Direktvergleich

Claude Opus 4.6 vs. GLM-5.3

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

gemeinsame Messreihen: 69
verschiedene Benchmarks: 5
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 Opus 4.6 und GLM-5.3
Merkmal	Claude Opus 4.6	GLM-5.3
Anbieter	Anthropic	Z.ai
Erschienen	Feb. 2026	18. Aug. 2026
Verfügbarkeit	Aktiv	Aktiv
Modelltyp	Proprietär	Open Weights
Parameter	Nicht veröffentlicht	744 Mrd., 40 Mrd. aktiv
Architektur	Nicht veröffentlicht	Mixture of Experts
Kontextfenster	1.000.000 Token	1.000.000 Token
Wissensstand	Mai 2025	Nicht veröffentlicht
Technische Quellen	Modell, Kontext	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 Opus 4.6 und GLM-5.3
Preisart	Claude Opus 4.6	GLM-5.3
API-Eingabe	5 $	1,4 $
API-Ausgabe	25 $	4,4 $
Cache lesen	0,5 $	0,26 $
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 4.6GLM-5.3

API-EingabeUSD pro 1 Mio. Token, Basistarif

Claude Opus 4.65 $

GLM-5.31,4 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

Claude Opus 4.625 $

GLM-5.34,4 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

Claude Opus 4.60,5 $

GLM-5.30,26 $

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 4.6 und GLM-5.3
Modell	Anbieter	Bezugsweg und Tarif	Eingabe pro 1 Mio. Token	Ausgabe pro 1 Mio. Token	Quelle
Claude Opus 4.6	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 $	Quelle17.10.2026
	Anthropic	Über OpenRouteranthropic	Günstigster erfasster Preis: 5 $	Günstigster erfasster Preis: 25 $	Quelle17.10.2026
	Azure	Über OpenRouterazure/global	Günstigster erfasster Preis: 5 $	Günstigster erfasster Preis: 25 $	Quelle17.10.2026
	Claude Platform on AWS	Über OpenRouterclaude-on-aws	Günstigster erfasster Preis: 5 $	Günstigster erfasster Preis: 25 $	Quelle17.10.2026
	Google	Über OpenRoutergoogle-vertex/europe	5,5 $	27,5 $	Quelle17.10.2026
	Google	Über OpenRoutergoogle-vertex/global	Günstigster erfasster Preis: 5 $	Günstigster erfasster Preis: 25 $	Quelle17.10.2026
GLM-5.3	Z.ai	Direkt beim EntwicklerStandard-API	1,4 $	4,4 $	Quelle22.09.2026
	AkashML	Über OpenRouterakashml/fp8	0,19 $	4,4 $	Quelle17.10.2026
	Alibaba	Über OpenRouteralibaba	1,19 $	3,74 $	Quelle17.10.2026
	Alibaba	Über OpenRouteralibaba/prime	2,8 $	8,8 $	Quelle17.10.2026
	AtlasCloud	Über OpenRouteratlas-cloud/fp8	1,4 $	4,4 $	Quelle17.10.2026
	Baidu	Über OpenRouterbaidu/fp8	0,5992 $	1,8832 $	Quelle17.10.2026
	BaseTen	Über OpenRouterbaseten/fast	2,1 $	6,6 $	Quelle17.10.2026
	BaseTen	Über OpenRouterbaseten/fp4	1,4 $	4,4 $	Quelle17.10.2026
	BaseTen	Über OpenRouterbaseten/fp4/us	1,4 $	4,4 $	Quelle17.10.2026
	BaseTen	Über OpenRouterbaseten/us/fast	2,1 $	6,6 $	Quelle17.10.2026
	Cloudflare	Über OpenRoutercloudflare	1,4 $	4,4 $	Quelle17.10.2026
	Crusoe	Über OpenRoutercrusoe/fp4	1,4 $	4,4 $	Quelle17.10.2026
	Decart	Über OpenRouterdecart/fp4	0,84 $	2,66 $	Quelle17.10.2026
	DeepInfra	Über OpenRouterdeepinfra/fp4	0,5625 $	2,5 $	Quelle17.10.2026
	DekaLLM	Über OpenRouterdekallm	0,18 $	2,95 $	Quelle17.10.2026
	DigitalOcean	Über OpenRouterdigitalocean	0,91 $	2,86 $	Quelle17.10.2026
	Fireworks	Über OpenRouterfireworks	1,4 $	4,4 $	Quelle17.10.2026
	Fireworks	Über OpenRouterfireworks/fast	2,1 $	6,6 $	Quelle17.10.2026
	Friendli	Über OpenRouterfriendli	1,26 $	3,96 $	Quelle17.10.2026
	GMICloud	Über OpenRoutergmicloud/fp8	0,98 $	3,08 $	Quelle17.10.2026
	Inceptron	Über OpenRouterinceptron/fp4	0,55 $	Günstigster erfasster Preis: 1,505 $	Quelle17.10.2026
	InferenceNet	Über OpenRouterinference-net/fp4	0,08 $	4,381 $	Quelle17.10.2026
	Io Net	Über OpenRouterio-net/fp8	0,49 $	2,9 $	Quelle17.10.2026
	Makora	Über OpenRoutermakora/fp4	0,14 $	4,4 $	Quelle17.10.2026
	Mistral	Über OpenRoutermistral/nvfp4	1,4 $	4,4 $	Quelle17.10.2026
	Mistral	Über OpenRoutermistral/nvfp4/eu	1,54 $	4,84 $	Quelle17.10.2026
	Mistral	Über OpenRoutermistral/zdr	1,4 $	4,4 $	Quelle17.10.2026
	Modal	Über OpenRoutermodal	1,4 $	4,4 $	Quelle17.10.2026
	ModelRun	Über OpenRoutermodelrun/fp4	2,1 $	6,6 $	Quelle17.10.2026
	Morph	Über OpenRoutermorph/fp8	0,153 $	6 $	Quelle17.10.2026
	Nebius	Über OpenRouternebius/fp4	1,4 $	4,4 $	Quelle17.10.2026
	Novita	Über OpenRouternovita/fp8	0,7 $	2,2 $	Quelle17.10.2026
	Parasail	Über OpenRouterparasail/fp8	1,4 $	4,4 $	Quelle17.10.2026
	Phala	Über OpenRouterphala	0,84 $	2,64 $	Quelle17.10.2026
	PrimeIntellect	Über OpenRouterprimeintellect	1,4 $	4,4 $	Quelle17.10.2026
	Relace	Über OpenRouterrelace	0,75 $	2,4 $	Quelle17.10.2026
	Sail Research	Über OpenRoutersail-research/fp8	0,5 $	Günstigster erfasster Preis: 1,505 $	Quelle17.10.2026
	Sail Research	Über OpenRoutersail-research/us	0,5 $	Günstigster erfasster Preis: 1,505 $	Quelle17.10.2026
	SiliconFlow	Über OpenRoutersiliconflow/fp8	0,7 $	2,2 $	Quelle17.10.2026
	Together	Über OpenRoutertogether	1,4 $	4,4 $	Quelle17.10.2026
	Venice	Über OpenRoutervenice	1,4 $	4,4 $	Quelle17.10.2026
	Wafer	Über OpenRouterwafer/fp4	0,17 $	4,8 $	Quelle17.10.2026
	Wafer	Über OpenRouterwafer/us	Günstigster erfasster Preis: 0,079 $	4,8 $	Quelle17.10.2026
	Z.AI	Über OpenRouterz-ai/fp8	1,4 $	4,4 $	Quelle17.10.2026

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.

Nicht genug direkt vergleichbare Kategorien für ein belastbares Radar

Nur 0 von mindestens 5 Kategorien enthalten direkt vergleichbare Modellmessungen. Die Benchmarktabellen darunter zeigen die vorhandenen Belege, ohne fehlende Achsen aufzufüllen.

Claude Opus 4.6GLM-5.3

LMArena Code Arena WebDevOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.61.537,258

GLM-5.31.621,203

LMArena Text, Style ControlOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.61.497,663

GLM-5.31.478,528

MedCodeOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.648,244 %

GLM-5.342,864 %

MedScribeOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.686,738 %

GLM-5.388,81 %

Vibe Code Bench v1.1Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.657,573 %

GLM-5.378,125 %

LMArena Code Arena WebDevOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.61.546,362

GLM-5.31.621,203

LMArena Text, Style ControlOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.61.503,106

GLM-5.31.478,528

LMArena Code Arena WebDevWebdev. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.61.537,258

GLM-5.31.621,203

LMArena Text, Style ControlBusiness, management and finance. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.61.499,695

GLM-5.31.473,853

LMArena Code Arena WebDevWebdev. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.61.546,362

GLM-5.31.621,203

LMArena Text, Style ControlBusiness, management and finance. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.61.500,43

GLM-5.31.473,853

LMArena Code Arena WebDevWebdev-html. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.61.546,218

GLM-5.31.595,46

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 Opus 4.6

GLM-5.3

In dieser Runde nicht verfügbar

Frühere Tests

Pelikan auf dem Fahrrad

Community-Klassiker für eine freie SVG-Zeichnung.

Claude Opus 4.6

Reasoning (angefragt): high

Aktueller Versuch

Datum des Testlaufs: 01.10.2026
API-Anbieter: openrouter
Angefragtes API-Modell: anthropic/claude-opus-4.6
API-Modell laut Antwort: anthropic/claude-opus-4.6
Reasoning-Einstellung: high
Festgelegter Endpunkt: Anthropic | anthropic/claude-4.6-opus-20260205
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Bestanden, keine Qualitätsbewertung
Antwortzeit: 85,1 s

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

GLM-5.3

Reasoning (angefragt): high

Aktueller Versuch

Datum des Testlaufs: 02.10.2026
API-Anbieter: openrouter
Angefragtes API-Modell: z-ai/glm-5.3
API-Modell laut Antwort: z-ai/glm-5.3
Reasoning-Einstellung: high
Festgelegter Endpunkt: Z.AI | z-ai/glm-5.3-20260816
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Bestanden, keine Qualitätsbewertung
Antwortzeit: 20,4 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 4.6 und GLM-5.3 mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich

Benchmarkwerte von Claude Opus 4.6 und GLM-5.3
Benchmark und Aufgabe	Claude Opus 4.6	GLM-5.3	Quelle
LMArena Code Arena WebDevOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6, Harness: Arena Code Arena WebDev GLM-5.3: Snapshot: glm-5.3-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Opus 4.6: Arena-Bewertung aus 20.698 veröffentlichten Paarvergleichen.GLM-5.3: Arena-Bewertung aus 9.125 veröffentlichten Paarvergleichen.	1.537,258 95-%-Konfidenzintervall: ±5,345Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.621,203 95-%-Konfidenzintervall: ±7,766Der 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 Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6, Harness: Arena Text, style control GLM-5.3: Snapshot: glm-5.3-max, Reasoning: max, Harness: Arena Text, style controlClaude Opus 4.6: Arena-Bewertung aus 85.445 veröffentlichten Paarvergleichen.GLM-5.3: Arena-Bewertung aus 21.797 veröffentlichten Paarvergleichen.	Höherer Messwert1.497,663 95-%-Konfidenzintervall: ±3,27Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.478,528 95-%-Konfidenzintervall: ±5,264Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
MedCodeOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 tokens GLM-5.3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 30.000 tokens	Höherer Messwert48,244 %	42,864 %	Vals AI Quellendetails Datenstand: 13.10.2026
MedScribeOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 tokens GLM-5.3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 30.000 tokens	86,738 %	Höherer Messwert88,81 %	Vals AI Quellendetails Datenstand: 13.10.2026
Vibe Code Bench v1.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.6: Compute: max, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 128.000 tokens GLM-5.3: Reasoning: max, Harness: OpenHands, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	57,573 %	Höherer Messwert78,125 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Code Arena WebDevOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6-high, Reasoning: high, Harness: Arena Code Arena WebDev GLM-5.3: Snapshot: glm-5.3-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Opus 4.6: Arena-Bewertung aus 19.443 veröffentlichten Paarvergleichen.GLM-5.3: Arena-Bewertung aus 9.125 veröffentlichten Paarvergleichen.	1.546,362 95-%-Konfidenzintervall: ±5,46Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.621,203 95-%-Konfidenzintervall: ±7,766Der 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 Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6-high, Reasoning: high, Harness: Arena Text, style control GLM-5.3: Snapshot: glm-5.3-max, Reasoning: max, Harness: Arena Text, style controlClaude Opus 4.6: Arena-Bewertung aus 80.827 veröffentlichten Paarvergleichen.GLM-5.3: Arena-Bewertung aus 21.797 veröffentlichten Paarvergleichen.	Höherer Messwert1.503,106 95-%-Konfidenzintervall: ±3,353Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.478,528 95-%-Konfidenzintervall: ±5,264Der 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 Code Arena WebDevWebdev Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6, Harness: Arena Code Arena WebDev GLM-5.3: Snapshot: glm-5.3-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Opus 4.6: Arena-Bewertung aus 20.698 veröffentlichten Paarvergleichen.GLM-5.3: Arena-Bewertung aus 9.125 veröffentlichten Paarvergleichen.	1.537,258 95-%-Konfidenzintervall: ±5,345Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.621,203 95-%-Konfidenzintervall: ±7,766Der 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 ControlBusiness, management and finance Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6, Harness: Arena Text, style control GLM-5.3: Snapshot: glm-5.3-max, Reasoning: max, Harness: Arena Text, style controlClaude Opus 4.6: Arena-Bewertung aus 16.859 veröffentlichten Paarvergleichen.GLM-5.3: Arena-Bewertung aus 4.024 veröffentlichten Paarvergleichen.	Höherer Messwert1.499,695 95-%-Konfidenzintervall: ±5,707Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.473,853 95-%-Konfidenzintervall: ±9,84Der 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 Code Arena WebDevWebdev Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6-high, Reasoning: high, Harness: Arena Code Arena WebDev GLM-5.3: Snapshot: glm-5.3-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Opus 4.6: Arena-Bewertung aus 19.443 veröffentlichten Paarvergleichen.GLM-5.3: Arena-Bewertung aus 9.125 veröffentlichten Paarvergleichen.	1.546,362 95-%-Konfidenzintervall: ±5,46Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.621,203 95-%-Konfidenzintervall: ±7,766Der 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 ControlBusiness, management and finance Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6-high, Reasoning: high, Harness: Arena Text, style control GLM-5.3: Snapshot: glm-5.3-max, Reasoning: max, Harness: Arena Text, style controlClaude Opus 4.6: Arena-Bewertung aus 15.865 veröffentlichten Paarvergleichen.GLM-5.3: Arena-Bewertung aus 4.024 veröffentlichten Paarvergleichen.	Höherer Messwert1.500,43 95-%-Konfidenzintervall: ±5,84Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.473,853 95-%-Konfidenzintervall: ±9,84Der 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 Code Arena WebDevWebdev-html Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6, Harness: Arena Code Arena WebDev GLM-5.3: Snapshot: glm-5.3-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Opus 4.6: Arena-Bewertung aus 2.623 veröffentlichten Paarvergleichen.GLM-5.3: Arena-Bewertung aus 1.211 veröffentlichten Paarvergleichen.	1.546,218 95-%-Konfidenzintervall: ±12,521Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.595,46 95-%-Konfidenzintervall: ±18,621Der 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 ControlChinese Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6, Harness: Arena Text, style control GLM-5.3: Snapshot: glm-5.3-max, Reasoning: max, Harness: Arena Text, style controlClaude Opus 4.6: Arena-Bewertung aus 5.821 veröffentlichten Paarvergleichen.GLM-5.3: Arena-Bewertung aus 1.650 veröffentlichten Paarvergleichen.	Höherer Messwert1.545,153 95-%-Konfidenzintervall: ±8,666Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.534,138 95-%-Konfidenzintervall: ±15,09Der 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 Code Arena WebDevWebdev-html Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6-high, Reasoning: high, Harness: Arena Code Arena WebDev GLM-5.3: Snapshot: glm-5.3-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Opus 4.6: Arena-Bewertung aus 2.474 veröffentlichten Paarvergleichen.GLM-5.3: Arena-Bewertung aus 1.211 veröffentlichten Paarvergleichen.	1.558,715 95-%-Konfidenzintervall: ±13,217Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.595,46 95-%-Konfidenzintervall: ±18,621Der 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 ControlChinese Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6-high, Reasoning: high, Harness: Arena Text, style control GLM-5.3: Snapshot: glm-5.3-max, Reasoning: max, Harness: Arena Text, style controlClaude Opus 4.6: Arena-Bewertung aus 5.591 veröffentlichten Paarvergleichen.GLM-5.3: Arena-Bewertung aus 1.650 veröffentlichten Paarvergleichen.	Höherer Messwert1.550,027 95-%-Konfidenzintervall: ±8,89Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.534,138 95-%-Konfidenzintervall: ±15,09Der 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 Code Arena WebDevWebdev-react Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6, Harness: Arena Code Arena WebDev GLM-5.3: Snapshot: glm-5.3-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Opus 4.6: Arena-Bewertung aus 16.319 veröffentlichten Paarvergleichen.GLM-5.3: Arena-Bewertung aus 5.918 veröffentlichten Paarvergleichen.	1.528,416 95-%-Konfidenzintervall: ±5,908Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.639,951 95-%-Konfidenzintervall: ±9,287Der 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 ControlCoding Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6, Harness: Arena Text, style control GLM-5.3: Snapshot: glm-5.3-max, Reasoning: max, Harness: Arena Text, style controlClaude Opus 4.6: Arena-Bewertung aus 23.695 veröffentlichten Paarvergleichen.GLM-5.3: Arena-Bewertung aus 5.252 veröffentlichten Paarvergleichen.	Höherer Messwert1.547,708 95-%-Konfidenzintervall: ±5,22Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.520,099 95-%-Konfidenzintervall: ±8,716Der 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 Code Arena WebDevWebdev-react Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6-high, Reasoning: high, Harness: Arena Code Arena WebDev GLM-5.3: Snapshot: glm-5.3-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Opus 4.6: Arena-Bewertung aus 15.177 veröffentlichten Paarvergleichen.GLM-5.3: Arena-Bewertung aus 5.918 veröffentlichten Paarvergleichen.	1.538,872 95-%-Konfidenzintervall: ±6,058Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.639,951 95-%-Konfidenzintervall: ±9,287Der 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 ControlCoding Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6-high, Reasoning: high, Harness: Arena Text, style control GLM-5.3: Snapshot: glm-5.3-max, Reasoning: max, Harness: Arena Text, style controlClaude Opus 4.6: Arena-Bewertung aus 20.969 veröffentlichten Paarvergleichen.GLM-5.3: Arena-Bewertung aus 5.252 veröffentlichten Paarvergleichen.	Höherer Messwert1.548,395 95-%-Konfidenzintervall: ±5,448Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.520,099 95-%-Konfidenzintervall: ±8,716Der 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 ControlCreative writing Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6, Harness: Arena Text, style control GLM-5.3: Snapshot: glm-5.3-max, Reasoning: max, Harness: Arena Text, style controlClaude Opus 4.6: Arena-Bewertung aus 14.986 veröffentlichten Paarvergleichen.GLM-5.3: Arena-Bewertung aus 4.909 veröffentlichten Paarvergleichen.	Höherer Messwert1.478,397 95-%-Konfidenzintervall: ±6,086Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.452,706 95-%-Konfidenzintervall: ±9,444Der 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 ControlCreative writing Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6-high, Reasoning: high, Harness: Arena Text, style control GLM-5.3: Snapshot: glm-5.3-max, Reasoning: max, Harness: Arena Text, style controlClaude Opus 4.6: Arena-Bewertung aus 14.826 veröffentlichten Paarvergleichen.GLM-5.3: Arena-Bewertung aus 4.909 veröffentlichten Paarvergleichen.	Höherer Messwert1.499,767 95-%-Konfidenzintervall: ±6,246Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.452,706 95-%-Konfidenzintervall: ±9,444Der 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 ControlEnglish Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6, Harness: Arena Text, style control GLM-5.3: Snapshot: glm-5.3-max, Reasoning: max, Harness: Arena Text, style controlClaude Opus 4.6: Arena-Bewertung aus 38.162 veröffentlichten Paarvergleichen.GLM-5.3: Arena-Bewertung aus 8.808 veröffentlichten Paarvergleichen.	Höherer Messwert1.506,394 95-%-Konfidenzintervall: ±4,352Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.487,995 95-%-Konfidenzintervall: ±7,074Der 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 ControlEnglish Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6-high, Reasoning: high, Harness: Arena Text, style control GLM-5.3: Snapshot: glm-5.3-max, Reasoning: max, Harness: Arena Text, style controlClaude Opus 4.6: Arena-Bewertung aus 35.612 veröffentlichten Paarvergleichen.GLM-5.3: Arena-Bewertung aus 8.808 veröffentlichten Paarvergleichen.	Höherer Messwert1.513,707 95-%-Konfidenzintervall: ±4,48Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.487,995 95-%-Konfidenzintervall: ±7,074Der 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 ControlEntertainment, sports and media Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6, Harness: Arena Text, style control GLM-5.3: Snapshot: glm-5.3-max, Reasoning: max, Harness: Arena Text, style controlClaude Opus 4.6: Arena-Bewertung aus 19.048 veröffentlichten Paarvergleichen.GLM-5.3: Arena-Bewertung aus 5.775 veröffentlichten Paarvergleichen.	Höherer Messwert1.478,55 95-%-Konfidenzintervall: ±5,586Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.444,55 95-%-Konfidenzintervall: ±8,751Der 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 ControlEntertainment, sports and media Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6-high, Reasoning: high, Harness: Arena Text, style control GLM-5.3: Snapshot: glm-5.3-max, Reasoning: max, Harness: Arena Text, style controlClaude Opus 4.6: Arena-Bewertung aus 18.282 veröffentlichten Paarvergleichen.GLM-5.3: Arena-Bewertung aus 5.775 veröffentlichten Paarvergleichen.	Höherer Messwert1.491,123 95-%-Konfidenzintervall: ±5,751Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.444,55 95-%-Konfidenzintervall: ±8,751Der 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 ControlExcluding ties Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6, Harness: Arena Text, style control GLM-5.3: Snapshot: glm-5.3-max, Reasoning: max, Harness: Arena Text, style controlClaude Opus 4.6: Arena-Bewertung aus 64.924 veröffentlichten Paarvergleichen.GLM-5.3: Arena-Bewertung aus 16.063 veröffentlichten Paarvergleichen.	Höherer Messwert1.516,544 95-%-Konfidenzintervall: ±4,425Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.486,81 95-%-Konfidenzintervall: ±6,954Der 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 ControlExcluding ties Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6-high, Reasoning: high, Harness: Arena Text, style control GLM-5.3: Snapshot: glm-5.3-max, Reasoning: max, Harness: Arena Text, style controlClaude Opus 4.6: Arena-Bewertung aus 61.691 veröffentlichten Paarvergleichen.GLM-5.3: Arena-Bewertung aus 16.063 veröffentlichten Paarvergleichen.	Höherer Messwert1.522,764 95-%-Konfidenzintervall: ±4,502Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.486,81 95-%-Konfidenzintervall: ±6,954Der 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 ControlExpert prompts Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6, Harness: Arena Text, style control GLM-5.3: Snapshot: glm-5.3-max, Reasoning: max, Harness: Arena Text, style controlClaude Opus 4.6: Arena-Bewertung aus 8.806 veröffentlichten Paarvergleichen.GLM-5.3: Arena-Bewertung aus 2.157 veröffentlichten Paarvergleichen.	Höherer Messwert1.533,95 95-%-Konfidenzintervall: ±7,394Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.518,848 95-%-Konfidenzintervall: ±13,109Der 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 ControlExpert prompts Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6-high, Reasoning: high, Harness: Arena Text, style control GLM-5.3: Snapshot: glm-5.3-max, Reasoning: max, Harness: Arena Text, style controlClaude Opus 4.6: Arena-Bewertung aus 7.356 veröffentlichten Paarvergleichen.GLM-5.3: Arena-Bewertung aus 2.157 veröffentlichten Paarvergleichen.	Höherer Messwert1.545,814 95-%-Konfidenzintervall: ±7,928Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.518,848 95-%-Konfidenzintervall: ±13,109Der 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 ControlFrench Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6, Harness: Arena Text, style control GLM-5.3: Snapshot: glm-5.3-max, Reasoning: max, Harness: Arena Text, style controlClaude Opus 4.6: Arena-Bewertung aus 2.808 veröffentlichten Paarvergleichen.GLM-5.3: Arena-Bewertung aus 693 veröffentlichten Paarvergleichen.	1.496,997 95-%-Konfidenzintervall: ±13,146Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.515,433 95-%-Konfidenzintervall: ±23,42Der 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 ControlFrench Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6-high, Reasoning: high, Harness: Arena Text, style control GLM-5.3: Snapshot: glm-5.3-max, Reasoning: max, Harness: Arena Text, style controlClaude Opus 4.6: Arena-Bewertung aus 2.619 veröffentlichten Paarvergleichen.GLM-5.3: Arena-Bewertung aus 693 veröffentlichten Paarvergleichen.	1.511,426 95-%-Konfidenzintervall: ±13,557Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.515,433 95-%-Konfidenzintervall: ±23,42Der 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 ControlGerman Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6, Harness: Arena Text, style control GLM-5.3: Snapshot: glm-5.3-max, Reasoning: max, Harness: Arena Text, style controlClaude Opus 4.6: Arena-Bewertung aus 1.328 veröffentlichten Paarvergleichen.GLM-5.3: Arena-Bewertung aus 355 veröffentlichten Paarvergleichen.	1.490,887 95-%-Konfidenzintervall: ±17,278Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.502,846 95-%-Konfidenzintervall: ±30,518Der 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 ControlGerman Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6-high, Reasoning: high, Harness: Arena Text, style control GLM-5.3: Snapshot: glm-5.3-max, Reasoning: max, Harness: Arena Text, style controlClaude Opus 4.6: Arena-Bewertung aus 1.284 veröffentlichten Paarvergleichen.GLM-5.3: Arena-Bewertung aus 355 veröffentlichten Paarvergleichen.	Höherer Messwert1.507,167 95-%-Konfidenzintervall: ±17,309Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.502,846 95-%-Konfidenzintervall: ±30,518Der 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 ControlHard prompts Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6, Harness: Arena Text, style control GLM-5.3: Snapshot: glm-5.3-max, Reasoning: max, Harness: Arena Text, style controlClaude Opus 4.6: Arena-Bewertung aus 55.452 veröffentlichten Paarvergleichen.GLM-5.3: Arena-Bewertung aus 13.802 veröffentlichten Paarvergleichen.	Höherer Messwert1.527,527 95-%-Konfidenzintervall: ±3,977Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.503,556 95-%-Konfidenzintervall: ±6,158Der 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 ControlHard prompts Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6-high, Reasoning: high, Harness: Arena Text, style control GLM-5.3: Snapshot: glm-5.3-max, Reasoning: max, Harness: Arena Text, style controlClaude Opus 4.6: Arena-Bewertung aus 51.483 veröffentlichten Paarvergleichen.GLM-5.3: Arena-Bewertung aus 13.802 veröffentlichten Paarvergleichen.	Höherer Messwert1.531,566 95-%-Konfidenzintervall: ±4,093Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.503,556 95-%-Konfidenzintervall: ±6,158Der 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 ControlHard prompts, English Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6, Harness: Arena Text, style control GLM-5.3: Snapshot: glm-5.3-max, Reasoning: max, Harness: Arena Text, style controlClaude Opus 4.6: Arena-Bewertung aus 25.280 veröffentlichten Paarvergleichen.GLM-5.3: Arena-Bewertung aus 5.582 veröffentlichten Paarvergleichen.	Höherer Messwert1.529,961 95-%-Konfidenzintervall: ±5,118Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.509,48 95-%-Konfidenzintervall: ±8,507Der 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 ControlHard prompts, English Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6-high, Reasoning: high, Harness: Arena Text, style control GLM-5.3: Snapshot: glm-5.3-max, Reasoning: max, Harness: Arena Text, style controlClaude Opus 4.6: Arena-Bewertung aus 23.143 veröffentlichten Paarvergleichen.GLM-5.3: Arena-Bewertung aus 5.582 veröffentlichten Paarvergleichen.	Höherer Messwert1.535,921 95-%-Konfidenzintervall: ±5,299Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.509,48 95-%-Konfidenzintervall: ±8,507Der 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 ControlInstruction following Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6, Harness: Arena Text, style control GLM-5.3: Snapshot: glm-5.3-max, Reasoning: max, Harness: Arena Text, style controlClaude Opus 4.6: Arena-Bewertung aus 28.622 veröffentlichten Paarvergleichen.GLM-5.3: Arena-Bewertung aus 7.273 veröffentlichten Paarvergleichen.	Höherer Messwert1.499,444 95-%-Konfidenzintervall: ±4,848Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.474,801 95-%-Konfidenzintervall: ±7,704Der 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 ControlInstruction following Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6-high, Reasoning: high, Harness: Arena Text, style control GLM-5.3: Snapshot: glm-5.3-max, Reasoning: max, Harness: Arena Text, style controlClaude Opus 4.6: Arena-Bewertung aus 26.036 veröffentlichten Paarvergleichen.GLM-5.3: Arena-Bewertung aus 7.273 veröffentlichten Paarvergleichen.	Höherer Messwert1.512,245 95-%-Konfidenzintervall: ±5,064Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.474,801 95-%-Konfidenzintervall: ±7,704Der 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 ControlJapanese Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6, Harness: Arena Text, style control GLM-5.3: Snapshot: glm-5.3-max, Reasoning: max, Harness: Arena Text, style controlClaude Opus 4.6: Arena-Bewertung aus 941 veröffentlichten Paarvergleichen.GLM-5.3: Arena-Bewertung aus 398 veröffentlichten Paarvergleichen.	Höherer Messwert1.483,858 95-%-Konfidenzintervall: ±21,248Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.462,477 95-%-Konfidenzintervall: ±31,105Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026

Claude Opus 4.6 vs. GLM-5.3

Modellauswahl ändern

Allgemeine Daten

API-Preise im Vergleich

Gemeinsame Benchmarks

Fähigkeitsprofil aus vergleichbaren Benchmarks

Unsere Tests

SVG-Kurztest

Claude Opus 4.6

GLM-5.3

Pelikan auf dem Fahrrad

Ein Benchmark-Sieg ist kein Gesamturteil

Ähnliche LLM-Vergleiche