Direktvergleich

Claude Opus 4.6 vs. GPT-6 Astra

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

gemeinsame Messreihen: 30
verschiedene Benchmark-Messgrößen: 8
jüngster Abruf: 19.10.2026

Erstes ModellZweites Modell

Steckbrief

Allgemeine Daten

Erscheinungsdatum, Verfügbarkeit, Kontextfenster, Architektur und veröffentlichte Parameterzahlen auf einen Blick. Nicht veröffentlichte Angaben bleiben als solche markiert.

Allgemeine Daten von Claude Opus 4.6 und GPT-6 Astra
Merkmal	Claude Opus 4.6	GPT-6 Astra
Anbieter	Anthropic	OpenAI
Erschienen	Feb. 2026	3. Sept. 2026
Verfügbarkeit	Aktiv	Eingeschränkter Zugang
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	30. April 2026
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 GPT-6 Astra
Preisart	Claude Opus 4.6	GPT-6 Astra
API-Eingabe	5 $	10 $ ≤272K / 20 $ >272K
API-Ausgabe	25 $	50 $ ≤272K / 75 $ >272K
Cache lesen	0,5 $	1 $ ≤272K / 2 $ >272K
Cache schreiben (5 Min.)	6,25 $	12,5 $ ≤272K / 25 $ >272K
Cache schreiben (1 Std.)	10 $	Nicht ausgewiesen
Preis geprüft	22.09.2026 Quelle	22.09.2026 Quelle

Claude Opus 4.6GPT-6 Astra

API-EingabeUSD pro 1 Mio. Token, Basistarif

Claude Opus 4.65 $

GPT-6 Astra10 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

Claude Opus 4.625 $

GPT-6 Astra50 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

Claude Opus 4.60,5 $

GPT-6 Astra1 $

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-6 Astra
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-6 Astra	OpenAI	Direkt beim EntwicklerBis 272.000 Kontext-Token	10 $	50 $	Quelle22.09.2026
	OpenAI	Direkt beim EntwicklerÜber 272.000 Kontext-Token	20 $	75 $	Quelle22.09.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock/us-west-2	11 $	55 $	Quelle26.10.2026
	Azure	Über OpenRouterazure	10 $	50 $	Quelle26.10.2026
	Azure	Über OpenRouterazure/us	11 $	55 $	Quelle26.10.2026
	OpenAI	Über OpenRouteropenai	10 $	50 $	Quelle26.10.2026
	OpenAI	Über OpenRouteropenai/fast	20 $	100 $	Quelle26.10.2026
	OpenAI	Über OpenRouteropenai/flex	Günstigster erfasster Preis: 5 $	Günstigster erfasster Preis: 25 $	Quelle26.10.2026
	OpenAI	Über OpenRouteropenai/ultrafast	60 $	300 $	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-6 Astra

Gesamtindex

90,0

GPT-6 Astra liegt in 3 von 5 gemeinsamen Bereichen vorn. In 2 Bereichen liegen beide gleichauf.

Bereich	Claude Opus 4.6	GPT-6 Astra
Programmieren	43,8	93,4
Agenten	48,0	83,7
Finanzengleichauf	72,9	71,9
Rechtgleichauf	71,5	78,9
Gesundheit	63,0	83,8

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-6 Astra

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

Claude Opus 4.647,0 %

GPT-6 Astra62,6 %

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

Claude Opus 4.662,8 %

GPT-6 Astra51,3 %

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

Claude Opus 4.61.537,258

GPT-6 Astra1.780,244

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

Claude Opus 4.61.294,46

GPT-6 Astra1.285,988

MedCodeOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.648,244 %

GPT-6 Astra48,486 %

MedScribeOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.686,738 %

GPT-6 Astra87,908 %

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

Claude Opus 4.675,4 %

GPT-6 Astra86,9 %

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

Claude Opus 4.657,573 %

GPT-6 Astra89,594 %

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

Claude Opus 4.61.546,362

GPT-6 Astra1.780,244

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

Claude Opus 4.61.299,232

GPT-6 Astra1.285,988

LMArena Code Arena WebDevImage to webdev. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.61.538,785

GPT-6 Astra1.731,395

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

Claude Opus 4.61.348,115

GPT-6 Astra1.357,126

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-6 Astra

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-6 Astra

Reasoning (angefragt): high

Aktueller Versuch

Datum des Testlaufs: 07.09.2026
API-Anbieter: openrouter
Angefragtes API-Modell: openai/gpt-6-astra
API-Modell laut Antwort: openai/gpt-6-astra
Reasoning-Einstellung: high
Festgelegter Endpunkt: OpenAI | openai/gpt-6-astra-20260903
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Bestanden, keine Qualitätsbewertung
Antwortzeit: 141,7 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

Vergleiche Claude Opus 4.6 und GPT-6 Astra mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich

Benchmarkwerte von Claude Opus 4.6 und GPT-6 Astra
Benchmark und Aufgabe	Claude Opus 4.6	GPT-6 Astra	Quelle
AA-Omniscience AccuracyOverall Testdetails Kein 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-6 Astra: Snapshot: GPT-6 Astra (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-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Max) (Release gpt-6-astra, Zeile gpt-6-astra, UUID 2f339a97-9a0d-499a-9cb5-e0db665bfa25, 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.	47,0 % Dies ist die separat veröffentlichte Genauigkeitsdiagnostik, nicht der AA-Omniscience-Index. AA bezeichnet höhere Werte als besser.	Gewinner62,6 % Dies ist die separat veröffentlichte Genauigkeitsdiagnostik, nicht der AA-Omniscience-Index. AA bezeichnet höhere Werte als besser.	Artificial Analysis Quellendetails Datenstand: 19.10.2026
AA-Omniscience Hallucination RateOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: AA Omniscience diagnosticMessgröße: AA-Omniscience Hallucination RateBewertung: Weniger ist besserClaude Opus 4.6: Snapshot: Claude Opus 4.6 (Max), Reasoning: Max, Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboard GPT-6 Astra: Snapshot: GPT-6 Astra (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-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Max) (Release gpt-6-astra, Zeile gpt-6-astra, UUID 2f339a97-9a0d-499a-9cb5-e0db665bfa25, 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).	62,8 % Dies ist die separat veröffentlichte Halluzinationsraten-Diagnostik, nicht der AA-Omniscience-Index. AA bezeichnet niedrigere Werte als besser.	Gewinner51,3 % Dies ist die separat veröffentlichte Halluzinationsraten-Diagnostik, nicht der AA-Omniscience-Index. AA bezeichnet niedrigere Werte als besser.	Artificial Analysis Quellendetails Datenstand: 19.10.2026
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-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Opus 4.6: Arena-Bewertung aus 20.698 veröffentlichten Paarvergleichen.GPT-6 Astra: Arena-Bewertung aus 5.746 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 Messwert1.780,244 95-%-Konfidenzintervall: ±10,541Der 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-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Vision, style controlClaude Opus 4.6: Arena-Bewertung aus 26.853 veröffentlichten Paarvergleichen.GPT-6 Astra: Arena-Bewertung aus 3.590 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.	1.285,988 95-%-Konfidenzintervall: ±10,782Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 09.10.2026
MedCodeOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	48,244 %	Höherer Messwert48,486 %	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 GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	86,738 %	Höherer Messwert87,908 %	Vals AI Quellendetails Datenstand: 13.10.2026
MMMU-ProOverall Testdetails Kein 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-6 Astra: Snapshot: GPT-6 Astra (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-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Max) (Release gpt-6-astra, Zeile gpt-6-astra, UUID 2f339a97-9a0d-499a-9cb5-e0db665bfa25, 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.	Gewinner86,9 % Die Benchmarkseite nennt 3.460 Fragen für den vollständigen MMMU-Pro-Datensatz; die AA-Methodik beschreibt einen 1.730-Fragen-Lauf.	Artificial Analysis Quellendetails Datenstand: 19.10.2026
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-6 Astra: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 128.000 tokens	57,573 %	Höherer Messwert89,594 %	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 GPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Opus 4.6: Arena-Bewertung aus 19.443 veröffentlichten Paarvergleichen.GPT-6 Astra: Arena-Bewertung aus 5.746 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 Messwert1.780,244 95-%-Konfidenzintervall: ±10,541Der 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-high, Reasoning: high, Harness: Arena Vision, style control GPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Vision, style controlClaude Opus 4.6: Arena-Bewertung aus 22.304 veröffentlichten Paarvergleichen.GPT-6 Astra: Arena-Bewertung aus 3.590 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.	1.285,988 95-%-Konfidenzintervall: ±10,782Der 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 WebDevImage to webdev 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-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Opus 4.6: Arena-Bewertung aus 8.068 veröffentlichten Paarvergleichen.GPT-6 Astra: Arena-Bewertung aus 2.739 veröffentlichten Paarvergleichen.	1.538,785 95-%-Konfidenzintervall: ±9,009Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.731,395 95-%-Konfidenzintervall: ±13,296Der 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 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-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Vision, style controlClaude Opus 4.6: Arena-Bewertung aus 1.685 veröffentlichten Paarvergleichen.GPT-6 Astra: Arena-Bewertung aus 230 veröffentlichten Paarvergleichen.	1.348,115 95-%-Konfidenzintervall: ±17,347Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.357,126 95-%-Konfidenzintervall: ±39,572Der 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 WebDevImage to webdev 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 GPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Opus 4.6: Arena-Bewertung aus 7.930 veröffentlichten Paarvergleichen.GPT-6 Astra: Arena-Bewertung aus 2.739 veröffentlichten Paarvergleichen.	1.542,687 95-%-Konfidenzintervall: ±8,913Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.731,395 95-%-Konfidenzintervall: ±13,296Der 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 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 Vision, style control GPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Vision, style controlClaude Opus 4.6: Arena-Bewertung aus 1.488 veröffentlichten Paarvergleichen.GPT-6 Astra: Arena-Bewertung aus 230 veröffentlichten Paarvergleichen.	1.351,953 95-%-Konfidenzintervall: ±17,967Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.357,126 95-%-Konfidenzintervall: ±39,572Der 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-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Opus 4.6: Arena-Bewertung aus 20.698 veröffentlichten Paarvergleichen.GPT-6 Astra: Arena-Bewertung aus 5.746 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 Messwert1.780,244 95-%-Konfidenzintervall: ±10,541Der 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-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Vision, style controlClaude Opus 4.6: Arena-Bewertung aus 1.731 veröffentlichten Paarvergleichen.GPT-6 Astra: Arena-Bewertung aus 367 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.	1.289,081 95-%-Konfidenzintervall: ±32,749Der 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-high, Reasoning: high, Harness: Arena Code Arena WebDev GPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Opus 4.6: Arena-Bewertung aus 19.443 veröffentlichten Paarvergleichen.GPT-6 Astra: Arena-Bewertung aus 5.746 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 Messwert1.780,244 95-%-Konfidenzintervall: ±10,541Der 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-high, Reasoning: high, Harness: Arena Vision, style control GPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Vision, style controlClaude Opus 4.6: Arena-Bewertung aus 1.405 veröffentlichten Paarvergleichen.GPT-6 Astra: Arena-Bewertung aus 367 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.	1.289,081 95-%-Konfidenzintervall: ±32,749Der 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-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Opus 4.6: Arena-Bewertung aus 2.623 veröffentlichten Paarvergleichen.GPT-6 Astra: Arena-Bewertung aus 1.129 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 Messwert1.780,13 95-%-Konfidenzintervall: ±22,887Der 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-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Vision, style controlClaude Opus 4.6: Arena-Bewertung aus 7.260 veröffentlichten Paarvergleichen.GPT-6 Astra: Arena-Bewertung aus 861 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.	1.310,509 95-%-Konfidenzintervall: ±20,739Der 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-high, Reasoning: high, Harness: Arena Code Arena WebDev GPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Opus 4.6: Arena-Bewertung aus 2.474 veröffentlichten Paarvergleichen.GPT-6 Astra: Arena-Bewertung aus 1.129 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 Messwert1.780,13 95-%-Konfidenzintervall: ±22,887Der 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-high, Reasoning: high, Harness: Arena Vision, style control GPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Vision, style controlClaude Opus 4.6: Arena-Bewertung aus 5.999 veröffentlichten Paarvergleichen.GPT-6 Astra: Arena-Bewertung aus 861 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.	1.310,509 95-%-Konfidenzintervall: ±20,739Der 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-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Opus 4.6: Arena-Bewertung aus 16.319 veröffentlichten Paarvergleichen.GPT-6 Astra: Arena-Bewertung aus 3.422 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 Messwert1.804,405 95-%-Konfidenzintervall: ±13,548Der 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 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-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Vision, style controlClaude Opus 4.6: Arena-Bewertung aus 11.327 veröffentlichten Paarvergleichen.GPT-6 Astra: Arena-Bewertung aus 1.205 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.	1.288,398 95-%-Konfidenzintervall: ±17,904Der 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-high, Reasoning: high, Harness: Arena Code Arena WebDev GPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Opus 4.6: Arena-Bewertung aus 15.177 veröffentlichten Paarvergleichen.GPT-6 Astra: Arena-Bewertung aus 3.422 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 Messwert1.804,405 95-%-Konfidenzintervall: ±13,548Der 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 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 Vision, style control GPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Vision, style controlClaude Opus 4.6: Arena-Bewertung aus 9.251 veröffentlichten Paarvergleichen.GPT-6 Astra: Arena-Bewertung aus 1.205 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.	1.288,398 95-%-Konfidenzintervall: ±17,904Der 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-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Vision, style controlClaude Opus 4.6: Arena-Bewertung aus 3.708 veröffentlichten Paarvergleichen.GPT-6 Astra: Arena-Bewertung aus 480 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 Messwert1.346,15 95-%-Konfidenzintervall: ±26,584Der 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-high, Reasoning: high, Harness: Arena Vision, style control GPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Vision, style controlClaude Opus 4.6: Arena-Bewertung aus 2.849 veröffentlichten Paarvergleichen.GPT-6 Astra: Arena-Bewertung aus 480 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 Messwert1.346,15 95-%-Konfidenzintervall: ±26,584Der 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-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Vision, style controlClaude Opus 4.6: Arena-Bewertung aus 19.427 veröffentlichten Paarvergleichen.GPT-6 Astra: Arena-Bewertung aus 2.449 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.	1.301,633 95-%-Konfidenzintervall: ±12,448Der 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-high, Reasoning: high, Harness: Arena Vision, style control GPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Vision, style controlClaude Opus 4.6: Arena-Bewertung aus 15.929 veröffentlichten Paarvergleichen.GPT-6 Astra: Arena-Bewertung aus 2.449 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.	1.301,633 95-%-Konfidenzintervall: ±12,448Der 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-6 Astra

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-6 Astra

Pelikan auf dem Fahrrad

Ein Benchmark-Sieg ist kein Gesamturteil

Ähnliche LLM-Vergleiche