Direktvergleich

Claude Sonnet 4.6 vs. GPT-5.6 Luna

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

gemeinsame Messreihen: 187
verschiedene Benchmark-Messgrößen: 35
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 Sonnet 4.6 und GPT-5.6 Luna
Merkmal	Claude Sonnet 4.6	GPT-5.6 Luna
Anbieter	Anthropic	OpenAI
Erschienen	Feb. 2026	9. Juli 2026
Verfügbarkeit	Aktiv	Aktiv
Modelltyp	Proprietär	Proprietär
Parameter	Nicht veröffentlicht	Nicht veröffentlicht
Architektur	Nicht veröffentlicht	Nicht veröffentlicht
Kontextfenster	1.000.000 Token	1.050.000 Token
Wissensstand	August 2025	16. Februar 2026
Technische Quellen	Modell, Kontext	Modell, Kontext, Wissensstand

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-5.6 Luna
Preisart	Claude Sonnet 4.6	GPT-5.6 Luna
API-Eingabe	3 $	0,2 $ ≤272K / 0,4 $ >272K
API-Ausgabe	15 $	1,2 $ ≤272K / 1,8 $ >272K
Cache lesen	0,3 $	0,02 $ ≤272K / 0,04 $ >272K
Cache schreiben (5 Min.)	3,75 $	0,25 $ ≤272K / 0,5 $ >272K
Cache schreiben (1 Std.)	6 $	Nicht ausgewiesen
Preis geprüft	22.09.2026 Quelle	22.09.2026 Quelle

Claude Sonnet 4.6GPT-5.6 Luna

API-EingabeUSD pro 1 Mio. Token, Basistarif

Claude Sonnet 4.63 $

GPT-5.6 Luna0,2 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

Claude Sonnet 4.615 $

GPT-5.6 Luna1,2 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

Claude Sonnet 4.60,3 $

GPT-5.6 Luna0,02 $

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-5.6 Luna
Modell	Anbieter	Bezugsweg und Tarif	Eingabe pro 1 Mio. Token	Ausgabe pro 1 Mio. Token	Quelle
Claude Sonnet 4.6	Anthropic	Direkt beim EntwicklerStandard-API	Günstigster erfasster Preis: 3 $	Günstigster erfasster Preis: 15 $	Quelle22.09.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock/eu-west-1	3,3 $	16,5 $	Quelle26.10.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock/global	Günstigster erfasster Preis: 3 $	Günstigster erfasster Preis: 15 $	Quelle26.10.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock/us	3,3 $	16,5 $	Quelle26.10.2026
	Anthropic	Über OpenRouteranthropic	Günstigster erfasster Preis: 3 $	Günstigster erfasster Preis: 15 $	Quelle26.10.2026
	Azure	Über OpenRouterazure/global	Günstigster erfasster Preis: 3 $	Günstigster erfasster Preis: 15 $	Quelle26.10.2026
	Claude Platform on AWS	Über OpenRouterclaude-on-aws	Günstigster erfasster Preis: 3 $	Günstigster erfasster Preis: 15 $	Quelle26.10.2026
	Google	Über OpenRoutergoogle-vertex/europe	3,3 $	16,5 $	Quelle26.10.2026
	Google	Über OpenRoutergoogle-vertex/global	Günstigster erfasster Preis: 3 $	Günstigster erfasster Preis: 15 $	Quelle26.10.2026
	Google	Über OpenRoutergoogle-vertex/us-east5	3,3 $	16,5 $	Quelle26.10.2026
GPT-5.6 Luna	OpenAI	Direkt beim EntwicklerBis 272.000 Kontext-Token	0,2 $	1,2 $	Quelle22.09.2026
	OpenAI	Direkt beim EntwicklerÜber 272.000 Kontext-Token	0,4 $	1,8 $	Quelle22.09.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock/us-east-1	0,22 $	1,32 $	Quelle26.10.2026
	Azure	Über OpenRouterazure	0,2 $	1,2 $	Quelle26.10.2026
	Azure	Über OpenRouterazure/eu	0,22 $	1,32 $	Quelle26.10.2026
	Azure	Über OpenRouterazure/us	0,22 $	1,32 $	Quelle26.10.2026
	OpenAI	Über OpenRouteropenai	0,2 $	1,2 $	Quelle26.10.2026
	OpenAI	Über OpenRouteropenai/fast	0,4 $	2,4 $	Quelle26.10.2026
	OpenAI	Über OpenRouteropenai/flex	Günstigster erfasster Preis: 0,1 $	Günstigster erfasster Preis: 0,6 $	Quelle26.10.2026

Benchmark-Index

Benchmark-Index im Vergleich

Der Index fasst unabhängige Benchmarks auf einer Skala von 0 bis 100 zusammen. Ein Vorsprung zählt erst, wenn ein Modell in mindestens 95 % von 200 Neuberechnungen mit zufällig neu gezogenen Testfamilien vorn liegt. Sonst gelten beide als gleichauf.

Zur KI-Bestenliste

Claude Sonnet 4.6

Gesamtindex

22,0

GPT-5.6 Luna

Gesamtindex

36,2

GPT-5.6 Luna liegt in 5 von 10 gemeinsamen Bereichen vorn. In 5 Bereichen liegen beide gleichauf.

Bereich	Claude Sonnet 4.6	GPT-5.6 Luna
Programmieren	17,5	43,1
Schlussfolgern	22,8	51,1
Wissengleichauf	25,0	15,3
Agenten	14,3	47,6
Finanzengleichauf	44,6	52,8
Rechtgleichauf	28,0	29,8
Gesundheit	13,7	34,5
Multimodal	20,4	28,3
Produktivitätgleichauf	29,8	35,7
Bildunggleichauf	27,4	37,4

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 Sonnet 4.6

GPT-5.6 Luna

Coding: 26,1 / 100 (1 Benchmarkfamilie)

Reasoning: 82,2 / 100 (3 Benchmarkfamilien)

Wissen: 98,5 / 50,8 (1 Benchmarkfamilie)

Agenten-Aufgaben: 76,1 / 100 (5 Benchmarkfamilien)

Multimodal: 93,3 / 100 (1 Benchmarkfamilie)

Gesamt: 81,8 / 100 (2 Benchmarkfamilien)

15 passende Messreihen aus 13 Benchmarkfamilien wurden berücksichtigt. Das Radar zeigt 6 von 6 vergleichbaren Kategorien.

Claude Sonnet 4.6GPT-5.6 Luna

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

Claude Sonnet 4.61.062,96 elo

GPT-5.6 Luna1.342,18 elo

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

Claude Sonnet 4.680,0 %

GPT-5.6 Luna83,7 %

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

Claude Sonnet 4.612,217 Punkte

GPT-5.6 Luna-10,283 Punkte

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

Claude Sonnet 4.640,9 %

GPT-5.6 Luna42,7 %

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

Claude Sonnet 4.648,4 %

GPT-5.6 Luna92,6 %

APEX-Agents-AAOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Sonnet 4.628,0 %

GPT-5.6 Luna35,8 %

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

Claude Sonnet 4.630,058 Punkte

GPT-5.6 Luna37,324 Punkte

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

Claude Sonnet 4.620,1 %

GPT-5.6 Luna50,2 %

Code MigrationOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Sonnet 4.639,892 %

GPT-5.6 Luna44,55 %

CorpFin v2Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Sonnet 4.665,307 %

GPT-5.6 Luna64,219 %

EMBOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Sonnet 4.660,154 %

GPT-5.6 Luna67,116 %

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

Claude Sonnet 4.651,035 %

GPT-5.6 Luna55,044 %

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von Claude Sonnet 4.6 und GPT-5.6 Luna
Benchmark und Aufgabe	Claude Sonnet 4.6	GPT-5.6 Luna	Quelle
AA-BriefcaseOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v1.1Messgröße: AA-Briefcase EloBewertung: Mehr ist besserClaude Sonnet 4.6: Snapshot: Claude Sonnet 4.6 (Max), Reasoning: Max GPT-5.6 Luna: Snapshot: GPT-5.6 Luna (Max), Reasoning: MaxClaude Sonnet 4.6: Exakte AA-Konfiguration: Claude Sonnet 4.6 (Max) (Release claude-sonnet-4-6, Zeile claude-sonnet-4-6-adaptive, UUID df8d14e0-3997-4e4d-b4ad-9c047acc9c69, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-5.6 Luna: Exakte AA-Konfiguration: GPT-5.6 Luna (Max) (Release gpt-5-6-luna, Zeile gpt-5-6-luna, UUID 426d24c8-49ae-482a-b4a8-20f1c53f21c1, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	1.062,96 elo	Gewinner1.342,18 elo	Artificial Analysis Quellendetails Datenstand: 19.10.2026
AA-LCROverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v1.1Messgröße: Pass rateBewertung: Mehr ist besserClaude Sonnet 4.6: Snapshot: Claude Sonnet 4.6 (Max), Reasoning: Max GPT-5.6 Luna: Snapshot: GPT-5.6 Luna (Max), Reasoning: MaxClaude Sonnet 4.6: Exakte AA-Konfiguration: Claude Sonnet 4.6 (Max) (Release claude-sonnet-4-6, Zeile claude-sonnet-4-6-adaptive, UUID df8d14e0-3997-4e4d-b4ad-9c047acc9c69, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-5.6 Luna: Exakte AA-Konfiguration: GPT-5.6 Luna (Max) (Release gpt-5-6-luna, Zeile gpt-5-6-luna, UUID 426d24c8-49ae-482a-b4a8-20f1c53f21c1, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	80,0 %	Gewinner83,7 %	Artificial Analysis Quellendetails Datenstand: 19.10.2026
AA-OmniscienceOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: AA-Omniscience IndexBewertung: Mehr ist besserClaude Sonnet 4.6: Snapshot: Claude Sonnet 4.6 (Max), Reasoning: Max GPT-5.6 Luna: Snapshot: GPT-5.6 Luna (Max), Reasoning: MaxClaude Sonnet 4.6: Exakte AA-Konfiguration: Claude Sonnet 4.6 (Max) (Release claude-sonnet-4-6, Zeile claude-sonnet-4-6-adaptive, UUID df8d14e0-3997-4e4d-b4ad-9c047acc9c69, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-5.6 Luna: Exakte AA-Konfiguration: GPT-5.6 Luna (Max) (Release gpt-5-6-luna, Zeile gpt-5-6-luna, UUID 426d24c8-49ae-482a-b4a8-20f1c53f21c1, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner12,217 Punkte Der Index kann negative Werte annehmen und reicht laut Anbieter von -100 bis 100.	-10,283 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 Sonnet 4.6: Snapshot: Claude Sonnet 4.6 (Max), Reasoning: Max, Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboard GPT-5.6 Luna: Snapshot: GPT-5.6 Luna (Max), Reasoning: Max, Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboardClaude Sonnet 4.6: Exakte AA-Konfiguration: Claude Sonnet 4.6 (Max) (Release claude-sonnet-4-6, Zeile claude-sonnet-4-6-adaptive, UUID df8d14e0-3997-4e4d-b4ad-9c047acc9c69, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). 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-5.6 Luna: Exakte AA-Konfiguration: GPT-5.6 Luna (Max) (Release gpt-5-6-luna, Zeile gpt-5-6-luna, UUID 426d24c8-49ae-482a-b4a8-20f1c53f21c1, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Anteil der insgesamt korrekt beantworteten Fragen, unabhängig davon, ob das Modell andere Fragen beantwortet oder sich enthält.	40,9 % Dies ist die separat veröffentlichte Genauigkeitsdiagnostik, nicht der AA-Omniscience-Index. AA bezeichnet höhere Werte als besser.	Gewinner42,7 % 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 Sonnet 4.6: Snapshot: Claude Sonnet 4.6 (Max), Reasoning: Max, Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboard GPT-5.6 Luna: Snapshot: GPT-5.6 Luna (Max), Reasoning: Max, Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboardClaude Sonnet 4.6: Exakte AA-Konfiguration: Claude Sonnet 4.6 (Max) (Release claude-sonnet-4-6, Zeile claude-sonnet-4-6-adaptive, UUID df8d14e0-3997-4e4d-b4ad-9c047acc9c69, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Anteil falscher Antworten an allen nicht korrekten Antworten: falsch / (falsch + teilweise richtig + nicht beantwortet).GPT-5.6 Luna: Exakte AA-Konfiguration: GPT-5.6 Luna (Max) (Release gpt-5-6-luna, Zeile gpt-5-6-luna, UUID 426d24c8-49ae-482a-b4a8-20f1c53f21c1, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Anteil falscher Antworten an allen nicht korrekten Antworten: falsch / (falsch + teilweise richtig + nicht beantwortet).	Gewinner48,4 % Dies ist die separat veröffentlichte Halluzinationsraten-Diagnostik, nicht der AA-Omniscience-Index. AA bezeichnet niedrigere Werte als besser.	92,6 % 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
APEX-Agents-AAOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: AA public cohort: 452 tasksMessgröße: Pass@1 success rateBewertung: Mehr ist besserClaude Sonnet 4.6: Snapshot: Claude Sonnet 4.6 (Max), Reasoning: Max, Agent: Stirrup agent, Harness: Artificial Analysis Stirrup, Versuche: pass@1, averaged over 3 repeats per task GPT-5.6 Luna: Snapshot: GPT-5.6 Luna (Max), Reasoning: Max, Agent: Stirrup agent, Harness: Artificial Analysis Stirrup, Versuche: pass@1, averaged over 3 repeats per taskClaude Sonnet 4.6: Exakte AA-Konfiguration: Claude Sonnet 4.6 (Max) (Release claude-sonnet-4-6, Zeile claude-sonnet-4-6-adaptive, UUID df8d14e0-3997-4e4d-b4ad-9c047acc9c69, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. 452 Aufgaben aus der öffentlichen 480-Aufgaben-Version, drei Wiederholungen pro Aufgabe. Ein Durchlauf besteht nur, wenn alle Kriterien der Rubrik erfüllt sind; der Leaderboardwert mittelt pass@1 über die Wiederholungen.GPT-5.6 Luna: Exakte AA-Konfiguration: GPT-5.6 Luna (Max) (Release gpt-5-6-luna, Zeile gpt-5-6-luna, UUID 426d24c8-49ae-482a-b4a8-20f1c53f21c1, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. 452 Aufgaben aus der öffentlichen 480-Aufgaben-Version, drei Wiederholungen pro Aufgabe. Ein Durchlauf besteht nur, wenn alle Kriterien der Rubrik erfüllt sind; der Leaderboardwert mittelt pass@1 über die Wiederholungen.	28,0 % Zwei Aufgabenwelten aus dem Investment Banking fehlen, weil sie externe Laufzeit-APIs benötigen.	Gewinner35,8 % Zwei Aufgabenwelten aus dem Investment Banking fehlen, weil sie externe Laufzeit-APIs benötigen.	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 Sonnet 4.6: Snapshot: Claude Sonnet 4.6 (Max), Reasoning: Max GPT-5.6 Luna: Snapshot: GPT-5.6 Luna (Max), Reasoning: MaxClaude Sonnet 4.6: Exakte AA-Konfiguration: Claude Sonnet 4.6 (Max) (Release claude-sonnet-4-6, Zeile claude-sonnet-4-6-adaptive, UUID df8d14e0-3997-4e4d-b4ad-9c047acc9c69, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-5.6 Luna: Exakte AA-Konfiguration: GPT-5.6 Luna (Max) (Release gpt-5-6-luna, Zeile gpt-5-6-luna, UUID 426d24c8-49ae-482a-b4a8-20f1c53f21c1, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	30,058 Punkte	Gewinner37,324 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 Sonnet 4.6: Snapshot: Claude Sonnet 4.6 (Max), Reasoning: Max GPT-5.6 Luna: Snapshot: GPT-5.6 Luna (Max), Reasoning: MaxClaude Sonnet 4.6: Exakte AA-Konfiguration: Claude Sonnet 4.6 (Max) (Release claude-sonnet-4-6, Zeile claude-sonnet-4-6-adaptive, UUID df8d14e0-3997-4e4d-b4ad-9c047acc9c69, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-5.6 Luna: Exakte AA-Konfiguration: GPT-5.6 Luna (Max) (Release gpt-5-6-luna, Zeile gpt-5-6-luna, UUID 426d24c8-49ae-482a-b4a8-20f1c53f21c1, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	20,1 %	Gewinner50,2 %	Artificial Analysis Quellendetails Datenstand: 19.10.2026
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-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	39,892 %	Höherer Messwert44,55 %	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-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert65,307 %	64,219 %	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-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	60,154 %	Höherer Messwert67,116 %	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-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	51,035 %	Höherer Messwert55,044 %	Vals AI Quellendetails Datenstand: 12.10.2026
GDP.pdfOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: All-pass rateBewertung: Mehr ist besserClaude Sonnet 4.6: Snapshot: Claude Sonnet 4.6 (Max), Reasoning: Max GPT-5.6 Luna: Snapshot: GPT-5.6 Luna (Max), Reasoning: MaxClaude Sonnet 4.6: Exakte AA-Konfiguration: Claude Sonnet 4.6 (Max) (Release claude-sonnet-4-6, Zeile claude-sonnet-4-6-adaptive, UUID df8d14e0-3997-4e4d-b4ad-9c047acc9c69, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-5.6 Luna: Exakte AA-Konfiguration: GPT-5.6 Luna (Max) (Release gpt-5-6-luna, Zeile gpt-5-6-luna, UUID 426d24c8-49ae-482a-b4a8-20f1c53f21c1, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	15,8 %	Gewinner24,0 %	Artificial Analysis Quellendetails Datenstand: 19.10.2026
GDPval-AAOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v2.1Messgröße: GDPval-AA EloBewertung: Mehr ist besserClaude Sonnet 4.6: Snapshot: Claude Sonnet 4.6 (Max), Reasoning: Max GPT-5.6 Luna: Snapshot: GPT-5.6 Luna (Max), Reasoning: MaxClaude Sonnet 4.6: Exakte AA-Konfiguration: Claude Sonnet 4.6 (Max) (Release claude-sonnet-4-6, Zeile claude-sonnet-4-6-adaptive, UUID df8d14e0-3997-4e4d-b4ad-9c047acc9c69, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-5.6 Luna: Exakte AA-Konfiguration: GPT-5.6 Luna (Max) (Release gpt-5-6-luna, Zeile gpt-5-6-luna, UUID 426d24c8-49ae-482a-b4a8-20f1c53f21c1, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	1.232 elo	Gewinner1.459,2 elo	Artificial Analysis Quellendetails Datenstand: 19.10.2026
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-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	85,606 %	Höherer Messwert91,666 %	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-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert5 %	1,25 %	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 Sonnet 4.6: Snapshot: Claude Sonnet 4.6 (Max), Reasoning: Max GPT-5.6 Luna: Snapshot: GPT-5.6 Luna (Max), Reasoning: MaxClaude Sonnet 4.6: Exakte AA-Konfiguration: Claude Sonnet 4.6 (Max) (Release claude-sonnet-4-6, Zeile claude-sonnet-4-6-adaptive, UUID df8d14e0-3997-4e4d-b4ad-9c047acc9c69, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-5.6 Luna: Exakte AA-Konfiguration: GPT-5.6 Luna (Max) (Release gpt-5-6-luna, Zeile gpt-5-6-luna, UUID 426d24c8-49ae-482a-b4a8-20f1c53f21c1, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	33,6 % Der Anbieter beschreibt seine Vergleichsauswertung als text-only 2.158 Fragen, nicht als den vollständigen 2.500-Fragen-Datensatz.	Gewinner39,5 % 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
ITBench-AA (SRE)Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: AA cohort: 59 tasksMessgröße: Average precision at full recallBewertung: Mehr ist besserClaude Sonnet 4.6: Snapshot: Claude Sonnet 4.6 (Max), Reasoning: Max, Agent: Stirrup agent, Harness: Artificial Analysis Stirrup, Versuche: Average precision at full recall, 3 repeats per task GPT-5.6 Luna: Snapshot: GPT-5.6 Luna (Max), Reasoning: Max, Agent: Stirrup agent, Harness: Artificial Analysis Stirrup, Versuche: Average precision at full recall, 3 repeats per taskClaude Sonnet 4.6: Exakte AA-Konfiguration: Claude Sonnet 4.6 (Max) (Release claude-sonnet-4-6, Zeile claude-sonnet-4-6-adaptive, UUID df8d14e0-3997-4e4d-b4ad-9c047acc9c69, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. 59 Kubernetes-Incidentaufgaben, davon 40 öffentliche und 19 private, mit drei Wiederholungen je Aufgabe. Ein Lauf erhält null, wenn eine tatsächliche Ursache fehlt, sonst die Präzision bei vollständigem Recall. Dies ist nur die SRE-Teilmenge von ITBench.GPT-5.6 Luna: Exakte AA-Konfiguration: GPT-5.6 Luna (Max) (Release gpt-5-6-luna, Zeile gpt-5-6-luna, UUID 426d24c8-49ae-482a-b4a8-20f1c53f21c1, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. 59 Kubernetes-Incidentaufgaben, davon 40 öffentliche und 19 private, mit drei Wiederholungen je Aufgabe. Ein Lauf erhält null, wenn eine tatsächliche Ursache fehlt, sonst die Präzision bei vollständigem Recall. Dies ist nur die SRE-Teilmenge von ITBench.	39,8 % Die AA-Implementierung deckt hier nur Site Reliability Engineering ab, nicht die weiteren ITBench-Domänen CISO und FinOps.	Gewinner40,3 % Die AA-Implementierung deckt hier nur Site Reliability Engineering ab, nicht die weiteren ITBench-Domänen CISO und FinOps.	Artificial Analysis Quellendetails Datenstand: 19.10.2026
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-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert38,462 %	36,538 %	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-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	82,12 %	Höherer Messwert84,034 %	Vals AI Quellendetails Datenstand: 13.10.2026
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-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert87,341 %	86,036 %	Vals AI Quellendetails Datenstand: 01.09.2026
MMMU-ProOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: AA cohort: 1,730 questionsMessgröße: pass@1 accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Snapshot: Claude Sonnet 4.6 (Max), Reasoning: Max, Versuche: pass@1, one run per question GPT-5.6 Luna: Snapshot: GPT-5.6 Luna (Max), Reasoning: Max, Versuche: pass@1, one run per questionClaude Sonnet 4.6: Exakte AA-Konfiguration: Claude Sonnet 4.6 (Max) (Release claude-sonnet-4-6, Zeile claude-sonnet-4-6-adaptive, UUID df8d14e0-3997-4e4d-b4ad-9c047acc9c69, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). 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-5.6 Luna: Exakte AA-Konfiguration: GPT-5.6 Luna (Max) (Release gpt-5-6-luna, Zeile gpt-5-6-luna, UUID 426d24c8-49ae-482a-b4a8-20f1c53f21c1, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). 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.	73,3 % Die Benchmarkseite nennt 3.460 Fragen für den vollständigen MMMU-Pro-Datensatz; die AA-Methodik beschreibt einen 1.730-Fragen-Lauf.	Gewinner78,6 % 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
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-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	83,584 %	Höherer Messwert85,029 %	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-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert67,726 %	67,29 %	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-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert0,5 %	0 %	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-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert62,449 %	61,164 %	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-5.6 Luna: Reasoning: max, Ausgabegrenze: 30.000 tokens	Höherer Messwert46,582 %	44,22 %	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-5.6 Luna: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 128.000 tokens	49,052 %	Höherer Messwert60,447 %	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-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	77,4 %	Höherer Messwert93 %	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-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert25,84 %	24,815 %	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-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert77,106 %	76,166 %	Vals AI Quellendetails Datenstand: 01.09.2026
Terminal-BenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 4.0Messgröße: Task successBewertung: Mehr ist besserClaude Sonnet 4.6: Snapshot: Claude Sonnet 4.6 (Max), Reasoning: Max GPT-5.6 Luna: Snapshot: GPT-5.6 Luna (Max), Reasoning: MaxClaude Sonnet 4.6: Exakte AA-Konfiguration: Claude Sonnet 4.6 (Max) (Release claude-sonnet-4-6, Zeile claude-sonnet-4-6-adaptive, UUID df8d14e0-3997-4e4d-b4ad-9c047acc9c69, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-5.6 Luna: Exakte AA-Konfiguration: GPT-5.6 Luna (Max) (Release gpt-5-6-luna, Zeile gpt-5-6-luna, UUID 426d24c8-49ae-482a-b4a8-20f1c53f21c1, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	3,0 %	Gewinner11,6 %	Artificial Analysis Quellendetails Datenstand: 19.10.2026
Terminal-Bench 2.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 4.6: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	57,303 %	Höherer Messwert79,026 %	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-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	60,571 %	Höherer Messwert69,058 %	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-5.6 Luna: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 128.000 tokens	51,476 %	Höherer Messwert77,055 %	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-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	30,333 %	Höherer Messwert36,067 %	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-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	63,17 %	Höherer Messwert63,52 %	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-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert61,52 %	54,573 %	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-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	48,92 %	Höherer Messwert52,027 %	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-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	85,859 %	Höherer Messwert92,424 %	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-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert87,319 %	85,145 %	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-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	43,939 %	Höherer Messwert48,485 %	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-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	87,991 %	Höherer Messwert88,864 %	Vals AI Quellendetails Datenstand: 13.10.2026
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-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	92,748 %	Höherer Messwert93,305 %	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-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	74,96 %	Höherer Messwert75,596 %	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-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	2 %	Höherer Messwert9 %	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-5.6 Luna: Reasoning: max, Ausgabegrenze: 30.000 tokens	Höherer Messwert35,318 %	31,35 %	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-5.6 Luna: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 128.000 tokens	27,827 %	Höherer Messwert45,189 %	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-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	87,113 %	Höherer Messwert96,392 %	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-5.6 Luna: Reasoning: max, 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-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	65,822 %	Höherer Messwert66,558 %	Vals AI Quellendetails Datenstand: 01.09.2026
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-5.6 Luna: Reasoning: max, 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-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert66,667 %	65,035 %	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-5.6 Luna: Reasoning: max, 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-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert66,084 %	64,103 %	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-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	78,493 %	Höherer Messwert83,009 %	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-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	38,795 %	Höherer Messwert43,285 %	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-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	85,354 %	Höherer Messwert90,909 %	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-5.6 Luna: Reasoning: max, 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-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	86,797 %	Höherer Messwert87,513 %	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-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert82,469 %	82,142 %	Vals AI Quellendetails Datenstand: 13.10.2026
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-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert91,888 %	91,001 %	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-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert60,493 %	58,983 %	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-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert0,5 %	0 %	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: 43b8c5c46830

Claude Sonnet 4.6

GPT-5.6 Luna

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-5.6 Luna

Reasoning (angefragt): high

Aktueller Versuch

Datum des Testlaufs: 07.09.2026
API-Anbieter: openrouter
Angefragtes API-Modell: openai/gpt-5.6-luna
API-Modell laut Antwort: openai/gpt-5.6-luna
Reasoning-Einstellung: high
Festgelegter Endpunkt: OpenAI | openai/gpt-5.6-luna-20260709
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Bestanden, keine Qualitätsbewertung
Antwortzeit: 49,9 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 Sonnet 4.6 und GPT-5.6 Luna mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich

Claude Sonnet 4.6 vs. GPT-5.6 Luna

Modellauswahl ändern

Allgemeine Daten

API-Preise im Vergleich

Benchmark-Index im Vergleich

Gemeinsame Benchmarks

Fähigkeitsprofil aus vergleichbaren Benchmarks

Unsere Tests

SVG-Kurztest

Claude Sonnet 4.6

GPT-5.6 Luna

Pelikan auf dem Fahrrad

Ein Benchmark-Sieg ist kein Gesamturteil

Ähnliche LLM-Vergleiche