Direktvergleich

Claude Opus 4.5 vs. GPT-5.4 mini

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

gemeinsame Messreihen: 46
verschiedene Benchmark-Messgrößen: 13
jüngster Abruf: 19.10.2026

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 Opus 4.5 und GPT-5.4 mini
Merkmal	Claude Opus 4.5	GPT-5.4 mini
Anbieter	Anthropic	OpenAI
Erschienen	Nov. 2025	17. März 2026
Verfügbarkeit	Aktiv	Aktiv
Modelltyp	Proprietär	Proprietär
Parameter	Nicht veröffentlicht	Nicht veröffentlicht
Architektur	Nicht veröffentlicht	Nicht veröffentlicht
Kontextfenster	200.000 Token	400.000 Token
Wissensstand	Mai 2025	31. August 2025
Technische Quellen	Modell, Kontext	Modell

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 Opus 4.5 und GPT-5.4 mini
Preisart	Claude Opus 4.5	GPT-5.4 mini
API-Eingabe	5 $	0,75 $
API-Ausgabe	25 $	4,5 $
Cache lesen	0,5 $	0,075 $
Cache schreiben (5 Min.)	6,25 $	Nicht ausgewiesen
Cache schreiben (1 Std.)	10 $	Nicht ausgewiesen
Preis geprüft	22.09.2026 Quelle	22.09.2026 Quelle

Claude Opus 4.5GPT-5.4 mini

API-EingabeUSD pro 1 Mio. Token, Basistarif

Claude Opus 4.55 $

GPT-5.4 mini0,75 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

Claude Opus 4.525 $

GPT-5.4 mini4,5 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

Claude Opus 4.50,5 $

GPT-5.4 mini0,075 $

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 Opus 4.5 und GPT-5.4 mini
Modell	Anbieter	Bezugsweg und Tarif	Eingabe pro 1 Mio. Token	Ausgabe pro 1 Mio. Token	Quelle
Claude Opus 4.5	Anthropic	Direkt beim EntwicklerStandard-API	Günstigster erfasster Preis: 5 $	Günstigster erfasster Preis: 25 $	Quelle22.09.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock	Günstigster erfasster Preis: 5 $	Günstigster erfasster Preis: 25 $	Quelle26.10.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock/eu-west-1	5,5 $	27,5 $	Quelle26.10.2026
	Anthropic	Über OpenRouteranthropic	Günstigster erfasster Preis: 5 $	Günstigster erfasster Preis: 25 $	Quelle26.10.2026
	Azure	Über OpenRouterazure/global	Günstigster erfasster Preis: 5 $	Günstigster erfasster Preis: 25 $	Quelle26.10.2026
	Claude Platform on AWS	Über OpenRouterclaude-on-aws	Günstigster erfasster Preis: 5 $	Günstigster erfasster Preis: 25 $	Quelle26.10.2026
	Google	Über OpenRoutergoogle-vertex/global	Günstigster erfasster Preis: 5 $	Günstigster erfasster Preis: 25 $	Quelle26.10.2026
GPT-5.4 mini	OpenAI	Direkt beim EntwicklerStandard-API	0,75 $	4,5 $	Quelle22.09.2026
	Azure	Über OpenRouterazure	0,75 $	4,5 $	Quelle26.10.2026
	Azure	Über OpenRouterazure/us	0,825 $	4,95 $	Quelle26.10.2026
	OpenAI	Über OpenRouteropenai	0,75 $	4,5 $	Quelle26.10.2026
	OpenAI	Über OpenRouteropenai/fast	1,5 $	9 $	Quelle26.10.2026
	OpenAI	Über OpenRouteropenai/flex	Günstigster erfasster Preis: 0,375 $	Günstigster erfasster Preis: 2,25 $	Quelle26.10.2026

Benchmark-Index

Benchmark-Index im Vergleich

Der Index fasst unabhängige Benchmarks auf einer Skala von 0 bis 100 zusammen. Ein Vorsprung zählt erst, wenn ein Modell in mindestens 95 % von 200 Neuberechnungen mit zufällig neu gezogenen Testfamilien vorn liegt. Sonst gelten beide als gleichauf.

Zur KI-Bestenliste

Claude Opus 4.5

Gesamtindex

12,1

GPT-5.4 mini

Gesamtindex

3,9

Claude Opus 4.5 liegt in 4 von 8 gemeinsamen Bereichen vorn. In 4 Bereichen liegen beide gleichauf.

Bereich	Claude Opus 4.5	GPT-5.4 mini
Programmierengleichauf	8,1	5,9
Schlussfolgerngleichauf	7,0	8,3
Wissen	10,8	2,1
Agentengleichauf	12,3	4,5
Finanzen	19,8	3,6
Recht	15,3	1,2
Multimodal	10,4	3,4
Bildunggleichauf	17,1	11,4

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.

Nicht genug direkt vergleichbare Kategorien für ein belastbares Radar

Nur 3 von mindestens 5 Kategorien enthalten direkt vergleichbare Modellmessungen. Die Benchmarktabellen darunter zeigen die vorhandenen Belege, ohne fehlende Achsen aufzufüllen.

Claude Opus 4.5GPT-5.4 mini

AA-Omniscience AccuracyOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Opus 4.540,9 %

GPT-5.4 mini25,7 %

AA-Omniscience Hallucination RateOverall. Weniger ist besser. Kein dokumentierter Setup-Unterschied

Claude Opus 4.576,2 %

GPT-5.4 mini95,6 %

CorpFin v2Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.561,305 %

GPT-5.4 mini60,917 %

GPQA DiamondOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.579,546 %

GPT-5.4 mini83,08 %

IFBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Opus 4.543,0 %

GPT-5.4 mini38,8 %

LiveCodeBench v6Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.575,034 %

GPT-5.4 mini81,465 %

MMLU-ProOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.585,59 %

GPT-5.4 mini84,554 %

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

Claude Opus 4.571,2 %

GPT-5.4 mini60,5 %

MMMU-ProOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.581,098 %

GPT-5.4 mini79,249 %

MortgageTaxOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.568,68 %

GPT-5.4 mini63,514 %

SAGEOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.545,002 %

GPT-5.4 mini50,813 %

TaxEval v2Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.574,325 %

GPT-5.4 mini71,218 %

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von Claude Opus 4.5 und GPT-5.4 mini
Benchmark und Aufgabe	Claude Opus 4.5	GPT-5.4 mini	Quelle
AA-Omniscience AccuracyOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: AA Omniscience diagnosticMessgröße: AA-Omniscience AccuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: Claude Opus 4.5 (Non-reasoning), Reasoning: Non-reasoning, Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboard GPT-5.4 mini: Snapshot: GPT-5.4 mini (Non-reasoning), Reasoning: Non-reasoning, Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboardClaude Opus 4.5: Exakte AA-Konfiguration: Claude Opus 4.5 (Non-reasoning) (Release claude-opus-4-5, Zeile claude-opus-4-5, UUID 4077490a-bbfb-404e-979a-a97a20e3b5de, reasoning=false, source reasoning-token configuration budget=0, suffix=Non-reasoning). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Anteil der insgesamt korrekt beantworteten Fragen, unabhängig davon, ob das Modell andere Fragen beantwortet oder sich enthält.GPT-5.4 mini: Exakte AA-Konfiguration: GPT-5.4 mini (Non-reasoning) (Release gpt-5-4-mini, Zeile gpt-5-4-mini-non-reasoning, UUID ae447455-940d-4d30-9139-a664fa896eaf, reasoning=false, source reasoning-token configuration budget=0, suffix=Non-reasoning). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Anteil der insgesamt korrekt beantworteten Fragen, unabhängig davon, ob das Modell andere Fragen beantwortet oder sich enthält.	Gewinner40,9 % Dies ist die separat veröffentlichte Genauigkeitsdiagnostik, nicht der AA-Omniscience-Index. AA bezeichnet höhere Werte als besser.	25,7 % Dies ist die separat veröffentlichte Genauigkeitsdiagnostik, nicht der AA-Omniscience-Index. AA bezeichnet höhere Werte als besser.	Artificial Analysis Quellendetails Datenstand: 19.10.2026
AA-Omniscience Hallucination RateOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: AA Omniscience diagnosticMessgröße: AA-Omniscience Hallucination RateBewertung: Weniger ist besserClaude Opus 4.5: Snapshot: Claude Opus 4.5 (Non-reasoning), Reasoning: Non-reasoning, Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboard GPT-5.4 mini: Snapshot: GPT-5.4 mini (Non-reasoning), Reasoning: Non-reasoning, Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboardClaude Opus 4.5: Exakte AA-Konfiguration: Claude Opus 4.5 (Non-reasoning) (Release claude-opus-4-5, Zeile claude-opus-4-5, UUID 4077490a-bbfb-404e-979a-a97a20e3b5de, reasoning=false, source reasoning-token configuration budget=0, suffix=Non-reasoning). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Anteil falscher Antworten an allen nicht korrekten Antworten: falsch / (falsch + teilweise richtig + nicht beantwortet).GPT-5.4 mini: Exakte AA-Konfiguration: GPT-5.4 mini (Non-reasoning) (Release gpt-5-4-mini, Zeile gpt-5-4-mini-non-reasoning, UUID ae447455-940d-4d30-9139-a664fa896eaf, reasoning=false, source reasoning-token configuration budget=0, suffix=Non-reasoning). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Anteil falscher Antworten an allen nicht korrekten Antworten: falsch / (falsch + teilweise richtig + nicht beantwortet).	Gewinner76,2 % Dies ist die separat veröffentlichte Halluzinationsraten-Diagnostik, nicht der AA-Omniscience-Index. AA bezeichnet niedrigere Werte als besser.	95,6 % Dies ist die separat veröffentlichte Halluzinationsraten-Diagnostik, nicht der AA-Omniscience-Index. AA bezeichnet niedrigere Werte als besser.	Artificial Analysis Quellendetails Datenstand: 19.10.2026
CorpFin v2Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert61,305 %	60,917 %	Vals AI Quellendetails Datenstand: 12.08.2026
GPQA DiamondOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	79,546 %	Höherer Messwert83,08 %	Vals AI Quellendetails Datenstand: 01.09.2026
IFBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: AA test set: 294 questionsMessgröße: IFBench prompt-level loose accuracy (pass@1)Bewertung: Mehr ist besserClaude Opus 4.5: Snapshot: Claude Opus 4.5 (Non-reasoning), Reasoning: Non-reasoning, Versuche: pass@1, 5 repeats per question GPT-5.4 mini: Snapshot: GPT-5.4 mini (Non-reasoning), Reasoning: Non-reasoning, Versuche: pass@1, 5 repeats per questionClaude Opus 4.5: Exakte AA-Konfiguration: Claude Opus 4.5 (Non-reasoning) (Release claude-opus-4-5, Zeile claude-opus-4-5, UUID 4077490a-bbfb-404e-979a-a97a20e3b5de, reasoning=false, source reasoning-token configuration budget=0, suffix=Non-reasoning). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Artificial Analysis führt 294 Fragen aus dem IFBench-Testdatensatz mit fünf Wiederholungen je Frage aus. Der offizielle Evaluator bewertet die Genauigkeit je Prompt im Modus loose als pass@1.GPT-5.4 mini: Exakte AA-Konfiguration: GPT-5.4 mini (Non-reasoning) (Release gpt-5-4-mini, Zeile gpt-5-4-mini-non-reasoning, UUID ae447455-940d-4d30-9139-a664fa896eaf, reasoning=false, source reasoning-token configuration budget=0, suffix=Non-reasoning). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Artificial Analysis führt 294 Fragen aus dem IFBench-Testdatensatz mit fünf Wiederholungen je Frage aus. Der offizielle Evaluator bewertet die Genauigkeit je Prompt im Modus loose als pass@1.	Gewinner43,0 % Die Angabe von 58 bezieht sich auf die verifizierbaren Out-of-Domain-Bedingungstypen, nicht auf die Zahl der Fragen im AA-Testlauf.	38,8 % Die Angabe von 58 bezieht sich auf die verifizierbaren Out-of-Domain-Bedingungstypen, nicht auf die Zahl der Fragen im AA-Testlauf.	Artificial Analysis Quellendetails Datenstand: 19.10.2026
LiveCodeBench v6Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	75,034 %	Höherer Messwert81,465 %	Vals AI Quellendetails Datenstand: 01.09.2026
MMLU-ProOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert85,59 %	84,554 %	Vals AI Quellendetails Datenstand: 01.09.2026
MMMU-ProOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: AA cohort: 1,730 questionsMessgröße: pass@1 accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: Claude Opus 4.5 (Non-reasoning), Reasoning: Non-reasoning, Versuche: pass@1, one run per question GPT-5.4 mini: Snapshot: GPT-5.4 mini (Non-reasoning), Reasoning: Non-reasoning, Versuche: pass@1, one run per questionClaude Opus 4.5: Exakte AA-Konfiguration: Claude Opus 4.5 (Non-reasoning) (Release claude-opus-4-5, Zeile claude-opus-4-5, UUID 4077490a-bbfb-404e-979a-a97a20e3b5de, reasoning=false, source reasoning-token configuration budget=0, suffix=Non-reasoning). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Der AA-Lauf umfasst 1.730 Fragen mit zehn Antwortoptionen. Die Antwort wird per regulärem Ausdruck extrahiert und als pass@1 bewertet.GPT-5.4 mini: Exakte AA-Konfiguration: GPT-5.4 mini (Non-reasoning) (Release gpt-5-4-mini, Zeile gpt-5-4-mini-non-reasoning, UUID ae447455-940d-4d30-9139-a664fa896eaf, reasoning=false, source reasoning-token configuration budget=0, suffix=Non-reasoning). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Der AA-Lauf umfasst 1.730 Fragen mit zehn Antwortoptionen. Die Antwort wird per regulärem Ausdruck extrahiert und als pass@1 bewertet.	Gewinner71,2 % Die Benchmarkseite nennt 3.460 Fragen für den vollständigen MMMU-Pro-Datensatz; die AA-Methodik beschreibt einen 1.730-Fragen-Lauf.	60,5 % Die Benchmarkseite nennt 3.460 Fragen für den vollständigen MMMU-Pro-Datensatz; die AA-Methodik beschreibt einen 1.730-Fragen-Lauf.	Artificial Analysis Quellendetails Datenstand: 19.10.2026
MMMU-ProOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert81,098 %	79,249 %	Vals AI Quellendetails Datenstand: 01.09.2026
MortgageTaxOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert68,68 %	63,514 %	Vals AI Quellendetails Datenstand: 01.09.2026
SAGEOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 30.000 tokens	45,002 %	Höherer Messwert50,813 %	Vals AI Quellendetails Datenstand: 08.10.2026
TaxEval v2Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert74,325 %	71,218 %	Vals AI Quellendetails Datenstand: 01.09.2026
Terminal-Bench 2.0Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.0Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: high, Ausgabegrenze: 128.000 tokens	Höherer Messwert58,427 %	44,944 %	Vals AI Quellendetails Datenstand: 04.06.2026
CorpFin v2Exact Pages Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	60,839 %	Höherer Messwert61,538 %	Vals AI Quellendetails Datenstand: 12.08.2026
GPQA DiamondFew-Shot CoT Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	79,293 %	Höherer Messwert84,848 %	Vals AI Quellendetails Datenstand: 01.09.2026
LiveCodeBench v6Easy Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert99,068 %	97,826 %	Vals AI Quellendetails Datenstand: 01.09.2026
MMLU-ProBiology Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert94,003 %	91,353 %	Vals AI Quellendetails Datenstand: 01.09.2026
MortgageTaxNumerical Extraction Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	77,424 %	Höherer Messwert79,412 %	Vals AI Quellendetails Datenstand: 01.09.2026
SAGEAutomata Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 30.000 tokens	29,365 %	Höherer Messwert41,27 %	Vals AI Quellendetails Datenstand: 08.10.2026
TaxEval v2Correctness Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert63,123 %	63,042 %	Vals AI Quellendetails Datenstand: 01.09.2026
Terminal-Bench 2.0Easy Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.0Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: high, Ausgabegrenze: 128.000 tokens	Höherer Messwert100 %	75 %	Vals AI Quellendetails Datenstand: 04.06.2026
CorpFin v2Max Fitting Context Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	60,723 %	Höherer Messwert60,956 %	Vals AI Quellendetails Datenstand: 12.08.2026
GPQA DiamondZero-Shot CoT Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	79,798 %	Höherer Messwert81,313 %	Vals AI Quellendetails Datenstand: 01.09.2026
LiveCodeBench v6Hard Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	44,571 %	Höherer Messwert61,714 %	Vals AI Quellendetails Datenstand: 01.09.2026
MMLU-ProBusiness Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	80,862 %	Höherer Messwert89,734 %	Vals AI Quellendetails Datenstand: 01.09.2026
MortgageTaxSemantic Extraction Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert59,936 %	47,615 %	Vals AI Quellendetails Datenstand: 01.09.2026
SAGECalculus Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Temperatur: 1, Ausgabegrenze: 30.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 30.000 tokens	58,333 %	Höherer Messwert59,259 %	Vals AI Quellendetails Datenstand: 08.10.2026
TaxEval v2Stepwise Reasoning Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert85,527 %	79,395 %	Vals AI Quellendetails Datenstand: 01.09.2026
Terminal-Bench 2.0Hard Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.0Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: high, Ausgabegrenze: 128.000 tokens	Höherer Messwert33,333 %	24,444 %	Vals AI Quellendetails Datenstand: 04.06.2026
CorpFin v2Shared Max Context Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert62,354 %	60,256 %	Vals AI Quellendetails Datenstand: 12.08.2026
LiveCodeBench v6Medium Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	81,462 %	Höherer Messwert84,856 %	Vals AI Quellendetails Datenstand: 01.09.2026
MMLU-ProChemistry Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert89,488 %	89,134 %	Vals AI Quellendetails Datenstand: 01.09.2026
SAGELinear Algebra Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 30.000 tokens	64,372 %	Höherer Messwert71,486 %	Vals AI Quellendetails Datenstand: 08.10.2026
Terminal-Bench 2.0Medium Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.0Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: high, Ausgabegrenze: 128.000 tokens	Höherer Messwert69,091 %	53,939 %	Vals AI Quellendetails Datenstand: 04.06.2026
MMLU-ProComputer Science Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	84,146 %	Höherer Messwert87,073 %	Vals AI Quellendetails Datenstand: 01.09.2026
SAGEPartial Differential Equations Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 30.000 tokens	Höherer Messwert41,27 %	39,683 %	Vals AI Quellendetails Datenstand: 08.10.2026
MMLU-ProEconomics Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert89,573 %	88,744 %	Vals AI Quellendetails Datenstand: 01.09.2026
MMLU-ProEngineering Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	76,161 %	Höherer Messwert82,043 %	Vals AI Quellendetails Datenstand: 01.09.2026
MMLU-ProHealth Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert83,985 %	80,073 %	Vals AI Quellendetails Datenstand: 01.09.2026
MMLU-ProHistory Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert78,478 %	75,328 %	Vals AI Quellendetails Datenstand: 01.09.2026
MMLU-ProLaw Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert78,292 %	70,118 %	Vals AI Quellendetails Datenstand: 01.09.2026
MMLU-ProMath Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	92,302 %	Höherer Messwert94,449 %	Vals AI Quellendetails Datenstand: 01.09.2026
MMLU-ProOthers Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert84,632 %	80,411 %	Vals AI Quellendetails Datenstand: 01.09.2026
MMLU-ProPhilosophy Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert87,776 %	80,561 %	Vals AI Quellendetails Datenstand: 01.09.2026
MMLU-ProPhysics Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	89,838 %	Höherer Messwert90,531 %	Vals AI Quellendetails Datenstand: 01.09.2026
MMLU-ProPsychology Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert88,722 %	84,211 %	Vals AI Quellendetails Datenstand: 01.09.2026
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: 43b8c5c46830

Claude Opus 4.5

In dieser Runde nicht verfügbar

GPT-5.4 mini

In dieser Runde nicht verfügbar

Frühere Tests

Pelikan auf dem Fahrrad

Community-Klassiker für eine freie SVG-Zeichnung.

Claude Opus 4.5

Reasoning (angefragt): high

Aktueller Versuch

Datum des Testlaufs: 01.10.2026
API-Anbieter: openrouter
Angefragtes API-Modell: anthropic/claude-opus-4.5
API-Modell laut Antwort: anthropic/claude-opus-4.5
Reasoning-Einstellung: high
Festgelegter Endpunkt: Anthropic | anthropic/claude-4.5-opus-20251124
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Bestanden, keine Qualitätsbewertung
Antwortzeit: 21,6 s

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

GPT-5.4 mini

Reasoning (angefragt): high

Aktueller Versuch

Datum des Testlaufs: 02.10.2026
API-Anbieter: openrouter
Angefragtes API-Modell: openai/gpt-5.4-mini
API-Modell laut Antwort: openai/gpt-5.4-mini
Reasoning-Einstellung: high
Festgelegter Endpunkt: OpenAI | openai/gpt-5.4-mini-20260317
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Bestanden, keine Qualitätsbewertung
Antwortzeit: 13,5 s

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

Frühere Versuche (2)

01.10.2026API-Anfrage fehlgeschlagenReasoning-Einstellung: high
07.09.2026API-Anfrage fehlgeschlagenReasoning-Einstellung: high

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 Opus 4.5 und GPT-5.4 mini mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich

Claude Opus 4.5 vs. GPT-5.4 mini

Modellauswahl ändern

Allgemeine Daten

API-Preise im Vergleich

Benchmark-Index im Vergleich

Gemeinsame Benchmarks

Fähigkeitsprofil aus vergleichbaren Benchmarks

Unsere Tests

SVG-Kurztest

Claude Opus 4.5

GPT-5.4 mini

Pelikan auf dem Fahrrad

Ein Benchmark-Sieg ist kein Gesamturteil

Ähnliche LLM-Vergleiche