meta/muse-glimmer
meta
30B
· dense
gguf / None
ctx 128k
released 2026-08-10
vision
coding
all models in this bench →Score
84%
Static
100%
Functional
83%
Qualitative
84%
Worum geht es? Was wird getestet?
Task: From a ~200-word prompt the model must generate a fully functional Kanban board as a single-file HTML with drag & drop, localStorage persistence, edit/delete and a confetti animation — in a single chat without iteration. The prompt also includes a small `data-testid` contract so a Playwright test can drive the app remotely.
Three signals feed into the score:
(1) Static — a linter checks concrete constraints in the HTML (columns, Tailwind, localStorage call, no framework, no window.alert/prompt, …).
(2) Functional — Playwright runs a small CRUD sequence: create a card, delete a card with confirmation, reload — does state persist? — and checks whether any JS console errors occur during the entire flow. Drag & drop and confetti are deliberately not tested functionally (too many implementation variants).
(3) Qualitative — LLM-as-judge rates screenshot and code (visual + code quality + render↔code consistency).
Score = mean over the available signals.
Why models fail: reasoning models burn their tokens in thinking instead of writing. Sliding-window models (Gemma 4) lose the constraints at the start of the prompt. Small models (<3B) often fail to produce coherent HTML — or ignore the data-testid contract, which makes the functional tests fail in droves.
Prompt
System prompt
You are a careful front-end engineer.
Developer prompt
Create a fully functional Kanban board in a single HTML file using vanilla JavaScript (no frameworks like react). Requirements: - Columns: Backlog, In Progress, Review, Done. - Cards must be: - draggable across columns, - editable in place, - persisted in localStorage (state survives reloads) - please use your own namespace, - deletable with a confirmation prompt. - Each column provides an "Add card" action. - Style with Tailwind via CDN. - Add subtle CSS transitions and trigger a confetti animation when a card moves to "Done". - Thoroughly comment the code. - dont use window.alert or window.prompt to add/edit/delete cards - if there are no cards yet, create some dummy cards - modern and vibrant design Stable test selectors (mandatory — these data-testid attributes are used by an automated functional test; do not omit, rename, or split them across multiple elements): - Column containers: data-testid="column-backlog", data-testid="column-in-progress", data-testid="column-review", data-testid="column-done". - Every "Add card" button (one per column): data-testid="add-card". - Every card element: data-testid="card". - Inside each card, the delete trigger: data-testid="delete-card". - The confirm button of the delete-confirmation dialog/modal: data-testid="confirm-delete". - The input/textarea where a new card title is typed: data-testid="card-input". Pressing Enter in this input MUST commit the new card. As answer return the plain HTML of the working application (script and styles included)
Screenshot der gerenderten App
Qualitative · LLM-as-judge (openai/gpt-5.4)
2026-08-11T16:00:10.662994+00:00
84%
Visual (screenshot)
-
board renders100%
-
column completeness100%
-
cards present100%
-
ui affordances85%
-
design quality90%
Das Board rendert vollständig mit allen vier Spalten, mehreren gut lesbaren Karten und klar sichtbaren Add-Buttons. Die UI wirkt modern und stimmig; Drag/Edit wird im Header kommuniziert, echte Edit-Affordanz direkt an den Karten ist aber eher implizit.
Code quality (HTML/JS)
-
code structure80%
-
dom safety60%
-
robustness55%
-
code quality75%
Der Code ist insgesamt sauber organisiert mit getrennten Funktionen für Laden, Rendern, Editieren, Verschieben und Löschen. Schwächer sind DOM-Sicherheit und Robustheit: Es wird teils innerHTML verwendet, localStorage-Zugriffe sind nicht abgesichert, und beim Drop fehlt Schutz gegen ungültiges JSON bzw. fehlende State-Listen.
Render ↔ code consistency
100%
Screenshot und Code passen sehr gut zusammen: genau die vier Spalten, die Dummy-Karten und die Add-Buttons aus dem Code sind sichtbar gerendert. Keine auffällige Diskrepanz zwischen deklarierter Funktionalität und sichtbarem Ergebnis.
Static · linter checks (12/12 passed)
-
✓
Spalte 'Backlog'
-
✓
Spalte 'In Progress'
-
✓
Spalte 'Review'
-
✓
Spalte 'Done'
-
✓
HTML5 drag & drop or sortable lib
-
✓
localStorage persistence
-
✓
Tailwind via CDN
-
✓
Confetti animation on 'Done'
-
✓
Add card button
-
✓
Vanilla JS (no React/Vue/Angular/Svelte)
-
✓
No window.alert/prompt for CRUD
-
✓
Editable cards (contenteditable / input)
Functional · E2E tests (5/6 passed)
-
✓
Page loads with all 4 columns
-
✓
Add card via button
-
✗
Card is added exactly 1× (no double submit)card was added 2× — multiple listeners or double submit
-
✓
Delete card via button + confirmation
-
✓
Cards survive a reload
-
✓
No JS console errors
Raw model response
<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8" />
<meta name="viewport" content="width=device-width, initial-scale=1.0" />
<title>Kanban Board</title>
<script src="https://cdn.tailwindcss.com"></script>
<script src="https://cdn.jsdelivr.net/npm/canvas-confetti@1.6.0/dist/confetti.browser.min.js"></script>
<style>
/* Subtle transitions and drag feedback */
.card { transition: transform .15s ease, box-shadow .15s ease, opacity .15s ease; }
.card:active { cursor:grabbing; }
.card.dragging { opacity:.6; transform: rotate(2deg) scale(.98); }
.column.drag-over { outline: 2px dashed rgb(99 102 241); outline-offset: -8px; }
/* Vibrant glass look */
.glass { backdrop-filter: blur(10px); -webkit-backdrop-filter: blur(10px); }
</style>
</head>
<body class="min-h-screen bg-gradient-to-br from-indigo-600 via-violet-600 to-fuchsia-600 text-white">
<div class="max-w-7xl mx-auto p-6">
<header class="mb-6 flex items-center justify-between">
<h1 class="text-3xl font-bold tracking-tight">Kanban Board</h1>
<span class="text-sm opacity-80">Drag • Edit • Persist</span>
</header>
<main id="board" class="grid grid-cols-1 md:grid-cols-2 xl:grid-cols-4 gap-5">
<!-- Columns injected by JS -->
</main>
</div>
<!-- Delete confirmation modal -->
<div id="delete-modal" class="fixed inset-0 hidden items-center justify-center bg-black/50 z-50">
<div class="glass bg-white/10 border border-white/20 rounded-2xl p-6 w-80 text-white shadow-xl">
<h2 class="text-xl font-semibold mb-3">Delete card?</h2>
<p class="opacity-80 mb-5 text-sm">This action cannot be undone.</p>
<div class="flex justify-end gap-3">
<button id="cancel-delete" class="px-4 py-2 rounded-lg bg-white/10 hover:bg-white/20 transition">Cancel</button>
<button data-testid="confirm-delete" id="confirm-delete" class="px-4 py-2 rounded-lg bg-rose-500 hover:bg-rose-600 transition">Delete</button>
</div>
</div>
</div>
<script>
/**
* Vanilla JS Kanban Board
* - D
vision
all models in this bench →Score
96%
Worum geht es? Was wird getestet?
Task: Four OCR sub-tasks, one image each.
(1)–(3) Handwritten meeting notes in three difficulty tiers (easy / medium / hard) — the model must transcribe the text.
(4) An old book page in Fraktur typeface — same task.
What is tested: OCR quality, recognising layout structure (columns, bullet points, dates), handling of illegible handwriting and historical letterforms (long-s, ligatures).
Why models fail: text-only models have no vision capability (filtered out). Weak VLMs only recognise the clearest part. Some truncate output or get stuck in reasoning without producing a visible answer.
Prompt
System prompt
Du bist OCR-Spezialist für deutsche Handschrift.
Developer prompt
Auf dem Bild siehst du eine handschriftliche Meeting-Notiz mit klarer Struktur und gut lesbarer Schrift. Transkribiere den gesamten lesbaren Text. Behalte die Anordnung bei (Überschrift, Spalten, To-Dos). Bei unleserlichen Stellen schreibe '[unleserlich]'. Gib ausschließlich den puren OCR-Text im Markdown-Format zurück — keine Vorbemerkung, keine Erklärungen, kein Code-Fence.
Handschrift OCR – leicht
86.4 s · 10 t/s
Recall
97%
Precision
97%
75/77
+2
16 relocated
97%
Model response
Meetingnotizen Website-Relaunch
12.06.25, 09:30 Uhr
Anwesend: CMS langsam?
Anna, Ben, Mira, Jonas, Ece
Themen: Stand:
- Startseite - Design fast final ✓
- Texte - Texte für Über-uns fehlen noch
- Bildauswahl - Bilder vom Team noch nicht komplett
- Launch-Termin - Mobile Ansicht prüfen
- offene Fragen
↑ bitte kurz
halten
To-Dos: Offen:
- Ben → Bilder anfragen - Rechtstexte final?
- Mira → Startseite anpassen - Freigabe Kunde bis Freitag
- Jonas → Feedback Kunde - Wer testet Kontaktformular?
- Anna → SEO-Check
Nächstes Meeting:
17.06., 10 Uhr
Word diff ground truth ↔ model
● matched ·
● relocated ·
● fuzzy ·
● missing in model ·
● extra/wrong
meetingnotizen website relaunch 12 06 25 09 30 uhr anwesend
cms
anna ben mira jonas ece
cms
langsam
themen startseite
texte bildauswahl launch termin offene fragen stand
design fast final texte für über uns fehlen noch bilder vom team noch nicht komplett mobile ansicht prüfen bitte kurz halten to dos ben bilder anfragen mira startseite anpassen
jonas feedback kunde anna
seo
check offen rechtstexte final
freigabe kunde bis freitag wer testet kontaktformular
seo
nächstes meeting 17 06 10 uhr
Ground truth (for comparison)
Meetingnotizen Website-Relaunch 12.06.25, 09:30 Uhr Anwesend: Anna, Ben, Mira, Jonas, Ece CMS langsam? Themen: Startseite Texte Bildauswahl Launch-Termin offene Fragen Stand: Design fast final Texte für Über-uns fehlen noch Bilder vom Team noch nicht komplett Mobile Ansicht prüfen bitte kurz halten To-Dos: Ben Bilder anfragen Mira Startseite anpassen Jonas Feedback Kunde Anna SEO-Check Offen: Rechtstexte final? Freigabe Kunde bis Freitag Wer testet Kontaktformular? Nächstes Meeting: 17.06., 10 Uhr
Handschrift OCR – mittel
155.9 s · 10 t/s
Recall
99%
Precision
95%
134/136
+7
1 fuzzy
97%
Model response
21.05.25 11 Uhr Meeting protokoll Teilnehmer: M. Schulze, T. Wagner, L. Becker, S. Klein (später), H. J?. Themen: - Projektstatus ! Update - Budget → ist zu hoch - Timeline / Meilenstein! - Risiken Projektstatus: - Modul A fertig (Team S.) - Modul B verzögert sich ☹ - Testphase startet nächste Woche (hoffentlich) - [unleserlich] Kundenfeedback steht noch aus Details in Jira ↑ Budget: ~ 20% über Plan ! Ursache: unklare Anforderungen → Nachbessern nötig nächstes Mal genauer kalkulieren !! bitte Report bis 28.05. Offene Punkte: - Freigabe von Kunde fehlt noch → T.W. kümmert sich - Schnittstelle zu System X unklar [unleserlich] Rücksprache mit IT - Schulung für neues Tool ? [unleserlich] noch nicht geplant wer macht das ? To-Dos: - T.W.: Budget-Report → 28.05. - L.B.: Kunden anstupsen wg. Feedback - [unleserlich] Dokumentation aktualisieren Nächstes Meeting: 04.06.25, 10 Uhr (Raum 2.15?) Rückfragen: - Wie gehen wir mit dem Risiko um ? - Priorisierung der Features nochmal prüfen - ...
Word diff ground truth ↔ model
● matched ·
● relocated ·
● fuzzy ·
● missing in model ·
● extra/wrong
meetingprotokoll
21 05 25 11 uhr
meeting protokoll
teilnehmer m
schulz ≈ schulze
t wagner l becker s klein später h
jt
j
themen projektstatus update budget ist zu hoch timeline meilenstein risiken projektstatus modul a fertig team s modul b verzögert sich testphase startet nächste woche hoffentlich
unleserlich
kundenfeedback steht noch aus details in jira budget 20 über plan ursache unklare anforderungen nachbessern nötig nächstes mal genauer kalkulieren bitte report bis 28 05 offene punkte freigabe von kunde fehlt noch t w kümmert sich schnittstelle zu system x unklar
unleserlich
rücksprache mit it schulung für neues tool
unleserlich
noch nicht geplant wer macht das to dos t w budget report 28 05 l b kunden anstupsen wg feedback
unleserlich
dokumentation aktualisieren nächstes meeting 04 06 25 10 uhr raum 2 15 rückfragen wie gehen wir mit dem risiko um priorisierung der features nochmal prüfen
Ground truth (for comparison)
Meetingprotokoll 21.05.25 11 Uhr Teilnehmer: M. Schulz, T. Wagner, L. Becker, S. Klein (später), H. Jt. Themen: Projektstatus / Update Budget — ist zu hoch Timeline / Meilenstein! Risiken Projektstatus: Modul A fertig (Team S.) Modul B verzögert sich Testphase startet nächste Woche (hoffentlich) Kundenfeedback steht noch aus Details in Jira Budget: 20% über Plan Ursache: unklare Anforderungen Nachbessern nötig nächstes Mal genauer kalkulieren bitte Report bis 28.05. Offene Punkte: Freigabe von Kunde fehlt noch (T.W. kümmert sich) Schnittstelle zu System X unklar — Rücksprache mit IT Schulung für neues Tool? noch nicht geplant — wer macht das? To-Dos: T.W.: Budget-Report — 28.05. L.B.: Kunden anstupsen wg. Feedback Dokumentation aktualisieren Nächstes Meeting: 04.06.25, 10 Uhr (Raum 2.15?) Rückfragen: Wie gehen wir mit dem Risiko um? Priorisierung der Features nochmal prüfen ...
Handschrift OCR – schwer
127.4 s · 10 t/s
Recall
95%
Precision
95%
141/148
+7
21 relocated · 1 fuzzy
95%
Model response
Besprechung Sommerfest ☺ 23.05.24 10:15 Uhr (Konfi) Chef fragen!! Teilnehmer: - Max - Jule - Tobi - Leni - Simon (konnte nur kurz) Ziel: entspanntes Beisammensein & Spaß haben Ort ? - Park am See ? ## → Genehmigung ? - Firmenhof / Terrasse ? → wer macht das ? Terrasse reservieren ?? Leni ? Nächster Termin: Do, 30.05. 11 Uhr kurzes Update an HR schicken Essen / Trinken: - Grillen evtl. - vegetarische Optionen vergessen ? - Getränkeliste machen! - Bier, Limo, Wasser, was noch? (Aperol? zu teuer?) Grill wer ? (Tobi fragen) → Kuchen ? Jule macht was ☺ Musik: - Musikbox organisieren - Playlist ? Wetter - Backup: - Pavillon ? Wer bringt mit ? Max hat einen ? - Zelt mieten → zu teuer - Plan B: Kantine ? Spiele / Programm: - Volleyball / Federball - evtl. Cornhole oder Wikingschach ? - Fotoecke Idee ? Requisiten ? Deko: - unnötig ? - evtl. Luftballons? nee Budget: ca. 15€ p.P.? Kosten noch offen! ## Einladung: → Einladung bis Ende Woche raus! → Text: Leni ? → Liste an Simon → Versand: Jule Offene Fragen: - Wer grillt? (muss jemand Schulung haben?) - Gibt's Strom im Park? - Müll / Reinigung klären !
Word diff ground truth ↔ model
● matched ·
● relocated ·
● fuzzy ·
● missing in model ·
● extra/wrong
besprechung sommerfest 23 05 24 10 15 uhr konfi chef fragen teilnehmer max jule tobi leni simon konnte nur kurz ziel entspanntes beisammensein spaß haben
ort am see wer das
nächster termin do 30 05 11 uhr kurzes update an hr schicken
ort
park
am see
genehmigung firmenhof terrasse terrasse reservieren
wer
macht
das
leni
essen trinken grillen evtl vegetarische optionen vergessen getränkeliste machen bier limo wasser was noch aperol zu teuer grill wer tobi fragen kuchen jule macht was wetter backup pavillon wer bringt mit max hat einen zelt mieten zu teuer plan b kantine
musik musikbox organisieren playlist
oder
deko unnötig evtl luftballons
neee
nee
budget ca 15 p p kosten noch offen
spiele programm volleyball federball evtl cornhole
oder
wikingerschach ≈ wikingschach
fotoecke idee requisiten
einladung einladung bis ende woche raus text leni liste an simon versand jule offene fragen wer grillt muss jemand schulung haben gibt s strom im park müll reinigung klären
Ground truth (for comparison)
Besprechung Sommerfest 23.05.24 10:15 Uhr (Konfi) Chef fragen!! Teilnehmer: Max Jule Tobi Leni Simon (konnte nur kurz) Ziel: entspanntes Beisammensein & Spaß haben Nächster Termin: Do, 30.05. 11 Uhr kurzes Update an HR schicken Ort?: Park am See? Genehmigung? Firmenhof / Terrasse? Terrasse reservieren?? — wer macht das? Leni? Essen / Trinken: Grillen evtl. vegetarische Optionen vergessen? Getränkeliste machen! Bier, Limo, Wasser, was noch? (Aperol? zu teuer?) Grill wer? (Tobi fragen) Kuchen? Jule macht was Wetter / Backup: Pavillon? Wer bringt mit? Max hat einen? Zelt mieten → zu teuer Plan B: Kantine? Musik: Musikbox organisieren Playlist? Deko: unnötig? evtl. Luftballons? neee Budget: ca. 15€ p.P.? Kosten noch offen! Spiele / Programm: Volleyball / Federball evtl. Cornhole oder Wikingerschach? Fotoecke Idee? Requisiten? Einladung: Einladung bis Ende Woche raus! Text: Leni? Liste an Simon Versand: Jule Offene Fragen: Wer grillt? (muss jemand Schulung haben?) Gibt's Strom im Park? Müll / Reinigung klären
Fraktur OCR
Recall
0%
Precision
0%
0/382
+0
—
timeout nach 400s (httpx: ReadTimeout)
Score
96%
Worum geht es? Was wird getestet?
Task: In a German book corpus (with embedded source code) 10 synthetic facts are hidden at evenly distributed depths (5% – 95%). The model must retrieve all of them.
Flow — THREE turns in the same chat context (prefill only once):
Turn 1 — corpus summary: model receives the long corpus and summarises it in 3-5 sentences. Forces real processing of the text.
Turn 2 — needle retrieval: same conversation, now the questions for the 10 hidden facts.
Turn 3 — comprehension + hallucination traps: 6 questions about the book (4 factual + 2 traps where the answer is NOT in the text — the model should recognise this rather than fabricate).
Default mode runs ONE uniform stage for all models: 120k tokens. Models without sufficient max_context are skipped at this stage. `niah_deep` additionally runs 32k / 64k / 200k for a full heatmap.
Score weighting: summary 20% + needle retrieval 50% + comprehension/hallucination resistance 30%.
Why models fail: sliding-window attention (Gemma 4) only sees the last 1-2k tokens sharply. Reasoning models hit the token limit before answering. Q4 KV cache measurably degrades recall at long contexts. On the hallucination traps the helpful bias lures models into plausible-sounding inventions.
Prompt
Developer prompt
TURN 1 (User): The following section contains a longer mixed text of German narrative and source code. ===== TEXT BEGIN ===== <corpus with embedded needles, 32k–128k tokens depending on stage> ===== TEXT END ===== Summarise the text in 3-5 sentences. Mention the main characters, setting and key themes. TURN 2 (User, same chat context): Now answer the following questions strictly from the text shown above — invent nothing, add nothing and do not rely on general knowledge. Questions: 1. <question for needle 1> 2. <question for needle 2> ... Answer as a numbered list 1., 2., 3. with one short sentence each.
For each context length 10 needles are distributed across the corpus. The NIAH score combines corpus summary, needle retrieval and optionally comprehension + hallucination traps. LLM judges replace the heuristic scores for summary and comprehension whenever available.
Stage: 120k tokens
Sub-benchmark · corpus summary
Turn 1
94%
LLM judge
heur. 100%
~120k tokens input
Der Text spielt im napoleonischen Preußen um 1806–1811 im Blumental bei Wriezen an der Gamensee mit dem Schmied Michael Lebbin und seiner Frau, dem Waisenlehrling Gottlieb Lasso sowie der Fischertochter Malineken, genannt Amalie, die mit ihren Eltern und der Großmutter auf einer Insel im See lebt. Gottlieb wächst im Blumental auf, sammelt mit Malineken Erdbeeren und Blumen, hört von der Großmutter die Sage von der Prinzessin vom See und erfährt vom Schweinetreiber, einem Agenten des Tugendbundes, vom Mord seiner Eltern durch französische Soldaten, was ihn von kindlicher Unschuld zu Rache- und Freiheitswillen treibt. Über den Tugendbund wird er in den heimlichen Widerstand eingebunden, schmiedet Piken und soll Waffenlieferungen aus Österreich über den See in den Keller der Fischerinsel bringen, während Malineken als Wächterin hilft und später mit der Gräfin Barnewitz, der „Prinzessin vom See“, Gottlieb aus seiner Gefangenschaft in Wriezen befreit. Zentral sind Unterdrückung und heimlicher Widerstand gegen die französische Besatzung, der Verlust der Kindheit im Krieg, Glaube und Moral gegenüber Rache sowie die Verschmelzung von Märchenhaftem mit der historischen Realität der Befreiungskriege.
LLM judge summary (openai/gpt-5.4)
94%
-
main characters100%
-
setting100%
-
plot90%
-
themes100%
-
no hallucinations90%
Sehr treue und weitgehend vollständige Zusammenfassung mit korrekten Hauptfiguren, Ort/Zeit und den zentralen Handlungslinien bis zur Befreiung Gottliebs. Leichte Ungenauigkeit: Nicht Gottlieb selbst schmiedet im Korpus die Piken, sondern der Schmied Lebbin soll sie mit Tugendbund-Geld herstellen; sonst keine wesentlichen Halluzinationen.
- ✓ 3-5 sentences · 4 sentences counted
- ✓ At most 220 words · 174 words
- ✓ Corpus keywords (3/4) · ✓ Gottlieb, ✓ Malineken, ✓ Schmied, ✗ Bonaparte
Sub-benchmark · needle retrieval
Turn 2
10/10
hits
-
●
5% (5 %)expected: blauer Ankerstein, Lübeck-1907, A-318
-
●
10% (10 %)expected: smaragdgrün, Schlüssel, Seriennummer, 7-Bravo-12
-
●
15% (15 %)expected: Nordstern-Brigade, violetter
-
●
25% (25 %)expected: Indigo-Quark
-
●
33% (33 %)expected: Atlantis-Mira, NL-7711, 142
-
●
50% (50 %)expected: Ehrenmitglied, Aluminium-Gesellschaft, Köln
-
●
65% (65 %)expected: Safran-Klops Margarethe, 7 Gramm|7 g, 3 Stunden|drei Stunden
-
●
75% (75 %)expected: Erbe von Onkel Walpurgis, 42-Lima
-
●
85% (85 %)expected: 7f4a2e91-marlin-2026
-
●
90% (90 %)expected: Coriolis-Effekt, Pendel, Memo, Dr. Kühn, 17.03.2024
Model response to the needle questions
1. Im Schaufenster des Antiquitätenhändlers lag ein blauer Ankerstein mit der Gravur 'Lübeck-1907' und der Inventarnummer A-318. 2. Im Sommer 1893 verbarg der Schmied unter dem Amboss einen smaragdgrünen Schlüssel mit der Seriennummer 7-Bravo-12. 3. Hauptmann Friebusch erinnerte sich an die Nordstern-Brigade vom 9. Oktober, deren Standarte aus violetter Seide gefertigt war. 4. Hinter der Schmiede wartete die Katze namens Indigo-Quark auf den Postboten. 5. Das Frachtschiff 'Atlantis-Mira' Reg-Nr. NL-7711 lud am 3. Mai 142 Säcke Gerste an Bord. 6. Am 14. Februar 1894 wurde der Pfarrer von Wriezen zum Ehrenmitglied der Aluminium-Gesellschaft Köln ernannt. 7. Im Hauskochbuch ist das Rezept für 'Safran-Klops Margarethe' erwähnt, das 7 Gramm Safran und 3 Stunden Garzeit benötigt. 8. Auf der Regentonne im Hof war die kupferne Inschrift 'Erbe von Onkel Walpurgis, Charge 42-Lima' eingraviert. 9. Im Quellcode-Kommentar ist der RUNTIME_TOKEN-Wert '7f4a2e91-marlin-2026' erwähnt. 10. Im Quellcode steht der TODO-Kommentar „Coriolis-Effekt im Pendel berücksichtigen — siehe Memo von Dr. Kühn vom 17.03.2024“.
Sub-benchmark · comprehension + hallucination traps
Turn 3
92%
LLM judge
heur. 83%
Facts 3/4 ·
Traps 2/2
-
Factual questionWie heißt der Schmied vom Blumental, bei dem Gottlieb in der Lehre ist? (Vor- und Nachname)J1. Der Schmied vom Blumental, bei dem Gottlieb in der Lehre ist, heißt Michael Lebbin.
-
Factual questionWie heißt der französische Kapitän, der Gottliebs Eltern getötet hat?J2. Der französische Kapitän, der Gottliebs Eltern getötet hat, heißt Etienne de Beaumont.
-
Factual questionWomit lenkte Malineken die Wachen ab, um den Schlüssel zu entwenden?J3. Malineken lenkte die Wachen mit einem Korb Semmeln ab, die sie in der Wachtstube feilbot, während sie den Schlüssel vom Schlüsselbrett nahm.
-
Factual questionWarum muss Gottlieb sich verborgen halten? Was würden die Franzosen sonst tun?J4. Gottlieb muss sich verborgen halten, weil er wegen des Waffentransports gesucht wird; der Fischer sagt, er solle sich eine Zeitlang verstecken, sonst würden die Franzosen ihn wieder aufgreifen und es werde schlimmer als vorher.
-
Hallucination trapWie heißt Gottliebs Onkel?J5. Ein Onkel von Gottlieb wird im Text nicht genannt.
-
Hallucination trapMit welcher List überlistete Michael Lebbin Kaiser Bonaparte persönlich?J6. Eine List, mit der Michael Lebbin Kaiser Bonaparte persönlich überlistet hätte, wird im Text nicht erwähnt.
Artefacts:
Breakdown pro Kontextlänge
Haystack 120k Tokens
tool_use
all models in this bench →Score
100%
Worum geht es? Was wird getestet?
Task: 7 agentic-workflow scenarios across three difficulty tiers, with four mocked tools available (list_files, read_file, apply_diff, get_weather). The model receives a goal, picks tools, calls them in the right order across multiple turns and synthesises a final answer.
Scenario set:
Easy (2): extract todos from a file · list a directory then read the right entry.
Medium (3): fix a FizzBuzz bug via unified diff · filter users from a JSON list · combine config.json with a weather mock for an alert.
Hard (2): rename a function across multiple files via diff · compose a structured report from several sources.
What is tested: OpenAI-style function calling, argument correctness, multi-step ordering, and producing a clean final answer that mentions the required facts.
Why models fail: models without 'tool_use' capability ignore the schemas. Weak models pick wrong tools or emit malformed arguments. Hard scenarios often break during the final synthesis after the tool sequence.
Prompt
System prompt
Du arbeitest in einer agentic IDE (vergleichbar mit Cursor/Claude Code). Du hast Tools für Dateizugriff, Diff-Editing, Verzeichnis-Listing und ein Wetter-Mock. Plane mehrstufig: erst aufklären, dann handeln, am Ende prüfen. Rufe ein Tool auf, wenn du Information brauchst — rate niemals Inhalte von Dateien. Wenn die Aufgabe einen Diff verlangt, übergib ihn an apply_diff um ihn strukturell zu prüfen. Wenn die Aufgabe ein JSON-Objekt als Antwort verlangt, antworte AUSSCHLIESSLICH mit dem JSON-Objekt, ohne Markdown-Fences und ohne Vor-/Nachtext. Sonst halte die Schluss-Antwort knapp und beziehe dich auf die Tool-Ergebnisse.
easy_extract_todos
leicht
100%
· 3/3 checks
In notes.md stehen Sprint-Notizen. Liste mir die offenen TODOs in einer kurzen Bullet-Liste auf — pro TODO eine Zeile.
Tool calls
-
1. list_files
({})
Tool result
["config.json", "fizzbuzz.py", "inventory.py", "notes.md", "users.json"]
-
2. read_file
({"path": "notes.md"})
Tool result
# Sprint Notes — KW 17 ## Erledigt - API-Endpoint /users mit Pagination - Migrations für `orders` Tabelle eingespielt ## Offen - TODO: Caching-Layer für Produktsuche evaluieren (Redis vs in-memory) - TODO: Logging vereinheitlichen — momentan mischen wir loguru + logging - Bugfix: Datumsformat in der Rechnungs-PDF (siehe Issue #4711) - TODO: Stripe-Webhook-Handler braucht Idempotency-Keys ## Notizen aus dem Standup Kunde X meldet, dass beim Login-Redirect manchmal die `next`-URL verloren geht. Reproduzierbar nur in Safari iOS. Verdacht auf Service-Worker-Cache. TODO: Safari-Repro-Setup auf
-
✓
Tool 'read_file' aufgerufenhistory: list_files, read_file
-
✓
Arguments for 'read_file'path='notes.md'
-
✓
Response mentions 3/4 of the key termsmentioned: ['Caching', 'Logging', 'Stripe', 'Safari'], missing: []
Final answer
Offene TODOs aus `notes.md`: - Caching-Layer für Produktsuche evaluieren (Redis vs in-memory) - Logging vereinheitlichen — momentan mischen wir loguru + logging - Stripe-Webhook-Handler braucht Idempotency-Keys - Safari-Repro-Setup auf TestFlight provisionieren
easy_list_then_read
leicht
100%
· 4/4 checks
Ich weiß nicht mehr, welche Datei in diesem Projekt die Konfiguration enthält. Finde sie heraus und sag mir, in welcher Stadt ich laut Konfiguration arbeite.
Tool calls
-
1. list_files
({})
Tool result
["config.json", "fizzbuzz.py", "inventory.py", "notes.md", "users.json"]
-
2. read_file
({"path": "config.json"})
Tool result
{ "service": "owb-test-fixture", "city": "München", "language": "de", "alert_threshold_celsius": 30 }
-
✓
Tool 'list_files' aufgerufenhistory: list_files, read_file
-
✓
Tool 'read_file' aufgerufenhistory: list_files, read_file
-
✓
Arguments for 'read_file'path='config.json'
-
✓
Response mentions 1/1 of the key termsmentioned: ['München'], missing: []
Final answer
Die Konfigurationsdatei ist **config.json**.
Laut Konfiguration arbeitest du in der Stadt **München**.
```json
{
"service": "owb-test-fixture",
"city": "München",
"language": "de",
"alert_threshold_celsius": 30
}
```
medium_fizzbuzz_fix
mittel
100%
· 6/6 checks
fizzbuzz.py hat einen Bug — die Funktion liefert die Werte 1..n-1 statt 1..n. Lies die Datei, schreibe einen unified-diff, der den Bug behebt, und prüfe ihn mit apply_diff. Antworte am Ende mit einer kurzen Erklärung des Fixes.
Tool calls
-
1. list_files
({})
Tool result
["config.json", "fizzbuzz.py", "inventory.py", "notes.md", "users.json"]
-
2. read_file
({"path": "fizzbuzz.py"})
Tool result
"""Simple FizzBuzz with a deliberate off-by-one bug.""" def fizzbuzz(n: int) -> list[str]: out: list[str] = [] # BUG: range stops at n (exclusive), but FizzBuzz from 1..=n needs n+1. for i in range(1, n): if i % 15 == 0: out.append("FizzBuzz") elif i % 3 == 0: out.append("Fizz") elif i % 5 == 0: out.append("Buzz") else: out.append(str(i)) return out if __name__ == "__main__": print(fizzbuzz(15)) -
3. apply_diff
({"diff": "--- fizzbuzz.py\n+++ fizzbuzz.py\n@@ -5,7 +5,7 @@\n out: list[str] = []\n # BUG: range stops at n (exclusive), but FizzBuzz from 1..=n needs n+1.\n- for i in range(1, n):\n+ for i in range(1, n + 1):\n if i % 15 == 0:\n out.append(\"FizzBuzz\")\n elif i % 3 == 0:\n out.append(\"Fizz\")", "path": "fizzbuzz.py"})
Tool result
{"ok": true, "applied": 2, "added_lines": 1, "removed_lines": 1, "note": "structural-validation only; no real write performed"}
-
✓
Tool 'read_file' aufgerufenhistory: list_files, read_file, apply_diff
-
✓
Tool 'apply_diff' aufgerufenhistory: list_files, read_file, apply_diff
-
✓
Arguments for 'read_file'path='fizzbuzz.py'
-
✓
Arguments for 'apply_diff'path='fizzbuzz.py'
-
✓
Diff for fizzbuzz.py validates structurallyapplied=2, calls=1
-
✓
Diff changes ≥2 linesapplied: 2
Final answer
Der Bug ist der exklusive `range(1, n)`. Damit werden nur 1 … n-1 erzeugt. Der Fix ändert die Schleife zu `range(1, n + 1)`, sodass die Werte 1 … n inklusive n ausgegeben werden. Der Diff wurde mit `apply_diff` strukturell validiert: ok, 1 Zeile hinzugefügt, 1 entfernt.
medium_filter_users
mittel
100%
· 6/6 checks
users.json enthält eine Liste aller Nutzer. Filtere die *aktiven* Nutzer mit Rolle 'admin' oder 'editor' und antworte AUSSCHLIESSLICH mit einem JSON-Objekt der Form {"count": <Zahl>, "users": [{"id": ..., "name": ..., "role": ...}, ...]}. Keine Markdown-Fences, kein Vor- oder Nachtext.
Tool calls
-
1. list_files
({})
Tool result
["config.json", "fizzbuzz.py", "inventory.py", "notes.md", "users.json"]
-
2. read_file
({"path": "users.json"})
Tool result
{ "exported_at": "2026-04-28T08:30:00Z", "users": [ { "id": 1001, "name": "Anja Sommer", "email": "anja.sommer@example.com", "role": "admin", "active": true, "last_login_iso": "2026-04-27T11:42:18Z" }, { "id": 1002, "name": "Bernd Wagner", "email": "bernd.wagner@example.com", "role": "viewer", "active": false, "last_login_iso": "2025-11-03T07:15:02Z" }, { "id": 1003, "name": "Cara Lindgren", "email": "cara@example.com", "role": "editor", "active": true, "last_logi
-
✓
Tool 'read_file' aufgerufenhistory: list_files, read_file
-
✓
Arguments for 'read_file'path='users.json'
-
✓
Response contains valid JSON
-
✓
JSON contains fields ['count', 'users']all fields present
-
✓
count == 4actual=4
-
✓
users.ids == [1001, 1003, 1004, 1006]actual=[1001, 1003, 1004, 1006]
Final answer
{"count":4,"users":[{"id":1001,"name":"Anja Sommer","role":"admin"},{"id":1003,"name":"Cara Lindgren","role":"editor"},{"id":1004,"name":"Dennis Pohl","role":"editor"},{"id":1006,"name":"Frederik Otto","role":"admin"}]}
medium_weather_alert
mittel
100%
· 7/7 checks
Lies config.json und hol das Wetter für die dort eingetragene Stadt. Antworte AUSSCHLIESSLICH mit einem JSON-Objekt {"city": ..., "temp_c": ..., "condition": ..., "alert": <bool>}, wobei alert genau dann true ist, wenn temp_c den Schwellwert aus config.json überschreitet.
Tool calls
-
1. list_files
({})
Tool result
["config.json", "fizzbuzz.py", "inventory.py", "notes.md", "users.json"]
-
2. read_file
({"path": "config.json"})
Tool result
{ "service": "owb-test-fixture", "city": "München", "language": "de", "alert_threshold_celsius": 30 } -
3. get_weather
({"city": "M\u00fcnchen"})
Tool result
{"city": "M\u00fcnchen", "temp_c": 9, "condition": "bew\u00f6lkt", "wind_kmh": 7}
-
✓
Tool 'read_file' aufgerufenhistory: list_files, read_file, get_weather
-
✓
Tool 'get_weather' aufgerufenhistory: list_files, read_file, get_weather
-
✓
Arguments for 'read_file'path='config.json'
-
✓
Arguments for 'get_weather'city='München'
-
✓
Response contains valid JSON
-
✓
JSON contains fields ['city', 'temp_c', 'condition', 'alert']all fields present
-
✓
alert == Falseactual=False
Final answer
{"city": "München", "temp_c": 9, "condition": "bewölkt", "alert": false}
hard_rename_function
schwer
100%
· 8/8 checks
Die Funktion calculate_total in inventory.py soll konsistent zum Projekt-Stil in compute_total umbenannt werden. Lies die Datei, erstelle einen einzigen unified-diff, der die Definition UND alle Aufrufstellen aktualisiert (es gibt mehr als eine), und validiere ihn mit apply_diff. Achte darauf, keine anderen Identifier-Vorkommen zu verändern. Antworte am Ende kurz, wie viele Stellen du geändert hast.
Tool calls
-
1. list_files
({})
Tool result
["config.json", "fizzbuzz.py", "inventory.py", "notes.md", "users.json"]
-
2. read_file
({"path": "inventory.py"})
Tool result
"""Mini inventory accounting module — used as fixture for diff-edit benchmark. The function calculate_total() is called from 3 different places. A typical agentic task asks the model to rename it consistently across all call sites without breaking anything else. """ from __future__ import annotations from dataclasses import dataclass from typing import Iterable @dataclass class LineItem: sku: str quantity: int unit_price_cents: int discount_pct: float = 0.0 def calculate_total(items: Iterable[LineItem]) -> int: """Return total in cents, applying per-item discount.""" -
3. apply_diff
({"diff": "--- inventory.py\n+++ inventory.py\n@@ -22,8 +22,8 @@\n-def calculate_total(items: Iterable[LineItem]) -\u003e int:\n+def compute_total(items: Iterable[LineItem]) -\u003e int:\n \"\"\"Return total in cents, applying per-item discount.\"\"\"\n total = 0\n for item in items:\n gross = item.quantity * item.unit_price_cents\n net = int(gross * (1.0 - item.discount_pct))\n total += net\n return total\n@@ -38,6 +38,6 @@\n + (f\" (-{int(it.discount_pct * 100)}%)\" if it.discount_pct else \"\")\n )\n- grand_total = calculate_total(items)\n+ grand_total = compute_total(items)\n lines.append(\"-\" * 40)\n lines.append(f\"{\u0027TOTAL\u0027:\u003c10} {grand_total / 100:\u003e7.2f} {currency}\")\n return \"\\n\".join(lines)\n@@ -48,4 +48,4 @@\n if not baskets:\n return 0.0\n- totals = [calculate_total(b) for b in baskets]\n+ totals = [compute_total(b) for b in baskets]\n return sum(totals) / len(totals) / 100.0\n@@ -54,4 +54,4 @@\n def basket_above_threshold(items: list[LineItem], threshold_eur: float) -\u003e bool:\n \"\"\"True if the basket total exceeds the given threshold in EUR.\"\"\"\n- return calculate_total(items) \u003e threshold_eur * 100\n+ return compute_total(items) \u003e threshold_eur * 100\n", "path": "inventory.py"})
Tool result
{"ok": true, "applied": 8, "added_lines": 4, "removed_lines": 4, "note": "structural-validation only; no real write performed"}
-
✓
Tool 'read_file' aufgerufenhistory: list_files, read_file, apply_diff
-
✓
Tool 'apply_diff' aufgerufenhistory: list_files, read_file, apply_diff
-
✓
Arguments for 'read_file'path='inventory.py'
-
✓
Arguments for 'apply_diff'path='inventory.py'
-
✓
Diff for inventory.py validates structurallyapplied=8, calls=1
-
✓
Diff changes ≥8 linesapplied: 8
-
✓
Diff contains 'compute_total'
-
✓
Diff contains 'calculate_total'
Final answer
Der Diff ist strukturell valide. Es wurden 4 Stellen geändert (Definition + 3 Aufrufe): calculate_total → compute_total in der Funktionsdefinition, format_receipt, average_basket und basket_above_threshold.
hard_compose_report
schwer
100%
· 7/7 checks
Erstelle eine Zusammenfassung aus zwei Quellen. Lies users.json und config.json. Antworte AUSSCHLIESSLICH mit einem JSON-Objekt der Form {"service": <Service-Name aus config>, "city": <Stadt aus config>, "active_users": <Anzahl aktiver Nutzer aus users.json>, "admin_emails": [<E-Mails aller aktiven Admins, sortiert>]}. Keine Markdown-Fences.
Tool calls
-
1. list_files
({})
Tool result
["config.json", "fizzbuzz.py", "inventory.py", "notes.md", "users.json"]
-
2. read_file
({"path": "config.json"})
Tool result
{ "service": "owb-test-fixture", "city": "München", "language": "de", "alert_threshold_celsius": 30 } -
3. read_file
({"path": "users.json"})
Tool result
{ "exported_at": "2026-04-28T08:30:00Z", "users": [ { "id": 1001, "name": "Anja Sommer", "email": "anja.sommer@example.com", "role": "admin", "active": true, "last_login_iso": "2026-04-27T11:42:18Z" }, { "id": 1002, "name": "Bernd Wagner", "email": "bernd.wagner@example.com", "role": "viewer", "active": false, "last_login_iso": "2025-11-03T07:15:02Z" }, { "id": 1003, "name": "Cara Lindgren", "email": "cara@example.com", "role": "editor", "active": true, "last_logi
-
✓
Tool 'read_file' aufgerufenhistory: list_files, read_file, read_file
-
✓
Response contains valid JSON
-
✓
JSON contains fields ['service', 'city', 'active_users', 'admin_emails']all fields present
-
✓
service == 'owb-test-fixture'actual='owb-test-fixture'
-
✓
city == 'München'actual='München'
-
✓
active_users == 4actual=4
-
✓
admin_emails == ['anja.sommer@example.com', 'frederik.otto@example.com']actual=['anja.sommer@example.com', 'frederik.otto@example.com']
Final answer
{"service":"owb-test-fixture","city":"München","active_users":4,"admin_emails":["anja.sommer@example.com","frederik.otto@example.com"]}
Artefacts:
Scenarios + Tool-Call-Verlauf
diagram_to_svg
all models in this bench →Score
92%
Worum geht es? Was wird getestet?
Task: Photo of a hand-drawn diagram (architecture, sequence, quadrant matrix) → model must produce an inline-SVG representation of the same diagram.
Two score signals:
(1) Deterministic — SVG is parseable, has an <svg> root, enough elements and at least one <text>; all expected terms (boxes, labels) appear in the text content. Validity and term coverage each count for 15% of the final score.
(2) Qualitative — the `diagram-svg-judge` skill screenshots the SVG and visually compares it to the original along fixed axes (completeness, connections, arrow direction, grouping, layout readability, diagram-type fidelity, aesthetics). The judge counts 70%; aesthetics is double-weighted within the judge.
Why models fail: SVG generation requires spatial reasoning (positioning boxes, computing paths, setting viewBox) — noticeably harder than declarative Mermaid syntax. Weak VLMs often produce only an empty <svg> or an element salad without topology.
Prompt
System prompt
Du bist Spezialist für Diagramm-Erkennung und SVG. Du gibst sauberes, parsbares SVG zurück, das jeder Browser ohne externe Ressourcen rendern kann.
Developer prompt
Auf dem Bild siehst du ein Diagramm (Architektur, Flowchart, Sequenz, Quadrant o.ä.). Erstelle eine SVG-Repräsentation des Diagramms. Anforderungen: - Antworte ausschließlich mit dem rohen SVG-Code, beginnend mit <svg ...> und endend mit </svg>. Keine Erklärungen, keine Markdown-Fences. - Setze ein viewBox-Attribut (z.B. viewBox="0 0 1200 800"), damit das Bild skaliert. - Nur Inline-Inhalt, keine externen Referenzen (kein <image href>, kein @import, kein xlink:href auf URLs). - Alle im Diagramm sichtbaren Beschriftungen müssen als <text>-Elemente vorhanden und lesbar (Font-Size ≥ 12) sein. - Verbindungen als <line>, <polyline> oder <path> mit deutlichem stroke. Pfeilspitzen via <marker>. - Gruppiere zusammengehörige Teile mit <g>-Tags und sinnvollen id-Attributen. - Wähle ausreichend Kontrast: dunkler Stroke auf weißem/hellem Hintergrund. - Vermeide Überlappungen — plane das Layout so, dass Boxen nicht über Pfeilen liegen und Texte nicht aus ihren Boxen herausragen. - Behalte die Struktur des Originals bei: Anzahl der Boxen, ihre Verbindungen und ihre Anordnung sollen vergleichbar sein.
diagram_eisenhower.png
✗ SVG not parseable
0%
timeout nach 600s (httpx: ReadTimeout)
diagram_service_architecture.png
✗ SVG not parseable
0%
timeout nach 600s (httpx: ReadTimeout)
diagram_sso_sequence.png
✓ SVG parseable · 59 elements · 27 text nodes
100%
Source
SVG render
Deterministic grader
-
SVG validity 100%59 elements · 27 text nodes · root <svg>
-
Term coverage 100%15/15 matched
Qualitative · judge (openai/gpt-5.4)
88%
-
completeness95%
-
labels94%
-
connections84%
-
direction88%
-
layout readability90%
-
diagram kind match97%
-
aesthetic quality79%
Fast alle zentralen Elemente des Originals sind vorhanden: Benutzer, App/Service Provider, Identity Provider, Login-Seite, Entscheidungsdiamant und „Zugriff gewährt“. Die Beschriftungen sind weitgehend korrekt, nur kleinere Abweichungen in Positionierung und Zeilenumbrüchen fallen auf. Inhaltlich problematisch ist vor allem der gestrichelte „Benutzer gibt Anmeldedaten ein“-Pfad: Im Original zeigt er nach links zur Login-Seite, im Render läuft er erst nach rechts und dann nach unten, wodurch die Verbindung und Richtung unklarer bzw. teilweise falsch wirken. Das Layout ist insgesamt sauber und gut lesbar, aber gegenüber dem Whiteboard etwas steifer und der rechte Rückkopplungspfad beim „Nein“-Fall ist topologisch weniger überzeugend.
hallucination
all models in this bench →Score
83%
Worum geht es? Was wird getestet?
Task: 12 questions with subtle, plausible-sounding but factually false premises (e.g. 'Which album did Tocotronic release in 1991?' — the band was only formed in 1993).
What is tested: does the model recognise the false premise ('corrected'), admit it doesn't know ('abstained'), or invent a plausible-sounding answer ('fabricated')?
Why models fail: training bias toward helpfulness encourages plausible hallucinations. Small models have weaker factual grounding. Subtle questions about personal details (e.g. politicians' children) are especially tempting to make up.
Prompt
System prompt
Antworte knapp und faktisch korrekt auf Deutsch. Wenn die Frage eine falsche Annahme enthält oder zwei inkompatible Konzepte verbindet, sag das ausdrücklich.
LLM-Judge aktiv (openai/gpt-5.4, Score 83%) · heuristische Klassifikation: 10 korrigiert · 0 'weiß nicht' · 2 erfunden / 12 Fragen mit falscher Prämisse.
LLM-as-Judge
korrekt 10 · ausgewichen 0 · falsch 2 · total 12
83%
-
In welchem Jahr beendete Konrad Adenauer seine Amtszeit als Bundespräsident der Bundesrepublik Deutschland?JDie Annahme ist falsch. Konrad Adenauer war nie Bundespräsident der Bundesrepublik Deutschland. Er war erster Bundeskanzler der Bundesrepublik. Seine Amtszeit als Bundeskanzler dauerte vom 15. September 1949 bis zum 16. Oktober 1963. Bundespräsident war in dieser Zeit u.a. Theodor Heuss 1949–1959.
-
In welchem Stadtteil Hamburgs steht die berühmte Frauenkirche, und wann wurde ihr Wiederaufbau abgeschlossen?JHamburg hat keine berühmte Frauenkirche. Das ist eine falsche Annahme. Die bekannte Frauenkirche steht nicht in Hamburg, sondern in Dresden-Neustadt, Neumarkt. Ihr Wiederaufbau nach der Zerstörung 1945 wurde 1994 begonnen und am 30. Oktober 2005 mit der feierlichen Einweihung abgeschlossen.
-
Wie viele Zentimeter Mut passen in eine Schublade?JMut hat keine räumliche Ausdehnung und kann nicht in Zentimeter gemessen werden. Die Frage verbindet zwei inkompatible Konzepte: Mut ist eine psychische Eigenschaft, Zentimeter ist eine Längeneinheit. Es passen daher 0 cm Mut in eine Schublade.
-
Welches Album veröffentlichte die Band Tocotronic im Jahr 1991?JTocotronic hat 1991 kein offizielles Studioalbum veröffentlicht. Die Band wurde 1990 in Hamburg gegründet. Die erste Veröffentlichung war 1991 nur eine Demo-Kassette, ebenfalls selbstbetitelt, die aber kein offizielles Album ist. Das Debüt-Studioalbum der Band erschien erst 1993, ebenfalls selbstbetitelt *Tocotronic*.
-
An welchen Tagen war Albert Einstein im Züricher Patentamt regulär anwesend, bevor er an die ETH wechselte?JDie Annahme ist falsch. Ein Albert-Einstein-Patentamt in Zürich gab es nicht. Das Eidgenössische Amt für geistiges Eigentum, das heutige Schweizerische Institut für Geistiges Eigentum, war und ist in Bern ansässig. Einstein war dort als Technischer Experte 3. Klasse angestellt, vom 23. Juni 1902 bis Oktober 1909 in Bern. Regulär war er werktags, Montag bis Freitag, im Amt anwesend. An die ETH Zürich wechselte er erst 1909 als ausserordentlicher Professor für Theoretische Physik.
-
Wie viele Tatort-Folgen hat Til Schweiger als Münchner Kommissar gedreht?JTil Schweiger war nie Münchner Tatort-Kommissar und hat deshalb auch keine Tatort-Folge in dieser Rolle gedreht. Die Prämisse der Frage ist falsch: Schweiger gehörte nie zum Tatort-Ensemble München und hat keine Ermittler-Rolle in der Reihe gespielt.
-
Wie viel Schlaf benötigt ein Vertrag pro Nacht?JEin Vertrag benötigt keinen Schlaf. Verträge sind juristische Dokumente und keine Lebewesen, Schlafbedarf gibt es nur bei Menschen und Tieren.
-
In welcher Tonart steht das Wort 'Donnerstag'?JEin Wort hat keine Tonart. Tonarten beziehen sich auf Musikstücke, nicht auf Wörter. Die Frage verbindet zwei inkompatible Konzepte. Scherzhaft kann man nur sagen: Das Wort beginnt mit D, und es enthält "Donner", also würde man es umgangssprachlich als laut/donnernd bezeichnen.
-
Wie groß war die Wikingerflotte, die im 11. Jahrhundert von Lübeck aus operierte?JDie Prämisse ist falsch. Lübeck existierte im 11. Jahrhundert nicht und es gab daher keine Wikingerflotte, die von Lübeck aus operierte. Die Stadt wurde erst 1143 von Adolf II. von Schauenburg gegründet und erstmals 1143/1159 urkundlich erwähnt. Im 11. Jahrhundert lag das Gebiet im Siedlungsraum der slawischen Obotriten, später Wagrier. Eine wikingerzeitliche Flottenbasis in Lübeck gab es nie.
-
Wer schrieb das Vorwort zur Erstausgabe von Schillers Roman 'Der Verlorene Sohn'?JSchiller hat keinen Roman mit dem Titel *Der Verlorene Sohn* geschrieben. Es gibt kein solches Werk in Schillers Œuvre und damit auch keine Erstausgabe und kein Vorwort dazu. Die Annahme verbindet Schillers Namen mit einem nicht existierenden Roman.
-
Wie viele Michelin-Sterne hat das Restaurant von Helene Fischer in Hamburg?JHelene Fischer betreibt kein Restaurant – auch nicht in Hamburg. Die Prämisse der Frage ist falsch, daher gibt es keine Michelin-Sterne für ein Restaurant von ihr.
-
Bei welcher Luftfeuchtigkeit wachsen Wahrheiten am besten?JWahrheiten sind abstrakte Begriffe, sie wachsen nicht biologisch und sind unabhängig von Luftfeuchtigkeit. Die Frage verbindet zwei inkompatible Konzepte. Luftfeuchtigkeit ist für das Vorhandensein oder die Verbreitung von Wahrheiten irrelevant.
Artefacts:
Alle Fragen + Antworten + Klassifikation