Direktvergleich

Claude Opus 5 vs. DeepSeek-V4-Pro

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

gemeinsame Messreihen: 189
verschiedene Benchmarks: 25
jüngster Abruf: 29.09.2026

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 5 und DeepSeek-V4-Pro
Merkmal	Claude Opus 5	DeepSeek-V4-Pro
Anbieter	Anthropic	DeepSeek
Erschienen	24. Juli 2026	24. Apr. 2026
Verfügbarkeit	Aktiv	Aktiv
Modelltyp	Proprietär	Open Weights
Parameter	Nicht veröffentlicht	1,6 Billionen, 49 Mrd. aktiv
Architektur	Nicht veröffentlicht	Mixture of Experts
Kontextfenster	1.000.000 Token	1.000.000 Token
Wissensstand	Mai 2026	Nicht veröffentlicht
Technische Quellen	Modell, Wissensstand	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 5 und DeepSeek-V4-Pro
Preisart	Claude Opus 5	DeepSeek-V4-Pro
API-Eingabe	5 $	0,66 $ (Off-Peak)
API-Ausgabe	25 $	1,98 $ (Off-Peak)
Cache lesen	0,5 $	0,02 $ (Off-Peak)
Cache schreiben (5 Min.)	6,25 $	Nicht ausgewiesen
Cache schreiben (1 Std.)	10 $	Nicht ausgewiesen
Preis geprüft	22.09.2026 Quelle	22.09.2026 Quelle
DeepSeek-V4-Pro: Spitzenpreise sind 1,32 $ Eingabe / 3,96 $ Ausgabe pro 1 Mio. Token während Mo, Di, Mi, Do, Fr, 01:00-04:00 UTC; Mo, Di, Mi, Do, Fr, 06:00-10:00 UTC; zu allen anderen Zeiten gelten Off-Peak-Preise.

Claude Opus 5DeepSeek-V4-Pro

API-EingabeUSD pro 1 Mio. Token, Basistarif

Claude Opus 55 $

DeepSeek-V4-Pro0,66 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

Claude Opus 525 $

DeepSeek-V4-Pro1,98 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

Claude Opus 50,5 $

DeepSeek-V4-Pro0,022 $

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 5 und DeepSeek-V4-Pro
Modell	Anbieter	Bezugsweg und Tarif	Eingabe pro 1 Mio. Token	Ausgabe pro 1 Mio. Token	Quelle
Claude Opus 5	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 $	Quelle02.10.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock/eu-west-1	5,5 $	27,5 $	Quelle02.10.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock/us-east-1	5,5 $	27,5 $	Quelle02.10.2026
	Anthropic	Über OpenRouteranthropic	Günstigster erfasster Preis: 5 $	Günstigster erfasster Preis: 25 $	Quelle02.10.2026
	Anthropic	Über OpenRouteranthropic/fast	10 $	50 $	Quelle02.10.2026
	Azure	Über OpenRouterazure/global	Günstigster erfasster Preis: 5 $	Günstigster erfasster Preis: 25 $	Quelle02.10.2026
	Azure	Über OpenRouterazure/us	5,5 $	27,5 $	Quelle02.10.2026
	Claude Platform on AWS	Über OpenRouterclaude-on-aws	Günstigster erfasster Preis: 5 $	Günstigster erfasster Preis: 25 $	Quelle02.10.2026
	Google	Über OpenRoutergoogle-vertex/europe	5,5 $	27,5 $	Quelle02.10.2026
	Google	Über OpenRoutergoogle-vertex/global	Günstigster erfasster Preis: 5 $	Günstigster erfasster Preis: 25 $	Quelle02.10.2026
	Google	Über OpenRoutergoogle-vertex/us	5,5 $	27,5 $	Quelle02.10.2026
DeepSeek-V4-Pro	DeepSeek	Direkt beim EntwicklerStandard-API	0,66 $	1,98 $	Quelle22.09.2026
	Alibaba	Über OpenRouteralibaba	0,5808 $	1,7424 $	Quelle02.10.2026
	AtlasCloud	Über OpenRouteratlas-cloud/fp8	1,32 $	3,96 $	Quelle02.10.2026
	Baidu	Über OpenRouterbaidu/fp8	Günstigster erfasster Preis: 0,132 $	Günstigster erfasster Preis: 0,396 $	Quelle02.10.2026
	Cloudflare	Über OpenRoutercloudflare	1,32 $	3,96 $	Quelle02.10.2026
	CoreWeave	Über OpenRoutercoreweave/fp8	1,31 $	3,96 $	Quelle02.10.2026
	DeepInfra	Über OpenRouterdeepinfra/fp8	1,3 $	2,6 $	Quelle02.10.2026
	DeepSeek	Über OpenRouterdeepseek	0,66 $	1,98 $	Quelle02.10.2026
	DigitalOcean	Über OpenRouterdigitalocean	1,32 $	3,96 $	Quelle02.10.2026
	GMICloud	Über OpenRoutergmicloud/fp8	1,056 $	3,168 $	Quelle02.10.2026
	Ionstream	Über OpenRouterionstream	0,2127 $	1,7424 $	Quelle02.10.2026
	NextBit	Über OpenRouternextbit/fp8	1,056 $	3,168 $	Quelle02.10.2026
	Novita	Über OpenRouternovita/fp8	0,99 $	2,97 $	Quelle02.10.2026
	Parasail	Über OpenRouterparasail/fp8	1,32 $	3,96 $	Quelle02.10.2026
	Phala	Über OpenRouterphala	0,957 $	2,8776 $	Quelle02.10.2026
	Relace	Über OpenRouterrelace/fp4	0,9 $	2,7 $	Quelle02.10.2026
	SiliconFlow	Über OpenRoutersiliconflow/fp8	1,32 $	3,96 $	Quelle02.10.2026
	StreamLake	Über OpenRouterstreamlake	0,66 $	1,98 $	Quelle02.10.2026
	Together	Über OpenRoutertogether	1,32 $	3,96 $	Quelle02.10.2026
	Venice	Über OpenRoutervenice	1,65 $	4,95 $	Quelle02.10.2026
	Wafer	Über OpenRouterwafer	0,33 $	4,2 $	Quelle02.10.2026

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.

Claude Opus 5

DeepSeek-V4-Pro

Coding: 100 / 62,9 (6 Benchmarkfamilien)

Reasoning: 100 / 96,3 (2 Benchmarkfamilien)

Mathematik: 100 / 56,1 (2 Benchmarkfamilien)

Wissen: 100 / 96,3 (2 Benchmarkfamilien)

Finanzen: 100 / 83,4 (6 Benchmarkfamilien)

Recht: 100 / 72,1 (4 Benchmarkfamilien)

Agenten-Aufgaben: 100 / 72,1 (2 Benchmarkfamilien)

Produktivität: 100 / 81,8 (1 Benchmarkfamilie)

54 passende Messreihen aus 24 Benchmarkfamilien wurden berücksichtigt. Das Radar zeigt 8 von 12 vergleichbaren Kategorien.

Claude Opus 5DeepSeek-V4-Pro

Code MigrationOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Opus 557,473 %

DeepSeek-V4-Pro26,201 %

CorpFin v2Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Opus 573,194 %

DeepSeek-V4-Pro61,383 %

CyberBench v1.1Patch. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Opus 581,356 %

DeepSeek-V4-Pro79,661 %

EMBOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Opus 573,556 %

DeepSeek-V4-Pro51,623 %

Finance Agent (v2)Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Opus 558,633 %

DeepSeek-V4-Pro44,083 %

GPQA DiamondOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Opus 593,434 %

DeepSeek-V4-Pro89,394 %

Harvey's Legal Agent BenchmarkOverall · Task fully resolved. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Opus 56,667 %

DeepSeek-V4-Pro3,75 %

IOIIOI 2024. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 5100 %

DeepSeek-V4-Pro31,333 %

Legal Research BenchOverall · All-pass. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Opus 555,288 %

DeepSeek-V4-Pro23,077 %

LegalBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Opus 586,974 %

DeepSeek-V4-Pro80,323 %

LiveCodeBench v6Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Opus 589,033 %

DeepSeek-V4-Pro87,484 %

LMArena Text, Style ControlOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Opus 51.491,077

DeepSeek-V4-Pro1.454,675

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von Claude Opus 5 und DeepSeek-V4-Pro
Benchmark und Aufgabe	Claude Opus 5	DeepSeek-V4-Pro	Quelle
Code MigrationOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner57,473 %	26,201 %	Vals AI Quellendetails Datenstand: 27.09.2026
CorpFin v2Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser	Gewinner73,194 %	61,383 %	Vals AI Quellendetails Datenstand: 12.08.2026
CyberBench v1.1Patch Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner81,356 %	79,661 %	Vals AI Quellendetails Datenstand: 03.08.2026
EMBOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner73,556 %	51,623 %	Vals AI Quellendetails Datenstand: 27.09.2026
Finance Agent (v2)Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser	Gewinner58,633 %	44,083 %	Vals AI Quellendetails Datenstand: 27.09.2026
GPQA DiamondOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner93,434 %	89,394 %	Vals AI Quellendetails Datenstand: 01.09.2026
Harvey's Legal Agent BenchmarkOverall · Task fully resolved Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besser	Gewinner6,667 %	3,75 %	Vals AI Quellendetails Datenstand: 27.09.2026
IOIIOI 2024 Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 tokens	Höherer Messwert100 %	31,333 %	Vals AI Quellendetails Datenstand: 09.08.2026
Legal Research BenchOverall · All-pass Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besser	Gewinner55,288 %	23,077 %	Vals AI Quellendetails Datenstand: 27.09.2026
LegalBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner86,974 %	80,323 %	Vals AI Quellendetails Datenstand: 27.09.2026
LiveCodeBench v6Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner89,033 %	87,484 %	Vals AI Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 5: Snapshot: claude-opus-5-high, Reasoning: high, Harness: Arena text, style control DeepSeek-V4-Pro: Snapshot: deepseek-v4-pro-high-preview, Reasoning: high, Harness: Arena text, style controlClaude Opus 5: Stilbereinigte Arena-Bewertung aus 55.063 anonymen Paarvergleichen.DeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 54.884 anonymen Paarvergleichen.	Gewinner1.491,077 95-%-Konfidenzintervall: ±3,89Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.454,675 95-%-Konfidenzintervall: ±3,973Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 25.09.2026
MedCodeOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner63,57 %	40,455 %	Vals AI Quellendetails Datenstand: 26.09.2026
MedScribeOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner90,985 %	75,144 %	Vals AI Quellendetails Datenstand: 26.09.2026
MMLU-ProOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner91,591 %	87,249 %	Vals AI Quellendetails Datenstand: 01.09.2026
ProgramBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner3 %	0 %	Vals AI Quellendetails Datenstand: 27.09.2026
ProofBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner99 %	16 %	Vals AI Quellendetails Datenstand: 28.09.2026
Public Benefits Bench v1.1Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner76,928 %	62,923 %	Vals AI Quellendetails Datenstand: 27.09.2026
SkillsBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Harness: OpenHands	Gewinner60,441 %	51,274 %	Vals AI Quellendetails Datenstand: 27.09.2026
SWE-bench VerifiedOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner97 %	77,4 %	Vals AI Quellendetails Datenstand: 01.09.2026
Tax Agent BenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner75,06 %	58,499 %	Vals AI Quellendetails Datenstand: 27.09.2026
TaxEval v2Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser	Gewinner75,143 %	72,077 %	Vals AI Quellendetails Datenstand: 01.09.2026
Terminal-Bench 2.1Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner84,644 %	50,187 %	Vals AI Quellendetails Datenstand: 27.09.2026
Vals IndexOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: weighted index scoreBewertung: Mehr ist besser	Gewinner67,213 %	42,888 %	Vals AI Quellendetails Datenstand: 27.09.2026
Vibe Code Bench v1.1Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Harness: OpenHands	Gewinner88,404 %	49,931 %	Vals AI Quellendetails Datenstand: 27.09.2026
Code MigrationCLI Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert53,297 %	15,47 %	Vals AI Quellendetails Datenstand: 09.08.2026
CorpFin v2Exact Pages Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert68,648 %	59,207 %	Vals AI Quellendetails Datenstand: 06.08.2026
CyberBench v1.1PoC Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	0 %	Gewinner57,627 %	Vals AI Quellendetails Datenstand: 03.08.2026
EMBComps Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert75,171 %	57,434 %	Vals AI Quellendetails Datenstand: 06.08.2026
Finance Agent (v2)Adjustments Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert54,617 %	41,586 %	Vals AI Quellendetails Datenstand: 06.08.2026
GPQA DiamondFew-Shot CoT Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 tokens	Höherer Messwert92,424 %	90,404 %	Vals AI Quellendetails Datenstand: 09.08.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Criteria passed Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: criteria pass rateBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert87,319 %	83,696 %	Vals AI Quellendetails Datenstand: 07.08.2026
IOIIOI 2025 Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 tokens	Höherer Messwert83,333 %	40,333 %	Vals AI Quellendetails Datenstand: 09.08.2026
Legal Research BenchAdministrative / Regulatory · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert65,152 %	28,788 %	Vals AI Quellendetails Datenstand: 06.08.2026
LegalBenchConclusion Tasks Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 tokens	Höherer Messwert91,56 %	89,117 %	Vals AI Quellendetails Datenstand: 09.08.2026
LiveCodeBench v6Easy Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert99,068 %	98,758 %	Vals AI Quellendetails Datenstand: 09.08.2026
LMArena Text, Style ControlBusiness, management and finance Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 5: Snapshot: claude-opus-5-high, Reasoning: high, Harness: Arena text, style control DeepSeek-V4-Pro: Snapshot: deepseek-v4-pro-high-preview, Reasoning: high, Harness: Arena text, style controlClaude Opus 5: Stilbereinigte Arena-Bewertung aus 10.655 anonymen Paarvergleichen.DeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 11.076 anonymen Paarvergleichen.	Gewinner1.486,354 95-%-Konfidenzintervall: ±7,021Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.448,077 95-%-Konfidenzintervall: ±6,825Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 25.09.2026
MMLU-ProBiology Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 tokens	Höherer Messwert95,676 %	92,887 %	Vals AI Quellendetails Datenstand: 09.08.2026
ProgramBenchAlmost Resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert41,5 %	0 %	Vals AI Quellendetails Datenstand: 09.08.2026
SkillsBenchNo Skills Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5: Compute: max, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 384.000 tokens	Höherer Messwert45,191 %	27,226 %	Vals AI Quellendetails Datenstand: 07.08.2026
SWE-bench Verified<15 min fix Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 tokens	Höherer Messwert98,454 %	87,629 %	Vals AI Quellendetails Datenstand: 08.08.2026
TaxEval v2Correctness Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert61,979 %	60,589 %	Vals AI Quellendetails Datenstand: 09.08.2026
Terminal-Bench 2.1Easy Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5: Compute: high, Temperatur: 1, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Ausgabegrenze: 128.000 tokens	Höherer Messwert100 %	66,667 %	Vals AI Quellendetails Datenstand: 06.08.2026
Vals IndexCorpFin v2 Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert74,942 %	61,888 %	Vals AI Quellendetails Datenstand: 09.08.2026
Code MigrationCOBOL Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert70 %	58,393 %	Vals AI Quellendetails Datenstand: 09.08.2026
CorpFin v2Max Fitting Context Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert75,991 %	63,054 %	Vals AI Quellendetails Datenstand: 06.08.2026
EMBDataroom Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert87,681 %	62,572 %	Vals AI Quellendetails Datenstand: 06.08.2026
Finance Agent (v2)All-Pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert47,708 %	31,448 %	Vals AI Quellendetails Datenstand: 06.08.2026
GPQA DiamondZero-Shot CoT Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 tokens	Höherer Messwert94,444 %	88,384 %	Vals AI Quellendetails Datenstand: 09.08.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Kein direkter Sieger0 %	Kein direkter Sieger0 %	Vals AI Quellendetails Datenstand: 07.08.2026
Legal Research BenchAdministrative / Regulatory · Weighted partial credit Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: weighted partial-credit scoreBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert92,676 %	83,372 %	Vals AI Quellendetails Datenstand: 06.08.2026
LegalBenchInterpretation Tasks Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 tokens	Höherer Messwert85,84 %	75,169 %	Vals AI Quellendetails Datenstand: 09.08.2026
LiveCodeBench v6Hard Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert77,429 %	72,571 %	Vals AI Quellendetails Datenstand: 09.08.2026
LMArena Text, Style ControlChinese Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 5: Snapshot: claude-opus-5-high, Reasoning: high, Harness: Arena text, style control DeepSeek-V4-Pro: Snapshot: deepseek-v4-pro-high-preview, Reasoning: high, Harness: Arena text, style controlClaude Opus 5: Stilbereinigte Arena-Bewertung aus 4.449 anonymen Paarvergleichen.DeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 3.360 anonymen Paarvergleichen.	Gewinner1.550,221 95-%-Konfidenzintervall: ±10,016Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.499,718 95-%-Konfidenzintervall: ±10,912Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 25.09.2026
MMLU-ProBusiness Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 tokens	Höherer Messwert93,536 %	91,888 %	Vals AI Quellendetails Datenstand: 09.08.2026
ProgramBenchFully Resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert3 %	0 %	Vals AI Quellendetails Datenstand: 09.08.2026
SkillsBenchWith Skills Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5: Compute: max, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 384.000 tokens	Höherer Messwert60,441 %	51,274 %	Vals AI Quellendetails Datenstand: 07.08.2026
SWE-bench Verified>4 hours Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 tokens	Höherer Messwert100 %	0 %	Vals AI Quellendetails Datenstand: 08.08.2026
TaxEval v2Stepwise Reasoning Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert88,307 %	83,565 %	Vals AI Quellendetails Datenstand: 09.08.2026
Terminal-Bench 2.1Hard Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5: Compute: high, Temperatur: 1, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Ausgabegrenze: 128.000 tokens	Höherer Messwert84,444 %	31,111 %	Vals AI Quellendetails Datenstand: 06.08.2026
Vals IndexFinance Agent v2 Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert56,57 %	44,081 %	Vals AI Quellendetails Datenstand: 09.08.2026
Code MigrationCode Quality Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: mean reviewer code-quality ratingBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert4,75 / 5	3,401 / 5	Vals AI Quellendetails Datenstand: 09.08.2026
CorpFin v2Shared Max Context Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert74,942 %	61,888 %	Vals AI Quellendetails Datenstand: 06.08.2026
EMBDCF Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert70,018 %	44,435 %	Vals AI Quellendetails Datenstand: 06.08.2026
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Eigene Modelltests

Unsere Tests

Vergleiche, wie die Modelle denselben Prompt umsetzen. Jeder Test zeigt den ersten Versuch, ohne nachträgliche Korrekturen am erzeugten Code. Die Ergebnisse fließen nicht in einen Gesamtscore ein.

Pelikan auf dem Fahrrad

Community-Klassiker für eine freie SVG-Zeichnung.

Claude Opus 5

Die API-Antwort wurde nicht vollständig übertragen. Das Modell wurde nicht bewertet.

Reasoning (angefragt): high

Erster Versuch

Datum des Testlaufs: 07.09.2026
API-Anbieter: openrouter
Angefragtes API-Modell: anthropic/claude-opus-5
Reasoning-Einstellung: high
Festgelegter Endpunkt: Anthropic | anthropic/claude-opus-5-20260723
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Nicht bestanden

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

DeepSeek-V4-Pro

In diesem Testlauf war kein API-Zugang verfügbar. Das Modell wurde nicht bewertet.

Reasoning (angefragt): high

Erster Versuch

Datum des Testlaufs: 07.09.2026
API-Anbieter: openrouter
Angefragtes API-Modell: deepseek/deepseek-v4-pro-0813
Reasoning-Einstellung: high
Festgelegter Endpunkt: DeepSeek | deepseek/deepseek-v4-pro-20260813
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Nicht ausgeführt

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

Prompt und Testbedingungen

Generate an SVG of a pelican riding a bicycle

Tokenlimit inklusive Reasoning: 8.192 Token

Ursprung der Aufgabe (Simon Willison)

So liest du den Vergleich

Ein Benchmark-Sieg ist kein Gesamturteil

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

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

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

Weitere Duelle

Vergleiche Claude Opus 5 und DeepSeek-V4-Pro mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich