Direktvergleich

Claude Opus 4.6 vs. GPT-5.4 mini

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

gemeinsame Messreihen: 27
verschiedene Benchmark-Messgrößen: 3
jüngster Abruf: 16.10.2026

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 GPT-5.4 mini
Merkmal	Claude Opus 4.6	GPT-5.4 mini
Anbieter	Anthropic	OpenAI
Erschienen	Feb. 2026	17. März 2026
Verfügbarkeit	Aktiv	Aktiv
Modelltyp	Proprietär	Proprietär
Parameter	Nicht veröffentlicht	Nicht veröffentlicht
Architektur	Nicht veröffentlicht	Nicht veröffentlicht
Kontextfenster	1.000.000 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 4.6 und GPT-5.4 mini
Preisart	Claude Opus 4.6	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 4.6GPT-5.4 mini

API-EingabeUSD pro 1 Mio. Token, Basistarif

Claude Opus 4.65 $

GPT-5.4 mini0,75 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

Claude Opus 4.625 $

GPT-5.4 mini4,5 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

Claude Opus 4.60,5 $

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 4.6 und GPT-5.4 mini
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 $	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/europe	5,5 $	27,5 $	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 4.6

Gesamtindex

Noch kein Gesamtwert

GPT-5.4 mini

Gesamtindex

3,9

Claude Opus 4.6 liegt in 4 von 4 gemeinsamen Bereichen vorn.

Bereich	Claude Opus 4.6	GPT-5.4 mini
Programmieren	43,8	5,9
Agenten	48,0	4,5
Finanzen	72,9	3,6
Recht	71,5	1,2

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

Claude Opus 4.6GPT-5.4 mini

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

Claude Opus 4.61.537,258

GPT-5.4 mini1.397,568

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

Claude Opus 4.61.294,46

GPT-5.4 mini1.250,938

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

Claude Opus 4.657,573 %

GPT-5.4 mini47,969 %

LMArena Code Arena WebDevOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Opus 4.61.546,362

GPT-5.4 mini1.397,568

LMArena Vision, Style ControlOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Opus 4.61.299,232

GPT-5.4 mini1.250,938

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

Claude Opus 4.61.537,258

GPT-5.4 mini1.397,568

LMArena Vision, Style ControlChinese. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.61.348,115

GPT-5.4 mini1.285,423

LMArena Code Arena WebDevWebdev. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Opus 4.61.546,362

GPT-5.4 mini1.397,568

LMArena Vision, Style ControlChinese. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Opus 4.61.351,953

GPT-5.4 mini1.285,423

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

Claude Opus 4.61.546,218

GPT-5.4 mini1.419,865

LMArena Vision, Style ControlCreative writing vision. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.61.297,75

GPT-5.4 mini1.226,475

LMArena Code Arena WebDevWebdev-html. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Opus 4.61.558,715

GPT-5.4 mini1.419,865

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 4.6

GPT-5.4 mini

In dieser Runde nicht verfügbar

Frühere Tests

Pelikan auf dem Fahrrad

Community-Klassiker für eine freie SVG-Zeichnung.

Claude Opus 4.6

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.

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

Zum vollständigen LLM-Vergleich

Benchmarkwerte von Claude Opus 4.6 und GPT-5.4 mini
Benchmark und Aufgabe	Claude Opus 4.6	GPT-5.4 mini	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 GPT-5.4 mini: Snapshot: gpt-5.4-mini-high, Reasoning: high, Harness: Arena Code Arena WebDevClaude Opus 4.6: Arena-Bewertung aus 20.698 veröffentlichten Paarvergleichen.GPT-5.4 mini: Arena-Bewertung aus 11.978 veröffentlichten Paarvergleichen.	Höherer Messwert1.537,258 95-%-Konfidenzintervall: ±5,345Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.397,568 95-%-Konfidenzintervall: ±6,522Der 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 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 Vision, style control GPT-5.4 mini: Snapshot: gpt-5.4-mini-high, Reasoning: high, Harness: Arena Vision, style controlClaude Opus 4.6: Arena-Bewertung aus 26.853 veröffentlichten Paarvergleichen.GPT-5.4 mini: Arena-Bewertung aus 25.733 veröffentlichten Paarvergleichen.	Höherer Messwert1.294,46 95-%-Konfidenzintervall: ±6,329Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.250,938 95-%-Konfidenzintervall: ±6,248Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 09.10.2026
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 GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Harness: OpenHands, Ausgabegrenze: 128.000 tokens	Höherer Messwert57,573 %	47,969 %	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 Opus 4.6: Snapshot: claude-opus-4-6-high, Reasoning: high, Harness: Arena Code Arena WebDev GPT-5.4 mini: Snapshot: gpt-5.4-mini-high, Reasoning: high, Harness: Arena Code Arena WebDevClaude Opus 4.6: Arena-Bewertung aus 19.443 veröffentlichten Paarvergleichen.GPT-5.4 mini: Arena-Bewertung aus 11.978 veröffentlichten Paarvergleichen.	Gewinner1.546,362 95-%-Konfidenzintervall: ±5,46Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.397,568 95-%-Konfidenzintervall: ±6,522Der 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 TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6-high, Reasoning: high, Harness: Arena Vision, style control GPT-5.4 mini: Snapshot: gpt-5.4-mini-high, Reasoning: high, Harness: Arena Vision, style controlClaude Opus 4.6: Arena-Bewertung aus 22.304 veröffentlichten Paarvergleichen.GPT-5.4 mini: Arena-Bewertung aus 25.733 veröffentlichten Paarvergleichen.	Gewinner1.299,232 95-%-Konfidenzintervall: ±6,456Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.250,938 95-%-Konfidenzintervall: ±6,248Der 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 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 GPT-5.4 mini: Snapshot: gpt-5.4-mini-high, Reasoning: high, Harness: Arena Code Arena WebDevClaude Opus 4.6: Arena-Bewertung aus 20.698 veröffentlichten Paarvergleichen.GPT-5.4 mini: Arena-Bewertung aus 11.978 veröffentlichten Paarvergleichen.	Höherer Messwert1.537,258 95-%-Konfidenzintervall: ±5,345Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.397,568 95-%-Konfidenzintervall: ±6,522Der 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 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 Vision, style control GPT-5.4 mini: Snapshot: gpt-5.4-mini-high, Reasoning: high, Harness: Arena Vision, style controlClaude Opus 4.6: Arena-Bewertung aus 1.685 veröffentlichten Paarvergleichen.GPT-5.4 mini: Arena-Bewertung aus 1.662 veröffentlichten Paarvergleichen.	Höherer Messwert1.348,115 95-%-Konfidenzintervall: ±17,347Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.285,423 95-%-Konfidenzintervall: ±17,385Der 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 Code Arena WebDevWebdev Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 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 GPT-5.4 mini: Snapshot: gpt-5.4-mini-high, Reasoning: high, Harness: Arena Code Arena WebDevClaude Opus 4.6: Arena-Bewertung aus 19.443 veröffentlichten Paarvergleichen.GPT-5.4 mini: Arena-Bewertung aus 11.978 veröffentlichten Paarvergleichen.	Gewinner1.546,362 95-%-Konfidenzintervall: ±5,46Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.397,568 95-%-Konfidenzintervall: ±6,522Der 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 TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6-high, Reasoning: high, Harness: Arena Vision, style control GPT-5.4 mini: Snapshot: gpt-5.4-mini-high, Reasoning: high, Harness: Arena Vision, style controlClaude Opus 4.6: Arena-Bewertung aus 1.488 veröffentlichten Paarvergleichen.GPT-5.4 mini: Arena-Bewertung aus 1.662 veröffentlichten Paarvergleichen.	Gewinner1.351,953 95-%-Konfidenzintervall: ±17,967Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.285,423 95-%-Konfidenzintervall: ±17,385Der 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 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 GPT-5.4 mini: Snapshot: gpt-5.4-mini-high, Reasoning: high, Harness: Arena Code Arena WebDevClaude Opus 4.6: Arena-Bewertung aus 2.623 veröffentlichten Paarvergleichen.GPT-5.4 mini: Arena-Bewertung aus 1.436 veröffentlichten Paarvergleichen.	Höherer Messwert1.546,218 95-%-Konfidenzintervall: ±12,521Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.419,865 95-%-Konfidenzintervall: ±16,676Der 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 ControlCreative writing vision 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 Vision, style control GPT-5.4 mini: Snapshot: gpt-5.4-mini-high, Reasoning: high, Harness: Arena Vision, style controlClaude Opus 4.6: Arena-Bewertung aus 1.731 veröffentlichten Paarvergleichen.GPT-5.4 mini: Arena-Bewertung aus 1.627 veröffentlichten Paarvergleichen.	Höherer Messwert1.297,75 95-%-Konfidenzintervall: ±15,034Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.226,475 95-%-Konfidenzintervall: ±15,662Der 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 Code Arena WebDevWebdev-html Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 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 GPT-5.4 mini: Snapshot: gpt-5.4-mini-high, Reasoning: high, Harness: Arena Code Arena WebDevClaude Opus 4.6: Arena-Bewertung aus 2.474 veröffentlichten Paarvergleichen.GPT-5.4 mini: Arena-Bewertung aus 1.436 veröffentlichten Paarvergleichen.	Gewinner1.558,715 95-%-Konfidenzintervall: ±13,217Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.419,865 95-%-Konfidenzintervall: ±16,676Der 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 ControlCreative writing vision Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6-high, Reasoning: high, Harness: Arena Vision, style control GPT-5.4 mini: Snapshot: gpt-5.4-mini-high, Reasoning: high, Harness: Arena Vision, style controlClaude Opus 4.6: Arena-Bewertung aus 1.405 veröffentlichten Paarvergleichen.GPT-5.4 mini: Arena-Bewertung aus 1.627 veröffentlichten Paarvergleichen.	Gewinner1.309,447 95-%-Konfidenzintervall: ±16,801Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.226,475 95-%-Konfidenzintervall: ±15,662Der 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 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 GPT-5.4 mini: Snapshot: gpt-5.4-mini-high, Reasoning: high, Harness: Arena Code Arena WebDevClaude Opus 4.6: Arena-Bewertung aus 16.319 veröffentlichten Paarvergleichen.GPT-5.4 mini: Arena-Bewertung aus 9.859 veröffentlichten Paarvergleichen.	Höherer Messwert1.528,416 95-%-Konfidenzintervall: ±5,908Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.386,539 95-%-Konfidenzintervall: ±7,117Der 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 ControlDiagram 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 Vision, style control GPT-5.4 mini: Snapshot: gpt-5.4-mini-high, Reasoning: high, Harness: Arena Vision, style controlClaude Opus 4.6: Arena-Bewertung aus 7.260 veröffentlichten Paarvergleichen.GPT-5.4 mini: Arena-Bewertung aus 6.941 veröffentlichten Paarvergleichen.	Höherer Messwert1.331,371 95-%-Konfidenzintervall: ±8,825Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.283,959 95-%-Konfidenzintervall: ±8,767Der 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 Code Arena WebDevWebdev-react Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 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 GPT-5.4 mini: Snapshot: gpt-5.4-mini-high, Reasoning: high, Harness: Arena Code Arena WebDevClaude Opus 4.6: Arena-Bewertung aus 15.177 veröffentlichten Paarvergleichen.GPT-5.4 mini: Arena-Bewertung aus 9.859 veröffentlichten Paarvergleichen.	Gewinner1.538,872 95-%-Konfidenzintervall: ±6,058Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.386,539 95-%-Konfidenzintervall: ±7,117Der 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 ControlDiagram Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6-high, Reasoning: high, Harness: Arena Vision, style control GPT-5.4 mini: Snapshot: gpt-5.4-mini-high, Reasoning: high, Harness: Arena Vision, style controlClaude Opus 4.6: Arena-Bewertung aus 5.999 veröffentlichten Paarvergleichen.GPT-5.4 mini: Arena-Bewertung aus 6.941 veröffentlichten Paarvergleichen.	Gewinner1.324,675 95-%-Konfidenzintervall: ±9,238Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.283,959 95-%-Konfidenzintervall: ±8,767Der 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 Vision, 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 Vision, style control GPT-5.4 mini: Snapshot: gpt-5.4-mini-high, Reasoning: high, Harness: Arena Vision, style controlClaude Opus 4.6: Arena-Bewertung aus 11.327 veröffentlichten Paarvergleichen.GPT-5.4 mini: Arena-Bewertung aus 10.691 veröffentlichten Paarvergleichen.	Höherer Messwert1.296,058 95-%-Konfidenzintervall: ±8,463Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.248,605 95-%-Konfidenzintervall: ±8,435Der 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 Vision, Style ControlEnglish Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6-high, Reasoning: high, Harness: Arena Vision, style control GPT-5.4 mini: Snapshot: gpt-5.4-mini-high, Reasoning: high, Harness: Arena Vision, style controlClaude Opus 4.6: Arena-Bewertung aus 9.251 veröffentlichten Paarvergleichen.GPT-5.4 mini: Arena-Bewertung aus 10.691 veröffentlichten Paarvergleichen.	Gewinner1.301,128 95-%-Konfidenzintervall: ±8,811Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.248,605 95-%-Konfidenzintervall: ±8,435Der 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 Vision, Style ControlEntity recognition 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 Vision, style control GPT-5.4 mini: Snapshot: gpt-5.4-mini-high, Reasoning: high, Harness: Arena Vision, style controlClaude Opus 4.6: Arena-Bewertung aus 190 veröffentlichten Paarvergleichen.GPT-5.4 mini: Arena-Bewertung aus 184 veröffentlichten Paarvergleichen.	Höherer Messwert1.237,39 95-%-Konfidenzintervall: ±39,346Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.195,219 95-%-Konfidenzintervall: ±40,866Der 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 Vision, Style ControlEntity recognition Testdetails Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6-high, Reasoning: high, Harness: Arena Vision, style control GPT-5.4 mini: Snapshot: gpt-5.4-mini-high, Reasoning: high, Harness: Arena Vision, style controlClaude Opus 4.6: Arena-Bewertung aus 125 veröffentlichten Paarvergleichen.GPT-5.4 mini: Arena-Bewertung aus 184 veröffentlichten Paarvergleichen.	Kein klarer Vorsprung1.234,469 95-%-Konfidenzintervall: ±47,028Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.195,219 95-%-Konfidenzintervall: ±40,866Der 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 Vision, Style ControlHomework 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 Vision, style control GPT-5.4 mini: Snapshot: gpt-5.4-mini-high, Reasoning: high, Harness: Arena Vision, style controlClaude Opus 4.6: Arena-Bewertung aus 3.708 veröffentlichten Paarvergleichen.GPT-5.4 mini: Arena-Bewertung aus 3.503 veröffentlichten Paarvergleichen.	Höherer Messwert1.311,92 95-%-Konfidenzintervall: ±10,944Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.291,223 95-%-Konfidenzintervall: ±11,062Der 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 Vision, Style ControlHomework Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6-high, Reasoning: high, Harness: Arena Vision, style control GPT-5.4 mini: Snapshot: gpt-5.4-mini-high, Reasoning: high, Harness: Arena Vision, style controlClaude Opus 4.6: Arena-Bewertung aus 2.849 veröffentlichten Paarvergleichen.GPT-5.4 mini: Arena-Bewertung aus 3.503 veröffentlichten Paarvergleichen.	Gewinner1.324,17 95-%-Konfidenzintervall: ±12,006Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.291,223 95-%-Konfidenzintervall: ±11,062Der 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 Vision, Style ControlHumor 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 Vision, style control GPT-5.4 mini: Snapshot: gpt-5.4-mini-high, Reasoning: high, Harness: Arena Vision, style controlClaude Opus 4.6: Arena-Bewertung aus 1.025 veröffentlichten Paarvergleichen.GPT-5.4 mini: Arena-Bewertung aus 869 veröffentlichten Paarvergleichen.	Höherer Messwert1.294,209 95-%-Konfidenzintervall: ±19,436Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.238,173 95-%-Konfidenzintervall: ±21,177Der 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 Vision, Style ControlHumor Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6-high, Reasoning: high, Harness: Arena Vision, style control GPT-5.4 mini: Snapshot: gpt-5.4-mini-high, Reasoning: high, Harness: Arena Vision, style controlArena-Bewertung aus 869 veröffentlichten Paarvergleichen.	Gewinner1.296,35 95-%-Konfidenzintervall: ±21,068Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.238,173 95-%-Konfidenzintervall: ±21,177Der 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 Vision, Style ControlOcr 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 Vision, style control GPT-5.4 mini: Snapshot: gpt-5.4-mini-high, Reasoning: high, Harness: Arena Vision, style controlClaude Opus 4.6: Arena-Bewertung aus 19.427 veröffentlichten Paarvergleichen.GPT-5.4 mini: Arena-Bewertung aus 18.276 veröffentlichten Paarvergleichen.	Höherer Messwert1.312,247 95-%-Konfidenzintervall: ±6,33Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.262,843 95-%-Konfidenzintervall: ±6,292Der 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 Vision, Style ControlOcr Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6-high, Reasoning: high, Harness: Arena Vision, style control GPT-5.4 mini: Snapshot: gpt-5.4-mini-high, Reasoning: high, Harness: Arena Vision, style controlClaude Opus 4.6: Arena-Bewertung aus 15.929 veröffentlichten Paarvergleichen.GPT-5.4 mini: Arena-Bewertung aus 18.276 veröffentlichten Paarvergleichen.	Gewinner1.313,477 95-%-Konfidenzintervall: ±6,575Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.262,843 95-%-Konfidenzintervall: ±6,292Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 09.10.2026
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Claude Opus 4.6 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 4.6

GPT-5.4 mini

Pelikan auf dem Fahrrad

Ein Benchmark-Sieg ist kein Gesamturteil

Ähnliche LLM-Vergleiche