Claude Opus 4.6
Noch nicht getestet
Direktvergleich
Claude Opus 4.6 vs. GPT-5.4
Veröffentlichte Benchmarkwerte aus derselben Version und Vergleichskohorte, API-Preise und technische Eckdaten. Unterschiedliche Testeinstellungen werden sichtbar ausgewiesen.
- gemeinsame Messreihen
- 15
- verschiedene Benchmarks
- 8
- jüngster Abruf
- 02.09.2026
Modellauswahl ändern
Steckbrief
Allgemeine Daten
Erscheinungsdatum, Verfügbarkeit, Kontextfenster, Architektur und veröffentlichte Parameterzahlen auf einen Blick. Nicht veröffentlichte Angaben bleiben als solche markiert.
| Merkmal | Claude Opus 4.6 | GPT-5.4 |
|---|---|---|
| Anbieter | Anthropic | OpenAI |
| Erschienen | Feb. 2026 | 5. März 2026 |
| Verfügbarkeit | Aktiv | Aktiv |
| Modelltyp | Proprietär | Proprietär |
| Parameter | Nicht veröffentlicht | Nicht veröffentlicht |
| Architektur | Nicht veröffentlicht | Nicht veröffentlicht |
| Kontextfenster | 1.000.000 Token | 1.050.000 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.
| Preisart | Claude Opus 4.6 | GPT-5.4 |
|---|---|---|
| API-Eingabe | 5 $ | 2,5 $ ≤272K / 5 $ >272K |
| API-Ausgabe | 25 $ | 15 $ ≤272K / 22,5 $ >272K |
| Cache lesen | 0,5 $ | 0,25 $ ≤272K / 0,5 $ >272K |
| Cache schreiben (5 Min.) | 6,25 $ | Nicht ausgewiesen |
| Cache schreiben (1 Std.) | 10 $ | Nicht ausgewiesen |
| Preis geprüft | 30.07.2026 Quelle | 30.07.2026 Quelle |
Claude Opus 4.6GPT-5.4
API-EingabeUSD pro 1 Mio. Token, Basistarif
Claude Opus 4.65 $
GPT-5.4Günstiger2,5 $
API-AusgabeUSD pro 1 Mio. Token, Basistarif
Claude Opus 4.625 $
GPT-5.4Günstiger15 $
Cache lesenUSD pro 1 Mio. Token, Basistarif
Claude Opus 4.60,5 $
GPT-5.4Günstiger0,25 $
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.
| 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 $ | Quelle30.07.2026 |
| Amazon Bedrock | Über OpenRouteramazon-bedrock | Günstigster erfasster Preis: 5 $ | Günstigster erfasster Preis: 25 $ | Quelle12.09.2026 | |
| Anthropic | Über OpenRouteranthropic | Günstigster erfasster Preis: 5 $ | Günstigster erfasster Preis: 25 $ | Quelle12.09.2026 | |
| Azure | Über OpenRouterazure/global | Günstigster erfasster Preis: 5 $ | Günstigster erfasster Preis: 25 $ | Quelle12.09.2026 | |
| Claude Platform on AWS | Über OpenRouterclaude-on-aws | Günstigster erfasster Preis: 5 $ | Günstigster erfasster Preis: 25 $ | Quelle12.09.2026 | |
| Über OpenRoutergoogle-vertex/europe | 5,5 $ | 27,5 $ | Quelle12.09.2026 | ||
| Über OpenRoutergoogle-vertex/global | Günstigster erfasster Preis: 5 $ | Günstigster erfasster Preis: 25 $ | Quelle12.09.2026 | ||
| GPT-5.4 | OpenAI | Direkt beim EntwicklerBis 272.000 Kontext-Token | 2,5 $ | 15 $ | Quelle30.07.2026 |
| OpenAI | Direkt beim EntwicklerÜber 272.000 Kontext-Token | 5 $ | 22,5 $ | Quelle30.07.2026 | |
| Amazon Bedrock | Über OpenRouteramazon-bedrock/us-east-1 | 2,75 $ | 16,5 $ | Quelle12.09.2026 | |
| Azure | Über OpenRouterazure | 2,5 $ | 15 $ | Quelle12.09.2026 | |
| Azure | Über OpenRouterazure/eu | 2,75 $ | 16,5 $ | Quelle12.09.2026 | |
| Azure | Über OpenRouterazure/us | 2,75 $ | 16,5 $ | Quelle12.09.2026 | |
| OpenAI | Über OpenRouteropenai | 2,5 $ | 15 $ | Quelle12.09.2026 | |
| OpenAI | Über OpenRouteropenai/fast | 5 $ | 30 $ | Quelle12.09.2026 | |
| OpenAI | Über OpenRouteropenai/flex | Günstigster erfasster Preis: 1,25 $ | Günstigster erfasster Preis: 7,5 $ | Quelle12.09.2026 |
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 3 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
Humanity's Last ExamOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 4.634,44 % ± 1,86
GPT-5.4Kein klarer Vorsprung36,24 % ± 1,88
METR Time Horizon50% time horizon. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 4.6Gewinner12 Std. (95-Prozent-Konfidenzintervall 5,3 Std. bis 60,6 Std.)
GPT-5.45,7 Std. (95-Prozent-Konfidenzintervall 3,1 Std. bis 12,8 Std.)
MultiNRCOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.648,34 % ± 3,02
GPT-5.4Höherer Messwert58,29 % ± 2,98
PRBench FinanceOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.6Höherer Messwert53,28 % ± 0,18
GPT-5.445,63 % ± 0,56
PRBench LegalOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.6Höherer Messwert52,27 % ± 0,66
GPT-5.444,35 % ± 0,28
SecCodeBench-V2Generation with security hints. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 4.6Gewinner70,65 %
GPT-5.467,82 %
VISTAOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.645,48 % ± 0,44
GPT-5.4Höherer Messwert50,89 % ± 1,76
VisualToolBenchOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.627,52 % ± 1,45
GPT-5.4Höherer Messwert29,17 % ± 0,13
METR Time Horizon80% time horizon. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 4.6Gewinner1,2 Std. (95-Prozent-Konfidenzintervall 27 min bis 2,8 Std.)
GPT-5.453,9 min (95-Prozent-Konfidenzintervall 24 min bis 1,8 Std.)
MultiNRCOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.657,06 % ± 2,99
GPT-5.4Höherer Messwert58,29 % ± 2,98
SecCodeBench-V2Generation without hints. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 4.6Gewinner51,05 %
GPT-5.450,97 %
VISTAOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.646,07 % ± 0,26
GPT-5.4Höherer Messwert50,89 % ± 1,76
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand
| Benchmark und Aufgabe | Claude Opus 4.6 | GPT-5.4 | Quelle |
|---|---|---|---|
Humanity's Last ExamOverallTestdetailsKein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: final 2,500-question public setMessgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6-thinking-max, Versuche: pass@1 GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Versuche: pass@1Alle 2.500 öffentlichen Fragen, Temperatur 0 und automatischer Antwort-Extraktor. | 34,44 % ± 1,86 95-%-Konfidenzintervall: ±1,86 | Kein klarer Vorsprung36,24 % ± 1,88 95-%-Konfidenzintervall: ±1,88 | Scale AIQuellendetailsDatenstand: 02.09.2026 |
METR Time Horizon50% time horizonTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: TH 1.1Messgröße: 50% time horizonBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6-2026-02-05, Agent: ReAct, Harness: ReAct, Versuche: 6 independent runs per task GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Agent: ReAct, Harness: ReAct, Versuche: 6 independent runs per taskReAct-Agent, sechs unabhängige Läufe je Aufgabe. Die Zeit ist die geschätzte menschliche Bearbeitungsdauer. | Gewinner12 Std. (95-Prozent-Konfidenzintervall 5,3 Std. bis 60,6 Std.) | 5,7 Std. (95-Prozent-Konfidenzintervall 3,1 Std. bis 12,8 Std.) | METRQuellendetailsDatenstand: 08.05.2026 |
MultiNRCOverallTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: French, Spanish, and Chinese releaseMessgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.6: Reasoning: none, Versuche: pass@1 GPT-5.4: Snapshot: gpt-5.4-xhigh, Reasoning: xhigh, Versuche: pass@1Native, nicht aus dem Englischen übersetzte Reasoning-Aufgaben mit automatischer Bewertung. | 48,34 % ± 3,02 95-%-Konfidenzintervall: ±3,02 | Höherer Messwert58,29 % ± 2,98 95-%-Konfidenzintervall: ±2,98 | Scale AIQuellendetailsDatenstand: 26.08.2026 |
PRBench FinanceOverallTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: full finance setMessgröße: weighted rubric scoreBewertung: Mehr ist besserClaude Opus 4.6: Reasoning: none, Versuche: pass@1 GPT-5.4: Snapshot: gpt-5.4-high, Reasoning: high, Versuche: pass@1600 Finanzaufgaben mit aufgabenspezifischen Rubriken und o4-mini als Juror. | Höherer Messwert53,28 % ± 0,18 95-%-Konfidenzintervall: ±0,18 | 45,63 % ± 0,56 95-%-Konfidenzintervall: ±0,56 | Scale AIQuellendetailsDatenstand: 26.08.2026 |
PRBench LegalOverallTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: full legal setMessgröße: weighted rubric scoreBewertung: Mehr ist besserClaude Opus 4.6: Reasoning: none, Versuche: pass@1 GPT-5.4: Snapshot: gpt-5.4-high, Reasoning: high, Versuche: pass@1500 Rechtsaufgaben mit aufgabenspezifischen Rubriken und o4-mini als Juror. | Höherer Messwert52,27 % ± 0,66 95-%-Konfidenzintervall: ±0,66 | 44,35 % ± 0,28 95-%-Konfidenzintervall: ±0,28 | Scale AIQuellendetailsDatenstand: 26.08.2026 |
SecCodeBench-V2Generation with security hintsTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 2.2.0Messgröße: security-aware generation pass@1Bewertung: Mehr ist besser98 Projektfälle. Funktionstests laufen vor dynamischen Exploit-Prüfungen und Sicherheitsbewertung. | Gewinner70,65 % | 67,82 % | SecCodeBenchQuellendetailsDatenstand: 16.02.2026 |
VISTAOverallTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 758 private prompt-image pairsMessgröße: rubric scoreBewertung: Mehr ist besserClaude Opus 4.6: Reasoning: none, Versuche: pass@1 GPT-5.4: Snapshot: gpt-5.4-xhigh, Reasoning: xhigh, Versuche: pass@1758 einzelne Bild-Text-Aufgaben mit strukturierten Ja-Nein-Rubriken. | 45,48 % ± 0,44 95-%-Konfidenzintervall: ±0,44 | Höherer Messwert50,89 % ± 1,76 95-%-Konfidenzintervall: ±1,76 | Scale AIQuellendetailsDatenstand: 26.08.2026 |
VisualToolBenchOverallTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1,204-task releaseMessgröße: average pass rateBewertung: Mehr ist besserClaude Opus 4.6: Reasoning: thinking, Versuche: pass@1 GPT-5.4: Snapshot: gpt-5.4-high, Reasoning: high, Versuche: pass@11.204 Aufgaben, sechs Werkzeuge und höchstens 20 Werkzeugaufrufe pro Aufgabe. | 27,52 % ± 1,45 95-%-Konfidenzintervall: ±1,45 | Höherer Messwert29,17 % ± 0,13 95-%-Konfidenzintervall: ±0,13 | Scale AIQuellendetailsDatenstand: 26.08.2026 |
METR Time Horizon80% time horizonTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: TH 1.1Messgröße: 80% time horizonBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: claude-opus-4-6-2026-02-05, Agent: ReAct, Harness: ReAct, Versuche: 6 independent runs per task GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Agent: ReAct, Harness: ReAct, Versuche: 6 independent runs per taskReAct-Agent, sechs unabhängige Läufe je Aufgabe. Die Zeit ist die geschätzte menschliche Bearbeitungsdauer. | Gewinner1,2 Std. (95-Prozent-Konfidenzintervall 27 min bis 2,8 Std.) | 53,9 min (95-Prozent-Konfidenzintervall 24 min bis 1,8 Std.) | METRQuellendetailsDatenstand: 08.05.2026 |
MultiNRCOverallTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: French, Spanish, and Chinese releaseMessgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.6: Reasoning: max, Versuche: pass@1 GPT-5.4: Snapshot: gpt-5.4-xhigh, Reasoning: xhigh, Versuche: pass@1Native, nicht aus dem Englischen übersetzte Reasoning-Aufgaben mit automatischer Bewertung. | 57,06 % ± 2,99 95-%-Konfidenzintervall: ±2,99 | Höherer Messwert58,29 % ± 2,98 95-%-Konfidenzintervall: ±2,98 | Scale AIQuellendetailsDatenstand: 26.08.2026 |
SecCodeBench-V2Generation without hintsTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 2.2.0Messgröße: native generation pass@1Bewertung: Mehr ist besser98 Projektfälle. Funktionstests laufen vor dynamischen Exploit-Prüfungen und Sicherheitsbewertung. | Gewinner51,05 % | 50,97 % | SecCodeBenchQuellendetailsDatenstand: 16.02.2026 |
VISTAOverallTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 758 private prompt-image pairsMessgröße: rubric scoreBewertung: Mehr ist besserClaude Opus 4.6: Reasoning: max, Versuche: pass@1 GPT-5.4: Snapshot: gpt-5.4-xhigh, Reasoning: xhigh, Versuche: pass@1758 einzelne Bild-Text-Aufgaben mit strukturierten Ja-Nein-Rubriken. | 46,07 % ± 0,26 95-%-Konfidenzintervall: ±0,26 | Höherer Messwert50,89 % ± 1,76 95-%-Konfidenzintervall: ±1,76 | Scale AIQuellendetailsDatenstand: 26.08.2026 |
SecCodeBench-V2Repair with security hintsTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 2.2.0Messgröße: security-aware repair pass@1Bewertung: Mehr ist besser98 Projektfälle. Funktionstests laufen vor dynamischen Exploit-Prüfungen und Sicherheitsbewertung. | Gewinner81,73 % | 80,04 % | SecCodeBenchQuellendetailsDatenstand: 16.02.2026 |
SecCodeBench-V2Repair without hintsTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 2.2.0Messgröße: native repair pass@1Bewertung: Mehr ist besser98 Projektfälle. Funktionstests laufen vor dynamischen Exploit-Prüfungen und Sicherheitsbewertung. | Gewinner73,1 % | 61,41 % | SecCodeBenchQuellendetailsDatenstand: 16.02.2026 |
SecCodeBench-V2Weighted totalTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 2.2.0Messgröße: weighted pass@1Bewertung: Mehr ist besser98 Projektfälle. Funktionstests laufen vor dynamischen Exploit-Prüfungen und Sicherheitsbewertung. | Gewinner64,9 % | 59,74 % | SecCodeBenchQuellendetailsDatenstand: 16.02.2026 |
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand | |||
Eigene Modelltests
Community-Tests zum Anschauen
Vergleiche, wie die Modelle denselben Prompt umsetzen. Jeder Test zeigt den ersten Versuch, ohne nachträgliche Korrekturen am erzeugten Code. Die Ergebnisse fließen nicht in einen Gesamtscore ein.
Pelikan auf dem Fahrrad
Community-Klassiker für eine freie SVG-Zeichnung.
GPT-5.4
In diesem Testlauf war kein API-Zugang verfügbar. Das Modell wurde nicht bewertet.
Erster Versuch
- Datum des Testlaufs
- 07.09.2026
- API-Anbieter
- openrouter
- Angefragtes API-Modell
- openai/gpt-5.4
- Festgelegter Endpunkt
- OpenAI | openai/gpt-5.4-20260305
- Reasoning-Einstellung
- high
- Temperatur
- Anbieterstandard
- Tokenlimit inklusive Reasoning
- 8.192 Token
- Testprotokoll
- community-visual-tests-v1
- Technische Prüfung
- Nicht ausgeführt
Visuell noch nicht bewertet. Eine erfolgreiche Aufzeichnung bestätigt weder korrekte Physik noch die vollständige Umsetzung des Prompts.
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
Ähnliche LLM-Vergleiche
Vergleiche Claude Opus 4.6 und GPT-5.4 mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.