SprachmodellAktiv

GPT-5.6 Terra

OpenAI

Veröffentlicht: 9. Juli 2026
Datenstand: 8. September 2026

Intelligenz: 31,3 / 100
Gesamtwertung
Geschwindigkeit: 113,5 Token/s
Ausgabe-Tempo
Preis: 2 $ · 12 $
Eingabe · Ausgabe / 1 Mio. Token
Eingabe: Text, Bild
Ausgabe: Text

Bei GPT-5.6 Terra setzte OpenAI die mittlere Modellstufe als Standard für Free- und Go-Nutzer in ChatGPT Work und Codex ein. Zahlende Nutzer konnten Terra neben GPT-5.6 Sol und GPT-5.6 Luna auswählen und den Denkaufwand einstellen.

Terra unterstützt auch das mit GPT-5.6 eingeführte programmatische Tool-Calling. Dabei koordiniert das Modell Werkzeuge mit selbst geschriebenen Programmen und filtert deren Zwischenergebnisse, bevor es weiterarbeitet.

Position: Platz 19 von 24
Indexwert: 31,3 / 100

1.GPT-6.1 Sol90 / 100

2.GPT-6 Astra85,6 / 100

3.Claude Opus 578,8 / 100

4.GPT-6 Sol77,5 / 100

5.Grok 4.676,9 / 100

6.Grok 4.772,5 / 100

7.Gemini 3.8 Flash66,3 / 100

8.GPT-5.6 Sol65,6 / 100

9.GPT-5.561,9 / 100

10.Gemini 3.1 Pro Preview60,1 / 100

11.Grok 4.558,8 / 100

12.Gemini 3.7 Flash58,1 / 100

13.Gemini 3 Pro56,9 / 100

14.Claude Haiku 5.552,5 / 100

15.Gemini 3.6 Flash43,1 / 100

16.GPT-5.240,1 / 100

17.GPT-5.6 Luna33,1 / 100

17.GPT-6 Luna33,1 / 100

19.GPT-5.6 Terra31,3 / 100

20.Gemini 3.5 Flash28,8 / 100

21.Claude Sonnet 527,5 / 100

22.Grok 4.325,2 / 100

23.GPT-5 mini5 / 100

24.o3-mini1,3 / 100

Methodik und Quelle

Der Index mittelt Rangperzentile aus 10 dokumentierten Vergleichskohorten.

Quelle: Artificial Analysis, AA-Briefcase

Quelle: Artificial Analysis, AA-LCR

Quelle: Artificial Analysis, AA-Omniscience

Quelle: Artificial Analysis, Terminal-Bench

Quelle: LMArena, LMArena Text, Style Control

Quelle: LMArena, LMArena Vision, Style Control

Quelle: Scale AI, PRBench Finance

Quelle: Scale AI, PRBench Legal

Quelle: Scale AI, TutorBench

Quelle: Vals AI, MedCode

Veröffentlichte Benchmarks

BrowseComp

Overall

1.266 schwer auffindbare, aber kurz und eindeutig beantwortbare Rechercheaufgaben. Der Test belohnt hartnäckige Faktensuche. Er bildet offene Rechercheberichte und typische Nutzerfragen nur teilweise ab.

Hinweis (GPT-5.6 Terra): Redaktionelle Auswahl aus der Hersteller-Tabelle, kein vollständiger Auszug der Vergleichsgruppe.

1.Claude Mythos 588 %

Hinweis: Redaktionelle Auswahl aus der Hersteller-Tabelle, kein vollständiger Auszug der Vergleichsgruppe.

2.GPT-5.6 Terra87,5 %

3.Gemini 3.1 Pro Preview85,9 %

Hinweis: Redaktionelle Auswahl aus der Hersteller-Tabelle, kein vollständiger Auszug der Vergleichsgruppe.

4.GPT-5.584,4 %

Hinweis: Redaktionelle Auswahl aus der Hersteller-Tabelle, kein vollständiger Auszug der Vergleichsgruppe.

5.Claude Opus 4.884,3 %

Hinweis: Redaktionelle Auswahl aus der Hersteller-Tabelle, kein vollständiger Auszug der Vergleichsgruppe.

6.GPT-5.6 Luna83,3 %

Hinweis: Redaktionelle Auswahl aus der Hersteller-Tabelle, kein vollständiger Auszug der Vergleichsgruppe.

höhere Werte sind besserStand 2. September 2026Skala: 0 % - 100 %

Quelle: OpenAI

gradually.ai

Methodik und Einordnung

Vergleichskohorte: browsecomp-openai-gpt-5-6-table
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 6
Methodik und Einordnung: Herstellerübergreifende Vergleichstabelle mit Browser-Werkzeugen. Die genauen Agentensysteme unterscheiden sich.. Kennung des Quellmodells: curated/gpt-5.6-terra. Name des Quellmodells: GPT-5.6 Terra. Anbieter laut Quelle: OpenAI. Evaluator: OpenAI. Datensatztyp: public. Stand der Rangliste: 2026-07-09. Quellenkennung: openai. Kennung der Evidenzaufnahme: curated-openai-2026-09-02-479c1c78025d. Prüfsumme der Quelldaten: 479c1c78025d3ec6eefa63ab90f161c5c112f808052d1e683d37b370181a45b5. Parserversion: curated-v1. Importiert am: 2026-10-15

Quelle: OpenAI

Reasoning

LiveBench

Regelmäßig erneuerter Mix objektiv bewerteter Aufgaben in sieben Kategorien. Der Gesamtscore gilt nur für den jeweiligen Release und dessen Gewichtung.

Teilaufgabe	GPT-5.6 Terra (Dieses Modell)	Claude Fable 5	GPT-5.6 Sol	GPT-5.5
Agentic coding	54,9	62,2 (bester Wert dieser Zeile)	56,2	54
Coding	78,2	86 (bester Wert dieser Zeile)	83,9	82,1
Data analysis	79,3	80,5	79,8	81,6 (bester Wert dieser Zeile)
Overall	77,94	82,97 (bester Wert dieser Zeile)	81,05	80,19
Instruction following	64,6	75,8 (bester Wert dieser Zeile)	71,8	70,7
Language	82,9	90,7 (bester Wert dieser Zeile)	87,7	87,4
Mathematics	94,9	96	96,2 (bester Wert dieser Zeile)	95,9
Reasoning	90,6	89,7	91,7 (bester Wert dieser Zeile)	89,7

Einheit: Punktehöhere Werte sind besserStand 2. September 2026Quelle: LiveBenchBalken je Zeile skaliert, nicht über Zeilen hinweg

Agentenaufgaben

Taste-Bench

Overall

502 technische Entscheidungspunkte aus Engineering- und Forschungsabläufen. Jedes Fragenpaar wird in beiden Antwortreihenfolgen vorgelegt. Der Gesamtscore mittelt Engineering und Forschung und verlangt, dass beide Reihenfolgen richtig beantwortet werden. Nicht parsebare Antworten zählen als falsch. Reasoning-Einstellung und Ausgabegrenze gehören zum Testaufbau.

Hinweis (GPT-5.6 Terra): 0 von 1.004 Antworten waren nicht parsebar und wurden als falsch gewertet. Kein Gradually-Test.

1.GPT-5.6 Sol59,7 %

Hinweis: 0 von 1.004 Antworten waren nicht parsebar und wurden als falsch gewertet. Kein Gradually-Test.

2.GPT-5.559,5 %

Hinweis: 0 von 1.004 Antworten waren nicht parsebar und wurden als falsch gewertet. Kein Gradually-Test.

3.Claude Opus 555,5 %

Hinweis: 0 von 1.004 Antworten waren nicht parsebar und wurden als falsch gewertet. Kein Gradually-Test.

4.Grok 4.554,6 %

Hinweis: 10 von 1.004 Antworten waren nicht parsebar und wurden als falsch gewertet. Kein Gradually-Test.

5.GPT-5.6 Terra54 %

6.GLM-5.253,9 %

Hinweis: 17 von 1.004 Antworten waren nicht parsebar und wurden als falsch gewertet. Kein Gradually-Test.

7.Claude Sonnet 551,6 %

Hinweis: 0 von 1.004 Antworten waren nicht parsebar und wurden als falsch gewertet. Kein Gradually-Test.

8.GPT-5.6 Luna49 %

Hinweis: 0 von 1.004 Antworten waren nicht parsebar und wurden als falsch gewertet. Kein Gradually-Test.

9.MiniMax M345,3 %

Hinweis: 3 von 1.004 Antworten waren nicht parsebar und wurden als falsch gewertet. Kein Gradually-Test.

10.DeepSeek-V4-Flash43,3 %

Hinweis: 2 von 1.004 Antworten waren nicht parsebar und wurden als falsch gewertet. Kein Gradually-Test.

11.GPT-5.4 mini40,1 %

Hinweis: 112 von 1.004 Antworten waren nicht parsebar und wurden als falsch gewertet. Kein Gradually-Test.

12.Mistral Medium 3.537,7 %

Hinweis: 24 von 1.004 Antworten waren nicht parsebar und wurden als falsch gewertet. Kein Gradually-Test.

13.GPT-5.4 nano36,6 %

Hinweis: 93 von 1.004 Antworten waren nicht parsebar und wurden als falsch gewertet. Kein Gradually-Test.

14.Grok 4.20 Reasoning15,7 %

Hinweis: 459 von 1.004 Antworten waren nicht parsebar und wurden als falsch gewertet. Kein Gradually-Test.

höhere Werte sind besserStand 26. September 2026Skala: 0 % - 100 %

Quelle: Taste-Bench paper

gradually.ai

Methodik und Einordnung

Vergleichskohorte: taste-bench-paper-v2-502
Messgröße: both-orders-correct, engineering/research macro average
Skala: 0-100
Teilnehmer: 14
Methodik und Einordnung: Gleicher Prompt für alle Modelle. 502 Fragen werden je zweimal mit vertauschten Optionen gestellt. Durchschnitt der Erfolgsquoten aus Engineering und Forschung, wobei beide Reihenfolgen richtig sein müssen. 65.536 Token Ausgabelimit; nicht parsebare Antworten zählen als falsch.. Kennung des Quellmodells: curated/gpt-5.6-terra. Name des Quellmodells: GPT-5.6 Terra. Anbieter laut Quelle: OpenAI. Evaluator: Taste-Bench paper. Datensatztyp: public. Stand der Rangliste: 2026-09-23. Versuche: 502 questions, two option orders each. Reasoning-Stufe: default. Maximale Ausgabetoken: 65536. Quellenkennung: taste-bench-paper. Kennung der Evidenzaufnahme: curated-taste-bench-paper-2026-09-26-76e7a375c96f. Prüfsumme der Quelldaten: 76e7a375c96f4c61fc47a503231318beeac777f7848226306fe652468ee6f4d7. Parserversion: curated-v1. Importiert am: 2026-10-15

Quelle: Taste-Bench paper

Terminal-Bench 4.0

Overall

Agentischer Test für Aufgaben in reproduzierbaren Terminal-Umgebungen. Agent, Werkzeuge, Umgebung und Reasoning-Stufe sind Teil des Ergebnisses. Werte älterer Terminal-Bench-Versionen sind nicht direkt vergleichbar.

Hinweis (GPT-5.6 Terra): Auswahl exakt zugeordneter Modelle aus der offiziellen Rangliste mit 35 Zeilen. Agent und Reasoning-Stufe unterscheiden sich. Diese Werte gehören nicht zur separaten Vals-Kohorte mit Mini-SWE-agent.

1.GPT-6.1 Sol58,18 %

Hinweis: Auswahl exakt zugeordneter Modelle aus der offiziellen Rangliste mit 35 Zeilen. Agent und Reasoning-Stufe unterscheiden sich. Diese Werte gehören nicht zur separaten Vals-Kohorte mit Mini-SWE-agent.

2.GPT-5.6 Sol37,27 %

3.GPT-5.6 Terra21,52 %

höhere Werte sind besserStand 15. Oktober 2026Skala: 0 % - 100 %

Quelle: Terminal-Bench

gradually.ai

Methodik und Einordnung

Vergleichskohorte: terminal-bench-4-leaderboard-9f966760-00f1-424e-90f5-c964fb6f6091-2026-10-06
Messgröße: trial pass rate
Skala: 0-100
Teilnehmer: 3
Methodik und Einordnung: 330 bewertete Versuche, Agent Codex, Reasoning max. Datensatzversion 1922072f-a433-429a-8929-350d5e1bcf02.. Kennung des Quellmodells: curated/gpt-5.6-terra. Name des Quellmodells: GPT-5.6 Terra. Anbieter laut Quelle: OpenAI. Evaluator: Terminal-Bench. Datensatztyp: public. Stand der Rangliste: 2026-10-06. Agent: Codex. Versuche: 330 graded trials. Reasoning-Stufe: max. Quellenkennung: terminal-bench. Kennung der Evidenzaufnahme: curated-terminal-bench-2026-10-15-5ee6ef451faa. Prüfsumme der Quelldaten: 5ee6ef451faa907bc05297ac17656782187d771af787c1b4c879832f64303a60. Parserversion: curated-v1. Importiert am: 2026-10-15

Quelle: Terminal-Bench

Dokumentierte Messdetails

BrowseComp: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 87.5
Bewertung: 87.5
Messgröße: accuracy
Einheit: %
Benchmark-Version: 1,266 tasks
Kategorie: search
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: browsecomp-openai-gpt-5-6-table
Quellentyp: vendor-reported
Auswertung: OpenAI
Status: active
Abrufdatum: 2026-09-02
Methodik: Herstellerübergreifende Vergleichstabelle mit Browser-Werkzeugen. Die genauen Agentensysteme unterscheiden sich.. Kennung des Quellmodells: curated/gpt-5.6-terra. Name des Quellmodells: GPT-5.6 Terra. Anbieter laut Quelle: OpenAI. Evaluator: OpenAI. Datensatztyp: public. Stand der Rangliste: 2026-07-09. Quellenkennung: openai. Kennung der Evidenzaufnahme: curated-openai-2026-09-02-479c1c78025d. Prüfsumme der Quelldaten: 479c1c78025d3ec6eefa63ab90f161c5c112f808052d1e683d37b370181a45b5. Parserversion: curated-v1. Importiert am: 2026-10-15
Vergleichsmethodik: Herstellerübergreifende Vergleichstabelle mit Browser-Werkzeugen. Die genauen Agentensysteme unterscheiden sich.
Einordnung: Redaktionelle Auswahl aus der Hersteller-Tabelle, kein vollständiger Auszug der Vergleichsgruppe.

Quelle OpenAI

LiveBench: Agentic coding (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 54.9
Bewertung: 54.9
Messgröße: category score
Einheit: points
Benchmark-Version: 2026-06-25
Kategorie: reasoning
Aufgabe: agentic-coding
Aufgabenbezeichnung: Agentic coding
Richtung: Mehr ist besser
Vergleichskohorte: livebench-2026-06-25-agentic-coding-max
Quellentyp: official-leaderboard
Auswertung: LiveBench
Status: active
Abrufdatum: 2026-09-02
Methodik: Kategorie Agentisches Coding innerhalb desselben LiveBench-Releases.. Kennung des Quellmodells: curated/gpt-5.6-terra. Name des Quellmodells: GPT-5.6 Terra. Anbieter laut Quelle: OpenAI. Evaluator: LiveBench. Datensatztyp: public. Stand der Rangliste: 2026-06-25. Quellenkennung: livebench. Kennung der Evidenzaufnahme: curated-livebench-2026-09-02-3599bbcd44b9. Prüfsumme der Quelldaten: 3599bbcd44b922207599278339a7983e10201ad79a978093a8ddf831ebbc1a69. Parserversion: curated-v1. Importiert am: 2026-10-15
Vergleichsmethodik: Kategorie Agentisches Coding innerhalb desselben LiveBench-Releases.

Quelle LiveBench

LiveBench: Coding (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 78.2
Bewertung: 78.2
Messgröße: category score
Einheit: points
Benchmark-Version: 2026-06-25
Kategorie: reasoning
Aufgabe: coding
Aufgabenbezeichnung: Coding
Richtung: Mehr ist besser
Vergleichskohorte: livebench-2026-06-25-coding-max
Quellentyp: official-leaderboard
Auswertung: LiveBench
Status: active
Abrufdatum: 2026-09-02
Methodik: Kategorie Coding innerhalb desselben LiveBench-Releases.. Kennung des Quellmodells: curated/gpt-5.6-terra. Name des Quellmodells: GPT-5.6 Terra. Anbieter laut Quelle: OpenAI. Evaluator: LiveBench. Datensatztyp: public. Stand der Rangliste: 2026-06-25. Quellenkennung: livebench. Kennung der Evidenzaufnahme: curated-livebench-2026-09-02-4f7eb5af41be. Prüfsumme der Quelldaten: 4f7eb5af41be9c54b2cd089e592c2d6db97e1f114a880fe5db6241f0b32df2d4. Parserversion: curated-v1. Importiert am: 2026-10-15
Vergleichsmethodik: Kategorie Coding innerhalb desselben LiveBench-Releases.

Quelle LiveBench

LiveBench: Data analysis (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 79.3
Bewertung: 79.3
Messgröße: category score
Einheit: points
Benchmark-Version: 2026-06-25
Kategorie: reasoning
Aufgabe: data-analysis
Aufgabenbezeichnung: Data analysis
Richtung: Mehr ist besser
Vergleichskohorte: livebench-2026-06-25-data-analysis-max
Quellentyp: official-leaderboard
Auswertung: LiveBench
Status: active
Abrufdatum: 2026-09-02
Methodik: Kategorie Datenanalyse innerhalb desselben LiveBench-Releases.. Kennung des Quellmodells: curated/gpt-5.6-terra. Name des Quellmodells: GPT-5.6 Terra. Anbieter laut Quelle: OpenAI. Evaluator: LiveBench. Datensatztyp: public. Stand der Rangliste: 2026-06-25. Quellenkennung: livebench. Kennung der Evidenzaufnahme: curated-livebench-2026-09-02-c0dbc6eae1dc. Prüfsumme der Quelldaten: c0dbc6eae1dce9cc995e1760b1b3385b42986409a1af8e0516b10f2371488671. Parserversion: curated-v1. Importiert am: 2026-10-15
Vergleichsmethodik: Kategorie Datenanalyse innerhalb desselben LiveBench-Releases.

Quelle LiveBench

LiveBench: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 77.94
Bewertung: 77.94
Messgröße: composite score
Einheit: points
Benchmark-Version: 2026-06-25
Kategorie: reasoning
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: livebench-2026-06-25-max
Quellentyp: official-leaderboard
Auswertung: LiveBench
Status: active
Abrufdatum: 2026-09-02
Methodik: 23 objektiv bewertete Aufgaben in sieben Kategorien.. Kennung des Quellmodells: curated/gpt-5.6-terra. Name des Quellmodells: GPT-5.6 Terra. Anbieter laut Quelle: OpenAI. Evaluator: LiveBench. Datensatztyp: public. Stand der Rangliste: 2026-06-25. Quellenkennung: livebench. Kennung der Evidenzaufnahme: curated-livebench-2026-09-02-9097c2166459. Prüfsumme der Quelldaten: 9097c2166459af127f6931ba009606101153143f156c2c922603e45209515f00. Parserversion: curated-v1. Importiert am: 2026-10-15
Vergleichsmethodik: 23 objektiv bewertete Aufgaben in sieben Kategorien.

Quelle LiveBench

LiveBench: Instruction following (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 64.6
Bewertung: 64.6
Messgröße: category score
Einheit: points
Benchmark-Version: 2026-06-25
Kategorie: reasoning
Aufgabe: instruction-following
Aufgabenbezeichnung: Instruction following
Richtung: Mehr ist besser
Vergleichskohorte: livebench-2026-06-25-instruction-following-max
Quellentyp: official-leaderboard
Auswertung: LiveBench
Status: active
Abrufdatum: 2026-09-02
Methodik: Kategorie Anweisungsbefolgung innerhalb desselben LiveBench-Releases.. Kennung des Quellmodells: curated/gpt-5.6-terra. Name des Quellmodells: GPT-5.6 Terra. Anbieter laut Quelle: OpenAI. Evaluator: LiveBench. Datensatztyp: public. Stand der Rangliste: 2026-06-25. Quellenkennung: livebench. Kennung der Evidenzaufnahme: curated-livebench-2026-09-02-98691671f5a7. Prüfsumme der Quelldaten: 98691671f5a7a6df44b6ddd8bffd37d97203df3d564f25c0c325571faffd8dde. Parserversion: curated-v1. Importiert am: 2026-10-15
Vergleichsmethodik: Kategorie Anweisungsbefolgung innerhalb desselben LiveBench-Releases.

Quelle LiveBench

LiveBench: Language (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 82.9
Bewertung: 82.9
Messgröße: category score
Einheit: points
Benchmark-Version: 2026-06-25
Kategorie: reasoning
Aufgabe: language
Aufgabenbezeichnung: Language
Richtung: Mehr ist besser
Vergleichskohorte: livebench-2026-06-25-language-max
Quellentyp: official-leaderboard
Auswertung: LiveBench
Status: active
Abrufdatum: 2026-09-02
Methodik: Kategorie Sprache innerhalb desselben LiveBench-Releases.. Kennung des Quellmodells: curated/gpt-5.6-terra. Name des Quellmodells: GPT-5.6 Terra. Anbieter laut Quelle: OpenAI. Evaluator: LiveBench. Datensatztyp: public. Stand der Rangliste: 2026-06-25. Quellenkennung: livebench. Kennung der Evidenzaufnahme: curated-livebench-2026-09-02-f135abd005cf. Prüfsumme der Quelldaten: f135abd005cf1e2007de3ed34aeeafe888392ab48dd06faaaebb325d2b0e7784. Parserversion: curated-v1. Importiert am: 2026-10-15
Vergleichsmethodik: Kategorie Sprache innerhalb desselben LiveBench-Releases.

Quelle LiveBench

LiveBench: Mathematics (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 94.9
Bewertung: 94.9
Messgröße: category score
Einheit: points
Benchmark-Version: 2026-06-25
Kategorie: reasoning
Aufgabe: mathematics
Aufgabenbezeichnung: Mathematics
Richtung: Mehr ist besser
Vergleichskohorte: livebench-2026-06-25-mathematics-max
Quellentyp: official-leaderboard
Auswertung: LiveBench
Status: active
Abrufdatum: 2026-09-02
Methodik: Kategorie Mathematik innerhalb desselben LiveBench-Releases.. Kennung des Quellmodells: curated/gpt-5.6-terra. Name des Quellmodells: GPT-5.6 Terra. Anbieter laut Quelle: OpenAI. Evaluator: LiveBench. Datensatztyp: public. Stand der Rangliste: 2026-06-25. Quellenkennung: livebench. Kennung der Evidenzaufnahme: curated-livebench-2026-09-02-b8cf27594a0a. Prüfsumme der Quelldaten: b8cf27594a0aab2a4323cad9c23a060391fb93cfe9bfa303dd82768999cfdb4e. Parserversion: curated-v1. Importiert am: 2026-10-15
Vergleichsmethodik: Kategorie Mathematik innerhalb desselben LiveBench-Releases.

Quelle LiveBench

LiveBench: Reasoning (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 90.6
Bewertung: 90.6
Messgröße: category score
Einheit: points
Benchmark-Version: 2026-06-25
Kategorie: reasoning
Aufgabe: reasoning
Aufgabenbezeichnung: Reasoning
Richtung: Mehr ist besser
Vergleichskohorte: livebench-2026-06-25-reasoning-max
Quellentyp: official-leaderboard
Auswertung: LiveBench
Status: active
Abrufdatum: 2026-09-02
Methodik: Kategorie Reasoning innerhalb desselben LiveBench-Releases.. Kennung des Quellmodells: curated/gpt-5.6-terra. Name des Quellmodells: GPT-5.6 Terra. Anbieter laut Quelle: OpenAI. Evaluator: LiveBench. Datensatztyp: public. Stand der Rangliste: 2026-06-25. Quellenkennung: livebench. Kennung der Evidenzaufnahme: curated-livebench-2026-09-02-c2884503146e. Prüfsumme der Quelldaten: c2884503146e9beeb46af3b90af6c0e8e019febb1cf937fb029ca49ad7a027e0. Parserversion: curated-v1. Importiert am: 2026-10-15
Vergleichsmethodik: Kategorie Reasoning innerhalb desselben LiveBench-Releases.

Quelle LiveBench

Taste-Bench: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 54
Bewertung: 54
Messgröße: both-orders-correct, engineering/research macro average
Einheit: %
Benchmark-Version: arxiv:2609.25804v2
Kategorie: agentic
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: taste-bench-paper-v2-502
Quellentyp: independent-evaluator
Auswertung: Taste-Bench paper
Status: active
Abrufdatum: 2026-09-26
Methodik: Gleicher Prompt für alle Modelle. 502 Fragen werden je zweimal mit vertauschten Optionen gestellt. Durchschnitt der Erfolgsquoten aus Engineering und Forschung, wobei beide Reihenfolgen richtig sein müssen. 65.536 Token Ausgabelimit; nicht parsebare Antworten zählen als falsch.. Kennung des Quellmodells: curated/gpt-5.6-terra. Name des Quellmodells: GPT-5.6 Terra. Anbieter laut Quelle: OpenAI. Evaluator: Taste-Bench paper. Datensatztyp: public. Stand der Rangliste: 2026-09-23. Versuche: 502 questions, two option orders each. Reasoning-Stufe: default. Maximale Ausgabetoken: 65536. Quellenkennung: taste-bench-paper. Kennung der Evidenzaufnahme: curated-taste-bench-paper-2026-09-26-76e7a375c96f. Prüfsumme der Quelldaten: 76e7a375c96f4c61fc47a503231318beeac777f7848226306fe652468ee6f4d7. Parserversion: curated-v1. Importiert am: 2026-10-15
Vergleichsmethodik: Gleicher Prompt für alle Modelle. 502 Fragen werden je zweimal mit vertauschten Optionen gestellt. Durchschnitt der Erfolgsquoten aus Engineering und Forschung, wobei beide Reihenfolgen richtig sein müssen. 65.536 Token Ausgabelimit; nicht parsebare Antworten zählen als falsch.
Einordnung: 0 von 1.004 Antworten waren nicht parsebar und wurden als falsch gewertet. Kein Gradually-Test.

Quelle Taste-Bench paper

Terminal-Bench 4.0: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 21.52
Bewertung: 21.52
Messgröße: trial pass rate
Einheit: %
Benchmark-Version: 4.0
Kategorie: agentic
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: terminal-bench-4-leaderboard-9f966760-00f1-424e-90f5-c964fb6f6091-2026-10-06
Konfidenzintervall: 3.25
Quellentyp: official-leaderboard
Auswertung: Terminal-Bench
Status: active
Abrufdatum: 2026-10-15
Methodik: 330 bewertete Versuche, Agent Codex, Reasoning max. Datensatzversion 1922072f-a433-429a-8929-350d5e1bcf02.. Kennung des Quellmodells: curated/gpt-5.6-terra. Name des Quellmodells: GPT-5.6 Terra. Anbieter laut Quelle: OpenAI. Evaluator: Terminal-Bench. Datensatztyp: public. Stand der Rangliste: 2026-10-06. Agent: Codex. Versuche: 330 graded trials. Reasoning-Stufe: max. Quellenkennung: terminal-bench. Kennung der Evidenzaufnahme: curated-terminal-bench-2026-10-15-5ee6ef451faa. Prüfsumme der Quelldaten: 5ee6ef451faa907bc05297ac17656782187d771af787c1b4c879832f64303a60. Parserversion: curated-v1. Importiert am: 2026-10-15
Vergleichsmethodik: 330 bewertete Versuche, Agent Codex, Reasoning max. Datensatzversion 1922072f-a433-429a-8929-350d5e1bcf02.
Einordnung: Auswahl exakt zugeordneter Modelle aus der offiziellen Rangliste mit 35 Zeilen. Agent und Reasoning-Stufe unterscheiden sich. Diese Werte gehören nicht zur separaten Vals-Kohorte mit Mini-SWE-agent.

Quelle Terminal-Bench

Seite 1 von 32

Technische Daten und Zugang

Angabe	Wert und Quelle
Gewichte	ProprietärQuelle
Zugang	APIQuelle
Kontextfenster	1.050.000 TokenQuelle
Knowledge Cutoff	16. Februar 2026Quelle
Hinweise	Ausgewogene Stufe der GPT-5.6-Familie. Allgemein verfügbar seit dem 9. Juli 2026. Standardmodell für Free- und Go-Nutzer bei ChatGPT Work und Codex, bei kostenpflichtigen Stufen ist die Effort-Stufe wählbar. Erreicht die Qualität von GPT-5.5 zu etwa der Hälfte des Preises ($2.50 Input / $15 Output pro 1M Token). Terminal-Bench 2.1 82,5 %.Quelle
API-Modellkennung	gpt-5.6-terraQuelle
Maximale Ausgabe	128.000 TokenQuelle
Wissensstand	2026-02-16Quelle
Eingabe	Text, BildQuelle
Ausgabe	TextQuelle
Reasoning-Modus	none, low, medium, high, xhigh, maxQuelle
API-Schnittstellen	Responses API, Chat Completions APIQuelle
Werkzeugaufrufe	JaQuelle
Strukturierte Ausgabe	JaQuelle
Veröffentlichung	2026-07-09Quelle

Quellen und Datenstand

Art	Nachweis und Datenstand
Geschwindigkeit	OpenAI, Max effort. Ausgabetempo nach dem ersten empfangenen Textabschnitt, nicht die gesamte Antwortzeit. Abgerufen am 7. September 2026. Quelle: Artificial Analysis · Geschwindigkeit (Artificial Analysis)Messmethode der Geschwindigkeit
Preis	API-Basispreise ohne Cache- oder Batch-Rabatt. Höhere Kontextstufen und weitere Tarife stehen unter Kosten. Quelle: Preise · API-Preise
Eingabe	Dokumentierte Modalitäten. Abgerufen am 7. September 2026. Quelle: Modelldokumentation · Kontextfenster-Daten (abgerufen 8. September 2026) · GPT-5.6 Terra API model documentation · Redaktionelle Beschreibung geprüft am 4. Oktober 2026
Ausgabe	Dokumentierte Modalitäten. Abgerufen am 7. September 2026. Quelle: Modelldokumentation · Kontextfenster-Daten (abgerufen 8. September 2026) · GPT-5.6 Terra API model documentation · Redaktionelle Beschreibung geprüft am 4. Oktober 2026
Recherchestand	Recherchestand 8. September 2026. 2 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell.
In den geprüften Quellen nicht gefunden	parameters-billions Originalwortlaut OpenAI does not publish parameter counts.
In den geprüften Quellen nicht gefunden	independent-benchmarks Originalwortlaut Artificial Analysis rows are preserved only as reported in the OpenAI table; no separate evaluator import was made.
Weitere Quelle	Modellmetadaten
Weitere Quelle	Wissensstand-Daten (abgerufen 2. September 2026; 8. September 2026) · OpenAI announcement: GPT-5.6 · Redaktionelle Beschreibung geprüft am 4. Oktober 2026
Weitere Quelle	Artificial Analysis (abgerufen 15. Oktober 2026)
Weitere Quelle	Artificial Analysis (abgerufen 15. Oktober 2026)
Weitere Quelle	Artificial Analysis (abgerufen 15. Oktober 2026)
Weitere Quelle	Artificial Analysis (abgerufen 15. Oktober 2026)
Weitere Quelle	Artificial Analysis (abgerufen 15. Oktober 2026)
Weitere Quelle	Artificial Analysis (abgerufen 15. Oktober 2026)
Weitere Quelle	Artificial Analysis (abgerufen 15. Oktober 2026)
Weitere Quelle	Artificial Analysis (abgerufen 15. Oktober 2026)
Weitere Quelle	Artificial Analysis (abgerufen 15. Oktober 2026)
Weitere Quelle	Artificial Analysis (abgerufen 15. Oktober 2026)
Weitere Quelle	Artificial Analysis (abgerufen 15. Oktober 2026)
Weitere Quelle	ARC Prize (abgerufen 26. August 2026; 2. September 2026)
Weitere Quelle	LiveBench (abgerufen 2. September 2026)
Weitere Quelle	Taste-Bench paper (abgerufen 26. September 2026)
Weitere Quelle	Terminal-Bench (abgerufen 15. Oktober 2026)
Weitere Quelle	LMArena (abgerufen 15. Oktober 2026)
Weitere Quelle	LMArena (abgerufen 15. Oktober 2026)
Weitere Quelle	LMArena (abgerufen 15. Oktober 2026)
Weitere Quelle	Vals AI (abgerufen 15. Oktober 2026)
Weitere Quelle	Vals AI (abgerufen 15. Oktober 2026)
Weitere Quelle	Vals AI (abgerufen 15. Oktober 2026)
Weitere Quelle	Vals AI (abgerufen 15. Oktober 2026)
Weitere Quelle	Vals AI (abgerufen 15. Oktober 2026)
Weitere Quelle	Vals AI (abgerufen 15. Oktober 2026)
Weitere Quelle	Vals AI (abgerufen 15. Oktober 2026)
Weitere Quelle	Vals AI (abgerufen 15. Oktober 2026)
Weitere Quelle	Vals AI (abgerufen 15. Oktober 2026)
Weitere Quelle	Vals AI (abgerufen 15. Oktober 2026)
Weitere Quelle	Vals AI (abgerufen 15. Oktober 2026)
Weitere Quelle	Vals AI (abgerufen 15. Oktober 2026)
Weitere Quelle	Vals AI (abgerufen 15. Oktober 2026)
Weitere Quelle	Vals AI (abgerufen 15. Oktober 2026)
Weitere Quelle	Vals AI (abgerufen 15. Oktober 2026)
Weitere Quelle	Vals AI (abgerufen 15. Oktober 2026)
Weitere Quelle	Vals AI (abgerufen 15. Oktober 2026)
Weitere Quelle	Vals AI (abgerufen 15. Oktober 2026)
Weitere Quelle	Vals AI (abgerufen 15. Oktober 2026)
Weitere Quelle	Vals AI (abgerufen 15. Oktober 2026)
Weitere Quelle	Vals AI (abgerufen 15. Oktober 2026)
Weitere Quelle	Vals AI (abgerufen 15. Oktober 2026)
Weitere Quelle	Vals AI (abgerufen 15. Oktober 2026)
Weitere Quelle	Vals AI (abgerufen 15. Oktober 2026)
Weitere Quelle	Vals AI (abgerufen 15. Oktober 2026)
Weitere Quelle	Vals AI (abgerufen 15. Oktober 2026)
Weitere Quelle	Vals AI (abgerufen 15. Oktober 2026)
Weitere Quelle	Vals AI (abgerufen 15. Oktober 2026)
Weitere Quelle	Vals AI (abgerufen 11. August 2026; 15. Oktober 2026)
Weitere Quelle	Vals AI (abgerufen 15. Oktober 2026)
Weitere Quelle	Vals AI (abgerufen 15. Oktober 2026)
Weitere Quelle	Vals AI (abgerufen 15. Oktober 2026)
Weitere Quelle	OpenRouter: Beliebtheitsindex (abgeleitet), CC BY 4.0
Weitere Quelle	Vercel AI Gateway: Beliebtheitsindex (abgeleitet), CC BY 4.0
Weitere Quelle	Creative Commons Attribution 4.0

GPT-5.6 Terra

Veröffentlichte Benchmarks

BrowseComp

Reasoning

LiveBench

Agentenaufgaben

Taste-Bench

Terminal-Bench 4.0

Dokumentierte Messdetails

Unsere Tests

SVG-Kurztest

GPT-5.6 Terra

Pelikan auf dem Fahrrad

Beliebtheit

Technische Daten und Zugang

Veröffentlichte Preise

Dieses Modell im Vergleich

Quellen und Datenstand