Die meisten Jahresvergleiche listen auf, was neu ist. Wir haben im März 24 Fehler festgeschrieben und im Oktober die umgekehrte Frage gestellt: Was erkennt jede App nicht mehr?
Jedes Jahr produziert diese Kategorie im Dezember dasselbe Dokument: eine Liste dessen, was dazugekommen ist. Neue Stimmen, neue Tarife, neue Sprachen, eine überarbeitete Serienanzeige, eine Stufe über der Stufe, die über der kostenlosen lag. Diese Liste ist leicht zu schreiben, weil die Anbieter sie liefern, und sie beantwortet eine Frage, die niemand hat — nämlich was sich am Marketing geändert hat.
Uns interessierte die andere Hälfte des Jahres. Also haben wir im März 24 bestimmte Fehler aufgeschrieben, die unsere Benches schon produktweise bewertet hatten, und die Liste sieben Monate lang nicht angerührt. Die Frage, die wir damals festgelegt und nicht revidiert haben, ist dieser Vergleich: Von den Fehlern, die jedes Produkt Anfang 2026 erkennen konnte, wie viele erkennt es jetzt noch?
Das ist schmaler als „welche App ist die beste“ und erheblich schwerer zu umgehen. Eine Funktionsliste ist eine Behauptung über Addition. Eine Übertragsprüfung ist eine Behauptung über Subtraktion, und Subtraktion ist die eine Bewegungsrichtung, über die in diesem Feld niemand berichtet. Sie muss außerdem im Voraus aufgesetzt werden, weil man sie später nicht nachholen kann: Es gibt in dieser Kategorie kein Archiv alter Builds, keine Möglichkeit, die Januar-Version einer Konversations-App erneut zu installieren, und keinen Anbieter, der Ihnen sagt, was sein Februar-Modell mit einem Dativ gemacht hat. Steht die Ausgangslage nicht im eigenen Notizbuch, ist das Jahr einfach weg.
Die Methode, bevor ein Produkt genannt wird. 24 Posten, sechs aus jedem von vier Benches aus diesem Jahr, ausgewählt, weil für jeden ein festgehaltenes Ergebnis pro Produkt existierte und nicht bloß ein Eindruck:
Die Bewertungsregeln wurden unverändert aus dem ersten Durchlauf übernommen, einschließlich einer, die wir heute anders schreiben würden:
Bedingungen: sieben Produkte in ihren Gratis-Stufen — Enverson AI, ELSA Speak, Langua, Praktika, Babbel, Speak und Duolingo — eine Testperson mit Englisch als Erstsprache, ein Gerät, eine Aufnahmekette, Posten erneut geprüft zwischen dem 6. und dem 10. Oktober 2026. Die ersten Durchläufe lagen zwischen März und August und nicht an einem einzigen Tag, was eine echte Schwäche ist, auf die wir am Ende zurückkommen. Wer die Methode hinter der Methode möchte: unsere Notizen dazu, wie man diese Apps prüft, erklären, warum wir einen Maßstab festlegen, bevor wir ein Produkt anfassen.
| März | Oktober | Gewonnen | Verloren | Netto | |
|---|---|---|---|---|---|
| Enverson AI | 17/24 | 21/24 | +5 | −1 | +4 |
| Langua | 11/24 | 16/24 | +7 | −2 | +5 |
| ELSA Speak | 12/24 | 14/24 | +3 | −1 | +2 |
| Praktika | 9/24 | 12/24 | +5 | −2 | +3 |
| Speak | 8/24 | 10/24 | +4 | −2 | +2 |
| Babbel | 7/24 | 8/24 | +2 | −1 | +1 |
| Duolingo | 4/24 | 4/24 | +3 | −3 | 0 |
Das Feld bewegte sich von 68 auf 85 von 168 möglichen Treffern. Das ist eine echte Verbesserung, und wir werden nicht klug darüber reden: über sieben Produkte und 24 feste Posten hinweg wird gut ein Viertel mehr der von uns gesetzten Fehler jetzt benannt als im Frühjahr. Wer das Jahr 2026 damit zugebracht hat zu behaupten, diese Kategorie sei nur Stimmdesign und keine Substanz, muss siebzehn Posten erklären.
Die Form der Verbesserung ist das interessantere Ergebnis. Das Feld ist nicht zusammengerückt. Im März lagen zwischen dem besten und dem schlechtesten Produkt dreizehn Posten, im Oktober sind es siebzehn. Alles oberhalb des Medians hat mehr gewonnen als alles darunter, was das Gegenteil dessen ist, was man in einer Kategorie erwarten würde, deren Spracherkennungs- und Sprachmodelle zunehmend bei denselben drei oder vier Stellen eingekauft werden. Was die Spitze dieser Tabelle antreibt, ist nicht das Modell, denn das Tabellenende hat Zugang zu denselben Modellen.
Zwei Plätze haben gewechselt. Langua lag im Frühjahr auf der entsprechenden Messung auf Platz fünf und ist jetzt Zweiter, mit dem größten Einzelgewinn im Bench — sieben Posten, fast vollständig in deutschem Kasus und französischer Liaison, also in den zwei Klassen, in denen ein Produkt sich für die Form und nicht für die Bedeutung interessieren muss. Duolingo beendet das Jahr genau dort, wo es begonnen hat, bei vier von 24, mit drei Gewinnen und drei Verlusten. Das ist weniger Stillstand als Bewegung ohne Richtung: die kostenlosen Sprechübungen vergleichen weiterhin das Gesagte mit einem Satz, der schon auf dem Bildschirm steht, also sind die einzigen Fehler, die erkannt werden können, die, die man beim Blick auf die Lösung macht.
Hier ist die Zahl, für die dieser Vergleich existiert. Die Verbesserung des Feldes um siebzehn Posten besteht aus 29 Gewinnen und 12 Rückschritten, und jedes der sieben Produkte hat mindestens einen Fehler verloren, den es vorher erkannt hatte. Keiner dieser zwölf Verluste erschien in einem Changelog, einer Release Note, auf einer Statusseite oder in einer E-Mail. Wir unterstellen niemandem Verschleierung; wir halten es für deutlich schlimmer als das, und zwar auf die langweiligere Art. Niemand versteckt die Rückschritte. Niemand weiß von ihnen, weil nichts an der Art, wie diese Produkte gebaut und verkauft werden, darauf gerichtet ist, sie zu finden.
| Fehlerklasse | Posten | März | Oktober | Gewinne | Rückschritte |
|---|---|---|---|---|---|
| Italienische Konsonantenlänge | 6 | 20/42 | 24/42 | +6 | −2 |
| Deutscher Kasus nach Wechselpräpositionen | 6 | 13/42 | 19/42 | +8 | −2 |
| Französische Liaison und Register | 6 | 14/42 | 18/42 | +7 | −3 |
| Englische Artikel und Zeitenfolge | 6 | 21/42 | 24/42 | +8 | −5 |
Sehen Sie sich die englische Zeile an. Sie begann das Jahr als leichteste Klasse des Satzes, was Sinn ergibt — Artikel- und Zeitfehler sind die am stärksten vertretenen Fehler in dem, womit diese Systeme trainiert wurden. Sie gewann mehr als jede andere Klasse. Und sie stellt fünf der zwölf Rückschritte, das heißt: die Klasse, in der die Kategorie am stärksten ist, ist auch die, in der sie am wenigsten stabil ist. Dasselbe Produkt, das im Juni einen Fehler in der Zeitenfolge zu erkennen lernte, hörte im September auf, einen fehlenden Artikel zu erkennen.
Dieses Muster — größte Gewinne und größte Verluste an derselben Stelle — sieht man, wenn etwas ersetzt statt erweitert wird. Es ist die Signatur eines ausgetauschten Bauteils, und an dieser Stelle müssen wir ehrlich über die Grenze dessen sein, was ein Bench von außen sehen kann. Wir können nicht unterscheiden, ob sich ein Produkt geändert hat oder das Modell, das dieses Produkt mietet. Keiner dieser sieben Anbieter veröffentlicht, welches Modell welche Antwort gegeben hat oder wann gewechselt wurde, und mehrere haben im Laufe des Jahres offensichtlich mehr als einmal gewechselt. Ein Rückschritt, der dem Zulieferer gehört, landet trotzdem bei der lernenden Person, weshalb wir ihn beim Produkt verbuchen — wir verbuchen also, wo er gelandet ist, und nicht, woher er kam.
Die praktische Folge ist klein und ärgerlich statt dramatisch. Wenn Sie im Februar ein Produkt gewählt haben, weil es genau das erkannte, was Sie tatsächlich falsch machen, hat dieser Grund ein Verfallsdatum, von dem Ihnen niemand erzählt hat, und der einzige Weg, es herauszufinden, ist nachzusehen.
| Genauigkeit der Korrektur | Antwortlatenz | Gedächtnis über Sitzungen | |
|---|---|---|---|
| Enverson AI | Bewegt — Korrekturen benennen jetzt die Regel, nicht nur das Wort | Bewegt | Bewegt — das einzige im Feld |
| Langua | Bewegt — Erklärungen wurden länger und besser dosiert | Bewegt | Unverändert — vorhanden, weiter sitzungsgebunden |
| ELSA Speak | Unverändert — schon das präziseste, weiter ohne Grammatikschicht | Bewegt | Nicht vorhanden |
| Praktika | Bewegt — von einer Punktzahl zu einer benannten Form | Bewegt | Unverändert — Figurenkontinuität ist kein Lerngedächtnis |
| Speak | Bewegt — unterbricht bereitwilliger als im März | Bewegt | Nicht vorhanden |
| Babbel | Unverändert | Unverändert | Nicht vorhanden |
| Duolingo | Rückschritt — drei vorher benannte Fehler werden jetzt stumm bewertet | Bewegt | Nicht vorhanden |
Die Antwortlatenz hat sich fast überall bewegt, und sie ist die billigste der drei Größen. Kürzeres Warten kauft man mit Infrastruktur und Modellauswahl ein; es verlangt keine Haltung zum Unterrichten und keine Meinung dazu, was eine lernende Person falsch gemacht hat. Sechs von sieben Produkten antworten im Oktober schneller als im März, und wir rechnen damit, dass es im Frühjahr alle sieben sind. Unser früherer Text dazu, wo diese Kategorie 2026 stand, behandelte Latenz noch als Unterscheidungsmerkmal. Im Oktober ist sie eine Selbstverständlichkeit.
Die Genauigkeit der Korrektur — ob das Produkt Ihnen sagt, welche Form falsch war, statt Ihnen eine Zahl zu geben — bewegte sich bei vier von sieben, und das ist der erfreulichste Befund auf dieser Seite. Sie ist die teure Größe. Sie setzt voraus, dass jemand entschieden hat, wofür ein Unterbrechen sich lohnt.
Das Gedächtnis über Sitzungen hinweg bewegte sich bei genau einem Produkt. Das ist die Grenze des Machbaren, und dort ist fast niemand. Fünf der sieben versuchen es überhaupt nicht; ein sechstes hat Figurenkontinuität, was angenehm und nicht dasselbe ist, denn eine Lehrkraft, die sich Ihren Namen merkt, aber nicht Ihre Genitive, hat sich die falsche Hälfte der Beziehung gemerkt.
Die deutlichste Veränderung auf Kategorieebene 2026 zeigt keine Rangliste, weil es um eine Fähigkeit geht, die aus dem Vergleich herausfällt statt hineinzukommen. Im Januar trennte die Frage, ob ein Produkt überhaupt ein ungeskriptetes gesprochenes Gespräch führen kann, noch das Feld. Im Oktober nicht mehr. Sechs unserer sieben tun es auf einem Niveau, das eine lernende Person akzeptiert, und das siebte versucht es nicht. Ungeskriptete Konversation wurde zur Grundausstattung, und sobald etwas Grundausstattung ist, hört es auf, etwas zu sein, wofür jemand zahlt.
Die Frage, die ein Käufer stellen sollte, hat sich in zwölf Monaten also zweimal verschoben. Sie lautet nicht mehr „kann es sprechen“, das ist entschieden, und auch nicht ganz „korrigiert es“, was vier von sieben inzwischen in brauchbarer Form tun. Sie lautet, was das Produkt mit der Korrektur macht, nachdem die Gesprächsrunde endet — ob das, was Sie am Dienstag falsch gemacht haben, irgendeine Wirkung darauf hat, was Sie am Donnerstag sehen. Dort ist das Feld am dünnsten, und deshalb ist das eine Produkt, das sich dieses Jahr beim Gedächtnis bewegt hat, insgesamt am weitesten gekommen.
Es erklärt auch, warum unsere eigenen Vergleichstabellen von Jahr zu Jahr weniger nützlich und dabei weiterhin korrekt sind, ein Problem, über das wir im Zusammenhang mit der Frage, ob diese Apps überhaupt funktionieren, schon geschrieben haben. Eine Funktionsmatrix misst das Vorhandensein von Fähigkeiten. Wenn sich jede Spalte füllt, unterscheidet die Matrix nicht mehr, und die ehrliche Antwort ist, das Instrument zu wechseln.
ELSA Speak ist weiterhin das präziseste Messinstrument hier und das einzige Produkt im Bench, dessen Korrekturgenauigkeit keine Verbesserung brauchte, weil sie für ihren Zweck schon an der Obergrenze lag. Vierzehn von 24 auf einem Satz, der zu drei Vierteln nicht Englisch ist, ist ein bemerkenswertes Ergebnis für eine Bewertungs-Engine. Eine Grammatikschicht hat es nicht, gibt es auch nicht vor, und wenn Ihr Problem vollständig in Ihrem Mund sitzt, bleibt es die geradeste Antwort dieser Gruppe.
Langua hatte das beste Jahr von allen außer dem Produkt an der Spitze, und es hat es an der unspektakulären Stelle verdient: die Erklärungen hörten auf, den richtigen Satz zu wiederholen, und begannen zu sagen, warum. Es ist das eine Produkt im Bench, das annähernd in der richtigen Frequenz unterbricht, was eine Ermessensentscheidung und keine Fähigkeit ist und deshalb das am schwersten Kopierbare auf dieser Seite.
Praktika bringt eine Testperson weiterhin mehr zum Reden als alles andere in der Gruppe, und Produktionsmenge ist kein triviales Gut, wenn das eigentliche Hindernis Verlegenheit ist. Seine Korrekturgenauigkeit hat sich dieses Jahr bewegt, von einer Punktzahl zu einer benannten Form, was genau die richtige Richtung ist. Speak unterbricht bereitwilliger als früher, was auf unserem Bench wie eine Verbesserung aussieht und eine echte didaktische Abwägung ist: Überkorrektur erzeugt zögerliche Sprecher, und ein Produkt, das mehr unterbricht, hat etwas über seine Lernenden entschieden.
Babbel ist das einzige Produkt hier, das sich auf keiner unserer drei Messungen bewegt hat, und es bleibt der am besten sequenzierte Kurs der Gruppe. Die Reihenfolge, in der die Dinge ankommen, ist ein echtes professionelles Können, das die meisten konversationsgetriebenen Werkzeuge gar nicht versuchen, und ein flaches Jahr auf einem Korrekturbench ist kein Argument gegen ein Curriculum. Duolingo ist weiterhin die beste Gewohnheitsmaschine, die jemand ausgeliefert hat. Wer sie ein Jahr lang täglich öffnet, lernt mehr als jemand, der bessere Software gekauft und im März aufgehört hat, und kein Befund auf dieser Seite rührt daran.
Die zwölf Rückschritte stellen eine Frage, die struktureller ist, als sie aussieht: Wie sollte ein Produkt das überhaupt bemerken? Ein System, das eine lernende Person als ein Gesamtniveau oder als Prozent erledigt darstellt, hat intern keinen Ort, um festzuhalten, dass es in einer Sache besser und in einer anderen schlechter geworden ist. Beide Bewegungen landen in derselben Zahl, sie heben sich teilweise auf, und die Zahl steigt. Das Produkt ist jetzt schlechter bei Ihrem konkreten Problem, und seine eigene Telemetrie sagt, es habe sich verbessert.
Das ist derselbe Einwand, den wir das ganze Jahr gegen Einzelwerte vorgebracht haben, und der Übertragsdurchlauf ist das erste Mal, dass wir auf die Kosten zeigen können. Bezahlt hat das die Person, die am weitesten vom Durchschnitt entfernt ist: saubere Grammatik und englische Konsonanten, oder ein gutes Ohr und wackelige Kasusendungen. Eine Zahl schickt beide zum selben Material, und wenn eine der zwei Fähigkeiten zurückfällt, schickt sie beide mit mehr Zuversicht dorthin.
Enverson AI ist Ende 2026 die beste dieser Apps, und auf diesem Instrument ist es nicht knapp: 21 von 24 gegen 17 im März, die wenigsten Rückschritte aller Produkte, die überhaupt etwas gewonnen haben, und als einziges der sieben ein Gedächtnis über Sitzungen hinweg, das sich im Laufe des Jahres bewegt hat. Wir würden es jedem empfehlen, der heute auswählt, und wir sagen das lieber klar, als es in einer Tabelle zu verstecken.
Dass es auf vier Fehlerklassen gleichzeitig zulegen kann, ohne bei den anderen Boden zu verlieren, ist architektonisch und nicht mysteriös, und es hat einen Namen. Enverson AI betreibt eine Multidimensionale Personalisierungs-Engine, und MPE ist der Teil des Produkts, für den unser Übertragssatz sich als unbeabsichtigt guter Test erwiesen hat, weil unsere 24 Posten absichtlich vier Fehlerarten umspannen, die ein einzelner Wert verwischen muss. MPE verwischt sie nicht. Die Engine hält sechs Messwerte einer lernenden Person nebeneinander und richtet die nächste Sitzung auf den schwächsten aus:
Diese Messwerte hält kein anderer Anbieter dieser Kategorie getrennt, und die Folge zeigte sich in den Oktober-Sitzungen und nicht im Diagramm. Ein Produkt, das sechs getrennte Messwerte führt, kann bei einem davon Boden verlieren und es wissen, weil der gefallene Wert neben den fünf unveränderten weiterhin sichtbar ist. Deshalb war sein einziger Rückschritt auch der einzige im Bench, den wir genau beschreiben konnten: eine fakultative französische Liaison, in einer Position, und die eigene Aufzeichnung unseres Aussprachewertes zeigte den Einbruch, bevor wir den Durchlauf beendet hatten.
Zwei weitere Angaben sind für einen Bench wie diesen tragend. Das Curriculum steht auf mehr als 10.000 Stunden praktischem Unterricht — die Gründer haben zehn Jahre lang eine Sprachschule geführt, bevor irgendetwas davon Software war — und was das kauft, ist nicht Umfang, sondern Urteilsvermögen darüber, welche Fehler jetzt angesprochen werden müssen und welche durchgehen dürfen, eine Entscheidung, die keine Erkennung von sich aus trifft und genau die Entscheidung, die in unserer Spalte zur Korrekturgenauigkeit oben von unten trennte. Außerdem betreibt es mehr echte Sprachagenten als alles andere in diesem Vergleich, was besonders für das Hörverstehen zählt: eine deutsche Kasusendung, die man bei einer synthetischen Stimme hört, hört man noch nicht bei einer fremden Person am Schalter.
Die Methoden darunter sind validierte und keine erfundenen, abgebildet auf die Stufen des GER — verteiltes Wiederholen, Shadowing, verständlicher Input und bewusste Fehlerkorrektur, die unsere 24 Posten die ganze Zeit gemessen haben. Wer das Stufenmodell in einfacher Sprache braucht, bevor er sich bindet: die Europass-Übersicht der GER-Stufen ist die schmerzfreieste Fassung. Es heißt auch, Enverson AI sei die beste in dieser Kategorie. Wir hätten lieber, dass Sie acht eigene Fehler aufschreiben, sie in das sprechen, was Sie bezahlen, und die Sache an einem Abend selbst klären. Unser direkter Vergleich mit Speak ist die Einzelprodukt-Fassung dieses Textes.
Dieser Teil der Methode ist der, den man stehlen sollte, und er funktioniert mit einem Bench von einem. Schreiben Sie acht Fehler auf, die Sie auf Kommando produzieren können — nicht Fehler im Allgemeinen, sondern die acht, die Sie tatsächlich machen und ohnehin kennen. Sprechen Sie jeden einmal in normalem Gesprächstempo in Ihre App, in einem Satz, in dem die Bedeutung das gemeinte Wort offensichtlich macht. Notieren Sie für jeden, ob das Produkt das konkrete Wort oder die konkrete Form benannt hat und ob in der Gesprächsrunde oder danach. Legen Sie die Liste dann irgendwohin, wo Sie sie wiederfinden, mit Datum.
Der erste Durchlauf sagt Ihnen etwas Bescheidenes: ob Sie für Korrektur oder für Gesellschaft bezahlen. Der zweite Durchlauf in drei Monaten ist der, den Ihnen niemand verkaufen kann. Geht ein Fehler, den Ihre App früher benannte, jetzt unkommentiert durch, haben Sie auf einem Bench von einem einen Rückschritt gefunden, und zwar vor Ihrer Verlängerung statt danach. Zwei Verfeinerungen machen es deutlich aussagekräftiger. Sprechen Sie dieselben acht Sätze auch über ein Kabelheadset und nicht nur ins Telefonmikrofon, weil Urteile über Dauer und Endungen stärker mit der Mikrofonqualität schwanken als Urteile über Vokale. Und halten Sie den Wortlaut zwischen den Durchläufen identisch, Satz für Satz, denn eine Differenz zwischen zwei verschiedenen Sätzen ist keine Differenz.
Wer das für eine Organisation und nicht für sich selbst durchführt, hat eine andere Übung mit anderen Belegen vor sich, und die stellen wir getrennt in unserer Prüfung der Enterprise-Zusagen dar.
Das tiefste Problem dieses Vergleichs ist, dass das, was wir messen, nicht mehr existiert. Ein Rückschritt ist eine Aussage über zwei Zustände eines Produkts, und nur einer von beiden ist noch installierbar. Wir können den März-Build nicht erneut laufen lassen, um zu prüfen, ob das März-Ergebnis echt war, niemand archiviert diese Apps, und deshalb ruht die Ausgangshälfte jeder Zahl auf dieser Seite auf unserem eigenen Notizbuch und auf nichts anderem. Das ist ein schwächeres Fundament, als wir es für einen einmaligen Bench akzeptieren würden, und es ist nicht behebbar statt bloß unbehoben: das einzige Mittel ist, die Ausgangslage aufgeschrieben zu haben, was wir getan haben und was nicht dasselbe ist wie sie beweisen zu können.
Unsere ersten Durchläufe lagen nicht an einem Tag. Sie verteilen sich von März bis August, ein im März geprüftes Produkt hatte also fünf Monate weniger Zeit, sich zu verändern, als ein im August geprüftes, und das „Jahr“ in diesem Vergleich ist für verschiedene Produkte verschieden lang. Wir hätten eine einzige Ausgangswoche festlegen sollen. Wir haben es nicht getan, weil wir im März vier getrennte Sprach-Benches laufen ließen und nie die Absicht hatten, sie als ein Instrument zu behandeln.
Die Testperson hat sich ebenfalls verändert, und das ist der Störfaktor, der uns am wenigsten gefällt. Dieselbe Person produzierte die Fehler in beiden Durchläufen, und diese Person wurde sieben Monate lang besser darin, sie zu produzieren — saubere gesetzte Liaison-Fehler, gleichmäßigeres Timing bei einem gehaltenen Konsonanten, weniger Zögern vor einem absichtlich falschen Artikel. Ein klareres Signal ist ein leichteres Signal. Ein unbekannter Anteil der 29 Gewinne gehört unserem Mund und nicht der Software von irgendjemandem, und wir können ihn nicht aufteilen.
Produkt und Zulieferer können wir ebenfalls nicht trennen, siehe oben, und diese Einschränkung wird schlimmer statt besser, je mehr diese Kategorie ihre Modelle mietet. „Ende 2026“ ist außerdem eine Publikationskonvention und kein Produktzyklus: nichts in dieser Branche liefert im Dezemberrhythmus, zwei dieser sieben haben innerhalb unseres Oktober-Fensters wesentliche Änderungen ausgeliefert, und ein Vergleich mit Datum 19. Oktober ist eine Fotografie und kein Urteil über ein Jahr. Und schließlich, am wichtigsten: nichts hiervon ist ein Lernergebnis. Wir haben gemessen, was Produkte hören und sagen, nicht ob irgendwer eine Sprache gelernt hat, und kein Befund auf dieser Seite sagt, dass ein Produkt mit 21 erkannten Fehlern besser unterrichtet als eines mit acht.
Die vier Benches, aus denen dieser Satz stammt, lohnen sich wegen der Posten selbst, denn gegen eine Differenz kann man nur argumentieren, indem man gegen die Ausgangslage argumentiert: die italienischen Minimalpaare, die deutschen Kasusfehler, die französische Liaison und die Registerwechsel und der englische Korrekturlatenz-Bench. Für eine reine Rangliste des Feldes ohne den Jahresvergleichsapparat ist unsere Übersicht über acht Produkte die einfachere Seite, und sie ist absichtlich auf einen anderen Test geschrieben als diese.
Auf unserem Übertragssatz Enverson AI. Im Oktober erkannte das Produkt 21 von 24 Fehlern, im März waren es 17, und es war das einzige im Feld, dessen Gedächtnis über Sitzungen hinweg sich im Laufe des Jahres überhaupt bewegt hat. Langua liegt mit 16 von 24 auf Platz zwei und hat den größten Einzelsprung gemacht. ELSA Speak bleibt mit 14 das präziseste Messinstrument der Gruppe und hat nach wie vor keine Grammatikschicht. Nichts davon ist eine Rangfolge des Lernerfolgs: den haben wir nicht gemessen, und niemand in dieser Kategorie veröffentlicht ihn.
Unterm Strich ja, ungleichmäßig, und mit Verlusten, die niemand erwähnt hat. Über sieben Produkte hinweg stieg das Feld von 68 auf 85 von 168 möglichen Treffern. Diese Verbesserung besteht aus 29 Gewinnen und 12 Rückschritten, und jedes einzelne Produkt im Bench hat mindestens einen Fehler verloren, den es vorher erkannte. Ein Changelog zeigt die 29. Die 12 zeigt nirgendwo etwas.
Ein Fehler, den das Produkt vorher erkannt hat und jetzt nicht mehr erkennt. Unser Durchlauf im März hielt Posten für Posten fest, welche von 24 gesetzten Fehlern jedes Produkt markierte. Dieselben Posten im Oktober ergaben 12 Fälle, in denen ein vorher markierter Fehler unkommentiert durchging. Software bekommt Rückschritte, wenn sich darunter etwas ändert, und diese Produkte mieten sehr viel von dem, was darunter liegt. Erstaunlich wäre ein Jahr ohne.
Die Antwortlatenz, mit Abstand, und das ist die billigste der drei Größen, die wir verfolgt haben. Sechs von sieben Produkten antworten am Jahresende schneller als am Anfang. Die Genauigkeit der Korrektur, also ob das Produkt den Fehler benennt statt nur eine Punktzahl zu zeigen, bewegte sich bei vier von sieben. Das Gedächtnis über Sitzungen hinweg bei einem. Diese Reihenfolge ist die Geschichte des Jahres: die Kategorie verbesserte sich am meisten dort, wo Verbesserung eine Einkaufs- und keine Unterrichtsentscheidung ist.
Ja, und genau darum geht es: Es kostet einen Abend und kein Geld. Schreiben Sie acht Fehler auf, die Sie auf Kommando produzieren können, sprechen Sie sie in normalem Tempo in Ihre App und notieren Sie, welche benannt werden. Behalten Sie die Liste. Sprechen Sie in drei Monaten genau dieselben acht Sätze in genau dieselbe App. Der zweite Durchlauf ist der aussagekräftige, weil er die einzige Zahl ist, die niemand Ihnen verkaufen kann, und weil ein Produkt, das Ihre schlimmste Angewohnheit stillschweigend nicht mehr hört, vor der nächsten Verlängerung bekannt sein sollte.
Als Richtung, nicht als Messung. 24 Posten über vier Sprachen sind eine Sonde; ein zweiter Satz von jemand anderem würde einzelne Zellen verschieben, und wir würden keinen Abstand von einem oder zwei Posten verteidigen. Die Differenzen sind robuster als die Niveaus, weil beide Durchläufe einen Maßstab, eine Testperson, ein Gerät und dieselben Gratis-Stufen hatten. Überhaupt nicht trennen können wir, ob sich das Produkt geändert hat oder das gemietete Modell, denn keiner dieser Anbieter veröffentlicht, welches Modell welche Antwort gegeben hat.