Claude Opus 4.6
Direktvergleich
Claude Opus 4.6 vs. GPT-5.6 Terra
Veröffentlichte Benchmarkwerte aus derselben Version und Vergleichskohorte, API-Preise und technische Eckdaten. Unterschiedliche Testeinstellungen werden sichtbar ausgewiesen.
- gemeinsame Messreihen
- 24
- verschiedene Benchmark-Messgrößen
- 9
- jüngster Abruf
- 19.10.2026
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-5.6 Terra |
|---|---|---|
| Anbieter | Anthropic | OpenAI |
| Erschienen | Feb. 2026 | 9. Juli 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 | 16. Februar 2026 |
| Technische Quellen | Modell, Kontext | Modell, Kontext, Wissensstand |
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-5.6 Terra |
|---|---|---|
| API-Eingabe | 5 $ | 2 $ ≤272K / 4 $ >272K |
| API-Ausgabe | 25 $ | 12 $ ≤272K / 18 $ >272K |
| Cache lesen | 0,5 $ | 0,2 $ ≤272K / 0,4 $ >272K |
| Cache schreiben (5 Min.) | 6,25 $ | 2,5 $ ≤272K / 5 $ >272K |
| Cache schreiben (1 Std.) | 10 $ | Nicht ausgewiesen |
| Preis geprüft | 22.09.2026 Quelle | 22.09.2026 Quelle |
Claude Opus 4.6GPT-5.6 Terra
API-EingabeUSD pro 1 Mio. Token, Basistarif
Claude Opus 4.65 $
GPT-5.6 TerraGünstiger2 $
API-AusgabeUSD pro 1 Mio. Token, Basistarif
Claude Opus 4.625 $
GPT-5.6 TerraGünstiger12 $
Cache lesenUSD pro 1 Mio. Token, Basistarif
Claude Opus 4.60,5 $
GPT-5.6 TerraGünstiger0,2 $
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 $ | 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 | |
| Über OpenRoutergoogle-vertex/europe | 5,5 $ | 27,5 $ | Quelle26.10.2026 | ||
| Über OpenRoutergoogle-vertex/global | Günstigster erfasster Preis: 5 $ | Günstigster erfasster Preis: 25 $ | Quelle26.10.2026 | ||
| GPT-5.6 Terra | OpenAI | Direkt beim EntwicklerBis 272.000 Kontext-Token | 2 $ | 12 $ | Quelle22.09.2026 |
| OpenAI | Direkt beim EntwicklerÜber 272.000 Kontext-Token | 4 $ | 18 $ | Quelle22.09.2026 | |
| Amazon Bedrock | Über OpenRouteramazon-bedrock/us-east-1 | 2,2 $ | 13,2 $ | Quelle26.10.2026 | |
| Azure | Über OpenRouterazure | 2 $ | 12 $ | Quelle26.10.2026 | |
| Azure | Über OpenRouterazure/eu | 2,2 $ | 13,2 $ | Quelle26.10.2026 | |
| Azure | Über OpenRouterazure/us | 2,2 $ | 13,2 $ | Quelle26.10.2026 | |
| OpenAI | Über OpenRouteropenai | 2 $ | 12 $ | Quelle26.10.2026 | |
| OpenAI | Über OpenRouteropenai/fast | 4 $ | 24 $ | Quelle26.10.2026 | |
| OpenAI | Über OpenRouteropenai/flex | Günstigster erfasster Preis: 1 $ | Günstigster erfasster Preis: 6 $ | 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.
Claude Opus 4.6 liegt in 3 von 5 gemeinsamen Bereichen vorn.
| Bereich | Claude Opus 4.6 | GPT-5.6 Terra |
|---|---|---|
| Programmieren | 43,8 | 61,3 |
| Agenten | 48,0 | 61,8 |
| Finanzen | 72,9 | 60,4 |
| Recht | 71,5 | 41,4 |
| Gesundheit | 63,0 | 40,3 |
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 4 von mindestens 5 Kategorien enthalten direkt vergleichbare Modellmessungen. Die Benchmarktabellen darunter zeigen die vorhandenen Belege, ohne fehlende Achsen aufzufüllen.
Claude Opus 4.6GPT-5.6 Terra
AA-Omniscience AccuracyOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 4.6Gewinner47,0 %
GPT-5.6 Terra46,8 %
AA-Omniscience Hallucination RateOverall. Weniger ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 4.6Gewinner62,8 %
GPT-5.6 Terra87,9 %
APEX-Agents-AAOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 4.633,0 %
GPT-5.6 TerraGewinner38,9 %
IFBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 4.653,1 %
GPT-5.6 TerraGewinner71,2 %
LMArena Vision, Style ControlOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.6Höherer Messwert1.294,46
GPT-5.6 Terra1.268,044
MedCodeOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.6Höherer Messwert48,244 %
GPT-5.6 Terra43,414 %
MedScribeOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.6Höherer Messwert86,738 %
GPT-5.6 Terra82,869 %
MMMU-ProOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 4.675,4 %
GPT-5.6 TerraGewinner80,7 %
Vibe Code Bench v1.1Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.657,573 %
GPT-5.6 TerraHöherer Messwert74,594 %
LMArena Vision, Style ControlOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.6Höherer Messwert1.299,232
GPT-5.6 Terra1.268,044
LMArena Vision, Style ControlChinese. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.6Höherer Messwert1.348,115
GPT-5.6 Terra1.313,871
LMArena Vision, Style ControlChinese. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.6Höherer Messwert1.351,953
GPT-5.6 Terra1.313,871
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand
| Benchmark und Aufgabe | Claude Opus 4.6 | GPT-5.6 Terra | Quelle |
|---|---|---|---|
AA-Omniscience AccuracyOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: AA Omniscience diagnosticMessgröße: AA-Omniscience AccuracyBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: Claude Opus 4.6 (Max), Reasoning: Max, Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboard GPT-5.6 Terra: Snapshot: GPT-5.6 Terra (Max), Reasoning: Max, Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboardClaude Opus 4.6: Exakte AA-Konfiguration: Claude Opus 4.6 (Max) (Release claude-opus-4-6, Zeile claude-opus-4-6-adaptive, UUID 53c98840-47af-49aa-94e6-469fb17e9a1b, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Anteil der insgesamt korrekt beantworteten Fragen, unabhängig davon, ob das Modell andere Fragen beantwortet oder sich enthält.GPT-5.6 Terra: Exakte AA-Konfiguration: GPT-5.6 Terra (Max) (Release gpt-5-6-terra, Zeile gpt-5-6-terra, UUID bcf8db0a-3bb6-4d82-9516-0f57370c85a6, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Anteil der insgesamt korrekt beantworteten Fragen, unabhängig davon, ob das Modell andere Fragen beantwortet oder sich enthält. | Gewinner47,0 % Dies ist die separat veröffentlichte Genauigkeitsdiagnostik, nicht der AA-Omniscience-Index. AA bezeichnet höhere Werte als besser. | 46,8 % Dies ist die separat veröffentlichte Genauigkeitsdiagnostik, nicht der AA-Omniscience-Index. AA bezeichnet höhere Werte als besser. | Artificial AnalysisQuellendetailsDatenstand: 19.10.2026 |
AA-Omniscience Hallucination RateOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: AA Omniscience diagnosticMessgröße: AA-Omniscience Hallucination RateBewertung: Weniger ist besserClaude Opus 4.6: Snapshot: Claude Opus 4.6 (Max), Reasoning: Max, Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboard GPT-5.6 Terra: Snapshot: GPT-5.6 Terra (Max), Reasoning: Max, Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboardClaude Opus 4.6: Exakte AA-Konfiguration: Claude Opus 4.6 (Max) (Release claude-opus-4-6, Zeile claude-opus-4-6-adaptive, UUID 53c98840-47af-49aa-94e6-469fb17e9a1b, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Anteil falscher Antworten an allen nicht korrekten Antworten: falsch / (falsch + teilweise richtig + nicht beantwortet).GPT-5.6 Terra: Exakte AA-Konfiguration: GPT-5.6 Terra (Max) (Release gpt-5-6-terra, Zeile gpt-5-6-terra, UUID bcf8db0a-3bb6-4d82-9516-0f57370c85a6, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Anteil falscher Antworten an allen nicht korrekten Antworten: falsch / (falsch + teilweise richtig + nicht beantwortet). | Gewinner62,8 % Dies ist die separat veröffentlichte Halluzinationsraten-Diagnostik, nicht der AA-Omniscience-Index. AA bezeichnet niedrigere Werte als besser. | 87,9 % Dies ist die separat veröffentlichte Halluzinationsraten-Diagnostik, nicht der AA-Omniscience-Index. AA bezeichnet niedrigere Werte als besser. | Artificial AnalysisQuellendetailsDatenstand: 19.10.2026 |
APEX-Agents-AAOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: AA public cohort: 452 tasksMessgröße: Pass@1 success rateBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: Claude Opus 4.6 (Max), Reasoning: Max, Agent: Stirrup agent, Harness: Artificial Analysis Stirrup, Versuche: pass@1, averaged over 3 repeats per task GPT-5.6 Terra: Snapshot: GPT-5.6 Terra (Max), Reasoning: Max, Agent: Stirrup agent, Harness: Artificial Analysis Stirrup, Versuche: pass@1, averaged over 3 repeats per taskClaude Opus 4.6: Exakte AA-Konfiguration: Claude Opus 4.6 (Max) (Release claude-opus-4-6, Zeile claude-opus-4-6-adaptive, UUID 53c98840-47af-49aa-94e6-469fb17e9a1b, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. 452 Aufgaben aus der öffentlichen 480-Aufgaben-Version, drei Wiederholungen pro Aufgabe. Ein Durchlauf besteht nur, wenn alle Kriterien der Rubrik erfüllt sind; der Leaderboardwert mittelt pass@1 über die Wiederholungen.GPT-5.6 Terra: Exakte AA-Konfiguration: GPT-5.6 Terra (Max) (Release gpt-5-6-terra, Zeile gpt-5-6-terra, UUID bcf8db0a-3bb6-4d82-9516-0f57370c85a6, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. 452 Aufgaben aus der öffentlichen 480-Aufgaben-Version, drei Wiederholungen pro Aufgabe. Ein Durchlauf besteht nur, wenn alle Kriterien der Rubrik erfüllt sind; der Leaderboardwert mittelt pass@1 über die Wiederholungen. | 33,0 % Zwei Aufgabenwelten aus dem Investment Banking fehlen, weil sie externe Laufzeit-APIs benötigen. | Gewinner38,9 % Zwei Aufgabenwelten aus dem Investment Banking fehlen, weil sie externe Laufzeit-APIs benötigen. | Artificial AnalysisQuellendetailsDatenstand: 19.10.2026 |
IFBenchOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: AA test set: 294 questionsMessgröße: IFBench prompt-level loose accuracy (pass@1)Bewertung: Mehr ist besserClaude Opus 4.6: Snapshot: Claude Opus 4.6 (Max), Reasoning: Max, Versuche: pass@1, 5 repeats per question GPT-5.6 Terra: Snapshot: GPT-5.6 Terra (Max), Reasoning: Max, Versuche: pass@1, 5 repeats per questionClaude Opus 4.6: Exakte AA-Konfiguration: Claude Opus 4.6 (Max) (Release claude-opus-4-6, Zeile claude-opus-4-6-adaptive, UUID 53c98840-47af-49aa-94e6-469fb17e9a1b, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Artificial Analysis führt 294 Fragen aus dem IFBench-Testdatensatz mit fünf Wiederholungen je Frage aus. Der offizielle Evaluator bewertet die Genauigkeit je Prompt im Modus loose als pass@1.GPT-5.6 Terra: Exakte AA-Konfiguration: GPT-5.6 Terra (Max) (Release gpt-5-6-terra, Zeile gpt-5-6-terra, UUID bcf8db0a-3bb6-4d82-9516-0f57370c85a6, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Artificial Analysis führt 294 Fragen aus dem IFBench-Testdatensatz mit fünf Wiederholungen je Frage aus. Der offizielle Evaluator bewertet die Genauigkeit je Prompt im Modus loose als pass@1. | 53,1 % Die Angabe von 58 bezieht sich auf die verifizierbaren Out-of-Domain-Bedingungstypen, nicht auf die Zahl der Fragen im AA-Testlauf. | Gewinner71,2 % Die Angabe von 58 bezieht sich auf die verifizierbaren Out-of-Domain-Bedingungstypen, nicht auf die Zahl der Fragen im AA-Testlauf. | Artificial AnalysisQuellendetailsDatenstand: 19.10.2026 |
LMArena Vision, Style ControlOverallTestdetailsTestaufbau 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-5.6 Terra: Snapshot: gpt-5.6-terra-xhigh, Reasoning: xhigh, Harness: Arena Vision, style controlClaude Opus 4.6: Arena-Bewertung aus 26.853 veröffentlichten Paarvergleichen.GPT-5.6 Terra: Arena-Bewertung aus 11.020 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. | 1.268,044 95-%-Konfidenzintervall: ±7,452Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 09.10.2026 |
MedCodeOverallTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 tokens GPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 30.000 tokens | Höherer Messwert48,244 % | 43,414 % | Vals AIQuellendetailsDatenstand: 13.10.2026 |
MedScribeOverallTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 tokens GPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 30.000 tokens | Höherer Messwert86,738 % | 82,869 % | Vals AIQuellendetailsDatenstand: 13.10.2026 |
MMMU-ProOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: AA cohort: 1,730 questionsMessgröße: pass@1 accuracyBewertung: Mehr ist besserClaude Opus 4.6: Snapshot: Claude Opus 4.6 (Max), Reasoning: Max, Versuche: pass@1, one run per question GPT-5.6 Terra: Snapshot: GPT-5.6 Terra (Max), Reasoning: Max, Versuche: pass@1, one run per questionClaude Opus 4.6: Exakte AA-Konfiguration: Claude Opus 4.6 (Max) (Release claude-opus-4-6, Zeile claude-opus-4-6-adaptive, UUID 53c98840-47af-49aa-94e6-469fb17e9a1b, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Der AA-Lauf umfasst 1.730 Fragen mit zehn Antwortoptionen. Die Antwort wird per regulärem Ausdruck extrahiert und als pass@1 bewertet.GPT-5.6 Terra: Exakte AA-Konfiguration: GPT-5.6 Terra (Max) (Release gpt-5-6-terra, Zeile gpt-5-6-terra, UUID bcf8db0a-3bb6-4d82-9516-0f57370c85a6, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Der AA-Lauf umfasst 1.730 Fragen mit zehn Antwortoptionen. Die Antwort wird per regulärem Ausdruck extrahiert und als pass@1 bewertet. | 75,4 % Die Benchmarkseite nennt 3.460 Fragen für den vollständigen MMMU-Pro-Datensatz; die AA-Methodik beschreibt einen 1.730-Fragen-Lauf. | Gewinner80,7 % Die Benchmarkseite nennt 3.460 Fragen für den vollständigen MMMU-Pro-Datensatz; die AA-Methodik beschreibt einen 1.730-Fragen-Lauf. | Artificial AnalysisQuellendetailsDatenstand: 19.10.2026 |
Vibe Code Bench v1.1OverallTestdetailsTestaufbau 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-5.6 Terra: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 128.000 tokens | 57,573 % | Höherer Messwert74,594 % | Vals AIQuellendetailsDatenstand: 12.10.2026 |
LMArena Vision, Style ControlOverallTestdetailsTestaufbau 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 Vision, style control GPT-5.6 Terra: Snapshot: gpt-5.6-terra-xhigh, Reasoning: xhigh, Harness: Arena Vision, style controlClaude Opus 4.6: Arena-Bewertung aus 22.304 veröffentlichten Paarvergleichen.GPT-5.6 Terra: Arena-Bewertung aus 11.020 veröffentlichten Paarvergleichen. | Höherer Messwert1.299,232 95-%-Konfidenzintervall: ±6,456Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis. | 1.268,044 95-%-Konfidenzintervall: ±7,452Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 09.10.2026 |
LMArena Vision, Style ControlChineseTestdetailsTestaufbau 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-5.6 Terra: Snapshot: gpt-5.6-terra-xhigh, Reasoning: xhigh, Harness: Arena Vision, style controlClaude Opus 4.6: Arena-Bewertung aus 1.685 veröffentlichten Paarvergleichen.GPT-5.6 Terra: Arena-Bewertung aus 642 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. | 1.313,871 95-%-Konfidenzintervall: ±24,287Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 09.10.2026 |
LMArena Vision, Style ControlChineseTestdetailsTestaufbau 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 Vision, style control GPT-5.6 Terra: Snapshot: gpt-5.6-terra-xhigh, Reasoning: xhigh, Harness: Arena Vision, style controlClaude Opus 4.6: Arena-Bewertung aus 1.488 veröffentlichten Paarvergleichen.GPT-5.6 Terra: Arena-Bewertung aus 642 veröffentlichten Paarvergleichen. | Höherer Messwert1.351,953 95-%-Konfidenzintervall: ±17,967Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis. | 1.313,871 95-%-Konfidenzintervall: ±24,287Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 09.10.2026 |
LMArena Vision, Style ControlCreative writing visionTestdetailsTestaufbau 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-5.6 Terra: Snapshot: gpt-5.6-terra-xhigh, Reasoning: xhigh, Harness: Arena Vision, style controlClaude Opus 4.6: Arena-Bewertung aus 1.731 veröffentlichten Paarvergleichen.GPT-5.6 Terra: Arena-Bewertung aus 914 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. | 1.255,12 95-%-Konfidenzintervall: ±20,975Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 09.10.2026 |
LMArena Vision, Style ControlCreative writing visionTestdetailsTestaufbau 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 Vision, style control GPT-5.6 Terra: Snapshot: gpt-5.6-terra-xhigh, Reasoning: xhigh, Harness: Arena Vision, style controlClaude Opus 4.6: Arena-Bewertung aus 1.405 veröffentlichten Paarvergleichen.GPT-5.6 Terra: Arena-Bewertung aus 914 veröffentlichten Paarvergleichen. | Höherer Messwert1.309,447 95-%-Konfidenzintervall: ±16,801Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis. | 1.255,12 95-%-Konfidenzintervall: ±20,975Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 09.10.2026 |
LMArena Vision, Style ControlDiagramTestdetailsTestaufbau 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-5.6 Terra: Snapshot: gpt-5.6-terra-xhigh, Reasoning: xhigh, Harness: Arena Vision, style controlClaude Opus 4.6: Arena-Bewertung aus 7.260 veröffentlichten Paarvergleichen.GPT-5.6 Terra: Arena-Bewertung aus 2.891 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. | 1.300,563 95-%-Konfidenzintervall: ±11,707Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 09.10.2026 |
LMArena Vision, Style ControlDiagramTestdetailsTestaufbau 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 Vision, style control GPT-5.6 Terra: Snapshot: gpt-5.6-terra-xhigh, Reasoning: xhigh, Harness: Arena Vision, style controlClaude Opus 4.6: Arena-Bewertung aus 5.999 veröffentlichten Paarvergleichen.GPT-5.6 Terra: Arena-Bewertung aus 2.891 veröffentlichten Paarvergleichen. | Höherer Messwert1.324,675 95-%-Konfidenzintervall: ±9,238Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis. | 1.300,563 95-%-Konfidenzintervall: ±11,707Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 09.10.2026 |
LMArena Vision, Style ControlEnglishTestdetailsTestaufbau 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-5.6 Terra: Snapshot: gpt-5.6-terra-xhigh, Reasoning: xhigh, Harness: Arena Vision, style controlClaude Opus 4.6: Arena-Bewertung aus 11.327 veröffentlichten Paarvergleichen.GPT-5.6 Terra: Arena-Bewertung aus 3.785 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. | 1.270,126 95-%-Konfidenzintervall: ±11,03Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 09.10.2026 |
LMArena Vision, Style ControlEnglishTestdetailsTestaufbau 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 Vision, style control GPT-5.6 Terra: Snapshot: gpt-5.6-terra-xhigh, Reasoning: xhigh, Harness: Arena Vision, style controlClaude Opus 4.6: Arena-Bewertung aus 9.251 veröffentlichten Paarvergleichen.GPT-5.6 Terra: Arena-Bewertung aus 3.785 veröffentlichten Paarvergleichen. | Höherer Messwert1.301,128 95-%-Konfidenzintervall: ±8,811Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis. | 1.270,126 95-%-Konfidenzintervall: ±11,03Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 09.10.2026 |
LMArena Vision, Style ControlHomeworkTestdetailsTestaufbau 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-5.6 Terra: Snapshot: gpt-5.6-terra-xhigh, Reasoning: xhigh, Harness: Arena Vision, style controlClaude Opus 4.6: Arena-Bewertung aus 3.708 veröffentlichten Paarvergleichen.GPT-5.6 Terra: Arena-Bewertung aus 1.172 veröffentlichten Paarvergleichen. | 1.311,92 95-%-Konfidenzintervall: ±10,944Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis. | Höherer Messwert1.326,623 95-%-Konfidenzintervall: ±17,485Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 09.10.2026 |
LMArena Vision, Style ControlHomeworkTestdetailsTestaufbau 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 Vision, style control GPT-5.6 Terra: Snapshot: gpt-5.6-terra-xhigh, Reasoning: xhigh, Harness: Arena Vision, style controlClaude Opus 4.6: Arena-Bewertung aus 2.849 veröffentlichten Paarvergleichen.GPT-5.6 Terra: Arena-Bewertung aus 1.172 veröffentlichten Paarvergleichen. | 1.324,17 95-%-Konfidenzintervall: ±12,006Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis. | Höherer Messwert1.326,623 95-%-Konfidenzintervall: ±17,485Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 09.10.2026 |
LMArena Vision, Style ControlHumorTestdetailsTestaufbau 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-5.6 Terra: Snapshot: gpt-5.6-terra-xhigh, Reasoning: xhigh, Harness: Arena Vision, style controlClaude Opus 4.6: Arena-Bewertung aus 1.025 veröffentlichten Paarvergleichen.GPT-5.6 Terra: Arena-Bewertung aus 502 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. | 1.237,903 95-%-Konfidenzintervall: ±27,081Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 09.10.2026 |
LMArena Vision, Style ControlHumorTestdetailsTestaufbau 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 Vision, style control GPT-5.6 Terra: Snapshot: gpt-5.6-terra-xhigh, Reasoning: xhigh, Harness: Arena Vision, style controlClaude Opus 4.6: Arena-Bewertung aus 869 veröffentlichten Paarvergleichen.GPT-5.6 Terra: Arena-Bewertung aus 502 veröffentlichten Paarvergleichen. | Höherer Messwert1.296,35 95-%-Konfidenzintervall: ±21,068Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis. | 1.237,903 95-%-Konfidenzintervall: ±27,081Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 09.10.2026 |
LMArena Vision, Style ControlOcrTestdetailsTestaufbau 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-5.6 Terra: Snapshot: gpt-5.6-terra-xhigh, Reasoning: xhigh, Harness: Arena Vision, style controlClaude Opus 4.6: Arena-Bewertung aus 19.427 veröffentlichten Paarvergleichen.GPT-5.6 Terra: Arena-Bewertung aus 7.536 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. | 1.277,413 95-%-Konfidenzintervall: ±7,907Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 09.10.2026 |
LMArena Vision, Style ControlOcrTestdetailsTestaufbau 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 Vision, style control GPT-5.6 Terra: Snapshot: gpt-5.6-terra-xhigh, Reasoning: xhigh, Harness: Arena Vision, style controlClaude Opus 4.6: Arena-Bewertung aus 15.929 veröffentlichten Paarvergleichen.GPT-5.6 Terra: Arena-Bewertung aus 7.536 veröffentlichten Paarvergleichen. | Höherer Messwert1.313,477 95-%-Konfidenzintervall: ±6,575Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis. | 1.277,413 95-%-Konfidenzintervall: ±7,907Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 09.10.2026 |
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand | |||
Eigene Modelltests
Unsere Tests
SVG-Kurztest
Ein SVG-Prompt, feste Ausgabeparameter. Aufnahmen erscheinen nur bei gemeldeten 0 Reasoning-Tokens oder dokumentiert fehlender Reasoning-Steuerung. Gleiche Testbedingungen machen die interne Rechenleistung der Modelle nicht identisch.
Gemeinsame Testrunde: 43b8c5c46830
GPT-5.6 Terra
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-5.6 Terra
Reasoning (angefragt): high
Aktueller Versuch
- Datum des Testlaufs
- 07.09.2026
- API-Anbieter
- openrouter
- Angefragtes API-Modell
- openai/gpt-5.6-terra
- API-Modell laut Antwort
- openai/gpt-5.6-terra
- Reasoning-Einstellung
- high
- Festgelegter Endpunkt
- OpenAI | openai/gpt-5.6-terra-20260709
- Temperatur
- Anbieterstandard
- Tokenlimit inklusive Reasoning
- 8.192 Token
- Testprotokoll
- community-visual-tests-v1
- Technische Prüfung
- Bestanden, keine Qualitätsbewertung
- Antwortzeit
- 64,6 s
Visuell geprüft. Aus diesem Einzeltest ergibt sich kein Gesamturteil über das Modell.
Prompt und Testbedingungen
Generate an SVG of a pelican riding a bicycle
Tokenlimit inklusive Reasoning: 8.192 Token
Ursprung der Aufgabe (Simon Willison)So liest du den Vergleich
Ein Benchmark-Sieg ist kein Gesamturteil
Entscheidend sind deine Aufgaben, dein Budget und die benötigte Kontextlänge. Ein Coding-Benchmark sagt wenig über Bildverständnis oder Agentenarbeit aus.
Die Standardpreistabelle nutzt direkte Entwicklertarife. Der Anbieter-Vergleich kennzeichnet OpenRouter-Endpoints, Regionen und Sondertarife separat.
Jeder Messwert verlinkt seine Messstelle und zeigt den Abrufstand. Je nach Kennzeichnung handelt es sich um eine Anbieterangabe, ein offizielles Benchmark-Leaderboard oder eine unabhängige Evaluation. Strittige oder archivierte Ergebnisse werden nicht verwendet.
Weitere Duelle
Ähnliche LLM-Vergleiche
Vergleiche Claude Opus 4.6 und GPT-5.6 Terra mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.