Beste KI zum Programmieren 2026:
Benchmarks, Preise und Ideen für eigene Tools

Wer die beste KI zum Programmieren 2026 sucht, landet seit September bei einer neuen Modellgeneration. Anthropic hat am 22. September Claude Opus 5.5 veröffentlicht, das im aktuell maßgeblichen Programmier-Benchmark Terminal-Bench 4.0 vorn liegt, knapp vor GPT-6 Astra von OpenAI und mit deutlichem Abstand vor Anthropics Spitzenmodell Claude Fable 5.1. OpenAI hat am selben Tag mit GPT-6 Sol und GPT-6 Luna zwei deutlich günstigere Modelle nachgeschoben. Interessanter als die Rangliste ist, wer mit diesen Modellen inzwischen arbeitet. Vier von fünf Nutzern des App-Baukastens Lovable kommen nach einer Erhebung des Anbieters aus nicht-technischen Berufen, vom Einzelhandel bis zur Immobilienbranche. Dieser Artikel zeigt, welche Modelle aktuell vorn liegen, was sie kosten, und welche Werkzeuge sich kleine, lokale Unternehmen damit selbst bauen können.

Beste KI zum Programmieren 2026: Die Benchmark-Lage im September

Die zwei bekanntesten Programmier-Benchmarks taugen nicht mehr als Rangliste. Die unabhängige Benchmark-Plattform Vals AI hat SWE-bench Verified, den Coding-Test mit echten Fehlern aus GitHub-Projekten, als gesättigt archiviert. Dort erreichen 7 von 86 getesteten Modellen mindestens 95 Prozent, Spitzenreiter bleibt Claude Opus 5 mit 97,0 Prozent. Auch das LiveCodeBench-Leaderboard von Vals AI wird nicht mehr aktualisiert. Dort steht der letzte Stand mit Claude Fable 5 (89,78 Prozent) knapp vor Opus 5 (89,03 Prozent). Die neuen September-Modelle tauchen in beiden Listen gar nicht mehr auf.

Maßgeblich ist deshalb Terminal-Bench, inzwischen in Version 4.0, der komplette Arbeitsaufträge in einer Kommandozeilen-Umgebung stellt. Version 4.0 besteht aus komplett neuen, deutlich schwereren Aufgaben, bei denen selbst das beste Modell nur knapp zwei Drittel schafft; mit den Werten der Vorversion 2.1 sind die Ergebnisse laut Vals AI nicht vergleichbar. In der Terminal-Bench-4.0-Messung von Vals AI vom 22. September führt Claude Opus 5.5 mit 61,62 Prozent vor GPT-6 Astra (57,07 Prozent) und Claude Fable 5.1 (49,49 Prozent). Getestet werden dabei nicht Modelle allein, sondern KI-Agenten, also Modell plus Arbeitsumgebung (Harness) als Gespann.

Die Zahlen hängen spürbar von der Messumgebung ab. Anthropic selbst gibt für Opus 5.5 in der offiziellen Ankündigung von Claude Opus 5.5 66,4 Prozent an, für Fable 5.1 laut Ankündigung von Fable 5.1 und Mythos 5.1 55,8 Prozent. Vals AI weist zudem darauf hin, dass bei vier Anthropic-Modellen ein Teil der Aufgaben automatisch von älteren Modellen beantwortet wurde. Bei Opus 5.5 betraf das 30 von 198 Versuchen. Zählt man diese als Fehlschlag, sinkt Opus 5.5 auf 53,54 Prozent und läge damit hinter GPT-6 Astra. Die Spitze ist also enger, als die Rangliste zeigt. Anthropic selbst empfiehlt in seiner Doku zur Modellwahl, die meisten Aufgaben mit Opus 5.5 zu beginnen und erst bei besonders anspruchsvollen oder langen Agenten-Aufgaben auf das teurere Fable 5.1 zu wechseln.

Update (28.09.2026): Das neue Claude Sonnet 5.5 kommt in der Terminal-Bench-4.0-Messung von Vals AI (Stand 27. September) auf 53,03 Prozent. Damit liegt es hinter Opus 5.5 und GPT-6 Astra, aber vor Fable 5.1. Pro Aufgabe kostete es dort mit 19,33 Dollar etwas mehr als Opus 5.5 (19,07 Dollar). Anthropic selbst gibt für Sonnet 5.5 auf Terminal-Bench 4.0 70,6 Prozent an.

Update (08.10.2026): Claude Haiku 5.5 erreicht in Anthropics eigener Messung 39,2 Prozent auf Terminal-Bench 4.0, bei Vals AI 35,35 Prozent, für 0,10 Dollar je Million Eingabe-Token bei Prompts bis 100.000 Token. Der Vorgänger Haiku 4.5 kam auf 0,0 Prozent.

Die günstigen September-Modelle fehlen in der Rangliste noch. Für GPT-6 Sol und Luna liegen bisher nur Werte aus dem Benchmark DeepSWE vor. Dort landet Sol nach einer Auswertung von The Decoder zu GPT-6 Sol und Luna mit 68,8 Prozent sogar unter seinem Vorgänger GPT-5.6 Sol (72,7 Prozent). Der Fortschritt dieser Modelle liegt beim Preis, nicht bei der Leistung. Benchmarks veralten in diesem Markt innerhalb von Wochen, weshalb sich ein Blick auf das Datum jeder Rangliste lohnt.

Was die Modelle kosten und wofür sie taugen

Zwischen dem teuersten und dem günstigsten brauchbaren Programmier-Modell liegt beim Preis der Faktor 100. Anthropic verlangt für Fable 5.1 laut offizieller Preisliste 10 Dollar pro Million Eingabe-Token und 50 Dollar für die Ausgabe. OpenAIs neues Sparmodell GPT-6 Luna kostet laut OpenAI-Preisliste 0,10 Dollar für die Eingabe und 0,50 Dollar für die Ausgabe. Das neue Anthropic-Standardmodell Opus 5.5 liegt mit 4 und 20 Dollar dazwischen, 20 Prozent unter den Listenpreisen seines Vorgängers Opus 5. Wer die Modelle über eine API ansteuert, zahlt also je nach Wahl sehr unterschiedlich. Für Gelegenheitsnutzer sind die Abo-Angebote der Anbieter meist günstiger, dazu unten mehr.

Die Arbeitsteilung zwischen den Familien hat sich eingespielt. Claude-Modelle gelten als erste Wahl für das Verstehen und Reparieren bestehenden Codes, GPT-Modelle punkten mit Tempo und dem größten Ökosystem an Integrationen. Gemini spielt seine Multimodalität aus, wenn aus einem Foto oder einer Skizze eine Weboberfläche werden soll. DeepSeek und die offenen Modelle Kimi K3 und Qwen3-Coder sind die Preisbrecher. DeepSeek v4-pro erreicht in der Vals-AI-Messung 96,4 Prozent bei SWE-bench Verified und stellt seine Gewichte unter MIT-Lizenz bereit. Kimi K3, mit 2,8 Billionen Parametern das größte offen verfügbare Modell, kommt dort auf 93,4 Prozent; die Gewichte sind seit Ende Juli 2026 offengelegt, mit Lizenzgrenzen für sehr große Firmen. Einen ausführlichen Kostenvergleich der beiden Marktführer bietet unser Vergleich Claude vs. ChatGPT mit allen API-Preisen.

Vom Modell zum Werkzeug: Womit tatsächlich gearbeitet wird

Kaum jemand programmiert direkt gegen die API, gearbeitet wird in Werkzeugen, die die Modelle einbetten. Für Einsteiger sind zwei Kategorien relevant. Agenten wie Claude Code und OpenAI Codex arbeiten selbstständig ganze Aufträge ab und stecken bereits in den normalen Chat-Abos. Baukästen wie Lovable, Replit und Bolt nehmen eine Beschreibung in natürlicher Sprache entgegen und liefern eine fertige, gehostete Web-App zurück.

Bei den Abo-Agenten lohnt ein Blick auf die Nutzungsgrenzen, denn die Anbieter deckeln die enthaltene Rechenleistung, bei Anthropic etwa mit Wochenlimits. Diese liegen seit dem 14. September laut BleepingComputer-Bericht zu den Claude-Code-Wochenlimits dauerhaft 25 Prozent über dem alten Grundwert, nachdem ein befristeter Aufschlag von 50 Prozent ausgelaufen ist. Wie sich das Kontingent bei Anthropic strecken lässt, haben wir im Ratgeber Claude Code Token sparen aufgeschlüsselt.

Programmieren ohne Programmierer: Wer heute Software baut

Die auffälligste Verschiebung des Jahres findet nicht in den Benchmarks statt, sondern bei den Nutzern. Nach der Lovable-Erhebung The Build Economy arbeiten vier von fünf Nutzern des Baukastens in nicht-technischen Rollen, von Bildung über Einzelhandel bis Immobilien. Wie breit diese Bewegung geworden ist, beschreibt auch der Scientific-American-Bericht über Vibe Coding mit Claude Code. In der Stack-Overflow-Entwicklerumfrage 2025 gaben 84 Prozent der Befragten an, KI-Werkzeuge zu nutzen oder es zu planen. Und beim Startup-Förderer Y Combinator bestand schon im Winter-Jahrgang 2025 bei einem Viertel der Startups die Codebasis zu über 95 Prozent aus KI-generiertem Code.

Das Handwerk hinkt bei dieser Entwicklung weit hinterher. Nach dem Bitkom-Studienbericht zur Digitalisierung des Handwerks vom Januar 2026 setzen erst 4 Prozent der Handwerksbetriebe KI ein, obwohl 89 Prozent die Digitalisierung als Chance sehen. In der Gesamtwirtschaft nutzt dagegen laut Bitkom-Umfrage vom September 2026 erstmals eine Mehrheit der Unternehmen ab 20 Beschäftigten KI, nämlich 57 Prozent nach 36 Prozent im Vorjahr. Für kleine Betriebe ist diese Lücke eine Gelegenheit, denn die Werkzeuge kosten den Bruchteil eines Agenturprojekts. Deutsche Agenturen setzen für eine Web-Anwendung mit Datenbank typischerweise 5.000 bis 20.000 Euro an, ein Claude-Pro-Abo mit Claude Code kostet 17 Dollar im Monat bei jährlicher Abrechnung. Warum die neue Zugänglichkeit auch Arbeitsplätze verändert, beleuchtet unser Überblick Arbeitslos durch KI.

There's a new kind of coding I call "vibe coding", where you fully give in to the vibes, embrace exponentials, and forget that the code even exists. It's possible because the LLMs (e.g. Cursor Composer w Sonnet) are getting too good.

— Andrej Karpathy (@karpathy) February 2, 2025

Fünf Tool-Ideen für lokale Betriebe, auf die kaum jemand kommt

Die lohnendsten Eigenbau-Tools für kleine Unternehmen liegen in Vertrieb und Marketing, dort, wo liegengebliebene Anfragen und vergessene Angebote direkt Umsatz kosten. Chatbots und Textgeneratoren gibt es fertig zu kaufen. Die folgenden fünf Ideen dagegen sind zu speziell für Standard-Software, mit den beschriebenen Werkzeugen aber an wenigen Abenden umsetzbar, jeweils als kleine Web-App oder Automatisierung auf dem eigenen Rechner.

1. Der Angebots-Nachfasser

Das Fachmagazin de für das Elektrohandwerk beschreibt fehlende Nachfassprozesse als stillen Auftragskiller, weil geschriebene Angebote im Tagesgeschäft schlicht in Vergessenheit geraten. Genau dafür reicht ein kleines Tool, das die Angebotsliste aus der Bürosoftware einliest, fällige Angebote nach Wartezeit und Auftragswert sortiert und zu jedem einen persönlichen Nachfass-Entwurf formuliert, der auf die Positionen des Angebots eingeht. Der Chef liest morgens fünf fertige Entwürfe, passt einen Satz an und schickt sie ab. Kein Kunde bekommt Massenware, und kein 15.000-Euro-Angebot stirbt mehr unbemerkt.

2. Die Minuten-Antwort auf neue Anfragen

Firmen, die einen Web-Lead innerhalb einer Stunde kontaktieren, erreichen nach der klassischen Harvard-Business-Review-Untersuchung zu Online-Anfragen rund siebenmal häufiger ein qualifiziertes Gespräch als Firmen, die auch nur eine Stunde später dran sind. Der Durchschnitt der 2.241 geprüften US-Unternehmen antwortete nach 42 Stunden, fast ein Viertel antwortete nie. Ein selbstgebauter Anfrage-Wächter liest jede neue Formular-Anfrage, erstellt binnen Minuten einen fachlich passenden Antwortentwurf mit zwei konkreten Terminvorschlägen und legt ihn dem Betrieb zur Freigabe aufs Handy. Die Antwort bleibt persönlich, kommt aber, solange der Interessent noch vor dem Bildschirm sitzt und nicht schon beim Wettbewerber.

3. Das Bewertungs-Cockpit

Google ist mit 84 Prozent die meistgenutzte Plattform, auf der Konsumenten lokale Betriebe prüfen, so die Local Consumer Review Survey 2025 von BrightLocal. Dieselbe Umfrage zeigt, dass 96 Prozent der Kunden grundsätzlich bereit sind, eine Bewertung zu schreiben, und dass die Bitte per E-Mail der wirksamste Weg ist. Ein Bewertungs-Cockpit verschickt nach jedem abgeschlossenen Auftrag automatisch eine persönliche Bitte mit direktem Bewertungslink, sammelt neue Rezensionen ein und entwirft Antworten im Ton des Hauses, auch auf die unangenehmen. Wer nicht selbst bauen möchte, findet mit Review.AI ein fertiges Werkzeug für Handwerker-Bewertungen.

4. Der Referenz-Generator aus Baustellenfotos

Auf jedem Firmenhandy liegen hunderte Projektfotos, aus denen nie Marketing wird. Ein Referenz-Generator nimmt die Bilder eines abgeschlossenen Projekts plus drei Stichworte entgegen und baut daraus eine fertige Referenzseite mit Vorher-nachher-Strecke, Projektbeschreibung und passenden Entwürfen für Social-Media-Beiträge. Möglich machen das die multimodalen Modelle, die Bildinhalte selbst erkennen und beschreiben. Der Zeitpunkt ist günstig, denn das Vertrauen in anonyme Sternebewertungen sinkt. Laut BrightLocal vertrauen nur noch 42 Prozent der Konsumenten Online-Bewertungen so stark wie persönlichen Empfehlungen, nach 79 Prozent im Jahr 2020. Dokumentierte, echte Projekte sind das glaubwürdigere Schaufenster.

5. Der Termin-Wächter

Geplatzte Termine kosten Dienstleister bares Geld, und die Gegenmaßnahme ist gut erforscht. Studien aus dem Gesundheitswesen zeigen, dass schon die Formulierung der Erinnerungs-SMS die Ausfallquote messbar drückt, in einer israelischen Krankenhausstudie von 21,1 auf 14,2 Prozent. Ein Termin-Wächter liest den Firmenkalender, verschickt zwei Tage vorher eine freundliche Erinnerung mit Bestätigungslink und meldet dem Betrieb jeden unbestätigten Termin, damit die Lücke rechtzeitig neu vergeben werden kann. Für einen Zweimannbetrieb, bei dem jeder vergebliche Anfahrtsweg eine Stunde kostet, rechnet sich das ab der ersten verhinderten Leerfahrt im Monat.

Ein Claude-Pro-Abo enthält bereits Claude Code, und die erste Version des Angebots-Nachfassers entsteht damit an einem Abend, am besten zunächst mit Testdaten statt echten Kundendaten. Wer den Weg nicht allein gehen möchte, kann sich begleiten lassen. ai-handwerk bietet neben den Workshops rund um KI im Betrieb auch Einzelcoachings an, in denen genau solche Werkzeuge gemeinsam mit dem Betrieb geplant und gebaut werden.

Wo der Selbstbau endet: Die Lektionen aus 2025

Die Grenze verläuft dort, wo fremde Daten ins Spiel kommen, und das haben zwei dokumentierte Vorfälle deutlich gemacht. Im Mai 2025 wurde beim Baukasten Lovable die Sicherheitslücke CVE-2025-48757 publik. Bei einem Scan von 1.645 mit Lovable gebauten Apps waren 170 Datenbanken offen aus dem Netz erreichbar, inklusive Namen, E-Mail-Adressen und weiterer persönlicher Daten, weil die von Laien erstellten Apps Zugriffsregeln schlicht nicht gesetzt hatten. Zwei Monate später löschte ein Replit-Agent im Test des Investors Jason Lemkin trotz ausdrücklicher Anweisung eine Produktionsdatenbank mit über 2.400 Datensätzen. Der Agent selbst bezeichnete sein Verhalten anschließend als katastrophales Versagen, Replit-Chef Amjad Masad nannte den Vorfall inakzeptabel und trennte danach Test- und Echtdaten technisch voneinander. Zu weit gefasste Rechte und Eigenständigkeit eines Agenten heißen bei OWASP Excessive Agency. Die Schutzregel dagegen ist Least Privilege (nur die Rechte, die eine Aufgabe benötigt).

Wenn ein LLM jede Zeile Ihres Codes geschrieben hat, Sie aber alles geprüft, getestet und verstanden haben, dann ist das in meinen Augen kein Vibe Coding.

Simon Willison, Software-Entwickler und Mitgründer des Django-Frameworks (übersetzt)

Aus beiden Vorfällen folgt eine einfache Arbeitsregel, die der britische Entwickler Simon Willison in seinem viel zitierten Beitrag zur Vibe-Coding-Abgrenzung formuliert hat. Für interne Helfer mit eigenen Daten darf die KI frei arbeiten. Sobald ein Tool Kundendaten speichert oder aus dem Internet erreichbar ist, gehört jede Zugriffsregel geprüft, im Zweifel von einem Profi.

In Deutschland kommt die DSGVO dazu. Wer Kundendaten über einen Cloud-Dienst verarbeiten lässt, etwa eine gehostete Datenbank oder eine KI-API, braucht mit dem Anbieter einen Auftragsverarbeitungsvertrag nach Artikel 28 der Datenschutz-Grundverordnung. Die großen Anbieter halten solche Verträge standardmäßig bereit, unterschrieben werden müssen sie trotzdem. Der praktikable Weg für den Anfang bleibt deshalb, mit Werkzeugen zu starten, die ganz ohne personenbezogene Daten auskommen, etwa dem Referenz-Generator oder einem internen Kalkulations-Helfer.

Häufige Fragen zur besten KI zum Programmieren