Zum Hauptinhalt springen

Direktvergleich

Claude Opus 4.8 vs. GLM-5.2

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

gemeinsame Messreihen
213
verschiedene Benchmarks
20
jüngster Abruf
15.10.2026

Modellauswahl ändern

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 4.8 und GLM-5.2
MerkmalClaude Opus 4.8GLM-5.2
AnbieterAnthropicZ.ai
ErschienenMai 202616. Juni 2026
VerfügbarkeitLegacyOpen Source
ModelltypProprietärOpen Weights
ParameterNicht veröffentlicht744 Mrd., 40 Mrd. aktiv
ArchitekturNicht veröffentlichtMixture of Experts
Kontextfenster1.000.000 Token1.000.000 Token
WissensstandJanuar 2026Nicht veröffentlicht
Technische QuellenModell, WissensstandModell, 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 4.8 und GLM-5.2
PreisartClaude Opus 4.8GLM-5.2
API-Eingabe5 $1,4 $
API-Ausgabe25 $4,4 $
Cache lesen0,5 $0,26 $
Cache schreiben (5 Min.)6,25 $Nicht ausgewiesen
Cache schreiben (1 Std.)10 $Nicht ausgewiesen
Preis geprüft22.09.2026 Quelle22.09.2026 Quelle
Claude Opus 4.8GLM-5.2
API-EingabeUSD pro 1 Mio. Token, Basistarif
Claude Opus 4.85 $
GLM-5.2Günstiger1,4 $
API-AusgabeUSD pro 1 Mio. Token, Basistarif
Claude Opus 4.825 $
GLM-5.2Günstiger4,4 $
Cache lesenUSD pro 1 Mio. Token, Basistarif
Claude Opus 4.80,5 $
GLM-5.2Günstiger0,26 $

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Preise nach Anbieter

Direkte Entwicklertarife und über OpenRouter geroutete Anbieterpreise sind getrennt gekennzeichnet. Alle Preise gelten in USD pro 1 Mio. Token. Kontextabhängige Direktpreise sowie regionale, Flex-, Priority- und weitere OpenRouter-Tarife bleiben einzeln erkennbar.

Für Claude Opus 4.8 ist im gespeicherten OpenRouter-Stand kein Anbietertarif verfügbar. Der offizielle Direktpreis wird trotzdem angezeigt.

Anbieterpreise von Claude Opus 4.8 und GLM-5.2
ModellAnbieterBezugsweg und TarifEingabe pro 1 Mio. TokenAusgabe pro 1 Mio. TokenQuelle
Claude Opus 4.8AnthropicDirekt beim EntwicklerStandard-APIGünstigster erfasster Preis: 5 $Günstigster erfasster Preis: 25 $Quelle22.09.2026
GLM-5.2Z.aiDirekt beim EntwicklerStandard-API1,4 $4,4 $Quelle22.09.2026
AlibabaÜber OpenRouteralibaba/fast2,31 $7,26 $Quelle17.10.2026
AlibabaÜber OpenRouteralibaba/fp80,966 $3,036 $Quelle17.10.2026
AlibabaÜber OpenRouteralibaba/fp8/us-east-11,12 $3,52 $Quelle17.10.2026
AtlasCloudÜber OpenRouteratlas-cloud/fp80,938 $2,948 $Quelle17.10.2026
BaiduÜber OpenRouterbaidu/fast2,25 $7,88 $Quelle17.10.2026
BaiduÜber OpenRouterbaidu/fp80,189 $Günstigster erfasster Preis: 0,594 $Quelle17.10.2026
BaseTenÜber OpenRouterbaseten/fast2,1 $6,6 $Quelle17.10.2026
BaseTenÜber OpenRouterbaseten/fp81,4 $4,4 $Quelle17.10.2026
BaseTenÜber OpenRouterbaseten/fp8/us1,4 $4,4 $Quelle17.10.2026
BaseTenÜber OpenRouterbaseten/us/fast2,1 $6,6 $Quelle17.10.2026
CloudflareÜber OpenRoutercloudflare0,19 $8 $Quelle17.10.2026
DecartÜber OpenRouterdecart/fast2,5 $9 $Quelle17.10.2026
DeepInfraÜber OpenRouterdeepinfra/fp40,5625 $1,8 $Quelle17.10.2026
DeepInfraÜber OpenRouterdeepinfra/fp4/flex0,45 $1,44 $Quelle17.10.2026
DigitalOceanÜber OpenRouterdigitalocean0,7 $2,2 $Quelle17.10.2026
FriendliÜber OpenRouterfriendli1,4 $4,4 $Quelle17.10.2026
GMICloudÜber OpenRoutergmicloud/fp81,4 $4,4 $Quelle17.10.2026
InceptronÜber OpenRouterinceptron/fp40,69 $1,0395 $Quelle17.10.2026
MistralÜber OpenRoutermistral/eu1,54 $4,84 $Quelle17.10.2026
MistralÜber OpenRoutermistral/zdr1,4 $4,4 $Quelle17.10.2026
MorphÜber OpenRoutermorph/fp80,079 $6 $Quelle17.10.2026
NebiusÜber OpenRouternebius/fp41,4 $4,4 $Quelle17.10.2026
NovitaÜber OpenRouternovita/fp80,6496 $2,0416 $Quelle17.10.2026
ParasailÜber OpenRouterparasail/fp41,4 $4,4 $Quelle17.10.2026
PhalaÜber OpenRouterphala/fp81,26 $3 $Quelle17.10.2026
RelaceÜber OpenRouterrelace0,4 $4 $Quelle17.10.2026
SiliconFlowÜber OpenRoutersiliconflow/fp80,7 $2,2 $Quelle17.10.2026
StreamLakeÜber OpenRouterstreamlake/fp80,5555 $1,7459 $Quelle17.10.2026
TogetherÜber OpenRoutertogether1,4 $4,4 $Quelle17.10.2026
VeniceÜber OpenRoutervenice/fp81,4 $4,4 $Quelle17.10.2026
WaferÜber OpenRouterwafer0,19 $10 $Quelle17.10.2026
WaferÜber OpenRouterwafer/usGünstigster erfasster Preis: 0,0341 $7 $Quelle17.10.2026
Z.AIÜber OpenRouterz-ai/fp81,4 $4,4 $Quelle17.10.2026

Leistung

Gemeinsame Benchmarks

Nur veröffentlichte Ergebnisse mit derselben Benchmark-Version, Aufgabe, Metrik und Vergleichskohorte werden gegenübergestellt. Wenn Anbieter unterschiedliche Reasoning-Stufen, Agenten oder Ausgabegrenzen verwendet haben, steht das direkt in der Tabelle.

Fähigkeitsprofil aus vergleichbaren Benchmarks

Jede Achse mittelt direkt vergleichbare Benchmarkfamilien. Ein Wert von 100 bedeutet den stärkeren Wert innerhalb dieses Duells, keinen universellen Qualitätswert.

Nicht genug direkt vergleichbare Kategorien für ein belastbares Radar

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

Claude Opus 4.8GLM-5.2
Code MigrationOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.8Höherer Messwert47,25 %
GLM-5.237,87 %
CorpFin v2Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.8Höherer Messwert66,706 %
GLM-5.266,123 %
EMBOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.8Höherer Messwert69,373 %
GLM-5.261,532 %
Finance Agent (v2)Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.8Höherer Messwert53,918 %
GLM-5.249,699 %
GPQA DiamondOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.8Höherer Messwert92,424 %
GLM-5.285,606 %
Harvey's Legal Agent BenchmarkOverall · Task fully resolved. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.8Höherer Messwert9,583 %
GLM-5.27,083 %
Legal Research BenchOverall · All-pass. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.8Höherer Messwert43,75 %
GLM-5.231,25 %
LegalBenchOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.883,568 %
GLM-5.2Höherer Messwert84,073 %
LiveCodeBench v6Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.8Höherer Messwert87,819 %
GLM-5.269,5 %
LMArena Code Arena WebDevOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.81.536,177
GLM-5.2Höherer Messwert1.604,113
LMArena Text, Style ControlOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.81.474,25
GLM-5.2Höherer Messwert1.475,47
MedCodeOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.8Höherer Messwert53,217 %
GLM-5.240,771 %

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von Claude Opus 4.8 und GLM-5.2
Benchmark und AufgabeClaude Opus 4.8GLM-5.2Quelle
Code MigrationOverall
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens
Höherer Messwert47,25 %
37,87 %
Vals AI
Quellendetails
Datenstand: 12.10.2026
CorpFin v2Overall
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Höherer Messwert66,706 %
66,123 %
Vals AI
Quellendetails
Datenstand: 12.08.2026
EMBOverall
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Höherer Messwert69,373 %
61,532 %
Vals AI
Quellendetails
Datenstand: 12.10.2026
Finance Agent (v2)Overall
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Höherer Messwert53,918 %
49,699 %
Vals AI
Quellendetails
Datenstand: 12.10.2026
GPQA DiamondOverall
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Höherer Messwert92,424 %
85,606 %
Vals AI
Quellendetails
Datenstand: 01.09.2026
Harvey's Legal Agent BenchmarkOverall · Task fully resolved
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens
Höherer Messwert9,583 %
7,083 %
Vals AI
Quellendetails
Datenstand: 12.10.2026
Legal Research BenchOverall · All-pass
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens
Höherer Messwert43,75 %
31,25 %
Vals AI
Quellendetails
Datenstand: 12.10.2026
LegalBenchOverall
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
83,568 %
Höherer Messwert84,073 %
Vals AI
Quellendetails
Datenstand: 13.10.2026
LiveCodeBench v6Overall
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Höherer Messwert87,819 %
69,5 %
Vals AI
Quellendetails
Datenstand: 01.09.2026
LMArena Code Arena WebDevOverall
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8, Harness: Arena Code Arena WebDev
GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Opus 4.8: Arena-Bewertung aus 17.454 veröffentlichten Paarvergleichen.GLM-5.2: Arena-Bewertung aus 16.093 veröffentlichten Paarvergleichen.
1.536,177
95-%-Konfidenzintervall: ±5,702Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.
Höherer Messwert1.604,113
95-%-Konfidenzintervall: ±6,139Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.		LMArena
Quellendetails
Datenstand: 13.10.2026
LMArena Text, Style ControlOverall
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8, Harness: Arena Text, style control
GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena Text, style controlClaude Opus 4.8: Arena-Bewertung aus 65.181 veröffentlichten Paarvergleichen.GLM-5.2: Arena-Bewertung aus 49.127 veröffentlichten Paarvergleichen.
1.474,25
95-%-Konfidenzintervall: ±3,848Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.
Höherer Messwert1.475,47
95-%-Konfidenzintervall: ±4,2Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.		LMArena
Quellendetails
Datenstand: 13.10.2026
MedCodeOverall
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 tokens
GLM-5.2: Temperatur: 1, Ausgabegrenze: 30.000 tokens
Höherer Messwert53,217 %
40,771 %
Vals AI
Quellendetails
Datenstand: 13.10.2026
MedScribeOverall
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 tokens
GLM-5.2: Temperatur: 1, Ausgabegrenze: 30.000 tokens
Höherer Messwert85,755 %
83,534 %
Vals AI
Quellendetails
Datenstand: 13.10.2026
MMLU-ProOverall
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Höherer Messwert89,585 %
86,714 %
Vals AI
Quellendetails
Datenstand: 01.09.2026
ProgramBenchOverall
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully resolved rateBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 64.000 tokens
Höherer Messwert1 %
0,5 %
Vals AI
Quellendetails
Datenstand: 12.10.2026
SkillsBenchOverall
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GLM-5.2: Reasoning: max, Harness: OpenHands, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens
Höherer Messwert59,227 %
45,077 %
Vals AI
Quellendetails
Datenstand: 27.09.2026
SWE-bench VerifiedOverall
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens
Höherer Messwert88,6 %
82,8 %
Vals AI
Quellendetails
Datenstand: 01.09.2026
TaxEval v2Overall
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Höherer Messwert75,634 %
73,344 %
Vals AI
Quellendetails
Datenstand: 01.09.2026
Terminal-Bench 2.1Overall
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 48.000 tokens
Höherer Messwert71,91 %
67,79 %
Vals AI
Quellendetails
Datenstand: 28.09.2026
Vibe Code Bench v1.1Overall
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GLM-5.2: Reasoning: max, Harness: OpenHands, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens
Höherer Messwert82,725 %
63,961 %
Vals AI
Quellendetails
Datenstand: 12.10.2026
Code MigrationCLI
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens
Höherer Messwert40,143 %
27,16 %
Vals AI
Quellendetails
Datenstand: 12.10.2026
CorpFin v2Exact Pages
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Höherer Messwert64,336 %
63,636 %
Vals AI
Quellendetails
Datenstand: 12.08.2026
EMBComps
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Höherer Messwert72,797 %
54,922 %
Vals AI
Quellendetails
Datenstand: 12.10.2026
Finance Agent (v2)Adjustments
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Höherer Messwert48,387 %
46,305 %
Vals AI
Quellendetails
Datenstand: 12.10.2026
GPQA DiamondFew-Shot CoT
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Höherer Messwert91,919 %
83,333 %
Vals AI
Quellendetails
Datenstand: 01.09.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Criteria passed
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: criteria pass rateBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens
Kein direkter Sieger87,319 %
Kein direkter Sieger87,319 %
Vals AI
Quellendetails
Datenstand: 12.10.2026
Legal Research BenchAdministrative / Regulatory · All-pass
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens
Höherer Messwert43,939 %
39,394 %
Vals AI
Quellendetails
Datenstand: 12.10.2026
LegalBenchConclusion Tasks
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Höherer Messwert88,937 %
88,587 %
Vals AI
Quellendetails
Datenstand: 13.10.2026
LiveCodeBench v6Easy
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Höherer Messwert99,068 %
97,205 %
Vals AI
Quellendetails
Datenstand: 01.09.2026
LMArena Code Arena WebDevOverall
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8-high, Reasoning: high, Harness: Arena Code Arena WebDev
GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Opus 4.8: Arena-Bewertung aus 18.540 veröffentlichten Paarvergleichen.GLM-5.2: Arena-Bewertung aus 16.093 veröffentlichten Paarvergleichen.
1.555,99
95-%-Konfidenzintervall: ±5,768Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.
Höherer Messwert1.604,113
95-%-Konfidenzintervall: ±6,139Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.		LMArena
Quellendetails
Datenstand: 13.10.2026
LMArena Text, Style ControlOverall
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8-high, Reasoning: high, Harness: Arena Text, style control
GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena Text, style controlClaude Opus 4.8: Arena-Bewertung aus 64.112 veröffentlichten Paarvergleichen.GLM-5.2: Arena-Bewertung aus 49.127 veröffentlichten Paarvergleichen.
Höherer Messwert1.481,505
95-%-Konfidenzintervall: ±3,87Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.
1.475,47
95-%-Konfidenzintervall: ±4,2Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.		LMArena
Quellendetails
Datenstand: 13.10.2026
MMLU-ProBiology
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Höherer Messwert94,7 %
94,003 %
Vals AI
Quellendetails
Datenstand: 01.09.2026
ProgramBenchAlmost Resolved
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: almost-resolved rateBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 64.000 tokens
Höherer Messwert15,5 %
9,5 %
Vals AI
Quellendetails
Datenstand: 12.10.2026
SkillsBenchNo Skills
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GLM-5.2: Reasoning: max, Harness: OpenHands, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens
Höherer Messwert43,674 %
32,223 %
Vals AI
Quellendetails
Datenstand: 27.09.2026
SWE-bench Verified<15 min fix
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens
Höherer Messwert92,784 %
88,144 %
Vals AI
Quellendetails
Datenstand: 01.09.2026
TaxEval v2Correctness
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Höherer Messwert64,513 %
62,061 %
Vals AI
Quellendetails
Datenstand: 01.09.2026
Terminal-Bench 2.1Easy
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 48.000 tokens
Kein direkter Sieger100 %
Kein direkter Sieger100 %
Vals AI
Quellendetails
Datenstand: 28.09.2026
Code MigrationCOBOL
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens
68,571 %
Höherer Messwert70 %
Vals AI
Quellendetails
Datenstand: 12.10.2026
CorpFin v2Max Fitting Context
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Höherer Messwert69,814 %
68,415 %
Vals AI
Quellendetails
Datenstand: 12.08.2026
EMBDataroom
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Höherer Messwert85,948 %
83,444 %
Vals AI
Quellendetails
Datenstand: 12.10.2026
Finance Agent (v2)All-Pass
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Höherer Messwert43,517 %
38,006 %
Vals AI
Quellendetails
Datenstand: 12.10.2026
GPQA DiamondZero-Shot CoT
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Höherer Messwert92,929 %
87,879 %
Vals AI
Quellendetails
Datenstand: 01.09.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Task fully resolved
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens
Kein direkter Sieger0 %
Kein direkter Sieger0 %
Vals AI
Quellendetails
Datenstand: 12.10.2026
Legal Research BenchAdministrative / Regulatory · Weighted partial credit
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: weighted partial-credit scoreBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens
Höherer Messwert87,365 %
85,95 %
Vals AI
Quellendetails
Datenstand: 12.10.2026
LegalBenchInterpretation Tasks
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Höherer Messwert82,703 %
82,17 %
Vals AI
Quellendetails
Datenstand: 13.10.2026
LiveCodeBench v6Hard
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Höherer Messwert74,571 %
37,143 %
Vals AI
Quellendetails
Datenstand: 01.09.2026
LMArena Code Arena WebDevWebdev
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8, Harness: Arena Code Arena WebDev
GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Opus 4.8: Arena-Bewertung aus 17.454 veröffentlichten Paarvergleichen.GLM-5.2: Arena-Bewertung aus 16.093 veröffentlichten Paarvergleichen.
1.536,177
95-%-Konfidenzintervall: ±5,702Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.
Höherer Messwert1.604,113
95-%-Konfidenzintervall: ±6,139Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.		LMArena
Quellendetails
Datenstand: 13.10.2026
LMArena Text, Style ControlBusiness, management and finance
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8, Harness: Arena Text, style control
GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena Text, style controlClaude Opus 4.8: Arena-Bewertung aus 12.774 veröffentlichten Paarvergleichen.GLM-5.2: Arena-Bewertung aus 9.419 veröffentlichten Paarvergleichen.
Höherer Messwert1.486,06
95-%-Konfidenzintervall: ±6,336Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.
1.465,257
95-%-Konfidenzintervall: ±6,87Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.		LMArena
Quellendetails
Datenstand: 13.10.2026
MMLU-ProBusiness
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Höherer Messwert92,649 %
91,888 %
Vals AI
Quellendetails
Datenstand: 01.09.2026
ProgramBenchFully Resolved
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully resolved rateBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 64.000 tokens
Höherer Messwert1 %
0,5 %
Vals AI
Quellendetails
Datenstand: 12.10.2026
SkillsBenchWith Skills
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GLM-5.2: Reasoning: max, Harness: OpenHands, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens
Höherer Messwert59,227 %
45,077 %
Vals AI
Quellendetails
Datenstand: 27.09.2026
SWE-bench Verified>4 hours
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens
Kein direkter Sieger66,667 %
Kein direkter Sieger66,667 %
Vals AI
Quellendetails
Datenstand: 01.09.2026
TaxEval v2Stepwise Reasoning
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Höherer Messwert86,754 %
84,628 %
Vals AI
Quellendetails
Datenstand: 01.09.2026
Terminal-Bench 2.1Hard
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 48.000 tokens
Höherer Messwert60 %
51,111 %
Vals AI
Quellendetails
Datenstand: 28.09.2026
Code MigrationCode Quality
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: mean reviewer code-quality ratingBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens
Höherer Messwert4,7 / 5
3,981 / 5
Vals AI
Quellendetails
Datenstand: 12.10.2026
CorpFin v2Shared Max Context
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
65,967 %
Höherer Messwert66,317 %
Vals AI
Quellendetails
Datenstand: 12.08.2026
EMBDCF
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Höherer Messwert66,334 %
52,968 %
Vals AI
Quellendetails
Datenstand: 12.10.2026
Finance Agent (v2)Comparables
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Höherer Messwert44,853 %
44,78 %
Vals AI
Quellendetails
Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkArbitration International Dispute Resolution · Criteria passed
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: criteria pass rateBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens
88,172 %
Höherer Messwert91,756 %
Vals AI
Quellendetails
Datenstand: 12.10.2026
Legal Research BenchBusiness & Commercial · All-pass
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens
Höherer Messwert41,86 %
27,907 %
Vals AI
Quellendetails
Datenstand: 12.10.2026
LegalBenchIssue Tasks
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
87,834 %
Höherer Messwert89,506 %
Vals AI
Quellendetails
Datenstand: 13.10.2026
LiveCodeBench v6Medium
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Höherer Messwert89,817 %
74,151 %
Vals AI
Quellendetails
Datenstand: 01.09.2026
LMArena Code Arena WebDevWebdev
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8-high, Reasoning: high, Harness: Arena Code Arena WebDev
GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Opus 4.8: Arena-Bewertung aus 18.540 veröffentlichten Paarvergleichen.GLM-5.2: Arena-Bewertung aus 16.093 veröffentlichten Paarvergleichen.
1.555,99
95-%-Konfidenzintervall: ±5,768Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.
Höherer Messwert1.604,113
95-%-Konfidenzintervall: ±6,139Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.		LMArena
Quellendetails
Datenstand: 13.10.2026
LMArena Text, Style ControlBusiness, management and finance
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8-high, Reasoning: high, Harness: Arena Text, style control
GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena Text, style controlClaude Opus 4.8: Arena-Bewertung aus 12.740 veröffentlichten Paarvergleichen.GLM-5.2: Arena-Bewertung aus 9.419 veröffentlichten Paarvergleichen.
Höherer Messwert1.488,783
95-%-Konfidenzintervall: ±6,374Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.
1.465,257
95-%-Konfidenzintervall: ±6,87Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.		LMArena
Quellendetails
Datenstand: 13.10.2026

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: 4ae5d8eeb9a9

Claude Opus 4.8

In dieser Runde nicht verfügbar

GLM-5.2

GLM-5.2: SVG-Kurztest
API meldet 0 Reasoning-TokensTestlauf: 12.10.2026Anbieter: z-ai/fp8API-Modell: z-ai/glm-5.2690 Ausgabe-Token
Frühere Tests

Pelikan auf dem Fahrrad

Community-Klassiker für eine freie SVG-Zeichnung.

Claude Opus 4.8

Claude Opus 4.8: Pelikan auf dem Fahrrad
Community-Klassiker für eine freie SVG-Zeichnung.

Reasoning (angefragt): high

Aktueller Versuch
Datum des Testlaufs
01.10.2026
API-Anbieter
openrouter
Angefragtes API-Modell
anthropic/claude-opus-4.8
API-Modell laut Antwort
anthropic/claude-opus-4.8
Reasoning-Einstellung
high
Festgelegter Endpunkt
Anthropic | anthropic/claude-4.8-opus-20260528
Temperatur
Anbieterstandard
Tokenlimit inklusive Reasoning
8.192 Token
Testprotokoll
community-visual-tests-v1
Technische Prüfung
Bestanden, keine Qualitätsbewertung
Antwortzeit
18 s

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

GLM-5.2

Ausgabe aus Sicherheitsgründen nicht dargestellt

Reasoning (angefragt): high

Aktueller Versuch
Datum des Testlaufs
05.10.2026
API-Anbieter
openrouter
Angefragtes API-Modell
z-ai/glm-5.2
API-Modell laut Antwort
z-ai/glm-5.2
Reasoning-Einstellung
high
Festgelegter Endpunkt
Z.AI | z-ai/glm-5.2-20260616
Temperatur
Anbieterstandard
Tokenlimit inklusive Reasoning
8.192 Token
Testprotokoll
community-visual-tests-v1
Technische Prüfung
Nicht bestanden
Antwortzeit
31,4 s

Visuell noch nicht bewertet. Eine erfolgreiche Aufzeichnung bestätigt weder korrekte Physik noch die vollständige Umsetzung des Prompts.

Frühere Versuche (3)
  • 02.10.2026API-Anfrage fehlgeschlagenReasoning-Einstellung: high
  • 01.10.2026API-Anfrage fehlgeschlagenReasoning-Einstellung: high
  • 07.09.2026API-Anfrage fehlgeschlagenReasoning-Einstellung: high
Prompt und Testbedingungen

Generate an SVG of a pelican riding a bicycle

Tokenlimit inklusive Reasoning: 8.192 Token

Ursprung der Aufgabe (Simon Willison)

So liest du den Vergleich

Ein Benchmark-Sieg ist kein Gesamturteil

Entscheidend sind deine Aufgaben, dein Budget und die benötigte Kontextlänge. Ein Coding-Benchmark sagt wenig über Bildverständnis oder Agentenarbeit aus.

Die Standardpreistabelle nutzt direkte Entwicklertarife. Der Anbieter-Vergleich kennzeichnet OpenRouter-Endpoints, Regionen und Sondertarife separat.

Jeder Messwert verlinkt seine Messstelle und zeigt den Abrufstand. Je nach Kennzeichnung handelt es sich um eine Anbieterangabe, ein offizielles Benchmark-Leaderboard oder eine unabhängige Evaluation. Strittige oder archivierte Ergebnisse werden nicht verwendet.

Weitere Duelle

Ähnliche LLM-Vergleiche

Vergleiche Claude Opus 4.8 und GLM-5.2 mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich