Direktvergleich

Claude Fable 5.1 vs. GPT-6 Astra

Veröffentlichte Benchmarkwerte aus derselben Version und Vergleichskohorte, API-Preise und technische Eckdaten. Unterschiedliche Testeinstellungen werden sichtbar ausgewiesen.

gemeinsame Messreihen: 228
verschiedene Benchmark-Messgrößen: 40
jüngster Abruf: 15.10.2026

Erstes ModellZweites Modell

Steckbrief

Allgemeine Daten

Erscheinungsdatum, Verfügbarkeit, Kontextfenster, Architektur und veröffentlichte Parameterzahlen auf einen Blick. Nicht veröffentlichte Angaben bleiben als solche markiert.

Allgemeine Daten von Claude Fable 5.1 und GPT-6 Astra
Merkmal	Claude Fable 5.1	GPT-6 Astra
Anbieter	Anthropic	OpenAI
Erschienen	1. Sept. 2026	3. Sept. 2026
Verfügbarkeit	Aktiv	Eingeschränkter Zugang
Modelltyp	Proprietär	Proprietär
Parameter	Nicht veröffentlicht	Nicht veröffentlicht
Architektur	Nicht veröffentlicht	Nicht veröffentlicht
Kontextfenster	1.000.000 Token	1.050.000 Token
Wissensstand	Juni 2026	30. April 2026
Technische Quellen	Modell	Modell, Kontext

Kosten

API-Preise im Vergleich

Die Tabelle vergleicht die offiziellen Standard-API-Tarife pro 1 Mio. Token einschließlich veröffentlichter Cache-Preise. Batch, Fast, Priority, regionale Aufschläge, Toolaufrufe und Cloudpreise sind nicht eingerechnet.

API-Preise von Claude Fable 5.1 und GPT-6 Astra
Preisart	Claude Fable 5.1	GPT-6 Astra
API-Eingabe	10 $	10 $ ≤272K / 20 $ >272K
API-Ausgabe	50 $	50 $ ≤272K / 75 $ >272K
Cache lesen	0,25 $	1 $ ≤272K / 2 $ >272K
Cache schreiben (5 Min.)	12,5 $	12,5 $ ≤272K / 25 $ >272K
Cache schreiben (1 Std.)	20 $	Nicht ausgewiesen
Preis geprüft	22.09.2026 Quelle	22.09.2026 Quelle

Claude Fable 5.1GPT-6 Astra

API-EingabeUSD pro 1 Mio. Token, Basistarif

Claude Fable 5.110 $

GPT-6 Astra10 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

Claude Fable 5.150 $

GPT-6 Astra50 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

Claude Fable 5.10,25 $

GPT-6 Astra1 $

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Preise nach Anbieter

Direkte Entwicklertarife und über OpenRouter geroutete Anbieterpreise sind getrennt gekennzeichnet. Alle Preise gelten in USD pro 1 Mio. Token. Kontextabhängige Direktpreise sowie regionale, Flex-, Priority- und weitere OpenRouter-Tarife bleiben einzeln erkennbar.

Anbieterpreise von Claude Fable 5.1 und GPT-6 Astra
Modell	Anbieter	Bezugsweg und Tarif	Eingabe pro 1 Mio. Token	Ausgabe pro 1 Mio. Token	Quelle
Claude Fable 5.1	Anthropic	Direkt beim EntwicklerStandard-API	Günstigster erfasster Preis: 10 $	Günstigster erfasster Preis: 50 $	Quelle22.09.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock	Günstigster erfasster Preis: 10 $	Günstigster erfasster Preis: 50 $	Quelle19.10.2026
	Anthropic	Über OpenRouteranthropic	Günstigster erfasster Preis: 10 $	Günstigster erfasster Preis: 50 $	Quelle19.10.2026
	Azure	Über OpenRouterazure	Günstigster erfasster Preis: 10 $	Günstigster erfasster Preis: 50 $	Quelle19.10.2026
	Google	Über OpenRoutergoogle-vertex/global	Günstigster erfasster Preis: 10 $	Günstigster erfasster Preis: 50 $	Quelle19.10.2026
GPT-6 Astra	OpenAI	Direkt beim EntwicklerBis 272.000 Kontext-Token	10 $	50 $	Quelle22.09.2026
	OpenAI	Direkt beim EntwicklerÜber 272.000 Kontext-Token	20 $	75 $	Quelle22.09.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock/us-west-2	11 $	55 $	Quelle19.10.2026
	Azure	Über OpenRouterazure	10 $	50 $	Quelle19.10.2026
	Azure	Über OpenRouterazure/us	11 $	55 $	Quelle19.10.2026
	OpenAI	Über OpenRouteropenai	10 $	50 $	Quelle19.10.2026
	OpenAI	Über OpenRouteropenai/fast	20 $	100 $	Quelle19.10.2026
	OpenAI	Über OpenRouteropenai/flex	Günstigster erfasster Preis: 5 $	Günstigster erfasster Preis: 25 $	Quelle19.10.2026
	OpenAI	Über OpenRouteropenai/ultrafast	60 $	300 $	Quelle19.10.2026

Leistung

Gemeinsame Benchmarks

Nur veröffentlichte Ergebnisse mit derselben Benchmark-Version, Aufgabe, Metrik und Vergleichskohorte werden gegenübergestellt. Wenn Anbieter unterschiedliche Reasoning-Stufen, Agenten oder Ausgabegrenzen verwendet haben, steht das direkt in der Tabelle.

Fähigkeitsprofil aus vergleichbaren Benchmarks

Jede Achse mittelt direkt vergleichbare Benchmarkfamilien. Ein Wert von 100 bedeutet den stärkeren Wert innerhalb dieses Duells, keinen universellen Qualitätswert.

Claude Fable 5.1

GPT-6 Astra

Coding: 96 / 98 (6 Benchmarkfamilien)

Reasoning: 100 / 99,1 (1 Benchmarkfamilie)

Mathematik: 100 / 97,6 (1 Benchmarkfamilie)

Wissen: 98,5 / 99,3 (2 Benchmarkfamilien)

Finanzen: 100 / 95 (2 Benchmarkfamilien)

Recht: 87,2 / 99,8 (2 Benchmarkfamilien)

Agenten-Aufgaben: 92,4 / 91,2 (3 Benchmarkfamilien)

Multimodal: 99,6 / 99,8 (1 Benchmarkfamilie)

55 passende Messreihen aus 17 Benchmarkfamilien wurden berücksichtigt. Das Radar zeigt 8 von 12 vergleichbaren Kategorien.

Claude Fable 5.1GPT-6 Astra

AutomationBench-AA (strict pass@1)Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Fable 5.132,1 %

GPT-6 Astra41,6 %

Code MigrationOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Fable 5.154,607 %

GPT-6 Astra67,74 %

CyberBench v1.1Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Fable 5.170,416 %

GPT-6 Astra41,072 %

DeepSWEOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Fable 5.167,4 %

GPT-6 Astra74,1 %

EMBOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Fable 5.176,67 %

GPT-6 Astra71,7 %

Finance Agent (v2)Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Fable 5.158,877 %

GPT-6 Astra53,54 %

GDP.pdfOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Fable 5.127,6 Punkte

GPT-6 Astra34,2 Punkte

Harvey LAB-AAOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Fable 5.16,4 %

GPT-6 Astra8,6 %

Harvey's Legal Agent BenchmarkOverall · Task fully resolved. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Fable 5.16,667 %

GPT-6 Astra5,417 %

HealthBench ProOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Fable 5.162,1 Punkte

GPT-6 Astra65,3 Punkte

IOIOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Fable 5.190,778 %

GPT-6 Astra100 %

JobBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Fable 5.173,1 Punkte

GPT-6 Astra66,1 Punkte

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von Claude Fable 5.1 und GPT-6 Astra
Benchmark und Aufgabe	Claude Fable 5.1	GPT-6 Astra	Quelle
AutomationBench-AA (strict pass@1)Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: Meta Wonder scorecard; version unspecifiedMessgröße: strict pass@1; every end-state assertion passedBewertung: Mehr ist besserEinstellungen: Reasoning: maxGeschäftsabläufe in einer simulierten Anwendungsumgebung. Jede Endzustandsprüfung muss bestehen, Reasoning max. Nicht mit anderen AutomationBench-AA-Metriken vermischen.	32,1 % Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.	Gewinner41,6 % Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.	Meta Quellendetails Datenstand: 15.10.2026
Code MigrationOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	54,607 %	Höherer Messwert67,74 %	Vals AI Quellendetails Datenstand: 12.10.2026
CyberBench v1.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert70,416 %	41,072 %	Vals AI Quellendetails Datenstand: 12.10.2026
DeepSWEOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v1.1Messgröße: pass@1Bewertung: Mehr ist besserEinstellungen: Reasoning: max113 Aufgaben in 91 Repositorys und fünf Sprachen. Reasoning max. Meta nennt Datacurve als Evaluator; diese Muse-Werte waren auf dessen öffentlicher Rangliste beim Abruf nicht auffindbar.	67,4 % Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.	Gewinner74,1 % Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.	Meta Quellendetails Datenstand: 15.10.2026
EMBOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert76,67 %	71,7 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert58,877 %	53,54 %	Vals AI Quellendetails Datenstand: 12.10.2026
GDP.pdfOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: Meta Wonder scorecard; version unspecifiedMessgröße: published GDP.pdf scoreBewertung: Mehr ist besserEinstellungen: Reasoning: maxBerufliche Arbeit mit bereitgestellten PDF-Unterlagen. Reasoning max. Meta nennt Surge als ursprüngliche Quelle.	27,6 Punkte Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.	Gewinner34,2 Punkte Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.	Meta Quellendetails Datenstand: 15.10.2026
Harvey LAB-AAOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: all criteria passed with hallucination checksBewertung: Mehr ist besserEinstellungen: Reasoning: maxJuristische Arbeitsergebnisse, alle Kriterien einschließlich Halluzinationsprüfung müssen erfüllt sein. Reasoning max. Meta nennt Artificial Analysis als ursprünglichen Evaluator.	6,4 % Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.	Gewinner8,6 % Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.	Meta Quellendetails Datenstand: 15.10.2026
Harvey's Legal Agent BenchmarkOverall · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert6,667 %	5,417 %	Vals AI Quellendetails Datenstand: 12.10.2026
HealthBench ProOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: Meta Wonder scorecard; version unspecifiedMessgröße: length-normalized weighted rubric scoreBewertung: Mehr ist besserEinstellungen: Reasoning: max525 Gesundheitsfragen ohne Werkzeuge, ärztliche Bewertungsraster mit GPT-5.4 als Bewerter. Reasoning max. Die Claude-Werte stammen laut Meta aus Anthropics Modellkarten.	62,1 Punkte Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.	Gewinner65,3 Punkte Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.	Meta Quellendetails Datenstand: 15.10.2026
IOIOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	90,778 %	Höherer Messwert100 %	Vals AI Quellendetails Datenstand: 14.10.2026
JobBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: Meta Wonder scorecard; version unspecifiedMessgröße: mean task rewardBewertung: Mehr ist besserEinstellungen: Reasoning: max65 berufliche Aufgaben aus 35 Berufen. Mittlerer aufgabenspezifischer Reward, Reasoning max.	Gewinner73,1 Punkte Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.	66,1 Punkte Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.	Meta Quellendetails Datenstand: 15.10.2026
Legal Research BenchOverall · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert55,288 %	39,423 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Code Arena WebDevOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5.1: Snapshot: claude-fable-5.1-max, Reasoning: max, Harness: Arena Code Arena WebDev GPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Fable 5.1: Arena-Bewertung aus 7.230 veröffentlichten Paarvergleichen.GPT-6 Astra: Arena-Bewertung aus 5.746 veröffentlichten Paarvergleichen.	1.742,652 95-%-Konfidenzintervall: ±9,147Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Gewinner1.780,244 95-%-Konfidenzintervall: ±10,541Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Text, Style ControlOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5.1: Snapshot: claude-fable-5.1-max, Reasoning: max, Harness: Arena Text, style control GPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Text, style controlClaude Fable 5.1: Arena-Bewertung aus 14.121 veröffentlichten Paarvergleichen.GPT-6 Astra: Arena-Bewertung aus 11.674 veröffentlichten Paarvergleichen.	Gewinner1.500,568 95-%-Konfidenzintervall: ±6,106Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.476,716 95-%-Konfidenzintervall: ±6,385Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Vision, Style ControlOverall Testdetails Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5.1: Snapshot: claude-fable-5.1-max, Reasoning: max, Harness: Arena Vision, style control GPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Vision, style controlClaude Fable 5.1: Arena-Bewertung aus 4.648 veröffentlichten Paarvergleichen.GPT-6 Astra: Arena-Bewertung aus 3.590 veröffentlichten Paarvergleichen.	Kein klarer Vorsprung1.286,407 95-%-Konfidenzintervall: ±9,66Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.285,988 95-%-Konfidenzintervall: ±10,782Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 09.10.2026
MedCodeOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert53,509 %	48,486 %	Vals AI Quellendetails Datenstand: 13.10.2026
MedScribeOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert91,294 %	87,908 %	Vals AI Quellendetails Datenstand: 13.10.2026
MemoryBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: Meta internal Wonder evaluationMessgröße: LLM-judge weighted rubric scoreBewertung: Mehr ist besserEinstellungen: Reasoning: maxInterner Meta-Test mit 64K-100K Token langen Gesprächen, Ablenkungen sowie widersprüchlichen oder aktualisierten Gesprächsteilen. Reasoning max.	79 Punkte Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.	Gewinner81,4 Punkte Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.	Meta Quellendetails Datenstand: 15.10.2026
MysteryMechanismOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	47,748 %	Höherer Messwert53,153 %	Vals AI Quellendetails Datenstand: 12.10.2026
OSWorld V2.1 (binary completion)Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: V2.1Messgröße: strict binary task completionBewertung: Mehr ist besserEinstellungen: Reasoning: max108 Desktop-Arbeitsabläufe auf Ubuntu. Vollständige Aufgabenerfüllung ohne Teilpunkte, Reasoning max. Kein veröffentlichter binärer Opus-5.5-Wert.	Gewinner43,1 % Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.	34,3 % Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.	Meta Quellendetails Datenstand: 15.10.2026
OSWorld V2.1 (partial reward)Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: V2.1Messgröße: mean per-task partial rewardBewertung: Mehr ist besserEinstellungen: Reasoning: max108 Desktop-Arbeitsabläufe auf Ubuntu. Teilpunkte, Reasoning max. Der Opus-5.5-Wert ist laut Meta eine Anthropic-Angabe.	Gewinner80,7 % Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.	75,8 % Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.	Meta Quellendetails Datenstand: 15.10.2026
Personal Superintelligence IndexOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: Meta Wonder launch scorecardMessgröße: Meta internal composite scoreBewertung: Mehr ist besserEinstellungen: Reasoning: maxMetas internes Aggregat aus sieben Tests für persönliche und berufliche Aufgaben. Reasoning max.	49,9 Punkte Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.	Gewinner54,5 Punkte Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.	Meta Quellendetails Datenstand: 15.10.2026
ProgramBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully resolved rateBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert7 %	5,5 %	Vals AI Quellendetails Datenstand: 12.10.2026
ProgramBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: Meta Wonder scorecard; version unspecifiedMessgröße: rollouts passing at least 95% of testsBewertung: Mehr ist besserEinstellungen: Reasoning: max, Harness: mini-swe-agentProgramme aus einer Spezifikation rekonstruieren. Einheitlicher mini-swe-agent, saubere Umgebung ohne Internet nach dem Start. Anteil der Läufe mit mindestens 95 % bestandenen Tests, Reasoning max.	Gewinner55,5 % Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.	52,5 % Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.	Meta Quellendetails Datenstand: 15.10.2026
ProofBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert100 %	99 %	Vals AI Quellendetails Datenstand: 12.10.2026
SAGEOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 30.000 tokens	Höherer Messwert48,526 %	46,367 %	Vals AI Quellendetails Datenstand: 08.10.2026
SRE BenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully solved rateBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	22,901 %	Höherer Messwert56,87 %	Vals AI Quellendetails Datenstand: 14.10.2026
SWE-bench MultimodalOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert61,25 %	43,333 %	Vals AI Quellendetails Datenstand: 13.10.2026
SWE-Marathon v1.1Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v1.1Messgröße: pass@1Bewertung: Mehr ist besserEinstellungen: Reasoning: maxVergleichswert aus Metas veröffentlichter Tabelle, Reasoning max. Der jeweilige Agent ist in der Tabellenzelle nicht dokumentiert.	Gewinner45,6 % Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.	42,5 % Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.	Meta Quellendetails Datenstand: 15.10.2026
Tax Agent BenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert49,194 %	20,717 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-Bench 2.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: high, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	85,019 %	Höherer Messwert87,266 %	Vals AI Quellendetails Datenstand: 28.09.2026
Terminal-Bench 4.0Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 4.0Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	58,081 %	Höherer Messwert59,596 %	Vals AI Quellendetails Datenstand: 13.10.2026
Terminal-Bench 4.0-AAOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 4.0-AAMessgröße: task accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: maxTerminal-Aufgaben in isolierten Umgebungen mit ausführbaren Prüfern. Reasoning max. Meta nennt Artificial Analysis als Ergebnisquelle; die jeweiligen Agenten bleiben Teil des Ergebnisses.	52 % Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.	Gewinner59,1 % Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.	Meta Quellendetails Datenstand: 15.10.2026
Terminal-Bench ScienceOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 0.1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Harness: Mini-SWE-agent, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Harness: Mini-SWE-agent, Ausgabegrenze: 128.000 tokens	40 %	Höherer Messwert62,857 %	Vals AI Quellendetails Datenstand: 14.10.2026
Time Horizon Index: KSPOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: progressBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	63,333 %	Höherer Messwert90,5 %	Vals AI Quellendetails Datenstand: 07.10.2026
Vals Finance Agent V2Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: V2Messgröße: private test accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: maxFinanzrecherche anhand von Unternehmensunterlagen und Marktdaten. Privates Testset, Reasoning max. Von Meta wiedergegebene Vals-Werte.	Gewinner58,9 % Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.	53,5 % Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.	Meta Quellendetails Datenstand: 15.10.2026
Vals IndexOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: weighted index scoreBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert65,827 %	63,125 %	Vals AI Quellendetails Datenstand: 13.10.2026
Vibe Code Bench 1-100Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.0Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 128.000 tokens	Höherer Messwert28 %	27,644 %	Vals AI Quellendetails Datenstand: 14.10.2026
Vibe Code Bench v1.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 128.000 tokens	Höherer Messwert90,263 %	89,594 %	Vals AI Quellendetails Datenstand: 12.10.2026
Code MigrationCLI Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	52,809 %	Höherer Messwert67,463 %	Vals AI Quellendetails Datenstand: 12.10.2026
CyberBench v1.1Patch Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert87,5 %	82,143 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBComps Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert82,233 %	77,953 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Adjustments Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert54,393 %	48,318 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Criteria passed Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: criteria pass rateBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert89,855 %	88,768 %	Vals AI Quellendetails Datenstand: 12.10.2026
IOIIOI 2024 Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Kein direkter Sieger100 %	Kein direkter Sieger100 %	Vals AI Quellendetails Datenstand: 14.10.2026
Legal Research BenchAdministrative / Regulatory · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert68,182 %	53,03 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Code Arena WebDevImage to webdev Testdetails Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5.1: Snapshot: claude-fable-5.1-max, Reasoning: max, Harness: Arena Code Arena WebDev GPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Fable 5.1: Arena-Bewertung aus 2.470 veröffentlichten Paarvergleichen.GPT-6 Astra: Arena-Bewertung aus 2.739 veröffentlichten Paarvergleichen.	1.719,751 95-%-Konfidenzintervall: ±13,642Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Kein klarer Vorsprung1.731,395 95-%-Konfidenzintervall: ±13,296Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 09.10.2026
LMArena Text, Style ControlBusiness, management and finance Testdetails Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5.1: Snapshot: claude-fable-5.1-max, Reasoning: max, Harness: Arena Text, style control GPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Text, style controlClaude Fable 5.1: Arena-Bewertung aus 2.589 veröffentlichten Paarvergleichen.GPT-6 Astra: Arena-Bewertung aus 2.061 veröffentlichten Paarvergleichen.	Kein klarer Vorsprung1.485,231 95-%-Konfidenzintervall: ±11,847Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.472,34 95-%-Konfidenzintervall: ±13,336Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Vision, Style ControlChinese Testdetails Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5.1: Snapshot: claude-fable-5.1-max, Reasoning: max, Harness: Arena Vision, style control GPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Vision, style controlClaude Fable 5.1: Arena-Bewertung aus 260 veröffentlichten Paarvergleichen.GPT-6 Astra: Arena-Bewertung aus 230 veröffentlichten Paarvergleichen.	1.340,8 95-%-Konfidenzintervall: ±36,169Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Kein klarer Vorsprung1.357,126 95-%-Konfidenzintervall: ±39,572Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 09.10.2026
ProgramBenchAlmost Resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: almost-resolved rateBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert53,5 %	50 %	Vals AI Quellendetails Datenstand: 12.10.2026
SAGEAutomata Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 30.000 tokens	34,524 %	Höherer Messwert37,302 %	Vals AI Quellendetails Datenstand: 08.10.2026
SRE BenchCapability Score Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: capability scoreBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	36,641 %	Höherer Messwert63,868 %	Vals AI Quellendetails Datenstand: 14.10.2026
SWE-bench Multimodalbpmn-js Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert79,245 %	62,264 %	Vals AI Quellendetails Datenstand: 13.10.2026
Tax Agent BenchControversy & Precedence Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert26,667 %	13,333 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-Bench 2.1Easy Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: high, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Kein direkter Sieger100 %	Kein direkter Sieger100 %	Vals AI Quellendetails Datenstand: 28.09.2026
Terminal-Bench 4.0Hardware Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 4.0Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Kein direkter Sieger60 %	Kein direkter Sieger60 %	Vals AI Quellendetails Datenstand: 13.10.2026
Terminal-Bench ScienceEarth Sciences Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 0.1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Harness: Mini-SWE-agent, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Harness: Mini-SWE-agent, Ausgabegrenze: 128.000 tokens	25 %	Höherer Messwert62,5 %	Vals AI Quellendetails Datenstand: 14.10.2026
Time Horizon Index: KSPProgress efficiency Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: progressBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	33,384 %	Höherer Messwert70,112 %	Vals AI Quellendetails Datenstand: 07.10.2026
Vals IndexCode Migration Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: benchmark scoreBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	60,033 %	Höherer Messwert68,462 %	Vals AI Quellendetails Datenstand: 13.10.2026
Code MigrationCOBOL Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	60 %	Höherer Messwert68,571 %	Vals AI Quellendetails Datenstand: 12.10.2026
CyberBench v1.1PoC Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert53,333 %	0 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBDataroom Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert86,736 %	79,319 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)All-Pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert47,773 %	40,252 %	Vals AI Quellendetails Datenstand: 12.10.2026
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Eigene Modelltests

Unsere Tests

SVG-Kurztest

Ein SVG-Prompt, feste Ausgabeparameter. Aufnahmen erscheinen nur bei gemeldeten 0 Reasoning-Tokens oder dokumentiert fehlender Reasoning-Steuerung. Gleiche Testbedingungen machen die interne Rechenleistung der Modelle nicht identisch.

Gemeinsame Testrunde: 4ae5d8eeb9a9

Claude Fable 5.1

In dieser Runde nicht verfügbar

GPT-6 Astra

In dieser Runde nicht verfügbar

Frühere Tests

Pelikan auf dem Fahrrad

Community-Klassiker für eine freie SVG-Zeichnung.

Claude Fable 5.1

Reasoning (angefragt): high

Aktueller Versuch

Datum des Testlaufs: 07.09.2026
API-Anbieter: openrouter
Angefragtes API-Modell: anthropic/claude-fable-5.1
API-Modell laut Antwort: anthropic/claude-fable-5.1
Reasoning-Einstellung: high
Festgelegter Endpunkt: Anthropic | anthropic/claude-fable-5.1-20260831
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Bestanden, keine Qualitätsbewertung
Antwortzeit: 27 s

Visuell geprüft. Aus diesem Einzeltest ergibt sich kein Gesamturteil über das Modell.

GPT-6 Astra

Reasoning (angefragt): high

Aktueller Versuch

Datum des Testlaufs: 07.09.2026
API-Anbieter: openrouter
Angefragtes API-Modell: openai/gpt-6-astra
API-Modell laut Antwort: openai/gpt-6-astra
Reasoning-Einstellung: high
Festgelegter Endpunkt: OpenAI | openai/gpt-6-astra-20260903
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Bestanden, keine Qualitätsbewertung
Antwortzeit: 141,7 s

Visuell geprüft. Aus diesem Einzeltest ergibt sich kein Gesamturteil über das Modell.

Prompt und Testbedingungen

Generate an SVG of a pelican riding a bicycle

Tokenlimit inklusive Reasoning: 8.192 Token

Ursprung der Aufgabe (Simon Willison)

So liest du den Vergleich

Ein Benchmark-Sieg ist kein Gesamturteil

Entscheidend sind deine Aufgaben, dein Budget und die benötigte Kontextlänge. Ein Coding-Benchmark sagt wenig über Bildverständnis oder Agentenarbeit aus.

Die Standardpreistabelle nutzt direkte Entwicklertarife. Der Anbieter-Vergleich kennzeichnet OpenRouter-Endpoints, Regionen und Sondertarife separat.

Jeder Messwert verlinkt seine Messstelle und zeigt den Abrufstand. Je nach Kennzeichnung handelt es sich um eine Anbieterangabe, ein offizielles Benchmark-Leaderboard oder eine unabhängige Evaluation. Strittige oder archivierte Ergebnisse werden nicht verwendet.

Weitere Duelle

Vergleiche Claude Fable 5.1 und GPT-6 Astra mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich

Claude Fable 5.1 vs. GPT-6 Astra

Modellauswahl ändern

Allgemeine Daten

API-Preise im Vergleich

Gemeinsame Benchmarks

Fähigkeitsprofil aus vergleichbaren Benchmarks

Unsere Tests

SVG-Kurztest

Claude Fable 5.1

GPT-6 Astra

Pelikan auf dem Fahrrad

Ein Benchmark-Sieg ist kein Gesamturteil

Ähnliche LLM-Vergleiche