Veröffentlichte Benchmarkwerte aus derselben Version und Vergleichskohorte, API-Preise und technische Eckdaten. Unterschiedliche Testeinstellungen werden sichtbar ausgewiesen.
gemeinsame Messreihen
242
verschiedene Benchmarks
34
jüngster Abruf
29.09.2026
Modellauswahl ändern
Steckbrief
Allgemeine Daten
Erscheinungsdatum, Verfügbarkeit, Kontextfenster, Architektur und veröffentlichte Parameterzahlen auf einen Blick. Nicht veröffentlichte Angaben bleiben als solche markiert.
Allgemeine Daten von Claude Opus 5 und GPT-5.6 Terra
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.
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 GPT-5.6 Terra
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
GPT-5.6 Terra
Coding: 99,5 / 73,6 (8 Benchmarkfamilien)
Reasoning: 100 / 97,3 (1 Benchmarkfamilie)
Mathematik: 100 / 74,7 (1 Benchmarkfamilie)
Wissen: 100 / 94,6 (1 Benchmarkfamilie)
Finanzen: 99,8 / 92,1 (6 Benchmarkfamilien)
Recht: 100 / 61,7 (3 Benchmarkfamilien)
Agenten-Aufgaben: 100 / 72 (4 Benchmarkfamilien)
Multimodal: 100 / 96,2 (1 Benchmarkfamilie)
35 passende Messreihen aus 32 Benchmarkfamilien wurden berücksichtigt. Das Radar zeigt 8 von 14 vergleichbaren Kategorien.
Claude Opus 5GPT-5.6 Terra
ARC-AGI-3RHAE overall score. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 5Gewinner30,16 %
GPT-5.6 Terra0,49 %
Code MigrationOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 5Gewinner57,473 %
GPT-5.6 Terra47,804 %
CorpFin v2Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 5Gewinner73,194 %
GPT-5.6 Terra65,307 %
CyberBench v1.1Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 565,357 %
GPT-5.6 TerraGewinner72,084 %
EMBOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 5Gewinner73,556 %
GPT-5.6 Terra66,205 %
Finance Agent (v2)Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 5Gewinner58,633 %
GPT-5.6 Terra54,436 %
GPQA DiamondOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 5Gewinner93,434 %
GPT-5.6 Terra90,909 %
Harvey's Legal Agent BenchmarkOverall · Task fully resolved. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 5Gewinner6,667 %
GPT-5.6 Terra0,833 %
IOIOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 584,333 %
GPT-5.6 TerraGewinner87,611 %
Legal Research BenchOverall · All-pass. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 5Gewinner55,288 %
GPT-5.6 Terra41,346 %
LegalBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 5Gewinner86,974 %
GPT-5.6 Terra85,105 %
LiveCodeBench v6Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 5Gewinner89,033 %
GPT-5.6 Terra85,93 %
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand
Benchmarkwerte von Claude Opus 5 und GPT-5.6 Terra
Benchmark und Aufgabe
Claude Opus 5
GPT-5.6 Terra
Quelle
ARC-AGI-3RHAE overall scoreTestdetails
Kein dokumentierter Unterschied im TestaufbauVersion: ARC-AGI-3 2026 verifiedMessgröße: RHAE scoreBewertung: Mehr ist besserEinstellungen: Reasoning: high, Agent: ARC Prize official harness, Harness: ARC Prize official harnessOffizieller ARC-Prize-Harness auf unbekannten interaktiven Umgebungen. Reasoning-Stufen bleiben getrennt.
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 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 GPT-5.6 Terra: Snapshot: gpt-5.6-terra-xhigh, Reasoning: xhigh, Harness: Arena text, style controlClaude Opus 5: Stilbereinigte Arena-Bewertung aus 55.063 anonymen Paarvergleichen.GPT-5.6 Terra: Stilbereinigte Arena-Bewertung aus 35.323 anonymen Paarvergleichen.
Höherer Messwert1.491,077
95-%-Konfidenzintervall: ±3,89Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
1.465,012
95-%-Konfidenzintervall: ±4,484Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
Kein dokumentierter Unterschied im TestaufbauVersion: arxiv:2609.25804v2Messgröße: both-orders-correct, engineering/research macro averageBewertung: Mehr ist besserEinstellungen: Reasoning: default, Ausgabegrenze: 65.536 tokens, Versuche: 502 questions, two option orders eachGleicher Prompt für alle Modelle. 502 Fragen werden je zweimal mit vertauschten Optionen gestellt. Durchschnitt der Erfolgsquoten aus Engineering und Forschung, wobei beide Reihenfolgen richtig sein müssen. 65.536 Token Ausgabelimit; nicht parsebare Antworten zählen als falsch.
Gewinner55,5 %
0 von 1.004 Antworten waren nicht parsebar und wurden als falsch gewertet. Kein Gradually-Test.
54 %
0 von 1.004 Antworten waren nicht parsebar und wurden als falsch gewertet. Kein Gradually-Test.
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 5: Snapshot: claude-opus-5-max, Reasoning: max, Harness: Arena text, style control GPT-5.6 Terra: Snapshot: gpt-5.6-terra-xhigh, Reasoning: xhigh, Harness: Arena text, style controlClaude Opus 5: Stilbereinigte Arena-Bewertung aus 26.760 anonymen Paarvergleichen.GPT-5.6 Terra: Stilbereinigte Arena-Bewertung aus 35.323 anonymen Paarvergleichen.
Höherer Messwert1.488,172
95-%-Konfidenzintervall: ±5,082Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
1.465,012
95-%-Konfidenzintervall: ±4,484Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
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.
GPT-5.6 Terra
Community-Klassiker für eine freie SVG-Zeichnung.
Reasoning (angefragt): high
Erster 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.
Entscheidend sind deine Aufgaben, dein Budget und die benötigte Kontextlänge. Ein Coding-Benchmark sagt wenig über Bildverständnis oder Agentenarbeit aus.
Die Standardpreistabelle nutzt direkte Entwicklertarife. Der Anbieter-Vergleich kennzeichnet OpenRouter-Endpoints, Regionen und Sondertarife separat.
Jeder Messwert verlinkt seine Messstelle und zeigt den Abrufstand. Je nach Kennzeichnung handelt es sich um eine Anbieterangabe, ein offizielles Benchmark-Leaderboard oder eine unabhängige Evaluation. Strittige oder archivierte Ergebnisse werden nicht verwendet.
Weitere Duelle
Ähnliche LLM-Vergleiche
Vergleiche Claude Opus 5 und GPT-5.6 Terra mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.
