Direktvergleich

Claude Opus 4.8 vs. GPT-5.6 Terra

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

gemeinsame Messreihen: 288
verschiedene Benchmark-Messgrößen: 42
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 4.8 und GPT-5.6 Terra
Merkmal	Claude Opus 4.8	GPT-5.6 Terra
Anbieter	Anthropic	OpenAI
Erschienen	Mai 2026	9. Juli 2026
Verfügbarkeit	Legacy	Aktiv
Modelltyp	Proprietär	Proprietär
Parameter	Nicht veröffentlicht	Nicht veröffentlicht
Architektur	Nicht veröffentlicht	Nicht veröffentlicht
Kontextfenster	1.000.000 Token	1.050.000 Token
Wissensstand	Januar 2026	16. Februar 2026
Technische Quellen	Modell, Wissensstand	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.

API-Preise von Claude Opus 4.8 und GPT-5.6 Terra
Preisart	Claude Opus 4.8	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 4.8GPT-5.6 Terra

API-EingabeUSD pro 1 Mio. Token, Basistarif

Claude Opus 4.85 $

GPT-5.6 Terra2 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

Claude Opus 4.825 $

GPT-5.6 Terra12 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

Claude Opus 4.80,5 $

GPT-5.6 Terra0,2 $

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.

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 GPT-5.6 Terra
Modell	Anbieter	Bezugsweg und Tarif	Eingabe pro 1 Mio. Token	Ausgabe pro 1 Mio. Token	Quelle
Claude Opus 4.8	Anthropic	Direkt beim EntwicklerStandard-API	Günstigster erfasster Preis: 5 $	Günstigster erfasster Preis: 25 $	Quelle22.09.2026
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.

Zur KI-Bestenliste

Claude Opus 4.8

Gesamtindex

57,0gleichauf

GPT-5.6 Terra

Gesamtindex

52,1gleichauf

Claude Opus 4.8 liegt in 5 von 11 gemeinsamen Bereichen vorn. In 5 Bereichen liegen beide gleichauf.

Bereich	Claude Opus 4.8	GPT-5.6 Terra
Programmierengleichauf	55,3	61,3
Schlussfolgerngleichauf	46,2	56,6
Wissen	65,6	29,3
Agentengleichauf	56,7	61,8
Allgemein	45,3	63,6
Finanzengleichauf	65,0	60,4
Rechtgleichauf	57,4	41,4
Gesundheit	67,8	40,3
Multimodal	55,0	47,7
Produktivität	68,3	49,1
Bildung	71,1	56,5

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.

Claude Opus 4.8

GPT-5.6 Terra

Coding: 61,4 / 100 (1 Benchmarkfamilie)

Reasoning: 96,2 / 96,1 (3 Benchmarkfamilien)

Wissen: 100 / 46,9 (1 Benchmarkfamilie)

Agenten-Aufgaben: 91,8 / 100 (3 Benchmarkfamilien)

Suche: 96,3 / 100 (1 Benchmarkfamilie)

Allgemein: 87,4 / 100 (1 Benchmarkfamilie)

Gesamt: 99,7 / 91,2 (2 Benchmarkfamilien)

14 passende Messreihen aus 12 Benchmarkfamilien wurden berücksichtigt. Das Radar zeigt 7 von 7 vergleichbaren Kategorien.

Claude Opus 4.8GPT-5.6 Terra

AA-BriefcaseOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Opus 4.81.321,43 elo

GPT-5.6 Terra1.334,22 elo

AA-LCROverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Opus 4.877,7 %

GPT-5.6 Terra83,0 %

AA-OmniscienceOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Opus 4.828,75 Punkte

GPT-5.6 Terra0,05 Punkte

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

Claude Opus 4.848,8 %

GPT-5.6 Terra46,8 %

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

Claude Opus 4.839,3 %

GPT-5.6 Terra87,9 %

Artificial Analysis Intelligence IndexOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Opus 4.841,79 Punkte

GPT-5.6 Terra42,083 Punkte

AutomationBench-AAOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Opus 4.845,6 %

GPT-5.6 Terra59,6 %

BrowseCompOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Opus 4.884,3 %

GPT-5.6 Terra87,5 %

Code MigrationOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.847,25 %

GPT-5.6 Terra47,804 %

CorpFin v2Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.866,706 %

GPT-5.6 Terra65,307 %

EMBOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.869,373 %

GPT-5.6 Terra66,205 %

Finance Agent (v2)Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.853,918 %

GPT-5.6 Terra54,436 %

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von Claude Opus 4.8 und GPT-5.6 Terra
Benchmark und Aufgabe	Claude Opus 4.8	GPT-5.6 Terra	Quelle
AA-BriefcaseOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v1.1Messgröße: AA-Briefcase EloBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: Claude Opus 4.8 (Max), Reasoning: Max GPT-5.6 Terra: Snapshot: GPT-5.6 Terra (Max), Reasoning: MaxClaude Opus 4.8: Exakte AA-Konfiguration: Claude Opus 4.8 (Max) (Release claude-opus-4-8, Zeile claude-opus-4-8, UUID 992b7b84-5069-4c6a-9295-834252553d50, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.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.	1.321,43 elo	Gewinner1.334,22 elo	Artificial Analysis Quellendetails Datenstand: 19.10.2026
AA-LCROverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v1.1Messgröße: Pass rateBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: Claude Opus 4.8 (Max), Reasoning: Max GPT-5.6 Terra: Snapshot: GPT-5.6 Terra (Max), Reasoning: MaxClaude Opus 4.8: Exakte AA-Konfiguration: Claude Opus 4.8 (Max) (Release claude-opus-4-8, Zeile claude-opus-4-8, UUID 992b7b84-5069-4c6a-9295-834252553d50, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.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.	77,7 %	Gewinner83,0 %	Artificial Analysis Quellendetails Datenstand: 19.10.2026
AA-OmniscienceOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: AA-Omniscience IndexBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: Claude Opus 4.8 (Max), Reasoning: Max GPT-5.6 Terra: Snapshot: GPT-5.6 Terra (Max), Reasoning: MaxClaude Opus 4.8: Exakte AA-Konfiguration: Claude Opus 4.8 (Max) (Release claude-opus-4-8, Zeile claude-opus-4-8, UUID 992b7b84-5069-4c6a-9295-834252553d50, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.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.	Gewinner28,75 Punkte Der Index kann negative Werte annehmen und reicht laut Anbieter von -100 bis 100.	0,05 Punkte Der Index kann negative Werte annehmen und reicht laut Anbieter von -100 bis 100.	Artificial Analysis Quellendetails Datenstand: 19.10.2026
AA-Omniscience AccuracyOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: AA Omniscience diagnosticMessgröße: AA-Omniscience AccuracyBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: Claude Opus 4.8 (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 4.8: Exakte AA-Konfiguration: Claude Opus 4.8 (Max) (Release claude-opus-4-8, Zeile claude-opus-4-8, UUID 992b7b84-5069-4c6a-9295-834252553d50, 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.	Gewinner48,8 % 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 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 4.8: Snapshot: Claude Opus 4.8 (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 4.8: Exakte AA-Konfiguration: Claude Opus 4.8 (Max) (Release claude-opus-4-8, Zeile claude-opus-4-8, UUID 992b7b84-5069-4c6a-9295-834252553d50, 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).	Gewinner39,3 % 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 Analysis Quellendetails Datenstand: 19.10.2026
Artificial Analysis Intelligence IndexOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v4.3.2Messgröße: Artificial Analysis Intelligence IndexBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: Claude Opus 4.8 (Max), Reasoning: Max GPT-5.6 Terra: Snapshot: GPT-5.6 Terra (Max), Reasoning: MaxClaude Opus 4.8: Exakte AA-Konfiguration: Claude Opus 4.8 (Max) (Release claude-opus-4-8, Zeile claude-opus-4-8, UUID 992b7b84-5069-4c6a-9295-834252553d50, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.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.	41,79 Punkte	Gewinner42,083 Punkte	Artificial Analysis Quellendetails Datenstand: 19.10.2026
AutomationBench-AAOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: Objectives completed without guardrail violationsBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: Claude Opus 4.8 (Max), Reasoning: Max GPT-5.6 Terra: Snapshot: GPT-5.6 Terra (Max), Reasoning: MaxClaude Opus 4.8: Exakte AA-Konfiguration: Claude Opus 4.8 (Max) (Release claude-opus-4-8, Zeile claude-opus-4-8, UUID 992b7b84-5069-4c6a-9295-834252553d50, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.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.	45,6 %	Gewinner59,6 %	Artificial Analysis Quellendetails Datenstand: 19.10.2026
BrowseCompOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1,266 tasksMessgröße: accuracyBewertung: Mehr ist besserHerstellerübergreifende Vergleichstabelle mit Browser-Werkzeugen. Die genauen Agentensysteme unterscheiden sich.	84,3 % Redaktionelle Auswahl aus der Hersteller-Tabelle, kein vollständiger Auszug der Vergleichsgruppe.	Gewinner87,5 % Redaktionelle Auswahl aus der Hersteller-Tabelle, kein vollständiger Auszug der Vergleichsgruppe.	OpenAI Quellendetails Datenstand: 09.07.2026
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 GPT-5.6 Terra: Reasoning: max, Ausgabegrenze: 128.000 tokens	47,25 %	Höherer Messwert47,804 %	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 GPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert66,706 %	65,307 %	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 GPT-5.6 Terra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert69,373 %	66,205 %	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 GPT-5.6 Terra: Reasoning: max, Ausgabegrenze: 128.000 tokens	53,918 %	Höherer Messwert54,436 %	Vals AI Quellendetails Datenstand: 12.10.2026
GDP.pdfOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: All-pass rateBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: Claude Opus 4.8 (Max), Reasoning: Max GPT-5.6 Terra: Snapshot: GPT-5.6 Terra (Max), Reasoning: MaxClaude Opus 4.8: Exakte AA-Konfiguration: Claude Opus 4.8 (Max) (Release claude-opus-4-8, Zeile claude-opus-4-8, UUID 992b7b84-5069-4c6a-9295-834252553d50, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.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.	22,8 %	Gewinner24,0 %	Artificial Analysis Quellendetails Datenstand: 19.10.2026
GDPval-AAOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v2.1Messgröße: GDPval-AA EloBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: Claude Opus 4.8 (Max), Reasoning: Max GPT-5.6 Terra: Snapshot: GPT-5.6 Terra (Max), Reasoning: MaxClaude Opus 4.8: Exakte AA-Konfiguration: Claude Opus 4.8 (Max) (Release claude-opus-4-8, Zeile claude-opus-4-8, UUID 992b7b84-5069-4c6a-9295-834252553d50, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.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.	Gewinner1.453,47 elo	1.451,58 elo	Artificial Analysis Quellendetails Datenstand: 19.10.2026
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 GPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert92,424 %	90,909 %	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 GPT-5.6 Terra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert9,583 %	0,833 %	Vals AI Quellendetails Datenstand: 12.10.2026
Humanity's Last ExamOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: Text-only pass@1 accuracyBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: Claude Opus 4.8 (Max), Reasoning: Max GPT-5.6 Terra: Snapshot: GPT-5.6 Terra (Max), Reasoning: MaxClaude Opus 4.8: Exakte AA-Konfiguration: Claude Opus 4.8 (Max) (Release claude-opus-4-8, Zeile claude-opus-4-8, UUID 992b7b84-5069-4c6a-9295-834252553d50, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.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.	Gewinner48,7 % Der Anbieter beschreibt seine Vergleichsauswertung als text-only 2.158 Fragen, nicht als den vollständigen 2.500-Fragen-Datensatz.	42,9 % Der Anbieter beschreibt seine Vergleichsauswertung als text-only 2.158 Fragen, nicht als den vollständigen 2.500-Fragen-Datensatz.	Artificial Analysis Quellendetails Datenstand: 19.10.2026
IFBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: AA test set: 294 questionsMessgröße: IFBench prompt-level loose accuracy (pass@1)Bewertung: Mehr ist besserClaude Opus 4.8: Snapshot: Claude Opus 4.8 (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 4.8: Exakte AA-Konfiguration: Claude Opus 4.8 (Max) (Release claude-opus-4-8, Zeile claude-opus-4-8, UUID 992b7b84-5069-4c6a-9295-834252553d50, 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.	62,2 % 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 Analysis Quellendetails Datenstand: 19.10.2026
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 GPT-5.6 Terra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert43,75 %	41,346 %	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 GPT-5.6 Terra: Reasoning: max, Ausgabegrenze: 128.000 tokens	83,568 %	Höherer Messwert85,105 %	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 GPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert87,819 %	85,93 %	Vals AI Quellendetails Datenstand: 01.09.2026
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 GPT-5.6 Terra: Snapshot: gpt-5.6-terra-xhigh, Reasoning: xhigh, Harness: Arena Text, style controlClaude Opus 4.8: Arena-Bewertung aus 65.172 veröffentlichten Paarvergleichen.GPT-5.6 Terra: Arena-Bewertung aus 43.271 veröffentlichten Paarvergleichen.	Höherer Messwert1.474,319 95-%-Konfidenzintervall: ±3,846Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.466,429 95-%-Konfidenzintervall: ±4,257Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 15.10.2026
LMArena Vision, Style ControlOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8, Harness: Arena Vision, style control GPT-5.6 Terra: Snapshot: gpt-5.6-terra-xhigh, Reasoning: xhigh, Harness: Arena Vision, style controlClaude Opus 4.8: Arena-Bewertung aus 18.852 veröffentlichten Paarvergleichen.GPT-5.6 Terra: Arena-Bewertung aus 11.020 veröffentlichten Paarvergleichen.	Höherer Messwert1.278,955 95-%-Konfidenzintervall: ±6,534Der 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.	LMArena Quellendetails Datenstand: 09.10.2026
MedCodeOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 tokens GPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 30.000 tokens	Höherer Messwert53,217 %	43,414 %	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 GPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 30.000 tokens	Höherer Messwert85,755 %	82,869 %	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 GPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert89,585 %	86,659 %	Vals AI Quellendetails Datenstand: 01.09.2026
MMMU-ProOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.6 Terra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert86,59 %	86,474 %	Vals AI Quellendetails Datenstand: 01.09.2026
MortgageTaxOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert69,912 %	67,329 %	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 GPT-5.6 Terra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert1 %	0,5 %	Vals AI Quellendetails Datenstand: 12.10.2026
Public Benefits Bench v1.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.6 Terra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert68,133 %	62,382 %	Vals AI Quellendetails Datenstand: 12.10.2026
SAGEOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 tokens GPT-5.6 Terra: Reasoning: max, Ausgabegrenze: 30.000 tokens	Höherer Messwert54,788 %	47,003 %	Vals AI Quellendetails Datenstand: 08.10.2026
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 GPT-5.6 Terra: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 128.000 tokens	Höherer Messwert59,227 %	58,895 %	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 GPT-5.6 Terra: Reasoning: max, Ausgabegrenze: 128.000 tokens	88,6 %	Höherer Messwert95,4 %	Vals AI Quellendetails Datenstand: 01.09.2026
Tax Agent BenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.6 Terra: Reasoning: max, Ausgabegrenze: 128.000 tokens	29,999 %	Höherer Messwert30,035 %	Vals AI Quellendetails Datenstand: 12.10.2026
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 GPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	75,634 %	Höherer Messwert76,166 %	Vals AI Quellendetails Datenstand: 01.09.2026
Terminal-BenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 4.0Messgröße: Task successBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: Claude Opus 4.8 (Max), Reasoning: Max GPT-5.6 Terra: Snapshot: GPT-5.6 Terra (Max), Reasoning: MaxClaude Opus 4.8: Exakte AA-Konfiguration: Claude Opus 4.8 (Max) (Release claude-opus-4-8, Zeile claude-opus-4-8, UUID 992b7b84-5069-4c6a-9295-834252553d50, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.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.	21,7 %	Gewinner35,4 %	Artificial Analysis Quellendetails Datenstand: 19.10.2026
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 GPT-5.6 Terra: Reasoning: max, Ausgabegrenze: 128.000 tokens	71,91 %	Höherer Messwert77,528 %	Vals AI Quellendetails Datenstand: 28.09.2026
Terminal-Bench 4.0Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 4.0Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.6 Terra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert23,232 %	22,727 %	Vals AI Quellendetails Datenstand: 13.10.2026
Terminal-Bench ScienceOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 0.1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Harness: Mini-SWE-agent, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.6 Terra: Reasoning: max, Harness: Mini-SWE-agent, Ausgabegrenze: 128.000 tokens	4,286 %	Höherer Messwert10 %	Vals AI Quellendetails Datenstand: 14.10.2026
Vals IndexOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: weighted index scoreBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.6 Terra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert55,1 %	53,085 %	Vals AI Quellendetails Datenstand: 13.10.2026
Vals Multimodal IndexOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.2Messgröße: weighted index scoreBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert70,889 %	65,07 %	Vals AI Quellendetails Datenstand: 11.08.2026
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 GPT-5.6 Terra: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 128.000 tokens	Höherer Messwert82,725 %	74,594 %	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 GPT-5.6 Terra: Reasoning: max, Ausgabegrenze: 128.000 tokens	40,143 %	Höherer Messwert40,405 %	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 GPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert64,336 %	63,17 %	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 GPT-5.6 Terra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert72,797 %	62,157 %	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 GPT-5.6 Terra: Reasoning: max, Ausgabegrenze: 128.000 tokens	48,387 %	Höherer Messwert49,711 %	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 GPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert91,919 %	89,899 %	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 GPT-5.6 Terra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert87,319 %	77,536 %	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 GPT-5.6 Terra: Reasoning: max, Ausgabegrenze: 128.000 tokens	43,939 %	Höherer Messwert57,576 %	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 GPT-5.6 Terra: Reasoning: max, Ausgabegrenze: 128.000 tokens	88,937 %	Höherer Messwert90,327 %	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 GPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert99,068 %	97,205 %	Vals AI Quellendetails Datenstand: 01.09.2026
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 GPT-5.6 Terra: Snapshot: gpt-5.6-terra-xhigh, Reasoning: xhigh, Harness: Arena Text, style controlClaude Opus 4.8: Arena-Bewertung aus 64.100 veröffentlichten Paarvergleichen.GPT-5.6 Terra: Arena-Bewertung aus 43.271 veröffentlichten Paarvergleichen.	Höherer Messwert1.481,495 95-%-Konfidenzintervall: ±3,868Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.466,429 95-%-Konfidenzintervall: ±4,257Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 15.10.2026
LMArena Vision, Style ControlOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8-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 4.8: Arena-Bewertung aus 18.341 veröffentlichten Paarvergleichen.GPT-5.6 Terra: Arena-Bewertung aus 11.020 veröffentlichten Paarvergleichen.	Höherer Messwert1.285,632 95-%-Konfidenzintervall: ±6,5Der 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.	LMArena Quellendetails Datenstand: 09.10.2026
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 GPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert94,7 %	93,026 %	Vals AI Quellendetails Datenstand: 01.09.2026
MortgageTaxNumerical Extraction Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert79,73 %	74,324 %	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 GPT-5.6 Terra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert15,5 %	15 %	Vals AI Quellendetails Datenstand: 12.10.2026
SAGEAutomata Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 tokens GPT-5.6 Terra: Reasoning: max, Ausgabegrenze: 30.000 tokens	Höherer Messwert41,666 %	38,889 %	Vals AI Quellendetails Datenstand: 08.10.2026
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 GPT-5.6 Terra: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 128.000 tokens	43,674 %	Höherer Messwert48,842 %	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 GPT-5.6 Terra: Reasoning: max, Ausgabegrenze: 128.000 tokens	92,784 %	Höherer Messwert96,907 %	Vals AI Quellendetails Datenstand: 01.09.2026
Tax Agent BenchControversy & Precedence Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.6 Terra: Reasoning: max, Ausgabegrenze: 128.000 tokens	13,133 %	Höherer Messwert16,667 %	Vals AI Quellendetails Datenstand: 12.10.2026
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 GPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	64,513 %	Höherer Messwert65,822 %	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 GPT-5.6 Terra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Kein direkter Sieger100 %	Kein direkter Sieger100 %	Vals AI Quellendetails Datenstand: 28.09.2026
Terminal-Bench 4.0Hardware Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 4.0Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.6 Terra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert26,667 %	0 %	Vals AI Quellendetails Datenstand: 13.10.2026
Terminal-Bench ScienceEarth Sciences Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 0.1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Harness: Mini-SWE-agent, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.6 Terra: Reasoning: max, Harness: Mini-SWE-agent, Ausgabegrenze: 128.000 tokens	Kein direkter Sieger0 %	Kein direkter Sieger0 %	Vals AI Quellendetails Datenstand: 14.10.2026
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

Claude Opus 4.8

In dieser Runde nicht verfügbar

GPT-5.6 Terra

In dieser Runde nicht verfügbar

Frühere Tests

Pelikan auf dem Fahrrad

Community-Klassiker für eine freie SVG-Zeichnung.

Claude Opus 4.8

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.

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

Vergleiche Claude Opus 4.8 und GPT-5.6 Terra mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich

Claude Opus 4.8 vs. GPT-5.6 Terra

Modellauswahl ändern

Allgemeine Daten

API-Preise im Vergleich

Benchmark-Index im Vergleich

Gemeinsame Benchmarks

Fähigkeitsprofil aus vergleichbaren Benchmarks

Unsere Tests

SVG-Kurztest

Claude Opus 4.8

GPT-5.6 Terra

Pelikan auf dem Fahrrad

Ein Benchmark-Sieg ist kein Gesamturteil

Ähnliche LLM-Vergleiche