Zum Hauptinhalt springen

Direktvergleich

Claude Sonnet 4.6 vs. GPT-5.5

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

gemeinsame Messreihen
181
verschiedene Benchmarks
23
jüngster Abruf
15.10.2026

Modellauswahl ändern

Steckbrief

Allgemeine Daten

Erscheinungsdatum, Verfügbarkeit, Kontextfenster, Architektur und veröffentlichte Parameterzahlen auf einen Blick. Nicht veröffentlichte Angaben bleiben als solche markiert.

Allgemeine Daten von Claude Sonnet 4.6 und GPT-5.5
MerkmalClaude Sonnet 4.6GPT-5.5
AnbieterAnthropicOpenAI
ErschienenFeb. 202623. Apr. 2026
VerfügbarkeitAktivAktiv
ModelltypProprietärProprietär
ParameterNicht veröffentlichtNicht veröffentlicht
ArchitekturNicht veröffentlichtNicht veröffentlicht
Kontextfenster1.000.000 Token1.050.000 Token
WissensstandAugust 20251. Dezember 2025
Technische QuellenModell, KontextModell

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 Sonnet 4.6 und GPT-5.5
PreisartClaude Sonnet 4.6GPT-5.5
API-Eingabe3 $5 $ ≤272K / 10 $ >272K
API-Ausgabe15 $30 $ ≤272K / 45 $ >272K
Cache lesen0,3 $0,5 $ ≤272K / 1 $ >272K
Cache schreiben (5 Min.)3,75 $Nicht ausgewiesen
Cache schreiben (1 Std.)6 $Nicht ausgewiesen
Preis geprüft22.09.2026 Quelle22.09.2026 Quelle
Claude Sonnet 4.6GPT-5.5
API-EingabeUSD pro 1 Mio. Token, Basistarif
Claude Sonnet 4.6Günstiger3 $
GPT-5.55 $
API-AusgabeUSD pro 1 Mio. Token, Basistarif
Claude Sonnet 4.6Günstiger15 $
GPT-5.530 $
Cache lesenUSD pro 1 Mio. Token, Basistarif
Claude Sonnet 4.6Günstiger0,3 $
GPT-5.50,5 $

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 Sonnet 4.6 und GPT-5.5
ModellAnbieterBezugsweg und TarifEingabe pro 1 Mio. TokenAusgabe pro 1 Mio. TokenQuelle
Claude Sonnet 4.6AnthropicDirekt beim EntwicklerStandard-APIGünstigster erfasster Preis: 3 $Günstigster erfasster Preis: 15 $Quelle22.09.2026
Amazon BedrockÜber OpenRouteramazon-bedrock/eu-west-13,3 $16,5 $Quelle17.10.2026
Amazon BedrockÜber OpenRouteramazon-bedrock/globalGünstigster erfasster Preis: 3 $Günstigster erfasster Preis: 15 $Quelle17.10.2026
Amazon BedrockÜber OpenRouteramazon-bedrock/us3,3 $16,5 $Quelle17.10.2026
AnthropicÜber OpenRouteranthropicGünstigster erfasster Preis: 3 $Günstigster erfasster Preis: 15 $Quelle17.10.2026
AzureÜber OpenRouterazure/globalGünstigster erfasster Preis: 3 $Günstigster erfasster Preis: 15 $Quelle17.10.2026
Claude Platform on AWSÜber OpenRouterclaude-on-awsGünstigster erfasster Preis: 3 $Günstigster erfasster Preis: 15 $Quelle17.10.2026
GoogleÜber OpenRoutergoogle-vertex/europe3,3 $16,5 $Quelle17.10.2026
GoogleÜber OpenRoutergoogle-vertex/globalGünstigster erfasster Preis: 3 $Günstigster erfasster Preis: 15 $Quelle17.10.2026
GoogleÜber OpenRoutergoogle-vertex/us-east53,3 $16,5 $Quelle17.10.2026
GPT-5.5OpenAIDirekt beim EntwicklerBis 272.000 Kontext-Token5 $30 $Quelle22.09.2026
OpenAIDirekt beim EntwicklerÜber 272.000 Kontext-Token10 $45 $Quelle22.09.2026
Amazon BedrockÜber OpenRouteramazon-bedrock/us-east-15,5 $33 $Quelle17.10.2026
AzureÜber OpenRouterazure5 $30 $Quelle17.10.2026
AzureÜber OpenRouterazure/eu5,5 $33 $Quelle17.10.2026
AzureÜber OpenRouterazure/us5,5 $33 $Quelle17.10.2026
OpenAIÜber OpenRouteropenai5 $30 $Quelle17.10.2026
OpenAIÜber OpenRouteropenai/fast12,5 $75 $Quelle17.10.2026
OpenAIÜber OpenRouteropenai/flexGünstigster erfasster Preis: 2,5 $Günstigster erfasster Preis: 15 $Quelle17.10.2026

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.

Nicht genug direkt vergleichbare Kategorien für ein belastbares Radar

Nur 1 von mindestens 5 Kategorien enthalten direkt vergleichbare Modellmessungen. Die Benchmarktabellen darunter zeigen die vorhandenen Belege, ohne fehlende Achsen aufzufüllen.

Claude Sonnet 4.6GPT-5.5
Code MigrationOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Sonnet 4.639,892 %
GPT-5.5Höherer Messwert45,161 %
CorpFin v2Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Sonnet 4.665,307 %
GPT-5.5Höherer Messwert68,415 %
EMBOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Sonnet 4.660,154 %
GPT-5.5Höherer Messwert64,543 %
Finance Agent (v2)Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Sonnet 4.651,035 %
GPT-5.5Höherer Messwert51,76 %
GPQA DiamondOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Sonnet 4.685,606 %
GPT-5.5Höherer Messwert93,182 %
Harvey's Legal Agent BenchmarkOverall · Task fully resolved. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Sonnet 4.6Höherer Messwert5 %
GPT-5.53,75 %
Legal Research BenchOverall · All-pass. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Sonnet 4.638,462 %
GPT-5.5Höherer Messwert40,385 %
LegalBenchOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Sonnet 4.682,12 %
GPT-5.5Höherer Messwert86,515 %
LiveCodeBench v6Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Sonnet 4.682,091 %
GPT-5.5Höherer Messwert85,296 %
MMLU-ProOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Sonnet 4.687,341 %
GPT-5.5Höherer Messwert88,144 %
MMMU-ProOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Sonnet 4.683,584 %
GPT-5.5Höherer Messwert88,266 %
MortgageTaxOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Sonnet 4.667,726 %
GPT-5.5Höherer Messwert68,76 %

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von Claude Sonnet 4.6 und GPT-5.5
Benchmark und AufgabeClaude Sonnet 4.6GPT-5.5Quelle
Code MigrationOverall
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
39,892 %
Höherer Messwert45,161 %
Vals AI
Quellendetails
Datenstand: 12.10.2026
CorpFin v2Overall
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
65,307 %
Höherer Messwert68,415 %
Vals AI
Quellendetails
Datenstand: 12.08.2026
EMBOverall
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
60,154 %
Höherer Messwert64,543 %
Vals AI
Quellendetails
Datenstand: 12.10.2026
Finance Agent (v2)Overall
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
51,035 %
Höherer Messwert51,76 %
Vals AI
Quellendetails
Datenstand: 12.10.2026
GPQA DiamondOverall
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
85,606 %
Höherer Messwert93,182 %
Vals AI
Quellendetails
Datenstand: 01.09.2026
Harvey's Legal Agent BenchmarkOverall · Task fully resolved
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Höherer Messwert5 %
3,75 %
Vals AI
Quellendetails
Datenstand: 12.10.2026
Legal Research BenchOverall · All-pass
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
38,462 %
Höherer Messwert40,385 %
Vals AI
Quellendetails
Datenstand: 12.10.2026
LegalBenchOverall
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
82,12 %
Höherer Messwert86,515 %
Vals AI
Quellendetails
Datenstand: 13.10.2026
LiveCodeBench v6Overall
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
82,091 %
Höherer Messwert85,296 %
Vals AI
Quellendetails
Datenstand: 01.09.2026
MMLU-ProOverall
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
87,341 %
Höherer Messwert88,144 %
Vals AI
Quellendetails
Datenstand: 01.09.2026
MMMU-ProOverall
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
83,584 %
Höherer Messwert88,266 %
Vals AI
Quellendetails
Datenstand: 01.09.2026
MortgageTaxOverall
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
67,726 %
Höherer Messwert68,76 %
Vals AI
Quellendetails
Datenstand: 01.09.2026
ProgramBenchOverall
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully resolved rateBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Kein direkter Sieger0,5 %
Kein direkter Sieger0,5 %
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 Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Höherer Messwert62,449 %
60,893 %
Vals AI
Quellendetails
Datenstand: 12.10.2026
SAGEOverall
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 tokens
GPT-5.5: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 30.000 tokens
46,582 %
Höherer Messwert51,532 %
Vals AI
Quellendetails
Datenstand: 08.10.2026
SkillsBenchOverall
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Harness: OpenHands, Ausgabegrenze: 128.000 tokens
49,052 %
Höherer Messwert62,209 %
Vals AI
Quellendetails
Datenstand: 27.09.2026
SWE-bench VerifiedOverall
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
77,4 %
Höherer Messwert82,6 %
Vals AI
Quellendetails
Datenstand: 01.09.2026
Tax Agent BenchOverall
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Höherer Messwert25,84 %
21,762 %
Vals AI
Quellendetails
Datenstand: 12.10.2026
TaxEval v2Overall
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Höherer Messwert77,106 %
74,98 %
Vals AI
Quellendetails
Datenstand: 01.09.2026
Terminal-Bench 2.0Overall
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.0Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: high, Ausgabegrenze: 128.000 tokens
59,551 %
Höherer Messwert73,202 %
Vals AI
Quellendetails
Datenstand: 04.06.2026
Terminal-Bench 2.1Overall
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: high, Ausgabegrenze: 128.000 tokens
57,303 %
Höherer Messwert76,404 %
Vals AI
Quellendetails
Datenstand: 28.09.2026
Vals Multimodal IndexOverall
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.2Messgröße: weighted index scoreBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
60,571 %
Höherer Messwert68,071 %
Vals AI
Quellendetails
Datenstand: 11.08.2026
Vibe Code Bench v1.1Overall
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Harness: OpenHands, Ausgabegrenze: 128.000 tokens
51,476 %
Höherer Messwert69,847 %
Vals AI
Quellendetails
Datenstand: 12.10.2026
Code MigrationCLI
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
30,333 %
Höherer Messwert36,882 %
Vals AI
Quellendetails
Datenstand: 12.10.2026
CorpFin v2Exact Pages
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
63,17 %
Höherer Messwert65,618 %
Vals AI
Quellendetails
Datenstand: 12.08.2026
EMBComps
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
61,52 %
Höherer Messwert64,681 %
Vals AI
Quellendetails
Datenstand: 12.10.2026
Finance Agent (v2)Adjustments
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Höherer Messwert48,92 %
45,74 %
Vals AI
Quellendetails
Datenstand: 12.10.2026
GPQA DiamondFew-Shot CoT
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
85,859 %
Höherer Messwert93,434 %
Vals AI
Quellendetails
Datenstand: 01.09.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Criteria passed
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: criteria pass rateBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Höherer Messwert87,319 %
82,246 %
Vals AI
Quellendetails
Datenstand: 12.10.2026
Legal Research BenchAdministrative / Regulatory · All-pass
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
43,939 %
Höherer Messwert53,03 %
Vals AI
Quellendetails
Datenstand: 12.10.2026
LegalBenchConclusion Tasks
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
87,991 %
Höherer Messwert89,644 %
Vals AI
Quellendetails
Datenstand: 13.10.2026
LiveCodeBench v6Easy
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Höherer Messwert98,758 %
98,447 %
Vals AI
Quellendetails
Datenstand: 01.09.2026
MMLU-ProBiology
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
92,748 %
Höherer Messwert94,003 %
Vals AI
Quellendetails
Datenstand: 01.09.2026
MortgageTaxNumerical Extraction
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
74,96 %
Höherer Messwert76,153 %
Vals AI
Quellendetails
Datenstand: 01.09.2026
ProgramBenchAlmost Resolved
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: almost-resolved rateBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
2 %
Höherer Messwert9,5 %
Vals AI
Quellendetails
Datenstand: 12.10.2026
SAGEAutomata
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 tokens
GPT-5.5: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 30.000 tokens
35,318 %
Höherer Messwert40,476 %
Vals AI
Quellendetails
Datenstand: 08.10.2026
SkillsBenchNo Skills
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Harness: OpenHands, Ausgabegrenze: 128.000 tokens
27,827 %
Höherer Messwert49,875 %
Vals AI
Quellendetails
Datenstand: 27.09.2026
SWE-bench Verified<15 min fix
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
87,113 %
Höherer Messwert91,753 %
Vals AI
Quellendetails
Datenstand: 01.09.2026
Tax Agent BenchControversy & Precedence Analysis
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Kein direkter Sieger10 %
Kein direkter Sieger10 %
Vals AI
Quellendetails
Datenstand: 12.10.2026
TaxEval v2Correctness
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Höherer Messwert65,822 %
65,495 %
Vals AI
Quellendetails
Datenstand: 01.09.2026
Terminal-Bench 2.0Easy
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.0Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: high, Ausgabegrenze: 128.000 tokens
75 %
Höherer Messwert85 %
Vals AI
Quellendetails
Datenstand: 04.06.2026
Terminal-Bench 2.1Easy
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: high, Ausgabegrenze: 128.000 tokens
Höherer Messwert100 %
83,333 %
Vals AI
Quellendetails
Datenstand: 28.09.2026
Vals Multimodal IndexCorpFin v2
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
66,667 %
Höherer Messwert69,58 %
Vals AI
Quellendetails
Datenstand: 11.08.2026
Code MigrationCOBOL
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
68,571 %
Höherer Messwert70 %
Vals AI
Quellendetails
Datenstand: 12.10.2026
CorpFin v2Max Fitting Context
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
66,084 %
Höherer Messwert70,047 %
Vals AI
Quellendetails
Datenstand: 12.08.2026
EMBDataroom
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
78,493 %
Höherer Messwert81,227 %
Vals AI
Quellendetails
Datenstand: 12.10.2026
Finance Agent (v2)All-Pass
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
38,795 %
Höherer Messwert39,562 %
Vals AI
Quellendetails
Datenstand: 12.10.2026
GPQA DiamondZero-Shot CoT
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
85,354 %
Höherer Messwert92,929 %
Vals AI
Quellendetails
Datenstand: 01.09.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Task fully resolved
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Kein direkter Sieger0 %
Kein direkter Sieger0 %
Vals AI
Quellendetails
Datenstand: 12.10.2026
Legal Research BenchAdministrative / Regulatory · Weighted partial credit
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: weighted partial-credit scoreBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Höherer Messwert86,797 %
86,669 %
Vals AI
Quellendetails
Datenstand: 12.10.2026
LegalBenchInterpretation Tasks
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
82,469 %
Höherer Messwert83,836 %
Vals AI
Quellendetails
Datenstand: 13.10.2026
LiveCodeBench v6Hard
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
60,571 %
Höherer Messwert69,714 %
Vals AI
Quellendetails
Datenstand: 01.09.2026
MMLU-ProBusiness
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
91,888 %
Höherer Messwert92,015 %
Vals AI
Quellendetails
Datenstand: 01.09.2026
MortgageTaxSemantic Extraction
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
60,493 %
Höherer Messwert61,367 %
Vals AI
Quellendetails
Datenstand: 01.09.2026
ProgramBenchFully Resolved
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully resolved rateBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Kein direkter Sieger0,5 %
Kein direkter Sieger0,5 %
Vals AI
Quellendetails
Datenstand: 12.10.2026
SAGECalculus
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Temperatur: 1, Ausgabegrenze: 30.000 tokens
GPT-5.5: Reasoning: xhigh, Temperatur: 1
60,494 %
Höherer Messwert72,222 %
Vals AI
Quellendetails
Datenstand: 08.10.2026
SkillsBenchWith Skills
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Harness: OpenHands, Ausgabegrenze: 128.000 tokens
49,052 %
Höherer Messwert62,209 %
Vals AI
Quellendetails
Datenstand: 27.09.2026
SWE-bench Verified>4 hours
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
33,333 %
Höherer Messwert66,667 %
Vals AI
Quellendetails
Datenstand: 01.09.2026
Tax Agent BenchControversy & Precedence Analysis
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Höherer Messwert57,949 %
54,91 %
Vals AI
Quellendetails
Datenstand: 12.10.2026
TaxEval v2Stepwise Reasoning
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Höherer Messwert88,389 %
84,464 %
Vals AI
Quellendetails
Datenstand: 01.09.2026
Terminal-Bench 2.0Hard
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.0Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: high, Ausgabegrenze: 128.000 tokens
40 %
Höherer Messwert60,5 %
Vals AI
Quellendetails
Datenstand: 04.06.2026
Terminal-Bench 2.1Hard
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: high, Ausgabegrenze: 128.000 tokens
34,444 %
Höherer Messwert66,667 %
Vals AI
Quellendetails
Datenstand: 28.09.2026
Vals Multimodal IndexFinance Agent v2
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
51,033 %
Höherer Messwert51,834 %
Vals AI
Quellendetails
Datenstand: 11.08.2026
Code MigrationCode Quality
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: mean reviewer code-quality ratingBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Höherer Messwert3,997 / 5
3,498 / 5
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 Sonnet 4.6

Claude Sonnet 4.6: SVG-Kurztest
API meldet 0 Reasoning-TokensTestlauf: 12.10.2026Anbieter: anthropicAPI-Modell: anthropic/claude-sonnet-4.6807 Ausgabe-Token

GPT-5.5

In dieser Runde nicht verfügbar

Frühere Tests

Pelikan auf dem Fahrrad

Community-Klassiker für eine freie SVG-Zeichnung.

Claude Sonnet 4.6

Die Antwort hat das Tokenlimit erreicht. Es liegt keine vollständige Aufzeichnung vor.

Reasoning (angefragt): high

Aktueller Versuch
Datum des Testlaufs
06.10.2026
API-Anbieter
openrouter
Angefragtes API-Modell
anthropic/claude-sonnet-4.6
API-Modell laut Antwort
anthropic/claude-sonnet-4.6
Reasoning-Einstellung
high
Festgelegter Endpunkt
Anthropic | anthropic/claude-4.6-sonnet-20260217
Temperatur
Anbieterstandard
Tokenlimit inklusive Reasoning
8.192 Token
Testprotokoll
community-visual-tests-v1
Technische Prüfung
Nicht bestanden
Antwortzeit
106 s

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

Frühere Versuche (2)
  • 02.10.2026API-Anfrage fehlgeschlagenReasoning-Einstellung: high
  • 01.10.2026API-Anfrage fehlgeschlagenReasoning-Einstellung: high

GPT-5.5

GPT-5.5: Pelikan auf dem Fahrrad
Community-Klassiker für eine freie SVG-Zeichnung.

Reasoning (angefragt): high

Aktueller Versuch
Datum des Testlaufs
01.10.2026
API-Anbieter
openrouter
Angefragtes API-Modell
openai/gpt-5.5
API-Modell laut Antwort
openai/gpt-5.5
Reasoning-Einstellung
high
Festgelegter Endpunkt
OpenAI | openai/gpt-5.5-20260423
Temperatur
Anbieterstandard
Tokenlimit inklusive Reasoning
8.192 Token
Testprotokoll
community-visual-tests-v1
Technische Prüfung
Bestanden, keine Qualitätsbewertung
Antwortzeit
25,9 s

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

Frühere Versuche (1)
  • 07.09.2026API-Anfrage fehlgeschlagenReasoning-Einstellung: high
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

Ähnliche LLM-Vergleiche

Vergleiche Claude Sonnet 4.6 und GPT-5.5 mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich