Ein Wordle AI Guesser vertauscht die üblichen Rollen: Du bestimmst das geheime Wort mit fünf Buchstaben, der Bot macht die Versuche. Dieses Werkzeug berechnet jedes grüne, gelbe und graue Feld lokal, filtert ein Modell mit 219 Antworten und vergleicht, wie gut jedes erlaubte Wort die übrigen Kandidaten trennt. Es zeigt die Belege für jeden Zug, statt sich als offizieller Bot oder als allgemein optimale Lösung für jedes Wörterbuch auszugeben.
Was dieser Wordle-KI-Rater tatsächlich macht
Das Werkzeug verwandelt die normale Lösungsaufgabe in ein kleines Duell mit dem Computer. Gib ein Wort aus dem lokalen Modell mit 219 Antworten ein, halte es vor anderen Spielern geheim und lass den Browser den ersten Versuch erzeugen. Weil das Ziel bereits lokal gespeichert ist, kann die Seite die Reihe automatisch auswerten. Du musst weder fünf Felder anklicken noch entscheiden, wie eine zusätzliche Kopie eines Buchstabens gefärbt wird. Nach jeder Reihe siehst du die tatsächliche Kandidatenzahl, den erwarteten Rest vor dem Ergebnis und den Informationsgewinn des beobachteten Zweigs.
Hier denkt kein Sprachmodell scheinbar laut. Es handelt sich um ein deterministisches Wortspielmodell. Es vergleicht dieselben 9.983 akzeptierten Wörter, die auch die Wortwerkzeuge dieser Website verwenden, gruppiert verbleibende Ziele nach ihren möglichen Farbmustern und bevorzugt das Wort mit der kleinsten erwarteten Restgruppe. Derselbe Zustand führt reproduzierbar zur selben Wahl. Ein anderes Wörterbuch, andere Antwortgewichte, ein Hard Mode oder andere Gleichstandsregeln können ein anderes Wort liefern. Deshalb nennt die Seite ihr Modell und behauptet keine universelle Rangliste.
Du wählst das Ziel
Nimm eine lokale Modellantwort oder lass ein zufälliges Wort mit fünf Buchstaben ziehen.
Der Browser wertet alles aus
Grüne Treffer werden vor gelben Kopien vergeben, damit Wiederholungen korrekt bleiben.
Jeder Zug hat einen Grund
Kandidatenzahlen und Bits zeigen messbar, was der Versuch verändert hat.
Fordere den Bot ohne manuelle Farbeingabe heraus
Trage zunächst genau fünf englische Buchstaben ein. Das Feld akzeptiert nur Wörter aus dem Zielmodell mit 219 Antworten, weil der Solver eindeutig erkennen muss, wann er das Geheimwort gefunden hat. Gehört ein Wort zwar zum breiteren Bestand von 9.983 Ratewörtern, aber nicht zu den Zielen, erklärt die Oberfläche den Unterschied. Sie startet kein ungewinnbares Modell. Mit der Zufallsfunktion beginnst du schnell und wählst ein faires Ziel, ohne vorher eine Antwortliste zu durchsuchen.
Nach dem Start bleibt das Geheimwort in der aktuellen Browsersitzung. Drücke auf den nächsten KI-Versuch, damit das Modell den lebenden Kandidatensatz bewertet. Die farbige Reihe erscheint mit ihrer gemessenen Wirkung. Der folgende Zug verwendet nur Ziele, die genau dieses vollständige Muster erzeugt hätten. Fahre fort, bis das Ratewort dem Geheimnis entspricht oder sechs Reihen verbraucht sind. Danach kannst du ein spoilerarmes Raster kopieren, die Runde mit deinem lokalen Verlauf vergleichen oder ein neues Wort wählen.
Geheimwort festlegen
Gib ein unterstütztes Ziel ein oder erzeuge eines zufällig, ohne Konto und Upload.
Einen Zug weitergehen
Prüfe die Reihe und ihre Reduktion, bevor du den nächsten Versuch anforderst.
Auswerten und teilen
Teile Farbraster und Zugzahl, ohne das geheime Wort preiszugeben.
Wie der Solver sein nächstes Wort auswählt
Für jedes spielbare Wort berechnet der Solver gedanklich das Feedback, das jede verbleibende Antwort zurückgeben würde. Fünf Positionen mit jeweils drei Zuständen ergeben höchstens 243 theoretische Muster, auch wenn in einer kleinen Kandidatenmenge viel weniger auftreten. Antworten mit demselben vollständigen Muster landen im selben Eimer. Das Programm addiert die quadrierten Gruppengrößen, um den erwarteten Rest zu messen, hält die größte Gruppe als Kontrolle für den schlechtesten Fall fest und beschreibt die beobachtete Unsicherheitsreduktion in Bits.
Die Auswahl minimiert zuerst die erwarteten Überlebenden und danach die größte mögliche Gruppe. Bei Gleichstand bevorzugt das Modell ein Wort, das selbst noch Antwort sein könnte, und nutzt anschließend eine stabile alphabetische Reihenfolge. Diese gierige Strategie schaut nur einen Zug voraus. Sie ist leichter als dynamische Programmierung über den vollständigen Spielbaum und läuft deshalb direkt auf einem Telefon. Sobald nur ein Kandidat übrig ist, spielt der Bot diesen unmittelbar, statt noch eine Informationsprobe zu verschwenden.
Veröffentlichtes exaktes Modell und dieser Browser-Bot
Die Forschung und diese Seite untersuchen Feedbackgruppen, unterscheiden sich aber bewusst bei Daten und Suchtiefe.
| Messgröße | Veröffentlichte exakte Forschung | Dieser Wordle AI Guesser |
|---|---|---|
| Mögliche Ziele | 2.315 ursprüngliche Lösungen | 219 lokale Antwortkandidaten |
| Spielbare Versuche | 12.972 ursprüngliche Wörter | 9.983 lokal akzeptierte Wörter |
| Auswahlmethode | Exakte dynamische Programmierung zukünftiger Zustände | Gierige erwartete Reduktion plus Worst-Case-Gleichstand |
| Berichtetes Ergebnis | 3,421 erwartete Versuche ab SALET im Modell der Studie | Reihen, Kandidaten und Information je Geheimwort |
Welche Aussagen die Messwerte tragen
Die exakte Studie von Bertsimas und Paskov modellierte Wordle mit 2.315 möglichen Lösungen und 12.972 erlaubten Versuchen. Sie berichtete für ihre optimale Normalmodus-Strategie ab SALET durchschnittlich 3,421 Versuche und gab an, jedes Ziel in diesem Modell mit höchstens fünf Versuchen zu finden. Das sind veröffentlichte Forschungsergebnisse und keine Werte, die in die Punktzahl dieses Werkzeugs übernommen wurden.
Diese Seite führt eine kleinere reproduzierbare Messung mit den aktuellen Dont-Wordle-Daten aus: 219 gleich gewichtete Ziele, 9.983 spielbare Wörter, fünf Feldpositionen, drei Zustände pro Feld und höchstens sechs angezeigte Reihen. Das Modelldatum ist der 23. Juli 2026. Jede dynamische Zahl neben einer Reihe wird aus den Kandidaten berechnet, die unmittelbar vor diesem Zug übrig waren.
- Der erwartete Rest ist die nach Wahrscheinlichkeit gewichtete mittlere Gruppengröße vor dem Feedback des Geheimworts.
- Der tatsächliche Rest zählt Ziele, die zum vollständigen Muster aus fünf Feldern passen.
- Der Informationsgewinn ist die Unsicherheitsreduktion des beobachteten Zweigs zur Basis zwei und wird in Bits angezeigt.
Warum Unsicherheit die nützliche Einheit ist
Shannon beschrieb Kommunikation als Wiederherstellung einer aus mehreren Möglichkeiten gewählten Nachricht. Eine Wordle-Reihe ist ein kleines Beispiel: Ihr Farbmuster zeigt, welche Ziele noch passen.
“The fundamental problem of communication is that of reproducing at one point either exactly or approximately a message selected at another point.”
Claude E. Shannon, A Mathematical Theory of Communication (1948)
Kurzes englisches Originalzitat unter 25 Wörtern; die umgebende Erklärung ist die Anwendung dieser Website auf Wortspiel-Feedback.
So testest du den Bot fair
Wende dasselbe Verfahren auf mehrere Ziele an, damit nicht ein glücklicher oder ungünstiger Zweig dein Urteil bestimmt.
- Wähle ein unterstütztes Geheimwort, ohne den nächsten Modellzug anzusehen.
- Notiere die tatsächliche Kandidatenzahl nach jeder farbigen Reihe.
- Vergleiche ein häufiges Wort, ein Wort mit Wiederholung und ein Zufallsziel.
- Vergleiche nur Runden mit demselben Modelldatum und denselben Regeln.
Quellen und reproduzierbare Modellhinweise
Die externen Links dokumentieren den veröffentlichten exakten Solver und die informationstheoretische Grundlage. Lokale Zahlen stammen direkt aus den Arrays dieser Seite.
Fragen zum Wordle AI Guesser
Ist dies der offizielle WordleBot?
Nein. Es ist ein unabhängiges Dont-Wordle-Werkzeug mit offengelegtem Zielbestand, Ratewortliste, Wiederholungswertung und gieriger Informationsstrategie.
Verwendet der Bot ein großes Sprachmodell?
Nein. Er vergleicht deterministisch die Feedbackgruppen spielbarer englischer Wörter. Die KI-Bezeichnung beschreibt den Computergegner, während die Seite den echten Algorithmus erklärt.
Warum kann nicht jedes Ratewort das Geheimnis sein?
Der breite Bestand enthält 9.983 erlaubte Versuche, aber nur 219 Wörter sind Ziele. Die Beschränkung verhindert eine Herausforderung, die das Modell nie lösen könnte.
Wie werden doppelte Buchstaben behandelt?
Zuerst werden exakte grüne Treffer vergeben, dann nutzt jeder gelbe Treffer von links nach rechts eine übrige Zielkopie. Zusätzliche Kopien werden grau.
Ist das informativste Wort immer der beste Zug?
Nicht allgemein. Dieser Bot minimiert den erwarteten Rest und danach die größte Gruppe. Exakte Strategien, Gewichte, Hard Mode und andere Wörterbücher können anders wählen.