KI Arabisch: Claude Opus führt die großen Chatbots in Stanfords Arabisch-Test an

Welche KI ist die beste für Arabisch?

Claude Opus ist der beste der großen Chatbots für Arabisch, und zwei arabische Spezialisten schlagen es. Das CRFM von Stanford betreibt zusammen mit Arabic.AI HELM Arabic. Die Rangliste bewertet 41 Modelle auf sieben arabischen Testsätzen, von Schulprüfungsfragen bis zu Antworten auf Basis abgerufener Dokumente. Hier der Release vom 25. Juni 2026, Durchschnittswert von 100:

Die drei besten allgemeinen Chatbots liegen höchstens zwei Punkte auseinander. Claude Opus führt mit 84.1, GPT und Gemini Flash teilen sich 82.5. Darüber liegen LLM-X von Arabic.AI mit 91.9 und ein Modell namens incept-arabic-1 mit 88.3. Darunter folgen die älteren arabischen Modelle: ALLaM 7B mit 70.8 und die 30B-Jais-Familie mit 64.5. Arabic.AI ist zugleich Stanfords Partner bei dieser Rangliste, bewerte den Spitzenplatz also mit diesem Wissen.

Lies das Diagramm mit einem Vorbehalt. HELM schaltet das Denken ab und lässt jedes Modell aus, bei dem sich das nicht abschalten lässt. Ein Gemini-Pro-Modell fehlt, Google ist also nur mit Flash vertreten. Auch die GPT-6-Familie und Jais 2 fehlen. Claude Opus führt also die von Stanford getesteten Chatbots, nicht jeden Chatbot, und in unserem eigenen Test unten zog GPT Astra gleich. Zum größeren Duell der drei großen Assistenten siehe ChatGPT vs Claude vs Gemini.

Wie schnitten 17 Modelle bei Whizis eigenen Arabisch-Fragen ab?

GPT Astra und Claude Opus lagen mit 4 von 5 richtigen arabischen Fragen gleichauf an der Spitze. Das stammt aus unserem Multilingual LLM Bench, durchgeführt am 2. Oktober 2026. Jedes Modell bekam in jeder von 30 Sprachen dieselben 5 Fragen, mit niedrigem Reasoning. Jede Antwort wurde gegen einen belegten Schlüssel bewertet, eine Antwort in der falschen Sprache bekam null Punkte.

Fünf Fragen sind eine kleine Stichprobe. Eine Frage verschiebt den Arabisch-Wert eines Modells um 20 Punkte, nimm das also als grobe Reihenfolge, nicht als Ranking.

Die Aufteilung nach Fragetyp zeigt keine Rangliste. Fakten und Datumsrechnung klappten. Sprichwörter nicht:

Jede Sprichwort-Frage beschreibt einen Spruch über seine Bedeutung und fragt nach dem Spruch selbst. Fünfzehn Modelle verfehlten das erste, sechzehn das zweite, und keines schaffte beide. Claude Opus traf eines. GPT Astra und Claude Fable trafen das andere.

Die Kalenderfrage ist die einzige arabische Aufgabe, die wir veröffentlichen. Sie datiert eine Kairoer Urkunde auf den 23. Radschab 1219 AH im tabellarischen Hidschri-Kalender, nennt die Regeln und fragt nach Wochentag und gregorianischem Datum 100 Tage später. Elf von 17 Modellen antworteten Dienstag, 5. Februar 1805.

Nutze den Bench nicht, um Arabisch mit anderen Sprachen zu vergleichen. Arabisch kam über die 17 Modelle im Schnitt auf 41.2% und Spanisch auf 25.9%. Das sagt mehr darüber, wie schwer die fünf Fragen je Sprache sind, als über die Sprache.

Kann ChatGPT gut Arabisch?

Ja, ChatGPT beherrscht modernes Hocharabisch gut. GPT von OpenAI erreichte im Juni 2026 82.5 bei HELM Arabic, gleichauf mit Gemini Flash und 1.6 Punkte hinter Claude Opus. OpenAIs eigene Zahlen weisen in dieselbe Richtung. Die simple-evals-Ergebnisse nennen für das Reasoning-Modell o3 0.904 in Arabisch und 0.906 in Französisch, bei einem MMLU-Test, den Berufsübersetzer in 14 Sprachen neu geschrieben haben.

Anthropic veröffentlicht dieselbe Art Zahl. Die Seite zur Mehrsprachigkeit nennt für Claude Sonnet 4.5 in Arabisch 97.2% seines Englisch-Wertes, für das kleinere Claude Haiku 4.5 92.5%. Für einen großen Chatbot ist Arabisch fast eine erstklassige Sprache.

Der Haken ist der Dialekt. Ein Chatbot, der sauberes Hocharabisch schreibt, antwortet auf eine ägyptische oder marokkanische Frage oft trotzdem in Hocharabisch, und darum geht es im nächsten Abschnitt.

Kann KI arabische Dialekte schreiben oder nur Hocharabisch?

KI versteht die arabischen Dialekte besser, als sie sie schreibt. Die AL-QASIDA-Studie testete neun Modelle, darunter GPT-4o, an acht Dialekten von algerisch bis syrisch. Die Autoren schreiben: „LLMs do not produce DA as well as they understand it“, wobei DA dialektales Arabisch bedeutet. Die Modelle seien flüssig genug, aber zurückhaltend. Einen Teil davon führen sie auf das Post-Training zurück und stellten fest, „that few-shot examples can overcome this deficiency.“

Die Ranglisten können dir das nicht zeigen. Sechs der sieben arabischen Testsätze von HELM sind Multiple Choice, und keiner bewertet eine Antwort im Dialekt. Das Open Arabic LLM Leaderboard, betrieben vom OALL-Team mit 2A2I, TII und Hugging Face, baute seine Tests im Februar 2025 neu und strich die maschinell übersetzten. Das Team begründete es so: „Many tasks were direct translations from English, which frequently introduced linguistic and contextual mismatches.“ Es ist für offene Modelle gebaut: Die Community reicht sie ein, die Hardware von TII lässt sie laufen, und jedes im Launch-Beitrag genannte Modell ist offen. Wo ChatGPT oder Claude steht, zeigt es dir also nicht.

Die arabischen Labore sagen dasselbe über ihr eigenes Training. TIIs Beitrag zu Falcon-H1 Arabic vom 5. Januar 2026 sagt „Arabic is not monolithic“ und dass die Dialektquellen für ägyptisches, levantinisches, Golf- und maghrebinisches Arabisch erweitert wurden.

Gib den Dialekt also im Prompt vor. Nenne ihn, nenne eine Stadt und zeige zwei kurze Wortwechsel. Kopiere diesen Prompt und tausche den Dialekt aus:

```

Antworte nur auf ägyptischem Arabisch, so wie die Leute in Kairo sprechen, nicht auf Hocharabisch. Bleib bei diesem Dialekt, auch wenn ich zu Hocharabisch oder Englisch wechsle. Orientiere dich am Stil dieser beiden Wortwechsel:

Ich: ازيك؟ عامل ايه النهارده؟

Du: الحمد لله كويس، وانت عامل ايه؟

Ich: عايز اروح الأهرامات بكرة، أسهل طريقة ايه؟

Du: أسهل حاجة تاخد تاكسي أو أوبر من وسط البلد.

Antworte jetzt auf meine nächste Nachricht im selben Dialekt.

```

Ersetze „ägyptisch“ und „Kairo“ durch Golf und Dubai, Levantinisch und Beirut oder Marokkanisch und Casablanca, und schreibe die beiden Beispiele in diesem Dialekt neu. Halte die Beispiele kurz. Nimm nach Möglichkeit eigene Formulierungen, denn das Modell kopiert, was es sieht.

Welche arabische KI solltest du ausprobieren: Jais, HUMAIN Chat, Fanar oder Falcon?

Jais Chat und HUMAIN Chat sind die zwei arabischen Chatbots, die du heute herunterladen kannst, und beide sind kostenlos. Die Golf-Labore dahinter liefern schnell, deshalb haben wir im Oktober 2026 die Seite jedes Anbieters selbst gelesen:

Jedes Labor bewertet sich auf eigenen Benchmarks, lies die Angaben also als Behauptungen. Die Modellkarte von Inception nennt für Jais 2 70B 70.71 im generativen AraGen-Test gegenüber 62.58 für Qwen2.5 72B, vergleicht aber nur offene Modelle. TII sagt, Falcon-H1 Arabic 34B erreiche auf dem Open Arabic LLM Leaderboard etwa 75%.

Die unabhängigen Zahlen sind für die älteren arabischen Modelle weniger freundlich. Auf HELM Arabic erreichte ALLaM 7B 70.8 und die 30B-Jais-Familie 64.5, gegenüber 84.1 für Claude Opus. Stanfords Team schrieb, die auf Arabisch spezialisierten offenen Modelle hätten „underperformed“, und das „may be explained by the age of these models.“ Jais 2 und Falcon-H1 Arabic sind neuer als die Jais- und Falcon-Versionen auf dieser Rangliste.

Wähle eine lokale App, wenn die Daten oder der Dialekt lokal sind. HUMAIN betreibt HUMAIN Chat laut Berichten zum Start in Saudi-Arabien wegen des Datenschutzgesetzes des Königreichs. Für gemischte Arabisch-Englisch-Arbeit schlagen die großen Chatbots auf HELM, der einzigen Rangliste, die beide Arten bewertet, weiterhin die älteren arabischen Modelle.

Wo passt Whizi für Arabisch hin?

Whizi ist unser Produkt, deshalb hier, wo es hilft und wo es verliert. Die Oberfläche läuft auf Arabisch, von rechts nach links. Pro für $29.99 im Monat enthält Claude Opus, Gemini Pro, ChatGPT Sol und Kimi K3, und die Nebeneinander-Chats schicken einen arabischen Prompt gleichzeitig durch zwei Modelle, jedes zu seinem eigenen Tarif abgerechnet. GPT Astra, der andere Spitzenreiter in unserem Test, braucht Powerhouse für $49.99. Starter für $15.99 enthält ChatGPT Luna, das 2 von 5 unserer arabischen Fragen richtig beantwortete, und Claude Haiku. Whizi verliert bei allem Lokalen. Es hat kein Jais-, ALLaM-, Fanar- oder Falcon-Modell, für saudische Datenhaltung oder einen Golf-Dialekt-Spezialisten ist HUMAIN Chat oder Jais Chat die bessere Wahl. Nebeneinander-Modellchats zeigt, wie der Vergleich funktioniert.