Direktvergleich
Claude Opus 5 vs. GPT-5.6 Sol
Veröffentlichte Benchmarkwerte aus derselben Version und Vergleichskohorte, API-Preise und technische Eckdaten. Unterschiedliche Testeinstellungen werden sichtbar ausgewiesen.
248
gemeinsame Messreihen
32
verschiedene Benchmarks
16.08.2026
jüngster Abruf
Modellauswahl ändern
Steckbrief und Kosten
Allgemeine Daten und Standard-API-Preise
Nicht veröffentlichte Parameterzahlen oder Wissensstände bleiben als solche markiert. Die Tabelle zeigt direkte Standardtarife pro Token einschließlich hinterlegter Kontextstufen. Batch, Fast, Priority, regionale Aufschläge, Toolaufrufe und Cloudpreise sind nicht eingerechnet.
| Merkmal | Claude Opus 5 | GPT-5.6 Sol |
|---|---|---|
| Anbieter | Anthropic | OpenAI |
| Erschienen | 24. Juli 2026 | 26. Juni 2026 |
| Verfügbarkeit | Aktiv | Aktiv |
| Modelltyp | Proprietär | Proprietär |
| Parameter | Nicht veröffentlicht | Nicht veröffentlicht |
| Architektur | Nicht veröffentlicht | Nicht veröffentlicht |
| Kontextfenster | 1.000.000 Token | 1.050.000 Token |
| Wissensstand | Mai 2026 | 16. Februar 2026 |
| Technische Quellen | Modell, Wissensstand | Modell, Kontext, Wissensstand |
| API-Preise pro 1 Mio. Token | ||
| API-Eingabe | 5 $ | 5 $ ≤272K / 10 $ >272K |
| API-Ausgabe | 25 $ | 30 $ ≤272K / 45 $ >272K |
| Cache lesen | 0,5 $ | 0,5 $ ≤272K / 1 $ >272K |
| Cache schreiben (5 Min.) | 6,25 $ | 6,25 $ ≤272K / 12,5 $ >272K |
| Cache schreiben (1 Std.) | 10 $ | Nicht ausgewiesen |
| Preis geprüft | 30.07.2026Quelle | 11.08.2026Quelle |
Claude Opus 5GPT-5.6 Sol
API-EingabeUSD pro 1 Mio. Token, Basistarif
Claude Opus 55 $Gleichstand
GPT-5.6 Sol5 $Gleichstand
API-AusgabeUSD pro 1 Mio. Token, Basistarif
Claude Opus 525 $Günstiger
GPT-5.6 Sol30 $
Cache lesenUSD pro 1 Mio. Token, Basistarif
Claude Opus 50,5 $Gleichstand
GPT-5.6 Sol0,5 $Gleichstand
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.
248 gemeinsame Messreihen
Claude Opus 5GPT-5.6 Sol
AlmanBench v0.1Accepted cases. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 594,947 %
GPT-5.6 Sol95,141 %Gewinner
ARC-AGI-3RHAE overall score. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 530,16 %Gewinner
GPT-5.6 Sol2,15 %
Arena Text, Style ControlOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 51.493,745 Arena-PunkteHöherer Messwert
GPT-5.6 Sol1.480,992 Arena-Punkte
Code MigrationOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 557,473 %Gewinner
GPT-5.6 Sol52,916 %
CorpFin v2Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 573,194 %Gewinner
GPT-5.6 Sol64,375 %
CyberBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 540,678 %
GPT-5.6 Sol88,136 %Gewinner
EMBOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 573,556 %Gewinner
GPT-5.6 Sol72,339 %
Finance Agent (v2)Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 558,633 %Gewinner
GPT-5.6 Sol53,756 %
GPQA DiamondOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 593,43 %
GPT-5.6 Sol95,2 %Gewinner
Harvey's Legal Agent BenchmarkOverall · Task fully resolved. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 56,667 %Gewinner
GPT-5.6 Sol2,5 %
IOIOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 591,667 %Gewinner
GPT-5.6 Sol86,667 %
Legal Research BenchOverall · All-pass. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 555,288 %Gewinner
GPT-5.6 Sol48,077 %
| Benchmark und Aufgabe | Claude Opus 5 | GPT-5.6 Sol | Vergleichbarkeit | Quelle |
|---|---|---|---|---|
| AlmanBench v0.1Accepted casesReasoning: max | 94,947 % | 95,141 %Gewinner | v0.1, results commit f34ddbfaccepted casesMehr ist besserKohorte: almanbench-v0-1:official:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolClaude Opus 5: Reasoning: max GPT-5.6 Sol: Reasoning: max1.029 öffentliche Aufgaben, ein direkter Lauf je Zeile. Gemessen wird die Alman-Sprachspezifikation. | Alman InstitutTyp: Unabhängige EvaluationMessstand: 05.08.2026Import-ID: curated-alman-institut-2026-08-09-dae32c26388f / curated-alman-institut-2026-08-09-c025c420dbf4Abgerufen am 09.08.2026 |
| ARC-AGI-3RHAE overall scoreReasoning: high | 30,16 %Gewinner | 2,15 % | ARC-AGI-3 2026 verifiedRHAE scoreMehr ist besserKohorte: arc-agi-3-semi-private-verified-official-harnessKein dokumentierter Setup-UnterschiedSieger: Claude Opus 5Claude Opus 5: Reasoning: high, Agent: ARC Prize official harness, Harness: ARC Prize official harness GPT-5.6 Sol: Reasoning: high, Agent: ARC Prize official harness, Harness: ARC Prize official harnessOffizieller ARC-Prize-Harness auf unbekannten interaktiven Umgebungen. Reasoning-Stufen bleiben getrennt. | ARC Prize, ARC PrizeTyp: Offizielles Benchmark-LeaderboardImport-ID: curated-arc-prize-2026-08-06-efa794b86f9e / curated-arc-prize-2026-08-06-7f3603da855aAbgerufen am 06.08.2026 |
| Arena Text, Style ControlOverall | 1.493,745 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±5,332Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.480,992 Arena-Punkte 95-%-Konfidenzintervall: ±5,733Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:overallTestaufbau nicht identisch dokumentiertKein direkter SiegerClaude Opus 5: Snapshot: claude-opus-5-high, Reasoning: high, Harness: Arena text, style control GPT-5.6 Sol: Snapshot: gpt-5.6-sol-xhigh, Reasoning: xhigh, Harness: Arena text, style controlClaude Opus 5: Stilbereinigte Arena-Bewertung aus 19.792 anonymen Paarvergleichen.GPT-5.6 Sol: Stilbereinigte Arena-Bewertung aus 15.450 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Code MigrationOverall | 57,473 %Gewinner | 52,916 % | 1accuracyMehr ist besserKohorte: vals-code-migration:1:overallKein dokumentierter Setup-UnterschiedSieger: Claude Opus 5Claude Opus 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 13.08.2026Import-ID: vals-code-migration-2026-08-16-107652dc6bfcAbgerufen am 16.08.2026 |
| CorpFin v2Overall | 73,194 %Gewinner | 64,375 % | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:overallKein dokumentierter Setup-UnterschiedSieger: Claude Opus 5Claude Opus 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-corp_fin_v2-2026-08-16-45bbf84f57abAbgerufen am 16.08.2026 |
| CyberBenchOverall | 40,678 % | 88,136 %Gewinner | 1accuracyMehr ist besserKohorte: vals-cyberbench:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolClaude Opus 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 03.08.2026Import-ID: vals-cyber-2026-08-16-702acaee9aa9Abgerufen am 16.08.2026 |
| EMBOverall | 73,556 %Gewinner | 72,339 % | 1accuracyMehr ist besserKohorte: vals-emb:1:overallKein dokumentierter Setup-UnterschiedSieger: Claude Opus 5Claude Opus 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 13.08.2026Import-ID: vals-emb-2026-08-16-68d5d1d47a97Abgerufen am 16.08.2026 |
| Finance Agent (v2)Overall | 58,633 %Gewinner | 53,756 % | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:overallKein dokumentierter Setup-UnterschiedSieger: Claude Opus 5Claude Opus 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 14.08.2026Import-ID: vals-fabv2-2026-08-16-8853da43085dAbgerufen am 16.08.2026 |
| GPQA DiamondOverall | 93,43 % Kleine Abstände sind wegen Sättigung und Messstreuung nicht automatisch praktisch relevant. | 95,2 %Gewinner Kleine Abstände sind wegen Sättigung und Messstreuung nicht automatisch praktisch relevant. | DiamondaccuracyMehr ist besserKohorte: vals-gpqa-diamond-2026-08-01Kein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolClaude Opus 5: Versuche: pass@1 GPT-5.6 Sol: Versuche: pass@1Einheitliche Vals-Evaluation des weitgehend gesättigten Tests. | Vals AITyp: Unabhängige EvaluationMessstand: 01.08.2026Import-ID: curated-vals-ai-2026-08-02-71e39d20f05d / curated-vals-ai-2026-08-02-40bfd78b0ea4Abgerufen am 02.08.2026 |
| Harvey's Legal Agent BenchmarkOverall · Task fully resolved | 6,667 %Gewinner | 2,5 % | 1task resolution rateMehr ist besserKohorte: vals-legal-agent-benchmark:1:overallKein dokumentierter Setup-UnterschiedSieger: Claude Opus 5Claude Opus 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 14.08.2026Import-ID: vals-hlab-2026-08-16-bae90566df2fAbgerufen am 16.08.2026 |
| IOIOverall | 91,667 %Gewinner | 86,667 % | 1accuracyMehr ist besserKohorte: vals-ioi:1:overallKein dokumentierter Setup-UnterschiedSieger: Claude Opus 5Claude Opus 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-ioi-2026-08-16-d9164ef483aaAbgerufen am 16.08.2026 |
| Legal Research BenchOverall · All-pass | 55,288 %Gewinner | 48,077 % | 1all-pass rateMehr ist besserKohorte: vals-legal-research:1:overallKein dokumentierter Setup-UnterschiedSieger: Claude Opus 5Claude Opus 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 14.08.2026Import-ID: vals-legal_research-2026-08-16-af296c00ecaaAbgerufen am 16.08.2026 |
| LegalBenchOverall | 86,974 %Gewinner | 86,965 % | 1accuracyMehr ist besserKohorte: vals-legal-bench:1:overallKein dokumentierter Setup-UnterschiedSieger: Claude Opus 5Claude Opus 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-legal_bench-2026-08-16-d5b3b1b2b5c8Abgerufen am 16.08.2026 |
| LiveCodeBench v6Overall | 89,033 %Gewinner | 82,604 % | 1accuracyMehr ist besserKohorte: vals-lcb:1:overallKein dokumentierter Setup-UnterschiedSieger: Claude Opus 5Claude Opus 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 13.08.2026Import-ID: vals-lcb-2026-08-16-17b9c147080dAbgerufen am 16.08.2026 |
| MedCodeOverall | 63,57 %Gewinner | 43,974 % | 1accuracyMehr ist besserKohorte: vals-medcode:1:overallKein dokumentierter Setup-UnterschiedSieger: Claude Opus 5Claude Opus 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-medcode-2026-08-16-524f7f474eacAbgerufen am 16.08.2026 |
| MedScribeOverall | 90,985 %Gewinner | 85,233 % | 1accuracyMehr ist besserKohorte: vals-medscribe:1:overallKein dokumentierter Setup-UnterschiedSieger: Claude Opus 5Claude Opus 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-medscribe-2026-08-16-c385354a7e62Abgerufen am 16.08.2026 |
| MMLU-ProOverall | 91,591 %Gewinner | 89,1 % | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:overallKein dokumentierter Setup-UnterschiedSieger: Claude Opus 5Claude Opus 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-mmlu_pro-2026-08-16-e14d5bb3a34cAbgerufen am 16.08.2026 |
| MMMU-ProOverall | 89,88 %Gewinner | 88,84 % | ProaccuracyMehr ist besserKohorte: vals-mmmu-pro-pass1-temp0-2026-07-31Kein dokumentierter Setup-UnterschiedSieger: Claude Opus 5Claude Opus 5: Versuche: pass@1 GPT-5.6 Sol: Versuche: pass@1Ungefähr 1.700 multimodale Aufgaben, Pass@1 bei Temperatur 0. | Vals AITyp: Unabhängige EvaluationMessstand: 31.07.2026Import-ID: curated-vals-ai-2026-08-02-7cb2c9e11cfa / curated-vals-ai-2026-08-02-077b07f92fa3Abgerufen am 02.08.2026 |
| MortgageTaxOverall | 72,059 %Gewinner | 67,289 % | 1accuracyMehr ist besserKohorte: vals-mortgage-tax:1:overallKein dokumentierter Setup-UnterschiedSieger: Claude Opus 5Claude Opus 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-mortgage_tax-2026-08-16-e78c985dbb1cAbgerufen am 16.08.2026 |
| ProgramBenchOverall | 3 %Gewinner | 1,5 % | 1accuracyMehr ist besserKohorte: vals-programbench:1:overallKein dokumentierter Setup-UnterschiedSieger: Claude Opus 5Claude Opus 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 13.08.2026Import-ID: vals-programbench-2026-08-16-08d9727662ddAbgerufen am 16.08.2026 |
| ProofBenchOverall | 78 %Gewinner | 77 % | currentsolved proofsMehr ist besserKohorte: vals-proofbench-lean4-40-steps-2026-07-31Kein dokumentierter Setup-UnterschiedSieger: Claude Opus 5Claude Opus 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen200 Lean-4-Probleme mit Werkzeugzugriff und höchstens 40 Schritten. | Vals AITyp: Unabhängige EvaluationMessstand: 31.07.2026Import-ID: curated-vals-ai-2026-08-02-0c2bc33f9e1f / curated-vals-ai-2026-08-02-35b7a2f5cfe7Abgerufen am 02.08.2026 |
| Public Benefits Bench v1.1Overall | 76,928 %Gewinner | 66,509 % | 1.1accuracyMehr ist besserKohorte: vals-snap:1.1:overallKein dokumentierter Setup-UnterschiedSieger: Claude Opus 5Claude Opus 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-public-benefits-bench-2026-08-16-7ce68123c502Abgerufen am 16.08.2026 |
| ReverseEngBenchOverall | 12,214 % | 30,534 %Gewinner | 1accuracyMehr ist besserKohorte: vals-sre-bench:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolClaude Opus 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 10.08.2026Import-ID: vals-reverse_eng-2026-08-16-625e75d80df9Abgerufen am 16.08.2026 |
| SAGEOverall | 49,426 % | 52,563 %Gewinner | 1accuracyMehr ist besserKohorte: vals-sage:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolClaude Opus 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-sage-2026-08-16-a416dd25affbAbgerufen am 16.08.2026 |
| SkillsBenchOverall | 60,441 %Gewinner | 54,1 % | 1accuracyMehr ist besserKohorte: vals-skillsbench:1:overallKein dokumentierter Setup-UnterschiedSieger: Claude Opus 5Claude Opus 5: Harness: OpenHands GPT-5.6 Sol: Harness: OpenHands | Vals AITyp: Unabhängige EvaluationMessstand: 13.08.2026Import-ID: vals-skillsbench-2026-08-16-4917a67268d2Abgerufen am 16.08.2026 |
| SWE-bench VerifiedOverall | 97 %Gewinner Redaktionelle Auswahl aus der Vals-AI-Tabelle, kein vollständiger Auszug der Vergleichsgruppe. | 96,2 % Redaktionelle Auswahl aus der Vals-AI-Tabelle, kein vollständiger Auszug der Vergleichsgruppe. | VerifiedresolvedMehr ist besserKohorte: swe-verified-vals-mini-swe-agent-2026-07-31Kein dokumentierter Setup-UnterschiedSieger: Claude Opus 5Claude Opus 5: Agent: mini-SWE-agent, Harness: mini-SWE-agent GPT-5.6 Sol: Agent: mini-SWE-agent, Harness: mini-SWE-agentEinheitliches mini-SWE-agent-Testgerüst mit Bash-Werkzeugen. | Vals AITyp: Unabhängige EvaluationMessstand: 31.07.2026Import-ID: curated-vals-ai-2026-08-01-6d188ba56b5b / curated-vals-ai-2026-08-01-078dcd2c807cAbgerufen am 01.08.2026 |
| TaxEval v2Overall | 75,143 %Gewinner | 74,775 % | 2accuracyMehr ist besserKohorte: vals-tax-eval-v2:2:overallKein dokumentierter Setup-UnterschiedSieger: Claude Opus 5Claude Opus 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-tax_eval_v2-2026-08-16-5bbd495dac53Abgerufen am 16.08.2026 |
| Terminal-Bench 2.1Overall | 84,64 % Neun bestandene Aufgaben nutzten wegen der Schutzmechanismen einen Opus-4.8-Fallback. Als Fehler gezählt, sinkt der Wert laut Vals auf 81,27 %. | 85,77 %Gewinner | 2.1pass@1Mehr ist besserKohorte: vals-terminal-bench-2-1-terminus2-2026-08-01Kein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolClaude Opus 5: Agent: Terminus 2, Harness: Terminus 2, Versuche: pass@1 GPT-5.6 Sol: Agent: Terminus 2, Harness: Terminus 2, Versuche: pass@1Konstanter Terminus-2-Agent, 89 Aufgaben, Daytona-Umgebungen und gemeinsames Zeitlimit. | Vals AITyp: Unabhängige EvaluationMessstand: 01.08.2026Import-ID: curated-vals-ai-2026-08-02-52c225d36f55 / curated-vals-ai-2026-08-02-db4549f6f7c5Abgerufen am 02.08.2026 |
| Time Horizon Index: KSPOverall | 13,667 %Gewinner | 13 % | 1progressMehr ist besserKohorte: vals-ksp-bench:1:overallKein dokumentierter Setup-UnterschiedSieger: Claude Opus 5Claude Opus 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 05.08.2026Import-ID: vals-time_horizon_index-2026-08-16-b63dc486165aAbgerufen am 16.08.2026 |
| Vals IndexOverall | 67,213 %Gewinner | 63,709 % | 2weighted index scoreMehr ist besserKohorte: vals-vals-index:2:overallKein dokumentierter Setup-UnterschiedSieger: Claude Opus 5Claude Opus 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 14.08.2026Import-ID: vals-vals_index-2026-08-16-ab641d89d6edAbgerufen am 16.08.2026 |
| Vals Multimodal IndexOverall | 73,896 %Gewinner | 72,64 % | 1.2weighted index scoreMehr ist besserKohorte: vals-vals-multimodal-index:1.2:overallKein dokumentierter Setup-UnterschiedSieger: Claude Opus 5Claude Opus 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 11.08.2026Import-ID: vals-vals_multimodal_index-2026-08-16-9f3ebb221408Abgerufen am 16.08.2026 |
| Vibe Code Bench v1.1Overall | 88,404 %Gewinner | 80,495 % | 1.1accuracyMehr ist besserKohorte: vals-vibe-code-bench:1.1:overallKein dokumentierter Setup-UnterschiedSieger: Claude Opus 5Claude Opus 5: Harness: OpenHands GPT-5.6 Sol: Harness: OpenHands | Vals AITyp: Unabhängige EvaluationMessstand: 13.08.2026Import-ID: vals-vibe-code-2026-08-16-a73c9770bcc4Abgerufen am 16.08.2026 |
| ARC-AGI-3RHAE overall score | 30,16 %Höherer Messwert | 0,33 % | ARC-AGI-3 2026 verifiedRHAE scoreMehr ist besserKohorte: arc-agi-3-semi-private-verified-official-harnessTestaufbau nicht identisch dokumentiertKein direkter SiegerClaude Opus 5: Reasoning: high, Agent: ARC Prize official harness, Harness: ARC Prize official harness GPT-5.6 Sol: Reasoning: low, Agent: ARC Prize official harness, Harness: ARC Prize official harnessOffizieller ARC-Prize-Harness auf unbekannten interaktiven Umgebungen. Reasoning-Stufen bleiben getrennt. | ARC Prize, ARC PrizeTyp: Offizielles Benchmark-LeaderboardImport-ID: curated-arc-prize-2026-08-06-efa794b86f9e / curated-arc-prize-2026-08-06-691198a6be3bAbgerufen am 06.08.2026 |
| Arena Text, Style ControlOverall | 1.491,094 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±6,993Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.480,992 Arena-Punkte 95-%-Konfidenzintervall: ±5,733Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:overallTestaufbau nicht identisch dokumentiertKein direkter SiegerClaude Opus 5: Snapshot: claude-opus-5-max, Reasoning: max, Harness: Arena text, style control GPT-5.6 Sol: Snapshot: gpt-5.6-sol-xhigh, Reasoning: xhigh, Harness: Arena text, style controlClaude Opus 5: Stilbereinigte Arena-Bewertung aus 9.559 anonymen Paarvergleichen.GPT-5.6 Sol: Stilbereinigte Arena-Bewertung aus 15.450 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Code MigrationCLI | 53,297 %Höherer Messwert | 47,221 % | 1accuracyMehr ist besserKohorte: vals-code-migration:1:cliTestaufbau nicht identisch dokumentiertKein direkter SiegerClaude Opus 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-code-migration-2026-08-11-3a2d5ce718a3Abgerufen am 11.08.2026 |
| CorpFin v2Exact Pages | 68,648 %Höherer Messwert | 61,538 % | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:exact_pagesTestaufbau nicht identisch dokumentiertKein direkter SiegerClaude Opus 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-corp_fin_v2-2026-08-11-d9e58d191cd9Abgerufen am 11.08.2026 |
| CyberBenchPatch | 81,356 % | 83,051 %Gewinner | 1accuracyMehr ist besserKohorte: vals-cyberbench:1:patchKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolClaude Opus 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 03.08.2026Import-ID: vals-cyber-2026-08-11-1f20498a3dc1Abgerufen am 11.08.2026 |
| EMBComps | 75,171 %Höherer Messwert | 71,309 % | 1accuracyMehr ist besserKohorte: vals-emb:1:compsTestaufbau nicht identisch dokumentiertKein direkter SiegerClaude Opus 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-emb-2026-08-11-e3c855e236e4Abgerufen am 11.08.2026 |
| Finance Agent (v2)Adjustments | 54,617 %Höherer Messwert | 49,233 % | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:adjustmentsTestaufbau nicht identisch dokumentiertKein direkter SiegerClaude Opus 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-fabv2-2026-08-11-3e5c93a1857cAbgerufen am 11.08.2026 |
| GPQA DiamondOverall | 93,434 % | 95,202 %Gewinner | 1accuracyMehr ist besserKohorte: vals-gpqa:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolClaude Opus 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-gpqa-2026-08-16-7f8363eaa2dbAbgerufen am 16.08.2026 |
| Harvey's Legal Agent BenchmarkAntitrust Competition · Criteria passed | 87,319 %Höherer Messwert | 78,623 % | 1criteria pass rateMehr ist besserKohorte: vals-legal-agent-benchmark:1:criteria_pass_rate__antitrust_competitionTestaufbau nicht identisch dokumentiertKein direkter SiegerClaude Opus 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 07.08.2026Import-ID: vals-hlab-2026-08-11-ea11b6e53414Abgerufen am 11.08.2026 |
| IOIIOI 2024 | 100 %Höherer Messwert | 85 % | 1accuracyMehr ist besserKohorte: vals-ioi:1:ioi2024Testaufbau nicht identisch dokumentiertKein direkter SiegerClaude Opus 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-ioi-2026-08-11-2dfe8b4b8b7bAbgerufen am 11.08.2026 |
| Legal Research BenchAdministrative / Regulatory · All-pass | 65,152 %Höherer Messwert | 60,606 % | 1all-pass rateMehr ist besserKohorte: vals-legal-research:1:administrative_regulatoryTestaufbau nicht identisch dokumentiertKein direkter SiegerClaude Opus 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-legal_research-2026-08-11-326cf7aaca58Abgerufen am 11.08.2026 |
| LegalBenchConclusion Tasks | 91,56 %Höherer Messwert | 90,492 % | 1accuracyMehr ist besserKohorte: vals-legal-bench:1:conclusion_tasksTestaufbau nicht identisch dokumentiertKein direkter SiegerClaude Opus 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-legal_bench-2026-08-11-836e5e44618eAbgerufen am 11.08.2026 |
| LiveCodeBench v6Easy | 99,068 %Höherer Messwert | 98,137 % | 1accuracyMehr ist besserKohorte: vals-lcb:1:easyTestaufbau nicht identisch dokumentiertKein direkter SiegerClaude Opus 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-lcb-2026-08-11-0342bcc364e4Abgerufen am 11.08.2026 |
| MMLU-ProBiology | 95,676 %Höherer Messwert | 94,561 % | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:biologyTestaufbau nicht identisch dokumentiertKein direkter SiegerClaude Opus 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mmlu_pro-2026-08-11-b8e53828d746Abgerufen am 11.08.2026 |
| MMMU-ProOverall | 89,884 %Gewinner | 88,844 % | 1accuracyMehr ist besserKohorte: vals-mmmu:1:overallKein dokumentierter Setup-UnterschiedSieger: Claude Opus 5Claude Opus 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mmmu-2026-08-16-37c9a8c7e21fAbgerufen am 16.08.2026 |
| MortgageTaxNumerical Extraction | 81,399 %Höherer Messwert | 75,119 % | 1accuracyMehr ist besserKohorte: vals-mortgage-tax:1:numerical_extractionTestaufbau nicht identisch dokumentiertKein direkter SiegerClaude Opus 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mortgage_tax-2026-08-11-5ea6eef3e482Abgerufen am 11.08.2026 |
| ProgramBenchAlmost Resolved | 41,5 %Höherer Messwert | 23 % | 1accuracyMehr ist besserKohorte: vals-programbench:1:almostTestaufbau nicht identisch dokumentiertKein direkter SiegerClaude Opus 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-programbench-2026-08-11-b6f8959fbdfeAbgerufen am 11.08.2026 |
| ProofBenchOverall | 99 %Gewinner | 83 % | 1.1accuracyMehr ist besserKohorte: vals-proof-bench:1.1:overallKein dokumentierter Setup-UnterschiedSieger: Claude Opus 5Claude Opus 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 14.08.2026Import-ID: vals-proof_bench-2026-08-16-14232db24de1Abgerufen am 16.08.2026 |
| SAGEAutomata | 32,54 % | 39,682 %Höherer Messwert | 1accuracyMehr ist besserKohorte: vals-sage:1:automataTestaufbau nicht identisch dokumentiertKein direkter SiegerClaude Opus 5: Temperatur: 1, Ausgabegrenze: 30.000 tokens GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 30.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-sage-2026-08-11-f1f79f6d8af3Abgerufen am 11.08.2026 |
| SkillsBenchNo Skills | 45,191 %Höherer Messwert | 43,312 % | 1accuracyMehr ist besserKohorte: vals-skillsbench:1:no_skillsTestaufbau nicht identisch dokumentiertKein direkter SiegerClaude Opus 5: Compute: max, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.6 Sol: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 07.08.2026Import-ID: vals-skillsbench-2026-08-11-351bec9d0e01Abgerufen am 11.08.2026 |
| SWE-bench VerifiedOverall | 97 %Gewinner | 96,2 % | 1accuracyMehr ist besserKohorte: vals-swebench:1:overallKein dokumentierter Setup-UnterschiedSieger: Claude Opus 5Claude Opus 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-swebench-2026-08-16-c133071b8167Abgerufen am 16.08.2026 |
| TaxEval v2Correctness | 61,979 % | 65,004 %Höherer Messwert | 2accuracyMehr ist besserKohorte: vals-tax-eval-v2:2:correctnessTestaufbau nicht identisch dokumentiertKein direkter SiegerClaude Opus 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-tax_eval_v2-2026-08-11-d05a40bf446fAbgerufen am 11.08.2026 |
| Terminal-Bench 2.1Overall | 84,644 % | 85,768 %Gewinner | 2.1accuracyMehr ist besserKohorte: vals-terminal-bench-2-1:2.1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolClaude Opus 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 13.08.2026Import-ID: vals-terminal-bench-2-1-2026-08-16-b3f38c18bea4Abgerufen am 16.08.2026 |
| Time Horizon Index: KSPProgress efficiency | 11,947 %Höherer Messwert | 10,634 % | 1progressMehr ist besserKohorte: vals-ksp-bench:1:mean_progress_to_dateTestaufbau nicht identisch dokumentiertKein direkter SiegerClaude Opus 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 05.08.2026Import-ID: vals-time_horizon_index-2026-08-11-f0a20a098b28Abgerufen am 11.08.2026 |
| Vals IndexCorpFin v2 | 74,942 %Höherer Messwert | 66,434 % | 1.2benchmark scoreMehr ist besserKohorte: vals-vals-index:1.2:corp_fin_v2Testaufbau nicht identisch dokumentiertKein direkter SiegerClaude Opus 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-vals_index-2026-08-11-e79d08d59249Abgerufen am 11.08.2026 |
| Vals Multimodal IndexCorpFin v2 | 74,942 %Höherer Messwert | 66,434 % | 1.2benchmark scoreMehr ist besserKohorte: vals-vals-multimodal-index:1.2:corp_fin_v2Testaufbau nicht identisch dokumentiertKein direkter SiegerClaude Opus 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-vals_multimodal_index-2026-08-11-fa704862df19Abgerufen am 11.08.2026 |
| ARC-AGI-3RHAE overall score | 30,16 %Höherer Messwert | 7,78 % | ARC-AGI-3 2026 verifiedRHAE scoreMehr ist besserKohorte: arc-agi-3-semi-private-verified-official-harnessTestaufbau nicht identisch dokumentiertKein direkter SiegerClaude Opus 5: Reasoning: high, Agent: ARC Prize official harness, Harness: ARC Prize official harness GPT-5.6 Sol: Reasoning: max, Agent: ARC Prize official harness, Harness: ARC Prize official harnessOffizieller ARC-Prize-Harness auf unbekannten interaktiven Umgebungen. Reasoning-Stufen bleiben getrennt. | ARC Prize, ARC PrizeTyp: Offizielles Benchmark-LeaderboardImport-ID: curated-arc-prize-2026-08-06-efa794b86f9e / curated-arc-prize-2026-08-06-9ebb2edeedb6Abgerufen am 06.08.2026 |
| Arena Text, Style ControlBusiness, management and finance | 1.488,821 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±10,372Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.482,723 Arena-Punkte 95-%-Konfidenzintervall: ±11,356Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:industry_business_and_management_and_financial_operationsTestaufbau nicht identisch dokumentiertKein direkter SiegerClaude Opus 5: Snapshot: claude-opus-5-high, Reasoning: high, Harness: Arena text, style control GPT-5.6 Sol: Snapshot: gpt-5.6-sol-xhigh, Reasoning: xhigh, Harness: Arena text, style controlClaude Opus 5: Stilbereinigte Arena-Bewertung aus 3.811 anonymen Paarvergleichen.GPT-5.6 Sol: Stilbereinigte Arena-Bewertung aus 3.027 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Code MigrationCOBOL | 70 %Kein direkter Sieger | 70 %Kein direkter Sieger | 1accuracyMehr ist besserKohorte: vals-code-migration:1:cobolTestaufbau nicht identisch dokumentiertKein direkter SiegerClaude Opus 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-code-migration-2026-08-11-3a2d5ce718a3Abgerufen am 11.08.2026 |
| CorpFin v2Max Fitting Context | 75,991 %Höherer Messwert | 65,152 % | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:max_fitting_contextTestaufbau nicht identisch dokumentiertKein direkter SiegerClaude Opus 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-corp_fin_v2-2026-08-11-d9e58d191cd9Abgerufen am 11.08.2026 |
| CyberBenchPoC | 0 % | 93,22 %Gewinner | 1accuracyMehr ist besserKohorte: vals-cyberbench:1:pocKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolClaude Opus 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 03.08.2026Import-ID: vals-cyber-2026-08-11-1f20498a3dc1Abgerufen am 11.08.2026 |
| EMBDataroom | 87,681 %Höherer Messwert | 85,243 % | 1accuracyMehr ist besserKohorte: vals-emb:1:dataroomTestaufbau nicht identisch dokumentiertKein direkter SiegerClaude Opus 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-emb-2026-08-11-e3c855e236e4Abgerufen am 11.08.2026 |
Die Tabelle zeigt 64 diversifizierte Messreihen aus insgesamt 248 gemeinsamen Ergebnissen. Dadurch verdrängt ein Benchmark mit vielen Unteraufgaben nicht alle anderen Tests.
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.
Preise beziehen sich auf die offiziellen API-Tarife pro 1 Mio. Token. Web-Abos und Cloud-Aufschläge können davon abweichen.
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.