Direktvergleich

Claude Opus 5.5 vs. Muse Wonder Full

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

gemeinsame Messreihen: 178
verschiedene Benchmarks: 34
jüngster Abruf: 15.10.2026

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 5.5 und Muse Wonder Full
Merkmal	Claude Opus 5.5	Muse Wonder Full
Anbieter	Anthropic	Meta
Erschienen	22. Sept. 2026	12. Okt. 2026
Verfügbarkeit	Aktiv	Nur im Abo
Modelltyp	Proprietär	Proprietär
Parameter	Nicht veröffentlicht	Nicht veröffentlicht
Architektur	Nicht veröffentlicht	Nicht veröffentlicht
Kontextfenster	1.000.000 Token	1 Mio. Token
Wissensstand	Juni 2026	Nicht veröffentlicht
Technische Quellen	Modell	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 5.5 und Muse Wonder Full
Preisart	Claude Opus 5.5	Muse Wonder Full
API-Eingabe	4 $	—
API-Ausgabe	20 $	—
Cache lesen	0,2 $	Nicht ausgewiesen
Cache schreiben (5 Min.)	5 $	Nicht ausgewiesen
Cache schreiben (1 Std.)	8 $	Nicht ausgewiesen
Preis geprüft	22.09.2026 Quelle	15.10.2026

Preise nach Anbieter

Direkte Entwicklertarife und über OpenRouter geroutete Anbieterpreise sind getrennt gekennzeichnet. Alle Preise gelten in USD pro 1 Mio. Token. Kontextabhängige Direktpreise sowie regionale, Flex-, Priority- und weitere OpenRouter-Tarife bleiben einzeln erkennbar.

Für Muse Wonder Full ist im gespeicherten OpenRouter-Stand kein Anbietertarif verfügbar. Der offizielle Direktpreis wird trotzdem angezeigt.

Anbieterpreise von Claude Opus 5.5 und Muse Wonder Full
Modell	Anbieter	Bezugsweg und Tarif	Eingabe pro 1 Mio. Token	Ausgabe pro 1 Mio. Token	Quelle
Claude Opus 5.5	Anthropic	Direkt beim EntwicklerStandard-API	Günstigster erfasster Preis: 4 $	Günstigster erfasster Preis: 20 $	Quelle22.09.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock	Günstigster erfasster Preis: 4 $	Günstigster erfasster Preis: 20 $	Quelle16.10.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock/eu-west-1	4,4 $	22 $	Quelle16.10.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock/us-east-1	4,4 $	22 $	Quelle16.10.2026
	Anthropic	Über OpenRouteranthropic	Günstigster erfasster Preis: 4 $	Günstigster erfasster Preis: 20 $	Quelle16.10.2026
	Anthropic	Über OpenRouteranthropic/fast	8 $	40 $	Quelle16.10.2026
	Azure	Über OpenRouterazure/global	Günstigster erfasster Preis: 4 $	Günstigster erfasster Preis: 20 $	Quelle16.10.2026
	Azure	Über OpenRouterazure/us	4,4 $	22 $	Quelle16.10.2026
	Claude Platform on AWS	Über OpenRouterclaude-on-aws	Günstigster erfasster Preis: 4 $	Günstigster erfasster Preis: 20 $	Quelle16.10.2026
	Google	Über OpenRoutergoogle-vertex/europe	4,4 $	22 $	Quelle16.10.2026
	Google	Über OpenRoutergoogle-vertex/global	Günstigster erfasster Preis: 4 $	Günstigster erfasster Preis: 20 $	Quelle16.10.2026
	Google	Über OpenRoutergoogle-vertex/us	4,4 $	22 $	Quelle16.10.2026

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 5.5

Muse Wonder Full

Coding: 98 / 93,2 (3 Benchmarkfamilien)

Wissen: 95,3 / 100 (1 Benchmarkfamilie)

Finanzen: 99,2 / 100 (1 Benchmarkfamilie)

Recht: 32,1 / 100 (1 Benchmarkfamilie)

Agenten-Aufgaben: 95,4 / 97,9 (2 Benchmarkfamilien)

Produktivität: 96,1 / 99,9 (2 Benchmarkfamilien)

Gesundheit: 100 / 95 (1 Benchmarkfamilie)

Gesamt: 93,4 / 100 (1 Benchmarkfamilie)

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

Claude Opus 5.5Muse Wonder Full

AutomationBench-AA (strict pass@1)Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Opus 5.541,2 %

Muse Wonder Full45,4 %

BioMysteryBenchOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 5.579,259 %

Muse Wonder Full73,333 %

Code MigrationOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 5.566,646 %

Muse Wonder Full61,033 %

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

Claude Opus 5.555,357 %

Muse Wonder Full73,631 %

DeepSWEOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Opus 5.574,2 %

Muse Wonder Full79 %

EMBOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 5.575,938 %

Muse Wonder Full71,917 %

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

Claude Opus 5.558,587 %

Muse Wonder Full59,061 %

GDP.pdfOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Opus 5.530,6 Punkte

Muse Wonder Full33,2 Punkte

Harvey LAB-AAOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Opus 5.54,2 %

Muse Wonder Full13,1 %

Harvey's Legal Agent BenchmarkOverall · Task fully resolved. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 5.53,75 %

Muse Wonder Full21,667 %

HealthBench ProOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Opus 5.565,6 Punkte

Muse Wonder Full62,3 Punkte

IOIOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 5.595,056 %

Muse Wonder Full79,833 %

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von Claude Opus 5.5 und Muse Wonder Full
Benchmark und Aufgabe	Claude Opus 5.5	Muse Wonder Full	Quelle
AutomationBench-AA (strict pass@1)Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: Meta Wonder scorecard; version unspecifiedMessgröße: strict pass@1; every end-state assertion passedBewertung: Mehr ist besserEinstellungen: Reasoning: maxGeschäftsabläufe in einer simulierten Anwendungsumgebung. Jede Endzustandsprüfung muss bestehen, Reasoning max. Nicht mit anderen AutomationBench-AA-Metriken vermischen.	41,2 % Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.	Gewinner45,4 % Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.	Meta Quellendetails Datenstand: 15.10.2026
BioMysteryBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Harness: Terminus 2, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Harness: Terminus 2, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert79,259 %	73,333 %	Vals AI Quellendetails Datenstand: 12.10.2026
Code MigrationOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert66,646 %	61,033 %	Vals AI Quellendetails Datenstand: 12.10.2026
CyberBench v1.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	55,357 %	Höherer Messwert73,631 %	Vals AI Quellendetails Datenstand: 12.10.2026
DeepSWEOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v1.1Messgröße: pass@1Bewertung: Mehr ist besserEinstellungen: Reasoning: max113 Aufgaben in 91 Repositorys und fünf Sprachen. Reasoning max. Meta nennt Datacurve als Evaluator; diese Muse-Werte waren auf dessen öffentlicher Rangliste beim Abruf nicht auffindbar.	74,2 % Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.	Gewinner79 % Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.	Meta Quellendetails Datenstand: 15.10.2026
EMBOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert75,938 %	71,917 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	58,587 %	Höherer Messwert59,061 %	Vals AI Quellendetails Datenstand: 12.10.2026
GDP.pdfOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: Meta Wonder scorecard; version unspecifiedMessgröße: published GDP.pdf scoreBewertung: Mehr ist besserEinstellungen: Reasoning: maxBerufliche Arbeit mit bereitgestellten PDF-Unterlagen. Reasoning max. Meta nennt Surge als ursprüngliche Quelle.	30,6 Punkte Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.	Gewinner33,2 Punkte Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.	Meta Quellendetails Datenstand: 15.10.2026
Harvey LAB-AAOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: all criteria passed with hallucination checksBewertung: Mehr ist besserEinstellungen: Reasoning: maxJuristische Arbeitsergebnisse, alle Kriterien einschließlich Halluzinationsprüfung müssen erfüllt sein. Reasoning max. Meta nennt Artificial Analysis als ursprünglichen Evaluator.	4,2 % Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.	Gewinner13,1 % Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.	Meta Quellendetails Datenstand: 15.10.2026
Harvey's Legal Agent BenchmarkOverall · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	3,75 %	Höherer Messwert21,667 %	Vals AI Quellendetails Datenstand: 12.10.2026
HealthBench ProOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: Meta Wonder scorecard; version unspecifiedMessgröße: length-normalized weighted rubric scoreBewertung: Mehr ist besserEinstellungen: Reasoning: max525 Gesundheitsfragen ohne Werkzeuge, ärztliche Bewertungsraster mit GPT-5.4 als Bewerter. Reasoning max. Die Claude-Werte stammen laut Meta aus Anthropics Modellkarten.	Gewinner65,6 Punkte Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.	62,3 Punkte Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.	Meta Quellendetails Datenstand: 15.10.2026
IOIOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert95,056 %	79,833 %	Vals AI Quellendetails Datenstand: 14.10.2026
JobBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: Meta Wonder scorecard; version unspecifiedMessgröße: mean task rewardBewertung: Mehr ist besserEinstellungen: Reasoning: max65 berufliche Aufgaben aus 35 Berufen. Mittlerer aufgabenspezifischer Reward, Reasoning max.	Gewinner75,4 Punkte Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.	75,3 Punkte Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.	Meta Quellendetails Datenstand: 15.10.2026
Legal Research BenchOverall · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	50,481 %	Höherer Messwert53,365 %	Vals AI Quellendetails Datenstand: 12.10.2026
MedCodeOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	49,797 %	Höherer Messwert49,932 %	Vals AI Quellendetails Datenstand: 13.10.2026
MedScribeOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert91,43 %	89,335 %	Vals AI Quellendetails Datenstand: 13.10.2026
MemoryBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: Meta internal Wonder evaluationMessgröße: LLM-judge weighted rubric scoreBewertung: Mehr ist besserEinstellungen: Reasoning: maxInterner Meta-Test mit 64K-100K Token langen Gesprächen, Ablenkungen sowie widersprüchlichen oder aktualisierten Gesprächsteilen. Reasoning max.	81,5 Punkte Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.	Gewinner85,5 Punkte Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.	Meta Quellendetails Datenstand: 15.10.2026
MysteryMechanismOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert49,55 %	35,135 %	Vals AI Quellendetails Datenstand: 12.10.2026
OSWorld V2.1 (partial reward)Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: V2.1Messgröße: mean per-task partial rewardBewertung: Mehr ist besserEinstellungen: Reasoning: max108 Desktop-Arbeitsabläufe auf Ubuntu. Teilpunkte, Reasoning max. Der Opus-5.5-Wert ist laut Meta eine Anthropic-Angabe.	Gewinner81,8 % Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.	78,4 % Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.	Meta Quellendetails Datenstand: 15.10.2026
Personal Superintelligence IndexOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: Meta Wonder launch scorecardMessgröße: Meta internal composite scoreBewertung: Mehr ist besserEinstellungen: Reasoning: maxMetas internes Aggregat aus sieben Tests für persönliche und berufliche Aufgaben. Reasoning max.	55,2 Punkte Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.	Gewinner59,1 Punkte Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.	Meta Quellendetails Datenstand: 15.10.2026
ProgramBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully resolved rateBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert18,5 %	0,5 %	Vals AI Quellendetails Datenstand: 12.10.2026
ProgramBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: Meta Wonder scorecard; version unspecifiedMessgröße: rollouts passing at least 95% of testsBewertung: Mehr ist besserEinstellungen: Reasoning: max, Harness: mini-swe-agentProgramme aus einer Spezifikation rekonstruieren. Einheitlicher mini-swe-agent, saubere Umgebung ohne Internet nach dem Start. Anteil der Läufe mit mindestens 95 % bestandenen Tests, Reasoning max.	Gewinner70,5 % Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.	59 % Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.	Meta Quellendetails Datenstand: 15.10.2026
ProofBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert100 %	94 %	Vals AI Quellendetails Datenstand: 12.10.2026
Public Benefits Bench v1.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	70,636 %	Höherer Messwert73,748 %	Vals AI Quellendetails Datenstand: 12.10.2026
SRE BenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully solved rateBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert33,588 %	11,832 %	Vals AI Quellendetails Datenstand: 14.10.2026
SWE-bench MultimodalOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert70,208 %	47,292 %	Vals AI Quellendetails Datenstand: 13.10.2026
Tax Agent BenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert45,573 %	42,997 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-Bench 4.0Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 4.0Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert65,152 %	58,081 %	Vals AI Quellendetails Datenstand: 13.10.2026
Terminal-Bench 4.0-AAOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 4.0-AAMessgröße: task accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: maxTerminal-Aufgaben in isolierten Umgebungen mit ausführbaren Prüfern. Reasoning max. Meta nennt Artificial Analysis als Ergebnisquelle; die jeweiligen Agenten bleiben Teil des Ergebnisses.	Gewinner59,6 % Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.	57,1 % Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.	Meta Quellendetails Datenstand: 15.10.2026
Terminal-Bench ScienceOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 0.1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Harness: Mini-SWE-agent, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Harness: Mini-SWE-agent, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert47,143 %	37,143 %	Vals AI Quellendetails Datenstand: 14.10.2026
Vals Finance Agent V2Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: V2Messgröße: private test accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: maxFinanzrecherche anhand von Unternehmensunterlagen und Marktdaten. Privates Testset, Reasoning max. Von Meta wiedergegebene Vals-Werte.	58,6 % Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.	Gewinner59,1 % Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.	Meta Quellendetails Datenstand: 15.10.2026
Vals IndexOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: weighted index scoreBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert66,972 %	64,566 %	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 5.5: Compute: xhigh, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 131.072 tokens	30,361 %	Höherer Messwert33,978 %	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 5.5: Compute: max, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert90,294 %	85,996 %	Vals AI Quellendetails Datenstand: 12.10.2026
BioMysteryBenchHard Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Harness: Terminus 2, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Harness: Terminus 2, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert47,059 %	33,333 %	Vals AI Quellendetails Datenstand: 12.10.2026
Code MigrationCLI Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert65,528 %	58,044 %	Vals AI Quellendetails Datenstand: 12.10.2026
CyberBench v1.1Patch Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert85,714 %	83,929 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBComps Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	76,405 %	Höherer Messwert80,89 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Adjustments Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	54,528 %	Höherer Messwert56,668 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Criteria passed Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: criteria pass rateBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	82,246 %	Höherer Messwert94,928 %	Vals AI Quellendetails Datenstand: 12.10.2026
IOIIOI 2024 Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert100 %	75,333 %	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 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert65,152 %	63,636 %	Vals AI Quellendetails Datenstand: 12.10.2026
ProgramBenchAlmost Resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: almost-resolved rateBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert65 %	8 %	Vals AI Quellendetails Datenstand: 12.10.2026
SRE BenchCapability Score Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: capability scoreBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert53,562 %	17,748 %	Vals AI Quellendetails Datenstand: 14.10.2026
SWE-bench Multimodalbpmn-js Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert83,019 %	69,811 %	Vals AI Quellendetails Datenstand: 13.10.2026
Tax Agent BenchControversy & Precedence Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert30 %	26,667 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-Bench 4.0Hardware Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 4.0Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert60 %	46,667 %	Vals AI Quellendetails Datenstand: 13.10.2026
Terminal-Bench ScienceEarth Sciences Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 0.1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Harness: Mini-SWE-agent, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Harness: Mini-SWE-agent, Temperatur: 1, Ausgabegrenze: 131.072 tokens	37,5 %	Höherer Messwert62,5 %	Vals AI Quellendetails Datenstand: 14.10.2026
Vals IndexCode Migration Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: benchmark scoreBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert68,901 %	60,256 %	Vals AI Quellendetails Datenstand: 13.10.2026
BioMysteryBenchHuman-solvable Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Harness: Terminus 2, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Harness: Terminus 2, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert86,758 %	82,648 %	Vals AI Quellendetails Datenstand: 12.10.2026
Code MigrationCOBOL Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Kein direkter Sieger70 %	Kein direkter Sieger70 %	Vals AI Quellendetails Datenstand: 12.10.2026
CyberBench v1.1PoC Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	25 %	Höherer Messwert63,333 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBDataroom Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	84,873 %	Höherer Messwert85,257 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)All-Pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	48,111 %	Höherer Messwert49,037 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	0 %	Höherer Messwert20 %	Vals AI Quellendetails Datenstand: 12.10.2026
IOIIOI 2025 Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert100 %	85,5 %	Vals AI Quellendetails Datenstand: 14.10.2026
Legal Research BenchAdministrative / Regulatory · Weighted partial credit Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: weighted partial-credit scoreBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	85,427 %	Höherer Messwert92,809 %	Vals AI Quellendetails Datenstand: 12.10.2026
ProgramBenchFully Resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully resolved rateBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert18,5 %	0,5 %	Vals AI Quellendetails Datenstand: 12.10.2026
SRE BenchFully Solved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully solved rateBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert33,588 %	11,832 %	Vals AI Quellendetails Datenstand: 14.10.2026
SWE-bench MultimodalCarbon Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert52,632 %	29,323 %	Vals AI Quellendetails Datenstand: 13.10.2026
Tax Agent BenchControversy & Precedence Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	66,871 %	Höherer Messwert76,097 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-Bench 4.0Media Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 4.0Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert75 %	58,333 %	Vals AI Quellendetails Datenstand: 13.10.2026
Terminal-Bench ScienceEngineering Sciences Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 0.1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Harness: Mini-SWE-agent, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Harness: Mini-SWE-agent, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert22,222 %	11,111 %	Vals AI Quellendetails Datenstand: 14.10.2026
Vals IndexEMB Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: benchmark scoreBewertung: Mehr ist besserClaude Opus 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert75,938 %	71,917 %	Vals AI Quellendetails Datenstand: 13.10.2026
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Eigene Modelltests

Unsere Tests

Für diese Auswahl gibt es keine gemeinsame Testrunde. Es werden keine Ergebnisse aus verschiedenen Runden gemischt.

Frühere Tests

Pelikan auf dem Fahrrad

Community-Klassiker für eine freie SVG-Zeichnung.

Claude Opus 5.5

Reasoning (angefragt): high

Aktueller Versuch

Datum des Testlaufs: 01.10.2026
API-Anbieter: openrouter
Angefragtes API-Modell: anthropic/claude-opus-5.5
API-Modell laut Antwort: anthropic/claude-opus-5.5
Reasoning-Einstellung: high
Festgelegter Endpunkt: Anthropic | anthropic/claude-opus-5.5-20260921
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Bestanden, keine Qualitätsbewertung
Antwortzeit: 33,2 s

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

Muse Wonder Full

Noch nicht getestet

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 5.5 und Muse Wonder Full mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich