Direktvergleich

Claude Opus 5 vs. GPT-6 Astra

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

gemeinsame Messreihen: 301
verschiedene Benchmark-Messgrößen: 41
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 5 und GPT-6 Astra
Merkmal	Claude Opus 5	GPT-6 Astra
Anbieter	Anthropic	OpenAI
Erschienen	24. Juli 2026	3. Sept. 2026
Verfügbarkeit	Aktiv	Eingeschränkter Zugang
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	30. April 2026
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 GPT-6 Astra
Preisart	Claude Opus 5	GPT-6 Astra
API-Eingabe	5 $	10 $ ≤272K / 20 $ >272K
API-Ausgabe	25 $	50 $ ≤272K / 75 $ >272K
Cache lesen	0,5 $	1 $ ≤272K / 2 $ >272K
Cache schreiben (5 Min.)	6,25 $	12,5 $ ≤272K / 25 $ >272K
Cache schreiben (1 Std.)	10 $	Nicht ausgewiesen
Preis geprüft	22.09.2026 Quelle	22.09.2026 Quelle

Claude Opus 5GPT-6 Astra

API-EingabeUSD pro 1 Mio. Token, Basistarif

Claude Opus 55 $

GPT-6 Astra10 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

Claude Opus 525 $

GPT-6 Astra50 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

Claude Opus 50,5 $

GPT-6 Astra1 $

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-6 Astra
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 $	Quelle19.10.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock/eu-west-1	5,5 $	27,5 $	Quelle19.10.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock/us-east-1	5,5 $	27,5 $	Quelle19.10.2026
	Anthropic	Über OpenRouteranthropic	Günstigster erfasster Preis: 5 $	Günstigster erfasster Preis: 25 $	Quelle19.10.2026
	Anthropic	Über OpenRouteranthropic/fast	10 $	50 $	Quelle19.10.2026
	Azure	Über OpenRouterazure/global	Günstigster erfasster Preis: 5 $	Günstigster erfasster Preis: 25 $	Quelle19.10.2026
	Azure	Über OpenRouterazure/us	5,5 $	27,5 $	Quelle19.10.2026
	Claude Platform on AWS	Über OpenRouterclaude-on-aws	Günstigster erfasster Preis: 5 $	Günstigster erfasster Preis: 25 $	Quelle19.10.2026
	Google	Über OpenRoutergoogle-vertex/europe	5,5 $	27,5 $	Quelle19.10.2026
	Google	Über OpenRoutergoogle-vertex/global	Günstigster erfasster Preis: 5 $	Günstigster erfasster Preis: 25 $	Quelle19.10.2026
	Google	Über OpenRoutergoogle-vertex/us	5,5 $	27,5 $	Quelle19.10.2026
GPT-6 Astra	OpenAI	Direkt beim EntwicklerBis 272.000 Kontext-Token	10 $	50 $	Quelle22.09.2026
	OpenAI	Direkt beim EntwicklerÜber 272.000 Kontext-Token	20 $	75 $	Quelle22.09.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock/us-west-2	11 $	55 $	Quelle19.10.2026
	Azure	Über OpenRouterazure	10 $	50 $	Quelle19.10.2026
	Azure	Über OpenRouterazure/us	11 $	55 $	Quelle19.10.2026
	OpenAI	Über OpenRouteropenai	10 $	50 $	Quelle19.10.2026
	OpenAI	Über OpenRouteropenai/fast	20 $	100 $	Quelle19.10.2026
	OpenAI	Über OpenRouteropenai/flex	Günstigster erfasster Preis: 5 $	Günstigster erfasster Preis: 25 $	Quelle19.10.2026
	OpenAI	Über OpenRouteropenai/ultrafast	60 $	300 $	Quelle19.10.2026

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

GPT-6 Astra

Coding: 78,7 / 100 (4 Benchmarkfamilien)

Reasoning: 90,1 / 99,5 (4 Benchmarkfamilien)

Mathematik: 100 / 98,1 (1 Benchmarkfamilie)

Wissen: 91,9 / 99,6 (2 Benchmarkfamilien)

Finanzen: 100 / 99,2 (1 Benchmarkfamilie)

Recht: 100 / 98,9 (1 Benchmarkfamilie)

Agenten-Aufgaben: 95,1 / 97 (4 Benchmarkfamilien)

Multimodal: 96,1 / 100 (1 Benchmarkfamilie)

96 passende Messreihen aus 14 Benchmarkfamilien wurden berücksichtigt. Das Radar zeigt 8 von 11 vergleichbaren Kategorien.

Claude Opus 5GPT-6 Astra

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

Claude Opus 553,8 %

GPT-6 Astra51,2 %

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

Claude Opus 51.633,85 elo

GPT-6 Astra1.546,7 elo

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

Claude Opus 580,3 %

GPT-6 Astra80,0 %

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

Claude Opus 535,383 Punkte

GPT-6 Astra43,417 Punkte

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

Claude Opus 559,5 %

GPT-6 Astra61,9 %

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

Claude Opus 559,5 %

GPT-6 Astra48,3 %

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

Claude Opus 549,677 Punkte

GPT-6 Astra52,386 Punkte

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

Claude Opus 553,2 %

GPT-6 Astra67,2 %

BioMysteryBenchOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 579,259 %

GPT-6 Astra79,259 %

Code MigrationOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 557,473 %

GPT-6 Astra67,74 %

CyberBench v1.1Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 565,357 %

GPT-6 Astra41,072 %

EMBOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 573,556 %

GPT-6 Astra71,7 %

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von Claude Opus 5 und GPT-6 Astra
Benchmark und Aufgabe	Claude Opus 5	GPT-6 Astra	Quelle
AA-AnalystAgentOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: AA cohort: 80 questionsMessgröße: pass^5 reliabilityBewertung: Mehr ist besserClaude Opus 5: Snapshot: Claude Opus 5 (Max), Reasoning: Max, Agent: Stirrup analyst agent, Harness: Artificial Analysis Stirrup, Versuche: pass^5, 5 independent attempts per question GPT-6 Astra: Snapshot: GPT-6 Astra (Max), Reasoning: Max, Agent: Stirrup analyst agent, Harness: Artificial Analysis Stirrup, Versuche: pass^5, 5 independent attempts per questionClaude Opus 5: Exakte AA-Konfiguration: Claude Opus 5 (Max) (Release claude-opus-5, Zeile claude-opus-5, UUID b8fc61f7-5e9a-49e6-8547-6ac56db24627, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. 80 quantitative Fragen aus 14 Domänen werden je fünfmal unabhängig ausgeführt. pass^5 zählt nur Fragen als gelöst, die in allen fünf Versuchen richtig beantwortet werden.GPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Max) (Release gpt-6-astra, Zeile gpt-6-astra, UUID 2f339a97-9a0d-499a-9cb5-e0db665bfa25, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. 80 quantitative Fragen aus 14 Domänen werden je fünfmal unabhängig ausgeführt. pass^5 zählt nur Fragen als gelöst, die in allen fünf Versuchen richtig beantwortet werden.	Gewinner53,8 % Fragen, Quelldateien und Referenzantworten sind privat. pass^5 misst Zuverlässigkeit über alle fünf Wiederholungen, nicht pass@1.	51,2 % Fragen, Quelldateien und Referenzantworten sind privat. pass^5 misst Zuverlässigkeit über alle fünf Wiederholungen, nicht pass@1.	Artificial Analysis Quellendetails Datenstand: 19.10.2026
AA-BriefcaseOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v1.1Messgröße: AA-Briefcase EloBewertung: Mehr ist besserClaude Opus 5: Snapshot: Claude Opus 5 (Xhigh), Reasoning: Xhigh GPT-6 Astra: Snapshot: GPT-6 Astra (Xhigh), Reasoning: XhighClaude Opus 5: Exakte AA-Konfiguration: Claude Opus 5 (Xhigh) (Release claude-opus-5, Zeile claude-opus-5-xhigh, UUID 1305c921-7aaa-4d6d-99b5-99b3acf15e19, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Xhigh) (Release gpt-6-astra, Zeile gpt-6-astra-xhigh, UUID 1f541ef3-913f-4eb2-9d07-0e93c7a9a5e3, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner1.633,85 elo	1.546,7 elo	Artificial Analysis Quellendetails Datenstand: 19.10.2026
AA-LCROverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v1.1Messgröße: Pass rateBewertung: Mehr ist besserClaude Opus 5: Snapshot: Claude Opus 5 (Xhigh), Reasoning: Xhigh GPT-6 Astra: Snapshot: GPT-6 Astra (Xhigh), Reasoning: XhighClaude Opus 5: Exakte AA-Konfiguration: Claude Opus 5 (Xhigh) (Release claude-opus-5, Zeile claude-opus-5-xhigh, UUID 1305c921-7aaa-4d6d-99b5-99b3acf15e19, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Xhigh) (Release gpt-6-astra, Zeile gpt-6-astra-xhigh, UUID 1f541ef3-913f-4eb2-9d07-0e93c7a9a5e3, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner80,3 %	80,0 %	Artificial Analysis Quellendetails Datenstand: 19.10.2026
AA-OmniscienceOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: AA-Omniscience IndexBewertung: Mehr ist besserClaude Opus 5: Snapshot: Claude Opus 5 (Xhigh), Reasoning: Xhigh GPT-6 Astra: Snapshot: GPT-6 Astra (Xhigh), Reasoning: XhighClaude Opus 5: Exakte AA-Konfiguration: Claude Opus 5 (Xhigh) (Release claude-opus-5, Zeile claude-opus-5-xhigh, UUID 1305c921-7aaa-4d6d-99b5-99b3acf15e19, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Xhigh) (Release gpt-6-astra, Zeile gpt-6-astra-xhigh, UUID 1f541ef3-913f-4eb2-9d07-0e93c7a9a5e3, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	35,383 Punkte Der Index kann negative Werte annehmen und reicht laut Anbieter von -100 bis 100.	Gewinner43,417 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 5: Snapshot: Claude Opus 5 (Xhigh), Reasoning: Xhigh, Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboard GPT-6 Astra: Snapshot: GPT-6 Astra (Xhigh), Reasoning: Xhigh, Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboardClaude Opus 5: Exakte AA-Konfiguration: Claude Opus 5 (Xhigh) (Release claude-opus-5, Zeile claude-opus-5-xhigh, UUID 1305c921-7aaa-4d6d-99b5-99b3acf15e19, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). 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-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Xhigh) (Release gpt-6-astra, Zeile gpt-6-astra-xhigh, UUID 1f541ef3-913f-4eb2-9d07-0e93c7a9a5e3, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Anteil der insgesamt korrekt beantworteten Fragen, unabhängig davon, ob das Modell andere Fragen beantwortet oder sich enthält.	59,5 % Dies ist die separat veröffentlichte Genauigkeitsdiagnostik, nicht der AA-Omniscience-Index. AA bezeichnet höhere Werte als besser.	Gewinner61,9 % 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 5: Snapshot: Claude Opus 5 (Xhigh), Reasoning: Xhigh, Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboard GPT-6 Astra: Snapshot: GPT-6 Astra (Xhigh), Reasoning: Xhigh, Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboardClaude Opus 5: Exakte AA-Konfiguration: Claude Opus 5 (Xhigh) (Release claude-opus-5, Zeile claude-opus-5-xhigh, UUID 1305c921-7aaa-4d6d-99b5-99b3acf15e19, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Anteil falscher Antworten an allen nicht korrekten Antworten: falsch / (falsch + teilweise richtig + nicht beantwortet).GPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Xhigh) (Release gpt-6-astra, Zeile gpt-6-astra-xhigh, UUID 1f541ef3-913f-4eb2-9d07-0e93c7a9a5e3, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Anteil falscher Antworten an allen nicht korrekten Antworten: falsch / (falsch + teilweise richtig + nicht beantwortet).	59,5 % Dies ist die separat veröffentlichte Halluzinationsraten-Diagnostik, nicht der AA-Omniscience-Index. AA bezeichnet niedrigere Werte als besser.	Gewinner48,3 % 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 5: Snapshot: Claude Opus 5 (Xhigh), Reasoning: Xhigh GPT-6 Astra: Snapshot: GPT-6 Astra (Xhigh), Reasoning: XhighClaude Opus 5: Exakte AA-Konfiguration: Claude Opus 5 (Xhigh) (Release claude-opus-5, Zeile claude-opus-5-xhigh, UUID 1305c921-7aaa-4d6d-99b5-99b3acf15e19, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Xhigh) (Release gpt-6-astra, Zeile gpt-6-astra-xhigh, UUID 1f541ef3-913f-4eb2-9d07-0e93c7a9a5e3, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	49,677 Punkte	Gewinner52,386 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 5: Snapshot: Claude Opus 5 (Xhigh), Reasoning: Xhigh GPT-6 Astra: Snapshot: GPT-6 Astra (Xhigh), Reasoning: XhighClaude Opus 5: Exakte AA-Konfiguration: Claude Opus 5 (Xhigh) (Release claude-opus-5, Zeile claude-opus-5-xhigh, UUID 1305c921-7aaa-4d6d-99b5-99b3acf15e19, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Xhigh) (Release gpt-6-astra, Zeile gpt-6-astra-xhigh, UUID 1f541ef3-913f-4eb2-9d07-0e93c7a9a5e3, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	53,2 %	Gewinner67,2 %	Artificial Analysis Quellendetails Datenstand: 19.10.2026
BioMysteryBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5: Compute: max, Harness: Terminus 2, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Harness: Terminus 2, Ausgabegrenze: 128.000 tokens	Kein direkter Sieger79,259 %	Kein direkter Sieger79,259 %	Vals AI Quellendetails Datenstand: 12.10.2026
Code MigrationOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	57,473 %	Höherer Messwert67,74 %	Vals AI Quellendetails Datenstand: 12.10.2026
CyberBench v1.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert65,357 %	41,072 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert73,556 %	71,7 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert58,633 %	53,54 %	Vals AI Quellendetails Datenstand: 12.10.2026
GDP.pdfOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: All-pass rateBewertung: Mehr ist besserClaude Opus 5: Snapshot: Claude Opus 5 (Xhigh), Reasoning: Xhigh GPT-6 Astra: Snapshot: GPT-6 Astra (Xhigh), Reasoning: XhighClaude Opus 5: Exakte AA-Konfiguration: Claude Opus 5 (Xhigh) (Release claude-opus-5, Zeile claude-opus-5-xhigh, UUID 1305c921-7aaa-4d6d-99b5-99b3acf15e19, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Xhigh) (Release gpt-6-astra, Zeile gpt-6-astra-xhigh, UUID 1f541ef3-913f-4eb2-9d07-0e93c7a9a5e3, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	21,0 %	Gewinner32,2 %	Artificial Analysis Quellendetails Datenstand: 19.10.2026
GDPval-AAOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v2.1Messgröße: GDPval-AA EloBewertung: Mehr ist besserClaude Opus 5: Snapshot: Claude Opus 5 (Xhigh), Reasoning: Xhigh GPT-6 Astra: Snapshot: GPT-6 Astra (Xhigh), Reasoning: XhighClaude Opus 5: Exakte AA-Konfiguration: Claude Opus 5 (Xhigh) (Release claude-opus-5, Zeile claude-opus-5-xhigh, UUID 1305c921-7aaa-4d6d-99b5-99b3acf15e19, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Xhigh) (Release gpt-6-astra, Zeile gpt-6-astra-xhigh, UUID 1f541ef3-913f-4eb2-9d07-0e93c7a9a5e3, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner1.690,67 elo	1.555,91 elo	Artificial Analysis Quellendetails Datenstand: 19.10.2026
Harvey's Legal Agent BenchmarkOverall · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserClaude Opus 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert6,667 %	5,417 %	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 5: Snapshot: Claude Opus 5 (Xhigh), Reasoning: Xhigh GPT-6 Astra: Snapshot: GPT-6 Astra (Xhigh), Reasoning: XhighClaude Opus 5: Exakte AA-Konfiguration: Claude Opus 5 (Xhigh) (Release claude-opus-5, Zeile claude-opus-5-xhigh, UUID 1305c921-7aaa-4d6d-99b5-99b3acf15e19, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Xhigh) (Release gpt-6-astra, Zeile gpt-6-astra-xhigh, UUID 1f541ef3-913f-4eb2-9d07-0e93c7a9a5e3, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	54,4 % Der Anbieter beschreibt seine Vergleichsauswertung als text-only 2.158 Fragen, nicht als den vollständigen 2.500-Fragen-Datensatz.	Gewinner54,6 % 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
IOIOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	84,333 %	Höherer Messwert100 %	Vals AI Quellendetails Datenstand: 14.10.2026
Legal Research BenchOverall · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserClaude Opus 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert55,288 %	39,423 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Code Arena WebDevOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 5: Snapshot: claude-opus-5-high, Reasoning: high, Harness: Arena Code Arena WebDev GPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Opus 5: Arena-Bewertung aus 23.519 veröffentlichten Paarvergleichen.GPT-6 Astra: Arena-Bewertung aus 5.746 veröffentlichten Paarvergleichen.	1.657,837 95-%-Konfidenzintervall: ±5,533Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.780,244 95-%-Konfidenzintervall: ±10,541Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena SearchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: searchMessgröße: Search Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 5: Snapshot: claude-opus-5-high, Reasoning: high, Harness: Arena Search GPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena SearchClaude Opus 5: Arena-Bewertung aus 13.285 veröffentlichten Paarvergleichen.GPT-6 Astra: Arena-Bewertung aus 18.483 veröffentlichten Paarvergleichen.	Höherer Messwert1.241,568 95-%-Konfidenzintervall: ±6,871Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.233,616 95-%-Konfidenzintervall: ±7,842Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Text, Style ControlOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 5: Snapshot: claude-opus-5-high, Reasoning: high, Harness: Arena Text, style control GPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Text, style controlClaude Opus 5: Arena-Bewertung aus 65.663 veröffentlichten Paarvergleichen.GPT-6 Astra: Arena-Bewertung aus 11.674 veröffentlichten Paarvergleichen.	Höherer Messwert1.489,847 95-%-Konfidenzintervall: ±3,689Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.476,716 95-%-Konfidenzintervall: ±6,385Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Vision, Style ControlOverall Testdetails 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 Vision, style control GPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Vision, style controlClaude Opus 5: Arena-Bewertung aus 16.665 veröffentlichten Paarvergleichen.GPT-6 Astra: Arena-Bewertung aus 3.590 veröffentlichten Paarvergleichen.	Höherer Messwert1.287,417 95-%-Konfidenzintervall: ±6,783Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.285,988 95-%-Konfidenzintervall: ±10,782Der 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 5: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert63,57 %	48,486 %	Vals AI Quellendetails Datenstand: 13.10.2026
MedScribeOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert90,985 %	87,908 %	Vals AI Quellendetails Datenstand: 13.10.2026
MMMU-ProOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: AA cohort: 1,730 questionsMessgröße: pass@1 accuracyBewertung: Mehr ist besserClaude Opus 5: Snapshot: Claude Opus 5 (Xhigh), Reasoning: Xhigh, Versuche: pass@1, one run per question GPT-6 Astra: Snapshot: GPT-6 Astra (Xhigh), Reasoning: Xhigh, Versuche: pass@1, one run per questionClaude Opus 5: Exakte AA-Konfiguration: Claude Opus 5 (Xhigh) (Release claude-opus-5, Zeile claude-opus-5-xhigh, UUID 1305c921-7aaa-4d6d-99b5-99b3acf15e19, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Der AA-Lauf umfasst 1.730 Fragen mit zehn Antwortoptionen. Die Antwort wird per regulärem Ausdruck extrahiert und als pass@1 bewertet.GPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Xhigh) (Release gpt-6-astra, Zeile gpt-6-astra-xhigh, UUID 1f541ef3-913f-4eb2-9d07-0e93c7a9a5e3, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Der AA-Lauf umfasst 1.730 Fragen mit zehn Antwortoptionen. Die Antwort wird per regulärem Ausdruck extrahiert und als pass@1 bewertet.	84,0 % Die Benchmarkseite nennt 3.460 Fragen für den vollständigen MMMU-Pro-Datensatz; die AA-Methodik beschreibt einen 1.730-Fragen-Lauf.	Gewinner86,2 % Die Benchmarkseite nennt 3.460 Fragen für den vollständigen MMMU-Pro-Datensatz; die AA-Methodik beschreibt einen 1.730-Fragen-Lauf.	Artificial Analysis Quellendetails Datenstand: 19.10.2026
MysteryMechanismOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	37,387 %	Höherer Messwert53,153 %	Vals AI Quellendetails Datenstand: 12.10.2026
ProgramBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully resolved rateBewertung: Mehr ist besserClaude Opus 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	3 %	Höherer Messwert5,5 %	Vals AI Quellendetails Datenstand: 12.10.2026
ProofBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Kein direkter Sieger99 %	Kein direkter Sieger99 %	Vals AI Quellendetails Datenstand: 12.10.2026
SAGEOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 30.000 tokens	Höherer Messwert49,426 %	46,367 %	Vals AI Quellendetails Datenstand: 08.10.2026
SRE BenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully solved rateBewertung: Mehr ist besserClaude Opus 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	12,214 %	Höherer Messwert56,87 %	Vals AI Quellendetails Datenstand: 14.10.2026
Tax Agent BenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert45,548 %	20,717 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-BenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 4.0Messgröße: Task successBewertung: Mehr ist besserClaude Opus 5: Snapshot: Claude Opus 5 (Xhigh), Reasoning: Xhigh GPT-6 Astra: Snapshot: GPT-6 Astra (Xhigh), Reasoning: XhighClaude Opus 5: Exakte AA-Konfiguration: Claude Opus 5 (Xhigh) (Release claude-opus-5, Zeile claude-opus-5-xhigh, UUID 1305c921-7aaa-4d6d-99b5-99b3acf15e19, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Xhigh) (Release gpt-6-astra, Zeile gpt-6-astra-xhigh, UUID 1f541ef3-913f-4eb2-9d07-0e93c7a9a5e3, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	46,5 %	Gewinner59,6 %	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 5: Compute: high, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	84,644 %	Höherer Messwert87,266 %	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 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	53,535 %	Höherer Messwert59,596 %	Vals AI Quellendetails Datenstand: 13.10.2026
Terminal-Bench ScienceOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 0.1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5: Compute: max, Harness: Mini-SWE-agent, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Harness: Mini-SWE-agent, Ausgabegrenze: 128.000 tokens	27,143 %	Höherer Messwert62,857 %	Vals AI Quellendetails Datenstand: 14.10.2026
Terminal-Bench-ScienceOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 0.1.0Messgröße: pass@1 task success rateBewertung: Mehr ist besserClaude Opus 5: Snapshot: Claude Opus 5 (Max), Reasoning: Max, Agent: mini-swe-agent, Harness: mini-swe-agent, Versuche: pass@1, averaged over 3 repeats per task GPT-6 Astra: Snapshot: GPT-6 Astra (Max), Reasoning: Max, Agent: mini-swe-agent, Harness: mini-swe-agent, Versuche: pass@1, averaged over 3 repeats per taskClaude Opus 5: Exakte AA-Konfiguration: Claude Opus 5 (Max) (Release claude-opus-5, Zeile claude-opus-5, UUID b8fc61f7-5e9a-49e6-8547-6ac56db24627, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Die vollständige Version 0.1.0 umfasst 70 Aufgaben aus fünf Wissenschaftsbereichen. Jede Aufgabe besteht nur, wenn ihre gesamte Testsuite besteht. AA mittelt pass@1 über drei Wiederholungen.GPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Max) (Release gpt-6-astra, Zeile gpt-6-astra, UUID 2f339a97-9a0d-499a-9cb5-e0db665bfa25, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Die vollständige Version 0.1.0 umfasst 70 Aufgaben aus fünf Wissenschaftsbereichen. Jede Aufgabe besteht nur, wenn ihre gesamte Testsuite besteht. AA mittelt pass@1 über drei Wiederholungen.	28,6 %	Gewinner63,3 %	Artificial Analysis Quellendetails Datenstand: 19.10.2026
Time Horizon Index: KSPOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: progressBewertung: Mehr ist besserClaude Opus 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	18,833 %	Höherer Messwert90,5 %	Vals AI Quellendetails Datenstand: 07.10.2026
Vals IndexOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: weighted index scoreBewertung: Mehr ist besserClaude Opus 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert63,674 %	63,125 %	Vals AI Quellendetails Datenstand: 13.10.2026
Vibe Code Bench 1-100Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.0Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5: Compute: max, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 128.000 tokens	Höherer Messwert28,533 %	27,644 %	Vals AI Quellendetails Datenstand: 14.10.2026
Vibe Code Bench v1.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5: Harness: OpenHands GPT-6 Astra: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 128.000 tokens	88,404 %	Höherer Messwert89,594 %	Vals AI Quellendetails Datenstand: 12.10.2026
AA-BriefcaseOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v1.1Messgröße: AA-Briefcase EloBewertung: Mehr ist besserClaude Opus 5: Snapshot: Claude Opus 5 (Low), Reasoning: Low GPT-6 Astra: Snapshot: GPT-6 Astra (Low), Reasoning: LowClaude Opus 5: Exakte AA-Konfiguration: Claude Opus 5 (Low) (Release claude-opus-5, Zeile claude-opus-5-low, UUID 20928ba9-3a3f-415f-9519-b84ff64ecf34, reasoning=true, source reasoning-token configuration budget=0, suffix=Low). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Low) (Release gpt-6-astra, Zeile gpt-6-astra-low, UUID a3f8100d-e38f-408b-b0fa-0085dae18dc1, reasoning=true, source reasoning-token configuration budget=0, suffix=Low). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	1.209,28 elo	Gewinner1.257,01 elo	Artificial Analysis Quellendetails Datenstand: 19.10.2026
AA-LCROverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v1.1Messgröße: Pass rateBewertung: Mehr ist besserClaude Opus 5: Snapshot: Claude Opus 5 (Low), Reasoning: Low GPT-6 Astra: Snapshot: GPT-6 Astra (Low), Reasoning: LowClaude Opus 5: Exakte AA-Konfiguration: Claude Opus 5 (Low) (Release claude-opus-5, Zeile claude-opus-5-low, UUID 20928ba9-3a3f-415f-9519-b84ff64ecf34, reasoning=true, source reasoning-token configuration budget=0, suffix=Low). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Low) (Release gpt-6-astra, Zeile gpt-6-astra-low, UUID a3f8100d-e38f-408b-b0fa-0085dae18dc1, reasoning=true, source reasoning-token configuration budget=0, suffix=Low). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner81,3 %	80,0 %	Artificial Analysis Quellendetails Datenstand: 19.10.2026
AA-OmniscienceOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: AA-Omniscience IndexBewertung: Mehr ist besserClaude Opus 5: Snapshot: Claude Opus 5 (Low), Reasoning: Low GPT-6 Astra: Snapshot: GPT-6 Astra (Low), Reasoning: LowClaude Opus 5: Exakte AA-Konfiguration: Claude Opus 5 (Low) (Release claude-opus-5, Zeile claude-opus-5-low, UUID 20928ba9-3a3f-415f-9519-b84ff64ecf34, reasoning=true, source reasoning-token configuration budget=0, suffix=Low). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Low) (Release gpt-6-astra, Zeile gpt-6-astra-low, UUID a3f8100d-e38f-408b-b0fa-0085dae18dc1, reasoning=true, source reasoning-token configuration budget=0, suffix=Low). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	28,55 Punkte Der Index kann negative Werte annehmen und reicht laut Anbieter von -100 bis 100.	Gewinner40,55 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 5: Snapshot: Claude Opus 5 (Low), Reasoning: Low, Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboard GPT-6 Astra: Snapshot: GPT-6 Astra (Low), Reasoning: Low, Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboardClaude Opus 5: Exakte AA-Konfiguration: Claude Opus 5 (Low) (Release claude-opus-5, Zeile claude-opus-5-low, UUID 20928ba9-3a3f-415f-9519-b84ff64ecf34, reasoning=true, source reasoning-token configuration budget=0, suffix=Low). 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-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Low) (Release gpt-6-astra, Zeile gpt-6-astra-low, UUID a3f8100d-e38f-408b-b0fa-0085dae18dc1, reasoning=true, source reasoning-token configuration budget=0, suffix=Low). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Anteil der insgesamt korrekt beantworteten Fragen, unabhängig davon, ob das Modell andere Fragen beantwortet oder sich enthält.	56,0 % Dies ist die separat veröffentlichte Genauigkeitsdiagnostik, nicht der AA-Omniscience-Index. AA bezeichnet höhere Werte als besser.	Gewinner59,5 % 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 5: Snapshot: Claude Opus 5 (Low), Reasoning: Low, Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboard GPT-6 Astra: Snapshot: GPT-6 Astra (Low), Reasoning: Low, Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboardClaude Opus 5: Exakte AA-Konfiguration: Claude Opus 5 (Low) (Release claude-opus-5, Zeile claude-opus-5-low, UUID 20928ba9-3a3f-415f-9519-b84ff64ecf34, reasoning=true, source reasoning-token configuration budget=0, suffix=Low). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Anteil falscher Antworten an allen nicht korrekten Antworten: falsch / (falsch + teilweise richtig + nicht beantwortet).GPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Low) (Release gpt-6-astra, Zeile gpt-6-astra-low, UUID a3f8100d-e38f-408b-b0fa-0085dae18dc1, reasoning=true, source reasoning-token configuration budget=0, suffix=Low). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Anteil falscher Antworten an allen nicht korrekten Antworten: falsch / (falsch + teilweise richtig + nicht beantwortet).	62,2 % Dies ist die separat veröffentlichte Halluzinationsraten-Diagnostik, nicht der AA-Omniscience-Index. AA bezeichnet niedrigere Werte als besser.	Gewinner46,9 % 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 5: Snapshot: Claude Opus 5 (Low), Reasoning: Low GPT-6 Astra: Snapshot: GPT-6 Astra (Low), Reasoning: LowClaude Opus 5: Exakte AA-Konfiguration: Claude Opus 5 (Low) (Release claude-opus-5, Zeile claude-opus-5-low, UUID 20928ba9-3a3f-415f-9519-b84ff64ecf34, reasoning=true, source reasoning-token configuration budget=0, suffix=Low). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Low) (Release gpt-6-astra, Zeile gpt-6-astra-low, UUID a3f8100d-e38f-408b-b0fa-0085dae18dc1, reasoning=true, source reasoning-token configuration budget=0, suffix=Low). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	39,354 Punkte	Gewinner45,782 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 5: Snapshot: Claude Opus 5 (Low), Reasoning: Low GPT-6 Astra: Snapshot: GPT-6 Astra (Low), Reasoning: LowClaude Opus 5: Exakte AA-Konfiguration: Claude Opus 5 (Low) (Release claude-opus-5, Zeile claude-opus-5-low, UUID 20928ba9-3a3f-415f-9519-b84ff64ecf34, reasoning=true, source reasoning-token configuration budget=0, suffix=Low). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Low) (Release gpt-6-astra, Zeile gpt-6-astra-low, UUID a3f8100d-e38f-408b-b0fa-0085dae18dc1, reasoning=true, source reasoning-token configuration budget=0, suffix=Low). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	51,8 %	Gewinner59,1 %	Artificial Analysis Quellendetails Datenstand: 19.10.2026
BioMysteryBenchHard Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5: Compute: max, Harness: Terminus 2, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Harness: Terminus 2, Ausgabegrenze: 128.000 tokens	Höherer Messwert43,137 %	37,255 %	Vals AI Quellendetails Datenstand: 12.10.2026
Code MigrationCLI Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	53,297 %	Höherer Messwert67,463 %	Vals AI Quellendetails Datenstand: 12.10.2026
CyberBench v1.1Patch Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert85,714 %	82,143 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBComps Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	75,171 %	Höherer Messwert77,953 %	Vals AI Quellendetails Datenstand: 12.10.2026
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 GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert54,617 %	48,318 %	Vals AI Quellendetails Datenstand: 12.10.2026
GDP.pdfOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: All-pass rateBewertung: Mehr ist besserClaude Opus 5: Snapshot: Claude Opus 5 (Low), Reasoning: Low GPT-6 Astra: Snapshot: GPT-6 Astra (Low), Reasoning: LowClaude Opus 5: Exakte AA-Konfiguration: Claude Opus 5 (Low) (Release claude-opus-5, Zeile claude-opus-5-low, UUID 20928ba9-3a3f-415f-9519-b84ff64ecf34, reasoning=true, source reasoning-token configuration budget=0, suffix=Low). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Low) (Release gpt-6-astra, Zeile gpt-6-astra-low, UUID a3f8100d-e38f-408b-b0fa-0085dae18dc1, reasoning=true, source reasoning-token configuration budget=0, suffix=Low). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	17,2 %	Gewinner30,4 %	Artificial Analysis Quellendetails Datenstand: 19.10.2026
GDPval-AAOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v2.1Messgröße: GDPval-AA EloBewertung: Mehr ist besserClaude Opus 5: Snapshot: Claude Opus 5 (Low), Reasoning: Low GPT-6 Astra: Snapshot: GPT-6 Astra (Low), Reasoning: LowClaude Opus 5: Exakte AA-Konfiguration: Claude Opus 5 (Low) (Release claude-opus-5, Zeile claude-opus-5-low, UUID 20928ba9-3a3f-415f-9519-b84ff64ecf34, reasoning=true, source reasoning-token configuration budget=0, suffix=Low). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Low) (Release gpt-6-astra, Zeile gpt-6-astra-low, UUID a3f8100d-e38f-408b-b0fa-0085dae18dc1, reasoning=true, source reasoning-token configuration budget=0, suffix=Low). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	1.302,46 elo	Gewinner1.389,25 elo	Artificial Analysis Quellendetails Datenstand: 19.10.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Criteria passed Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: criteria pass rateBewertung: Mehr ist besserClaude Opus 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	87,319 %	Höherer Messwert88,768 %	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 5: Snapshot: Claude Opus 5 (Low), Reasoning: Low GPT-6 Astra: Snapshot: GPT-6 Astra (Low), Reasoning: LowClaude Opus 5: Exakte AA-Konfiguration: Claude Opus 5 (Low) (Release claude-opus-5, Zeile claude-opus-5-low, UUID 20928ba9-3a3f-415f-9519-b84ff64ecf34, reasoning=true, source reasoning-token configuration budget=0, suffix=Low). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Low) (Release gpt-6-astra, Zeile gpt-6-astra-low, UUID a3f8100d-e38f-408b-b0fa-0085dae18dc1, reasoning=true, source reasoning-token configuration budget=0, suffix=Low). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	43,4 % Der Anbieter beschreibt seine Vergleichsauswertung als text-only 2.158 Fragen, nicht als den vollständigen 2.500-Fragen-Datensatz.	Gewinner49,2 % 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
IOIIOI 2024 Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Kein direkter Sieger100 %	Kein direkter Sieger100 %	Vals AI Quellendetails Datenstand: 14.10.2026
Legal Research BenchAdministrative / Regulatory · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserClaude Opus 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert65,152 %	53,03 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Code Arena WebDevOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 5: Snapshot: claude-opus-5-max, Reasoning: max, Harness: Arena Code Arena WebDev GPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Opus 5: Arena-Bewertung aus 17.934 veröffentlichten Paarvergleichen.GPT-6 Astra: Arena-Bewertung aus 5.746 veröffentlichten Paarvergleichen.	1.689,967 95-%-Konfidenzintervall: ±6,28Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Gewinner1.780,244 95-%-Konfidenzintervall: ±10,541Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Text, Style ControlOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 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-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Text, style controlClaude Opus 5: Arena-Bewertung aus 31.907 veröffentlichten Paarvergleichen.GPT-6 Astra: Arena-Bewertung aus 11.674 veröffentlichten Paarvergleichen.	Gewinner1.489,524 95-%-Konfidenzintervall: ±4,846Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.476,716 95-%-Konfidenzintervall: ±6,385Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Vision, Style ControlChinese Testdetails 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 Vision, style control GPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Vision, style controlClaude Opus 5: Arena-Bewertung aus 985 veröffentlichten Paarvergleichen.GPT-6 Astra: Arena-Bewertung aus 230 veröffentlichten Paarvergleichen.	Höherer Messwert1.366,609 95-%-Konfidenzintervall: ±20,761Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.357,126 95-%-Konfidenzintervall: ±39,572Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 09.10.2026
MMMU-ProOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: AA cohort: 1,730 questionsMessgröße: pass@1 accuracyBewertung: Mehr ist besserClaude Opus 5: Snapshot: Claude Opus 5 (Low), Reasoning: Low, Versuche: pass@1, one run per question GPT-6 Astra: Snapshot: GPT-6 Astra (Low), Reasoning: Low, Versuche: pass@1, one run per questionClaude Opus 5: Exakte AA-Konfiguration: Claude Opus 5 (Low) (Release claude-opus-5, Zeile claude-opus-5-low, UUID 20928ba9-3a3f-415f-9519-b84ff64ecf34, reasoning=true, source reasoning-token configuration budget=0, suffix=Low). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Der AA-Lauf umfasst 1.730 Fragen mit zehn Antwortoptionen. Die Antwort wird per regulärem Ausdruck extrahiert und als pass@1 bewertet.GPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Low) (Release gpt-6-astra, Zeile gpt-6-astra-low, UUID a3f8100d-e38f-408b-b0fa-0085dae18dc1, reasoning=true, source reasoning-token configuration budget=0, suffix=Low). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Der AA-Lauf umfasst 1.730 Fragen mit zehn Antwortoptionen. Die Antwort wird per regulärem Ausdruck extrahiert und als pass@1 bewertet.	79,8 % Die Benchmarkseite nennt 3.460 Fragen für den vollständigen MMMU-Pro-Datensatz; die AA-Methodik beschreibt einen 1.730-Fragen-Lauf.	Gewinner84,6 % Die Benchmarkseite nennt 3.460 Fragen für den vollständigen MMMU-Pro-Datensatz; die AA-Methodik beschreibt einen 1.730-Fragen-Lauf.	Artificial Analysis Quellendetails Datenstand: 19.10.2026
ProgramBenchAlmost Resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: almost-resolved rateBewertung: Mehr ist besserClaude Opus 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	41,5 %	Höherer Messwert50 %	Vals AI Quellendetails Datenstand: 12.10.2026
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Eigene Modelltests

Unsere Tests

SVG-Kurztest

Ein SVG-Prompt, feste Ausgabeparameter. Aufnahmen erscheinen nur bei gemeldeten 0 Reasoning-Tokens oder dokumentiert fehlender Reasoning-Steuerung. Gleiche Testbedingungen machen die interne Rechenleistung der Modelle nicht identisch.

Gemeinsame Testrunde: 4ae5d8eeb9a9

Claude Opus 5

In dieser Runde nicht verfügbar

GPT-6 Astra

In dieser Runde nicht verfügbar

Frühere Tests

Pelikan auf dem Fahrrad

Community-Klassiker für eine freie SVG-Zeichnung.

Claude Opus 5

Reasoning (angefragt): high

Aktueller Versuch

Datum des Testlaufs: 01.10.2026
API-Anbieter: openrouter
Angefragtes API-Modell: anthropic/claude-opus-5
API-Modell laut Antwort: 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: Bestanden, keine Qualitätsbewertung
Antwortzeit: 63 s

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

Frühere Versuche (1)

07.09.2026API-Anfrage fehlgeschlagenReasoning-Einstellung: high

GPT-6 Astra

Reasoning (angefragt): high

Aktueller Versuch

Datum des Testlaufs: 07.09.2026
API-Anbieter: openrouter
Angefragtes API-Modell: openai/gpt-6-astra
API-Modell laut Antwort: openai/gpt-6-astra
Reasoning-Einstellung: high
Festgelegter Endpunkt: OpenAI | openai/gpt-6-astra-20260903
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Bestanden, keine Qualitätsbewertung
Antwortzeit: 141,7 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 5 und GPT-6 Astra mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich

Claude Opus 5 vs. GPT-6 Astra

Modellauswahl ändern

Allgemeine Daten

API-Preise im Vergleich

Gemeinsame Benchmarks

Fähigkeitsprofil aus vergleichbaren Benchmarks

Unsere Tests

SVG-Kurztest

Claude Opus 5

GPT-6 Astra

Pelikan auf dem Fahrrad

Ein Benchmark-Sieg ist kein Gesamturteil

Ähnliche LLM-Vergleiche