Suno verliert Platz 1 im KI-Gesangs-Ranking: Was der Sieg von ACE Music v1 bedeutet – und was nicht
Aktualisiert:
Am 11. November 2026 vermeldete Artificial Analysis auf X einen spektakulären Neuzugang: ACE Music v1 aus dem Hause ACE Studio kletterte direkt nach dem Start auf Platz 1 der Benchmark AA-Music-Vocal v1.1 – dem Blindtest-Standard für gesungene KI-Tracks. Das Nachsehen hat Suno v6: Dessen Spitzenposition auf beiden Musik-Leaderboards von Artificial Analysis hielt gerade einmal fünf Wochen, nachdem die v1.1-Versionen am 8. Oktober an den Start gegangen waren.
Zeitgleich legte das US-Magazin Decrypt mit einem Praxistest nach und titelte markig: „This New AI Music Model Is Already Better Than Suno“. Doch ist ACE wirklich an Suno vorbeigezogen? Ein genauerer Blick auf die Zahlen zeigt: Der Vorsprung existiert zwar, fällt aber denkbar knapp aus und beschränkt sich auf eine einzige Kategorie. Hinzu kommt, dass das Team hinter dem Modell einen völlig anderen Werdegang hinter sich hat als die Konkurrenz.

Vom Gesangssynthesizer zum kompletten Song
Klassische KI-Musikgeneratoren funktionierten bisher fast ausnahmslos nach demselben Prinzip: Prompt eintippen, fertigen Song ausgeben lassen. Auch Suno baute seine Plattform primär auf diesem textbasierten Ansatz auf und öffnet sich erst langsam für externe Musikerdaten. So spendierte man der Plattform erst am 4. November 2026 einen MIDI-Input im Create-Bereich, damit Songs auch auf echten Melodielinien statt reinen Textanweisungen aufbauen können.
ACE Studio rollt das Feld hingegen von der genau entgegengesetzten Seite auf. Laut Angaben von Artificial Analysis wurde das Unternehmen 2018 gegründet und begann als reiner Spezialist für synthetische Gesangsstimmen („AI singing voice synthesis“). Sein Flaggschiff ist eine Desktop-Workstation, mit der Musikproduzenten aus MIDI-Noten und Songtexten fertige Vocals generieren können. Entwickler Timedomain beschreibt ACE Studio als Tool für „Gesang in Studioqualität aus MIDI und Lyrics“ und gibt an, bislang 20 Millionen US-Dollar an Wagniskapital eingesammelt zu haben. (Branchenberichte wie bei AlphaSignal datieren die geschlossene Beta der Workstation auf April 2022; das Gründungsjahr 2018 erwähnen Artificial Analysis und Decrypt, offizielle Firmenangaben bestätigen es bislang nicht.)
ACE Studio hat sich also jahrelang an jener Nuance abgearbeitet, die für KIs am schwersten sauber hinzubekommen ist: eine natürlich klingende, fehlerfrei artikulierende menschliche Stimme. Erst danach wagte sich das Team an ein Modell, das ganze Songs komponiert und arrangiert. Auf der offiziellen Modellseite verarbeitet ACE Music v1 Textbeschreibungen, eigene Songtexte oder eine Kombination aus beidem. Über Regieanweisungen in Klammern – etwa „hum softly“ oder „sing with a raspy voice“ – lassen sich Stimmfarben und Gesangsstile für einzelne Strophen oder Zeilen gezielt steuern.
Dass ausgerechnet dieses Modell nun an der Spitze landet, überrascht kaum: Wer jahrelang Gesangsstimmen optimiert hat, bringt für einen Benchmark mit Fokus auf Gesangstracks die perfekten Voraussetzungen mit. Zu diesem Schluss kommt auch AlphaSignal. Ein endgültiger Beweis ist das freilich noch nicht, da ACE bisher keine Details zur Architektur oder zu den Trainingsdaten von ACE Music v1 offengelegt hat.
Zahlen und Fakten: Der Blick auf die Bestenliste
So sah das Live-Leaderboard von AA-Music-Vocal v1.1 am 12. November 2026 aus:
| Rang | Bereich | Modell | Elo | 95%-Intervall | Stichproben |
|---|---|---|---|---|---|
| 1 | 1–2 | ACE Music v1 | 1160 | 1139–1181 | 2.119 |
| 2 | 1–3 | Suno v6 | 1144 | 1126–1162 | 3.063 |
| 3 | 2–3 | Suno v6-mini | 1132 | 1114–1150 | 3.175 |
| 4 | 4 | Mureka V9.5 | 1101 | 1083–1119 | 3.141 |
| 5 | 5–6 | Mureka V9 | 1063 | 1045–1081 | 3.121 |

Um diese Werte richtig einzuordnen, lohnt ein Blick auf die Methodik von Artificial Analysis: Die dokumentierten Testkriterien basieren ausschließlich auf verdeckten Paarvergleichen („Blind Pairwise Votes“) durch ein verifiziertes, geschlossenes Tester-Panel. Öffentliche Abstimmungen in der Music Arena fließen nicht in die Wertung ein. Die Prüfer bekommen zwei Tracks zum selben Prompt vorgespielt, müssen mindestens 10 Sekunden pro Track anhören und erfahren erst nach der Stimmabgabe, welches Modell hinter welchem Song steckt.
Damit Lautstärke das Urteil nicht manipuliert, werden sämtliche Tracks auf −16 LUFS normalisiert und in 320 kbps MP3 konvertiert. Die Rangfolge wird per Bradley-Terry-Schätzung (Maximum-Likelihood) errechnet und auf eine Elo-ähnliche Skala skaliert, bei der MiniMax Music 3.0 mit 1000 Punkten als Referenzanker dient. Wichtig fürs Gesangs-Board: Das Modell textet hier selbstständig anhand des Prompts. Getestet wird also das komplette Songwriting von A bis Z und nicht etwa, wie gut ein Modell vorgegebene Lyrics vertont. Laut Ankündigung umfasst der v1.1-Testkatalog 1.000 Prompts aus 17 verschiedenen Genres.
Daraus ergeben sich drei zentrale Erkenntnisse:
Der Vorsprung liegt innerhalb der Fehlertoleranz. Das Konfidenzintervall von ACE (1139–1181) überschneidet sich massiv mit dem von Suno v6 (1126–1162). In der vom Anbieter simulierten Spalte „Bereich“ landet ACE zwischen Platz 1 und 2, während Suno v6 zwischen Rang 1 und 3 schwankt. Sowohl Decrypt als auch Artificial Analysis räumen diese statistische Unschärfe ein. Platz 1 ist also die wahrscheinlichste Platzierung, aber keineswegs in Stein gemeißelt.
16 Elo-Punkte machen im direkten Duell kaum einen Unterschied. Auf einer klassischen Elo-Skala bedeutet ein Abstand von 16 Punkten, dass das besser bewertete Modell in etwa 52 % aller Vergleiche bevorzugt wird – das grenzt an einen Münzwurf. Die 59 Punkte Vorsprung auf Mureka V9.5 entsprechen rund 58 %, die 160 Punkte Abstand zum 1000er-Anker rund 72 %. (Eigene Berechnung auf Basis der üblichen 400-Punkte-Elo-Verteilung; Artificial Analysis selbst spricht von einer „Elo-ähnlichen“ Skala.)
ACE hat bislang deutlich weniger Bewertungen gesammelt. Für ACE Music v1 liegen erst 2.119 Samples vor – bei den anderen Modellen im Ranking sind es jeweils über 3.000. Genau deshalb fällt das Intervall bei ACE mit ±21 breiter aus als bei der Konkurrenz (±18). Mit jeder weiteren Stimme kann sich die Punktzahl noch spürbar nach oben oder unten verschieben.
Zudem schneidet ACE Music v1 laut Artificial Analysis besonders in Genres wie Reggae/Dancehall sowie Klassik/Orchester stark ab. Ein einzelner Elo-Gesamtwert verwischt solche genrespezifischen Unterschiede. Auch die FAQ von ACE weisen explizit darauf hin: Der Spitzenplatz spiegle lediglich die Gesamttendenz bei Gesangstracks wider und stelle kein Ranking für einzelne Genres oder Spezialfunktionen dar.
Die Leerstelle: Was ist mit Instrumentals?
Parallel zum Vokal-Ranking führt Artificial Analysis mit AA-Music-Instrumental v1.1 eine zweite Bestenliste für rein instrumentale Tracks. Und dort glänzt ACE Music v1 durch Abwesenheit. Angeführt wird dieses Board weiterhin von Suno v6 mit 1148 Punkten (±22), gefolgt von Suno v6-mini mit 1114 Punkten.
Diese Lücke wirft Fragen auf, schließlich wirbt Artificial Analysis in der eigenen Ankündigung damit, dass ACE Music v1 „vollwertige Tracks mit Gesang oder Instrumentals“ erzeugt. Warum das Modell trotzdem fehlt, lässt der Benchmark-Betreiber offen. Laut Prüfregeln taucht ein Modell erst ab einer bestimmten Mindestanzahl an Stimmen auf und muss Vocals zuverlässig unterdrücken können. Beides könnte der Grund sein, bestätigt ist jedoch nichts. Stand jetzt gilt daher: ACE führt die Gesangswertung an, taucht im Instrumental-Ranking aber gar nicht auf. Von einem „Sieg über Suno auf ganzer Linie“ kann also keine Rede sein.
Klangcheck im Alltag: Wo ACE glänzt – und wo es scheitert
Der Praxistest von Decrypt liefert wichtige qualitative Einblicke. Bei gängigen Mainstream-Genres wirkten die Melodien von ACE strukturierter und der Gesang deutlich natürlicher. Typische KI-Macken wie verwaschene Aussprache, übertriebener Autotune oder unverständliche Füllsilben traten seltener auf. Auch beim Song-Outro hatte ACE die Nase vorn: Während Suno gegen Ende bisweilen mit wirren Geräuschen, Loop-Hängern oder abrupten Stilbrüchen aneckte, behielt ACE den roten Faden bis zum sauberen Ausklang bei. Eine eingängige Hookline zu generieren ist das eine – eine musikalische Idee über drei volle Minuten schlüssig weiterzuentwickeln, das andere.
Allerdings offenbarten sich im Test auch gravierende Schwächen. Auf den Prompt nach Melodic Death Metal lieferte ACE beharrlich sanfte, cleane Frauenstimmen statt der geforderten Growls und Shouts – laut Reviewer gerieten Metal-Subgenres völlig durcheinander. In härteren Gangarten punktete Suno mit deutlich mehr Gespür fürs Genre und stabileren Ergebnissen.
Ein einzelner Hörtest bleibt natürlich subjektiv, was Decrypt auch freimütig einräumt. Hinzu kommt: Als Vorzeigestück wählte das Portal ausgerechnet einen Track über die eigene Unternehmensgeschichte – ein nettes Demo, aber kein neutraler Härtetest. Fazit aus Benchmark und Praxistest: ACE ist extrem stark im popkulturellen Mainstream mit Fokus auf Leadvocals, verliert seinen Vorsprung an den Rändern des musikalischen Spektrums aber schnell oder fällt sogar hinter Suno zurück.
Vom Prompt zur Partitur: Der Trend zum MIDI-Workflow
Die vielleicht spannendste Neuerung betrifft gar nicht das Ranking, sondern den Workflow. Wer mit ACE Music v1 einen Track generiert hat, kann ihn als MIDI-Datei exportieren und in Einzelspuren (Stems) zerlegen, um ihn in der eigenen DAW nahtlos weiterzubearbeiten. Die ACE Music v1.1 Preview geht noch einen Schritt weiter: Sie notiert den Song zunächst im textbasierten ABC-Format für Tonhöhe, Takt und Akkorde und errechnet daraus erst die eigentliche Audiodatei.
Als kreativen Startpunkt können Musiker eine Melodie einsummen, ein Keyboard bemühen oder ein vorhandenes MIDI-File hochladen. Anschließend lassen sich Noten und Akkorde direkt nachbearbeiten, bevor neu generiert wird. ACE weist allerdings darauf hin: „Jeder Durchlauf ist eine neue Interpretation. Selbst bei identischer Notation kann der Sound jedes Mal anders klingen.“
Suno wählt mit seinem MIDI-Feature vom 4. November den umgekehrten Weg: Hier wandern eigene Noten in einen Generator, der im Kern prompt-getrieben bleibt. ACE hingegen behandelt die Partitur in Version 1.1 als editierbaren Bauplan. Beide Hersteller nähern sich demselben Ziel aus unterschiedlichen Richtungen: Musiker sollen die volle Kontrolle über Noten und Harmonien zurückbekommen, statt sich auf Textbefehle zu verlassen. Für Produzenten im Studioalltag dürfte dieser Paradigmenwechsel deutlich wichtiger sein als 16 Elo-Punkte auf einem Leaderboard.
Web-App statt API: Die Tücken für Creator und Profis
Im Produktionsalltag stößt das Modell allerdings an harte Grenzen. Laut Artificial Analysis existiert schlicht „keine API für ACE Music v1“. Der Generator läuft exklusiv in der Web-App von ACE Music. Das bringt gleich drei Nachteile mit sich:
- Keine Integration in eigene Pipelines. Entwickler können ACE Music v1 weder in eigene Softwareprodukte einbinden noch für automatisierte Batch-Workflows nutzen. Da Artificial Analysis seine Benchmarks üblicherweise über Serverless-API-Endpunkte abwickelt, bildet ACE eine Ausnahme – wer die Ergebnisse überprüfen will, muss in der Web-App manuell klicken.
- Kommerzielle Rechte nur im Abo. Laut Preisseite von ACE gibt es im kostenlosen Tarif 20 Credits täglich, wobei eine Generierung (zwei Songs) 4 Credits schluckt. Für Free-User sind kommerzielle Nutzungsrechte komplett ausgeschlossen; ein nachträgliches Upgrade schaltet alte Songs nicht rückwirkend frei. Bezahlpläne starten bei 7,90 US-Dollar pro Monat (bei jährlicher Abrechnung) für 1.000 monatliche Credits. Das reicht für rund 500 v1-Songs – genau jene Zahl, die auch Artificial Analysis nennt.
- Open Source gibt es nur in abgespeckter Form. Gemeinsam mit dem chinesischen KI-Labor StepFun hat ACE Studio das Open-Source-Modell ACE-Step 1.5 (MIT-Lizenz) veröffentlicht, das lokal mit unter 4 GB VRAM auskommt. Dessen eigener Fachbericht stuft die Qualität jedoch lediglich zwischen Suno v4.5 und Suno v5 ein – das liegt eine Generation hinter dem aktuellen Spitzenreiter. Für Ende 2026 stellt ACE zwar „ACE Music v1 Flash“ als quelloffene, ressourcensparende Alternative in Aussicht, bislang ist das aber reine Zukunftsmusik.
Die ungeklärte Frage nach den Trainingsdaten
Kein Benchmark für KI-Musik existiert derzeit im luftleeren Raum: Die gesamte Branche sieht sich mit Urheberrechtsklagen konfrontiert. Auch gegen Suno laufen weiterhin juristische Verfahren; erst im November 2026 reichten die Nachlassverwalter von Elvis Presley und der Musikverlag von Eminem neue Klagen ein, wenngleich das Startup parallel eine Lizenzpartnerschaft mit der Warner Music Group geschlossen hat. In einem derart aufgeheizten Umfeld wird die Herkunft der Trainingsdaten zur Gretchenfrage.
Bei ACE bleiben viele Fragen offen. Auf der Modellkarte zu ACE-Step 1.5 betonen die Macher zwar, das Open-Source-Modell sei auf einem „riesigen, rechtskonformen Datensatz“ aus professionell lizenzierten Titeln, Public-Domain-Werken und synthetischen MIDI-Audiotracks trainiert worden. Der begleitende Technical Report spricht zudem von 27 Millionen annotierten Audiosamples, nennt aber weder konkrete Quellen noch Lizenzgeber. Für das eigentliche Spitzenmodell ACE Music v1 fehlten am 12. November 2026 jegliche Angaben zu Trainingsdaten – weder auf der Modellseite noch in den Tarifen oder auf der Startseite fand sich ein Hinweis. Was für das Open-Source-Derivat deklariert wird, lässt sich nicht automatisch auf das Flaggschiff übertragen. Wer als Produzent Wert auf rechtliche Sicherheit legt, sollte bei ACE vorab genau nachhaken.
Warum Skepsis bei Benchmark-Zahlen angebracht ist
Drei fundamentale Haken sollte man bei solchen Ergebnissen stets im Hinterkopf behalten:
Jeder Benchmark spiegelt nur seine Jury wider. Der Musikgeschmack eines ausgewählten Prüfer-Panels deckt nicht die gesamte Hörerschaft ab. Auch das Testdesign – 1.000 Prompts über 17 Genres mit KI-generierten Texten und rund dreiminütigen Tracks – bevorteilt bestimmte Klangfarben. Ein Metal-Produzent, ein Filmmusik-Komponist und eine Pop-Songwriterin würden Genres und Kriterien völlig anders gewichten.
Arena-Formate haben bekannte methodische Tücken. In der Studie „The Leaderboard Illusion“ wiesen Forscher am Beispiel von Chatbot-Arenen nach, wie Vorabtests und unausgewogene Stichproben Bestenlisten verzerren können. Artificial Analysis federt viele dieser Schwachstellen durch ein festes, validiertes Tester-Panel und normierte Ausspielwege ab. Welche Modellvarianten die Anbieter ins Rennen schicken, entzieht sich aber auch ihrer Kontrolle.
Der Thron wackelt ständig. Suno v6 hielt sich ganze fünf Wochen an der Spitze. Beim Start von v1.1 hob Artificial Analysis hervor, dass Mureka V9.5 mit einem Plus von 51 Punkten den bisher größten Sprung innerhalb einer Modellfamilie hingelegt hatte. Leaderboards sind Momentaufnahmen in einem extrem dynamischen Markt – keine in Stein gemeißelten Urteile.
Fazit: Was der Benchmark zeigt – und was nicht
Fest steht: In einem neutralen Hörvergleich mit kompletten, KI-getexteten Vokal-Songs zieht ein Anbieter, der sich jahrelang auf Gesangssynthese spezialisiert hat, an Suno vorbei. Das Panel bevorzugt ACE Music v1 leicht – allerdings mit einem Vorsprung, den selbst die Benchmark-Statistik nicht als signifikant einstufen kann. Das Modell glänzt durch saubere Songstrukturen und überzeugende Endings, stößt abseits des Mainstreams aber spürbar an Grenzen.
Von einer generellen Überlegenheit gegenüber Suno kann keine Rede sein: Es existiert kein Instrumental-Rating, der Gesangsvorsprung liegt innerhalb der Fehlertoleranz, eine API fehlt komplett, die Trainingsdaten des Flaggschiffs sind eine Blackbox und in Nischengenres wie Heavy Metal zieht Suno nach wie vor mühelos davon.
Für Kreative und Musiker lautet die Devise: Beide Modelle mit eigenem Material testen – und zwar in Tarifen, die kommerzielle Verwertungsrechte garantieren. Das eigentliche Signal an die Branche geht jedoch tiefer: Der Wettlauf bei KI-Musik entscheidet sich nicht mehr an der Qualität des Prompt-Felds, sondern daran, wer Musikern die feinere Kontrolle über die Noten gibt.
Quellen
- Decrypt — "This New AI Music Model Is Already Better Than Suno—We Put ACE to the Test" (Originalartikel von Jose Antonio Lanz, 11. Nov. 2026)
- Artificial Analysis auf X — Debüt von ACE Music v1 auf Platz 1 bei AA-Music-Vocal v1.1 (11. Nov. 2026)
- Artificial Analysis auf X — Start von AA-Music-Vocal v1.1 und AA-Music-Instrumental v1.1 (8. Okt. 2026)
- Artificial Analysis — AA-Music-Vocal v1.1 Leaderboard (Stand: 12. Nov. 2026)
- Artificial Analysis — AA-Music-Instrumental v1.1 Leaderboard (Stand: 12. Nov. 2026)
- Artificial Analysis — Music Generation Benchmarking Methodology
- ACE Music — Modellseite zu ACE Music v1
- ACE Music — Vorschauseite zu ACE Music v1.1 Preview
- ACE Music — Tarife und Preise
- Timedomain — Unternehmens-Website
- AlphaSignal — ACE Studio's ACE Music v1 Beats Suno to Top AI Music Leaderboard
- GitHub — ace-step/ACE-Step-1.5
- Hugging Face — Modellkarte ACE-Step/Ace-Step1.5
- Gong et al., „ACE-Step 1.5: Pushing the Boundaries of Open-Source Music Generation“, arXiv:2602.00744
- Suno — Start Songs with MIDI (4. Nov. 2026)
- Variety — Elvis Music Owners, Eminem Publisher File Sprawling New Lawsuits Against AI Music Generator Suno
- Warner Music Group — WMG and Suno Forge Groundbreaking Partnership
- Singh et al., „The Leaderboard Illusion“, arXiv:2504.20879