues Modell setzt sich in etwa einer Woche durch, wenn es der Standard ist

GPT-6.1 Sol taucht am 29. September erstmals in unseren Aufzeichnungen auf, und am 1. Oktober wurde es das Modell, das ein neuer Codex-Agent bekommt, wenn du kein anderes wählst. Unter den wichtigsten Codex-Modellen entwickelte sich sein Anteil an den Starts Woche für Woche so: 19 %, 50 %, 53 %, 61 %, 68 %, 65 %. In denselben sechs Wochen ging GPT-5.6 Sol von 82 Konten auf 24 zurück.

Diese 24 sind interessant. Ebenso die 17 Konten, die in der Woche vom 2. November noch Opus 5 starteten, einer Woche, die noch lief, als wir diese Zahlen abgerufen haben. Manche bleiben aus eigener Wahl dabei, manche, weil ein Abo das neuere Modell nicht anbietet. Unsere Daten können sie nicht auseinanderhalten.

Auf Claude Code sieht man ein Release kaum. Alle, die auf dem Alias sind, wechseln, ohne etwas zu tun, und deshalb unterschätzt das festgepinnte Opus 5.5 das Modell.

Es gibt auch eine Falle, wenn man Starts als Beliebtheit liest. Ohne die zehn aktivsten Konten fiel Codex von 26 % der Starts in der Woche vom 21. September auf 16 % in der Woche vom 2. November. Dabei lag der Anteil der aktiven Konten, die Codex starteten, an beiden Enden bei 36 % und blieb dazwischen zwischen 33 % und 38 %. Ungefähr derselbe Anteil an Leuten, die einen kleineren Teil ihrer Agenten darauf starten. Wer nur die erste Zahl hätte, würde die falsche Schlagzeile schreiben.

Kostenlose und lokale Modelle

Viele suchen nach dem besten kostenlosen Modell oder dem besten für den lokalen Betrieb. Diese Daten können das nicht beantworten. Freebuff, kostenlos und werbefinanziert, kommt auf 0,3 % der Starts. Lokale Modelle über Ollama kommen auf 0,2 %, verteilt auf 47 Konten. Unsere Nutzer zahlen meist schon ein Abo, ein niedriger Anteil ist hier also kein Urteil. Wenn es dir um lokal geht, fang an mit wie wir Ollama neben Cloud-Agenten betreiben.

Was diese Zahlen nicht sagen können

• Ein Start ist keine Qualitätsnote. Nichts hier misst, ob der Code funktioniert hat oder gemergt wurde.
• Ein Start ist keine Arbeitsmenge. Ein Fix von fünf Minuten und ein Run über Nacht zählen gleich, und eine fortgesetzte Sitzung zählt als Start (20 % der Gesamtzahl).
• Die Stichprobe steht nicht für alle Entwickler. Das sind Leute, die schon mehrere Agenten aus einer Desktop-App steuern, die rund um Claude Code entstanden ist, Claude ist also überrepräsentiert, und gezählt werden nur Konten, die das Teilen der Nutzungsdaten aktiviert lassen.
• Unsere Standards stecken in den Zahlen, wie oben beschrieben.

So wählst du für deinen eigenen Code

Da keine Rangliste dein Repository kennt, hier der Test, den wir machen würden:

1. Nimm eine echte Aufgabe, deren Ergebnis du beurteilen kannst, am besten eine, die du schon gelöst hast.
2. Gib zwei oder drei Modellen exakt denselben Prompt, jedem in seinem eigenen Git-Worktree, damit sie die Dateien der anderen nicht anfassen können.
3. Vergleiche die Diffs, die Zeit und die Kosten.
4. Mach das dreimal mit verschiedenen Aufgaben. Ein einziger Versuch beweist nichts.

Agents vergleichen erledigt die Schritte 2 und 3 aus einem einzigen Launcher, und diese Seite beschreibt auch die Methode von Hand mit einfachen git-Befehlen, falls du lieber nichts installieren willst. Um dieselbe Stufe über CLIs hinweg zu finden, nutze die Tabelle der KI-Modell-Äquivalente. Für die Wahl des Tools statt des Modells lies wie du nach deiner Arbeitsweise wählst. Die Live-Version dieser Zahlen, über 7, 30 oder 90 Tage oder 12 Monate, steht auf der Nutzungsseite.

Häufig gestellte Fragen

Welche KI ist aktuell die beste zum Programmieren?

Keine Messung kann eine für deinen Code benennen. Sagen können wir, was genutzt wird: In den 28 Tagen bis zum 5. November 2026 war Opus auf Claude Code das meistgestartete Modell, mit 37 % der Starts, wenn man das Alias und das festgepinnte Opus 5.5 zusammenzählt, und das Hauptmodell von etwas mehr als der Hälfte der Konten. GPT-6.1 Sol auf Codex kam mit 13 % auf Platz zwei. Ein Teil des Vorsprungs von Opus kommt von unserem eigenen Standard, und ein Start sagt nichts über die Qualität des Ergebnisses.

Welche KI ist kostenlos am besten zum Programmieren?

Diese Zahlen können das nicht beantworten. Die Leute in dieser Stichprobe zahlen meist ein Abo: Freebuff, kostenlos und werbefinanziert, kommt auf 0,3 % der Starts, und lokale Modelle über Ollama auf 0,2 %. Ein niedriger Anteil ist hier kein Urteil über diese Tools. Mach den oben beschriebenen Test mit einer eigenen Aufgabe und den kostenlosen Optionen, die du tatsächlich nutzen kannst.

Ist Opus zum Programmieren besser als GPT-6.1 Sol?

Wir wissen es nicht, und diese Daten können es nicht sagen. Sie zeigen, dass mehr Konten Opus starten, nicht dass Opus besseren Code schreibt. Mehr als acht von zehn Codex-Konten haben im Zeitraum auch Claude gestartet, was darauf hindeutet, dass viele Entwickler beide behalten, statt die Frage zu entscheiden. Der ehrliche Test ist dieselbe Aufgabe auf beiden, in deinem Repository, ein paar Mal wiederholt.

Soll ich eine Modellversion festpinnen oder das Alias nutzen?

Ein Alias wie opus folgt dem neuesten Release: Du bekommst neue Modelle, ohne etwas zu tun, und deine Ergebnisse können sich ohne Vorwarnung ändern. Eine festgepinnte Version wie Opus 5.5 bleibt, bis du sie änderst, was für geplante Aufgaben und zum Vergleichen von Runs nützlich ist. 198 Konten haben Opus 5.5 im Zeitraum festgepinnt, obwohl das Alias bereits darauf zeigte.

Welchen Reasoning-Aufwand nutzen Entwickler?

Bei den Starts, bei denen ein Aufwand festgelegt wurde, liegt high bei Opus (48 %) und bei GPT-6.1 Sol (59 %) vorn, und medium bei Sonnet (61 %). Konten, die Opus 5.5 festpinnen, gehen weiter als das Alias: xhigh oder max bei 25 % der Starts gegenüber 20 %.

Wie wurden diese Zahlen erhoben?

Wenn ein Agent startet, speichert die Desktop-App von AgentsRoom die CLI, das Modell, den Reasoning-Aufwand, die Agenten-Rolle und den Startweg, und sonst nichts: keinen Prompt, kein Projekt, keine Datei, keinen Namen. Nur Nutzer, die „Nutzungsdaten teilen“ aktiviert lassen, tragen bei. Die Live-Version, alle zehn Minuten aktualisiert, steht auf der öffentlichen Nutzungsseite.