Direktvergleich

Claude Sonnet 5 vs. GPT-6 Astra

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

gemeinsame Messreihen: 255
verschiedene Benchmark-Messgrößen: 36
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 5 und GPT-6 Astra
Merkmal	Claude Sonnet 5	GPT-6 Astra
Anbieter	Anthropic	OpenAI
Erschienen	30. Juni 2026	3. Sept. 2026
Verfügbarkeit	Aktiv	Eingeschränkter Zugang
Modelltyp	Proprietär	Proprietär
Parameter	Nicht veröffentlicht	Nicht veröffentlicht
Architektur	Nicht veröffentlicht	Nicht veröffentlicht
Kontextfenster	1.000.000 Token	1.050.000 Token
Wissensstand	Januar 2026	30. April 2026
Technische Quellen	Modell, Kontext	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 Sonnet 5 und GPT-6 Astra
Preisart	Claude Sonnet 5	GPT-6 Astra
API-Eingabe	2 $	10 $ ≤272K / 20 $ >272K
API-Ausgabe	10 $	50 $ ≤272K / 75 $ >272K
Cache lesen	0,2 $	1 $ ≤272K / 2 $ >272K
Cache schreiben (5 Min.)	2,5 $	12,5 $ ≤272K / 25 $ >272K
Cache schreiben (1 Std.)	4 $	Nicht ausgewiesen
Preis geprüft	22.09.2026 Quelle	22.09.2026 Quelle

Claude Sonnet 5GPT-6 Astra

API-EingabeUSD pro 1 Mio. Token, Basistarif

Claude Sonnet 52 $

GPT-6 Astra10 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

Claude Sonnet 510 $

GPT-6 Astra50 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

Claude Sonnet 50,2 $

GPT-6 Astra1 $

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Preise nach Anbieter

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

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

Leistung

Gemeinsame Benchmarks

Nur veröffentlichte Ergebnisse mit derselben Benchmark-Version, Aufgabe, Metrik und Vergleichskohorte werden gegenübergestellt. Wenn Anbieter unterschiedliche Reasoning-Stufen, Agenten oder Ausgabegrenzen verwendet haben, steht das direkt in der Tabelle.

Fähigkeitsprofil aus vergleichbaren Benchmarks

Jede Achse mittelt direkt vergleichbare Benchmarkfamilien. Ein Wert von 100 bedeutet den stärkeren Wert innerhalb dieses Duells, keinen universellen Qualitätswert.

Claude Sonnet 5

GPT-6 Astra

Coding: 11 / 100 (1 Benchmarkfamilie)

Reasoning: 64,3 / 99,9 (3 Benchmarkfamilien)

Wissen: 49,3 / 98,4 (1 Benchmarkfamilie)

Agenten-Aufgaben: 74,6 / 100 (4 Benchmarkfamilien)

Multimodal: 89 / 100 (1 Benchmarkfamilie)

Gesamt: 62 / 100 (1 Benchmarkfamilie)

57 passende Messreihen aus 11 Benchmarkfamilien wurden berücksichtigt. Das Radar zeigt 6 von 6 vergleichbaren Kategorien.

Claude Sonnet 5GPT-6 Astra

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

Claude Sonnet 546,3 %

GPT-6 Astra51,2 %

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

Claude Sonnet 5926,63 elo

GPT-6 Astra1.257,01 elo

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

Claude Sonnet 567,3 %

GPT-6 Astra80,0 %

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

Claude Sonnet 5-8,233 Punkte

GPT-6 Astra40,55 Punkte

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

Claude Sonnet 537,4 %

GPT-6 Astra59,5 %

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

Claude Sonnet 572,8 %

GPT-6 Astra46,9 %

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

Claude Sonnet 524,264 Punkte

GPT-6 Astra45,782 Punkte

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

Claude Sonnet 519,9 %

GPT-6 Astra59,1 %

Code MigrationOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Sonnet 544,392 %

GPT-6 Astra67,74 %

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

Claude Sonnet 561,905 %

GPT-6 Astra41,072 %

EMBOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Sonnet 566,316 %

GPT-6 Astra71,7 %

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

Claude Sonnet 553,909 %

GPT-6 Astra53,54 %

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von Claude Sonnet 5 und GPT-6 Astra
Benchmark und Aufgabe	Claude Sonnet 5	GPT-6 Astra	Quelle
AA-AnalystAgentOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: AA cohort: 80 questionsMessgröße: pass^5 reliabilityBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: Claude Sonnet 5 (Max), Reasoning: Max, Agent: Stirrup analyst agent, Harness: Artificial Analysis Stirrup, Versuche: pass^5, 5 independent attempts per question GPT-6 Astra: Snapshot: GPT-6 Astra (Max), Reasoning: Max, Agent: Stirrup analyst agent, Harness: Artificial Analysis Stirrup, Versuche: pass^5, 5 independent attempts per questionClaude Sonnet 5: Exakte AA-Konfiguration: Claude Sonnet 5 (Max) (Release claude-sonnet-5, Zeile claude-sonnet-5, UUID 23c86e4a-c769-43c0-a056-79e3cd15834f, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. 80 quantitative Fragen aus 14 Domänen werden je fünfmal unabhängig ausgeführt. pass^5 zählt nur Fragen als gelöst, die in allen fünf Versuchen richtig beantwortet werden.GPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Max) (Release gpt-6-astra, Zeile gpt-6-astra, UUID 2f339a97-9a0d-499a-9cb5-e0db665bfa25, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. 80 quantitative Fragen aus 14 Domänen werden je fünfmal unabhängig ausgeführt. pass^5 zählt nur Fragen als gelöst, die in allen fünf Versuchen richtig beantwortet werden.	46,3 % Fragen, Quelldateien und Referenzantworten sind privat. pass^5 misst Zuverlässigkeit über alle fünf Wiederholungen, nicht pass@1.	Gewinner51,2 % Fragen, Quelldateien und Referenzantworten sind privat. pass^5 misst Zuverlässigkeit über alle fünf Wiederholungen, nicht pass@1.	Artificial Analysis Quellendetails Datenstand: 19.10.2026
AA-BriefcaseOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v1.1Messgröße: AA-Briefcase EloBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: Claude Sonnet 5 (Low), Reasoning: Low GPT-6 Astra: Snapshot: GPT-6 Astra (Low), Reasoning: LowClaude Sonnet 5: Exakte AA-Konfiguration: Claude Sonnet 5 (Low) (Release claude-sonnet-5, Zeile claude-sonnet-5-low, UUID 142b93bf-09c4-42dc-9c3a-50b1a222cbd4, reasoning=true, source reasoning-token configuration budget=0, suffix=Low). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Low) (Release gpt-6-astra, Zeile gpt-6-astra-low, UUID a3f8100d-e38f-408b-b0fa-0085dae18dc1, reasoning=true, source reasoning-token configuration budget=0, suffix=Low). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	926,63 elo	Gewinner1.257,01 elo	Artificial Analysis Quellendetails Datenstand: 19.10.2026
AA-LCROverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v1.1Messgröße: Pass rateBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: Claude Sonnet 5 (Low), Reasoning: Low GPT-6 Astra: Snapshot: GPT-6 Astra (Low), Reasoning: LowClaude Sonnet 5: Exakte AA-Konfiguration: Claude Sonnet 5 (Low) (Release claude-sonnet-5, Zeile claude-sonnet-5-low, UUID 142b93bf-09c4-42dc-9c3a-50b1a222cbd4, reasoning=true, source reasoning-token configuration budget=0, suffix=Low). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Low) (Release gpt-6-astra, Zeile gpt-6-astra-low, UUID a3f8100d-e38f-408b-b0fa-0085dae18dc1, reasoning=true, source reasoning-token configuration budget=0, suffix=Low). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	67,3 %	Gewinner80,0 %	Artificial Analysis Quellendetails Datenstand: 19.10.2026
AA-OmniscienceOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: AA-Omniscience IndexBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: Claude Sonnet 5 (Low), Reasoning: Low GPT-6 Astra: Snapshot: GPT-6 Astra (Low), Reasoning: LowClaude Sonnet 5: Exakte AA-Konfiguration: Claude Sonnet 5 (Low) (Release claude-sonnet-5, Zeile claude-sonnet-5-low, UUID 142b93bf-09c4-42dc-9c3a-50b1a222cbd4, reasoning=true, source reasoning-token configuration budget=0, suffix=Low). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Low) (Release gpt-6-astra, Zeile gpt-6-astra-low, UUID a3f8100d-e38f-408b-b0fa-0085dae18dc1, reasoning=true, source reasoning-token configuration budget=0, suffix=Low). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	-8,233 Punkte Der Index kann negative Werte annehmen und reicht laut Anbieter von -100 bis 100.	Gewinner40,55 Punkte Der Index kann negative Werte annehmen und reicht laut Anbieter von -100 bis 100.	Artificial Analysis Quellendetails Datenstand: 19.10.2026
AA-Omniscience AccuracyOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: AA Omniscience diagnosticMessgröße: AA-Omniscience AccuracyBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: Claude Sonnet 5 (Low), Reasoning: Low, Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboard GPT-6 Astra: Snapshot: GPT-6 Astra (Low), Reasoning: Low, Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboardClaude Sonnet 5: Exakte AA-Konfiguration: Claude Sonnet 5 (Low) (Release claude-sonnet-5, Zeile claude-sonnet-5-low, UUID 142b93bf-09c4-42dc-9c3a-50b1a222cbd4, reasoning=true, source reasoning-token configuration budget=0, suffix=Low). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Anteil der insgesamt korrekt beantworteten Fragen, unabhängig davon, ob das Modell andere Fragen beantwortet oder sich enthält.GPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Low) (Release gpt-6-astra, Zeile gpt-6-astra-low, UUID a3f8100d-e38f-408b-b0fa-0085dae18dc1, reasoning=true, source reasoning-token configuration budget=0, suffix=Low). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Anteil der insgesamt korrekt beantworteten Fragen, unabhängig davon, ob das Modell andere Fragen beantwortet oder sich enthält.	37,4 % Dies ist die separat veröffentlichte Genauigkeitsdiagnostik, nicht der AA-Omniscience-Index. AA bezeichnet höhere Werte als besser.	Gewinner59,5 % Dies ist die separat veröffentlichte Genauigkeitsdiagnostik, nicht der AA-Omniscience-Index. AA bezeichnet höhere Werte als besser.	Artificial Analysis Quellendetails Datenstand: 19.10.2026
AA-Omniscience Hallucination RateOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: AA Omniscience diagnosticMessgröße: AA-Omniscience Hallucination RateBewertung: Weniger ist besserClaude Sonnet 5: Snapshot: Claude Sonnet 5 (Low), Reasoning: Low, Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboard GPT-6 Astra: Snapshot: GPT-6 Astra (Low), Reasoning: Low, Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboardClaude Sonnet 5: Exakte AA-Konfiguration: Claude Sonnet 5 (Low) (Release claude-sonnet-5, Zeile claude-sonnet-5-low, UUID 142b93bf-09c4-42dc-9c3a-50b1a222cbd4, reasoning=true, source reasoning-token configuration budget=0, suffix=Low). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Anteil falscher Antworten an allen nicht korrekten Antworten: falsch / (falsch + teilweise richtig + nicht beantwortet).GPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Low) (Release gpt-6-astra, Zeile gpt-6-astra-low, UUID a3f8100d-e38f-408b-b0fa-0085dae18dc1, reasoning=true, source reasoning-token configuration budget=0, suffix=Low). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Anteil falscher Antworten an allen nicht korrekten Antworten: falsch / (falsch + teilweise richtig + nicht beantwortet).	72,8 % Dies ist die separat veröffentlichte Halluzinationsraten-Diagnostik, nicht der AA-Omniscience-Index. AA bezeichnet niedrigere Werte als besser.	Gewinner46,9 % Dies ist die separat veröffentlichte Halluzinationsraten-Diagnostik, nicht der AA-Omniscience-Index. AA bezeichnet niedrigere Werte als besser.	Artificial Analysis Quellendetails Datenstand: 19.10.2026
Artificial Analysis Intelligence IndexOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v4.3.2Messgröße: Artificial Analysis Intelligence IndexBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: Claude Sonnet 5 (Low), Reasoning: Low GPT-6 Astra: Snapshot: GPT-6 Astra (Low), Reasoning: LowClaude Sonnet 5: Exakte AA-Konfiguration: Claude Sonnet 5 (Low) (Release claude-sonnet-5, Zeile claude-sonnet-5-low, UUID 142b93bf-09c4-42dc-9c3a-50b1a222cbd4, reasoning=true, source reasoning-token configuration budget=0, suffix=Low). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Low) (Release gpt-6-astra, Zeile gpt-6-astra-low, UUID a3f8100d-e38f-408b-b0fa-0085dae18dc1, reasoning=true, source reasoning-token configuration budget=0, suffix=Low). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	24,264 Punkte	Gewinner45,782 Punkte	Artificial Analysis Quellendetails Datenstand: 19.10.2026
AutomationBench-AAOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: Objectives completed without guardrail violationsBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: Claude Sonnet 5 (Low), Reasoning: Low GPT-6 Astra: Snapshot: GPT-6 Astra (Low), Reasoning: LowClaude Sonnet 5: Exakte AA-Konfiguration: Claude Sonnet 5 (Low) (Release claude-sonnet-5, Zeile claude-sonnet-5-low, UUID 142b93bf-09c4-42dc-9c3a-50b1a222cbd4, reasoning=true, source reasoning-token configuration budget=0, suffix=Low). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Low) (Release gpt-6-astra, Zeile gpt-6-astra-low, UUID a3f8100d-e38f-408b-b0fa-0085dae18dc1, reasoning=true, source reasoning-token configuration budget=0, suffix=Low). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	19,9 %	Gewinner59,1 %	Artificial Analysis Quellendetails Datenstand: 19.10.2026
Code MigrationOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	44,392 %	Höherer Messwert67,74 %	Vals AI Quellendetails Datenstand: 12.10.2026
CyberBench v1.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert61,905 %	41,072 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	66,316 %	Höherer Messwert71,7 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert53,909 %	53,54 %	Vals AI Quellendetails Datenstand: 12.10.2026
GDP.pdfOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: All-pass rateBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: Claude Sonnet 5 (Low), Reasoning: Low GPT-6 Astra: Snapshot: GPT-6 Astra (Low), Reasoning: LowClaude Sonnet 5: Exakte AA-Konfiguration: Claude Sonnet 5 (Low) (Release claude-sonnet-5, Zeile claude-sonnet-5-low, UUID 142b93bf-09c4-42dc-9c3a-50b1a222cbd4, reasoning=true, source reasoning-token configuration budget=0, suffix=Low). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Low) (Release gpt-6-astra, Zeile gpt-6-astra-low, UUID a3f8100d-e38f-408b-b0fa-0085dae18dc1, reasoning=true, source reasoning-token configuration budget=0, suffix=Low). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	9,4 %	Gewinner30,4 %	Artificial Analysis Quellendetails Datenstand: 19.10.2026
GDPval-AAOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v2.1Messgröße: GDPval-AA EloBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: Claude Sonnet 5 (Low), Reasoning: Low GPT-6 Astra: Snapshot: GPT-6 Astra (Low), Reasoning: LowClaude Sonnet 5: Exakte AA-Konfiguration: Claude Sonnet 5 (Low) (Release claude-sonnet-5, Zeile claude-sonnet-5-low, UUID 142b93bf-09c4-42dc-9c3a-50b1a222cbd4, reasoning=true, source reasoning-token configuration budget=0, suffix=Low). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Low) (Release gpt-6-astra, Zeile gpt-6-astra-low, UUID a3f8100d-e38f-408b-b0fa-0085dae18dc1, reasoning=true, source reasoning-token configuration budget=0, suffix=Low). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	1.067,28 elo	Gewinner1.389,25 elo	Artificial Analysis Quellendetails Datenstand: 19.10.2026
Harvey's Legal Agent BenchmarkOverall · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	5 %	Höherer Messwert5,417 %	Vals AI Quellendetails Datenstand: 12.10.2026
Humanity's Last ExamOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: Text-only pass@1 accuracyBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: Claude Sonnet 5 (Low), Reasoning: Low GPT-6 Astra: Snapshot: GPT-6 Astra (Low), Reasoning: LowClaude Sonnet 5: Exakte AA-Konfiguration: Claude Sonnet 5 (Low) (Release claude-sonnet-5, Zeile claude-sonnet-5-low, UUID 142b93bf-09c4-42dc-9c3a-50b1a222cbd4, reasoning=true, source reasoning-token configuration budget=0, suffix=Low). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Low) (Release gpt-6-astra, Zeile gpt-6-astra-low, UUID a3f8100d-e38f-408b-b0fa-0085dae18dc1, reasoning=true, source reasoning-token configuration budget=0, suffix=Low). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	21,9 % Der Anbieter beschreibt seine Vergleichsauswertung als text-only 2.158 Fragen, nicht als den vollständigen 2.500-Fragen-Datensatz.	Gewinner49,2 % Der Anbieter beschreibt seine Vergleichsauswertung als text-only 2.158 Fragen, nicht als den vollständigen 2.500-Fragen-Datensatz.	Artificial Analysis Quellendetails Datenstand: 19.10.2026
IOIOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	45 %	Höherer Messwert100 %	Vals AI Quellendetails Datenstand: 14.10.2026
Legal Research BenchOverall · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert41,827 %	39,423 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Code Arena WebDevOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: claude-sonnet-5-high, Reasoning: high, Harness: Arena Code Arena WebDev GPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Sonnet 5: Arena-Bewertung aus 15.175 veröffentlichten Paarvergleichen.GPT-6 Astra: Arena-Bewertung aus 5.746 veröffentlichten Paarvergleichen.	1.539,919 95-%-Konfidenzintervall: ±6,061Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.780,244 95-%-Konfidenzintervall: ±10,541Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Text, Style ControlOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: claude-sonnet-5-high, Reasoning: high, Harness: Arena Text, style control GPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Text, style controlClaude Sonnet 5: Arena-Bewertung aus 48.998 veröffentlichten Paarvergleichen.GPT-6 Astra: Arena-Bewertung aus 11.674 veröffentlichten Paarvergleichen.	1.461,284 95-%-Konfidenzintervall: ±4,141Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.476,716 95-%-Konfidenzintervall: ±6,385Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Vision, Style ControlOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: claude-sonnet-5-high, Reasoning: high, Harness: Arena Vision, style control GPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Vision, style controlClaude Sonnet 5: Arena-Bewertung aus 13.503 veröffentlichten Paarvergleichen.GPT-6 Astra: Arena-Bewertung aus 3.590 veröffentlichten Paarvergleichen.	1.263,255 95-%-Konfidenzintervall: ±6,921Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.285,988 95-%-Konfidenzintervall: ±10,782Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 09.10.2026
MedCodeOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	47,54 %	Höherer Messwert48,486 %	Vals AI Quellendetails Datenstand: 13.10.2026
MedScribeOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	76,054 %	Höherer Messwert87,908 %	Vals AI Quellendetails Datenstand: 13.10.2026
MMMU-ProOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: AA cohort: 1,730 questionsMessgröße: pass@1 accuracyBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: Claude Sonnet 5 (Max), Reasoning: Max, Versuche: pass@1, one run per question GPT-6 Astra: Snapshot: GPT-6 Astra (Max), Reasoning: Max, Versuche: pass@1, one run per questionClaude Sonnet 5: Exakte AA-Konfiguration: Claude Sonnet 5 (Max) (Release claude-sonnet-5, Zeile claude-sonnet-5, UUID 23c86e4a-c769-43c0-a056-79e3cd15834f, 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-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Max) (Release gpt-6-astra, Zeile gpt-6-astra, UUID 2f339a97-9a0d-499a-9cb5-e0db665bfa25, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Der AA-Lauf umfasst 1.730 Fragen mit zehn Antwortoptionen. Die Antwort wird per regulärem Ausdruck extrahiert und als pass@1 bewertet.	77,3 % Die Benchmarkseite nennt 3.460 Fragen für den vollständigen MMMU-Pro-Datensatz; die AA-Methodik beschreibt einen 1.730-Fragen-Lauf.	Gewinner86,9 % 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
ProgramBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully resolved rateBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	0 %	Höherer Messwert5,5 %	Vals AI Quellendetails Datenstand: 12.10.2026
ProofBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	77 %	Höherer Messwert99 %	Vals AI Quellendetails Datenstand: 12.10.2026
SAGEOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 30.000 tokens	Höherer Messwert48,925 %	46,367 %	Vals AI Quellendetails Datenstand: 08.10.2026
SRE BenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully solved rateBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	0,382 %	Höherer Messwert56,87 %	Vals AI Quellendetails Datenstand: 14.10.2026
Tax Agent BenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert29,374 %	20,717 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-BenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 4.0Messgröße: Task successBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: Claude Sonnet 5 (Low), Reasoning: Low GPT-6 Astra: Snapshot: GPT-6 Astra (Low), Reasoning: LowClaude Sonnet 5: Exakte AA-Konfiguration: Claude Sonnet 5 (Low) (Release claude-sonnet-5, Zeile claude-sonnet-5-low, UUID 142b93bf-09c4-42dc-9c3a-50b1a222cbd4, reasoning=true, source reasoning-token configuration budget=0, suffix=Low). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Low) (Release gpt-6-astra, Zeile gpt-6-astra-low, UUID a3f8100d-e38f-408b-b0fa-0085dae18dc1, reasoning=true, source reasoning-token configuration budget=0, suffix=Low). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	2,5 %	Gewinner41,9 %	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 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	74,532 %	Höherer Messwert87,266 %	Vals AI Quellendetails Datenstand: 28.09.2026
Terminal-Bench 4.0Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 4.0Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	10,606 %	Höherer Messwert59,596 %	Vals AI Quellendetails Datenstand: 13.10.2026
Terminal-Bench ScienceOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 0.1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Harness: Mini-SWE-agent, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Harness: Mini-SWE-agent, Ausgabegrenze: 128.000 tokens	5,714 %	Höherer Messwert62,857 %	Vals AI Quellendetails Datenstand: 14.10.2026
Vals IndexOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: weighted index scoreBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	51,898 %	Höherer Messwert63,125 %	Vals AI Quellendetails Datenstand: 13.10.2026
Vibe Code Bench 1-100Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.0Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 128.000 tokens	13,822 %	Höherer Messwert27,644 %	Vals AI Quellendetails Datenstand: 14.10.2026
Vibe Code Bench v1.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 128.000 tokens	81,325 %	Höherer Messwert89,594 %	Vals AI Quellendetails Datenstand: 12.10.2026
AA-BriefcaseOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v1.1Messgröße: AA-Briefcase EloBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: Claude Sonnet 5 (Max), Reasoning: Max GPT-6 Astra: Snapshot: GPT-6 Astra (Max), Reasoning: MaxClaude Sonnet 5: Exakte AA-Konfiguration: Claude Sonnet 5 (Max) (Release claude-sonnet-5, Zeile claude-sonnet-5, UUID 23c86e4a-c769-43c0-a056-79e3cd15834f, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Max) (Release gpt-6-astra, Zeile gpt-6-astra, UUID 2f339a97-9a0d-499a-9cb5-e0db665bfa25, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	1.358,4 elo	Gewinner1.568,99 elo	Artificial Analysis Quellendetails Datenstand: 19.10.2026
AA-LCROverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v1.1Messgröße: Pass rateBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: Claude Sonnet 5 (Max), Reasoning: Max GPT-6 Astra: Snapshot: GPT-6 Astra (Max), Reasoning: MaxClaude Sonnet 5: Exakte AA-Konfiguration: Claude Sonnet 5 (Max) (Release claude-sonnet-5, Zeile claude-sonnet-5, UUID 23c86e4a-c769-43c0-a056-79e3cd15834f, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Max) (Release gpt-6-astra, Zeile gpt-6-astra, UUID 2f339a97-9a0d-499a-9cb5-e0db665bfa25, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner82,0 %	80,7 %	Artificial Analysis Quellendetails Datenstand: 19.10.2026
AA-OmniscienceOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: AA-Omniscience IndexBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: Claude Sonnet 5 (Max), Reasoning: Max GPT-6 Astra: Snapshot: GPT-6 Astra (Max), Reasoning: MaxClaude Sonnet 5: Exakte AA-Konfiguration: Claude Sonnet 5 (Max) (Release claude-sonnet-5, Zeile claude-sonnet-5, UUID 23c86e4a-c769-43c0-a056-79e3cd15834f, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Max) (Release gpt-6-astra, Zeile gpt-6-astra, UUID 2f339a97-9a0d-499a-9cb5-e0db665bfa25, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	16,45 Punkte Der Index kann negative Werte annehmen und reicht laut Anbieter von -100 bis 100.	Gewinner43,4 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 5: Snapshot: Claude Sonnet 5 (Max), Reasoning: Max, Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboard GPT-6 Astra: Snapshot: GPT-6 Astra (Max), Reasoning: Max, Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboardClaude Sonnet 5: Exakte AA-Konfiguration: Claude Sonnet 5 (Max) (Release claude-sonnet-5, Zeile claude-sonnet-5, UUID 23c86e4a-c769-43c0-a056-79e3cd15834f, 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-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Max) (Release gpt-6-astra, Zeile gpt-6-astra, UUID 2f339a97-9a0d-499a-9cb5-e0db665bfa25, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Anteil der insgesamt korrekt beantworteten Fragen, unabhängig davon, ob das Modell andere Fragen beantwortet oder sich enthält.	40,1 % Dies ist die separat veröffentlichte Genauigkeitsdiagnostik, nicht der AA-Omniscience-Index. AA bezeichnet höhere Werte als besser.	Gewinner62,6 % 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 5: Snapshot: Claude Sonnet 5 (Max), Reasoning: Max, Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboard GPT-6 Astra: Snapshot: GPT-6 Astra (Max), Reasoning: Max, Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboardClaude Sonnet 5: Exakte AA-Konfiguration: Claude Sonnet 5 (Max) (Release claude-sonnet-5, Zeile claude-sonnet-5, UUID 23c86e4a-c769-43c0-a056-79e3cd15834f, 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-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Max) (Release gpt-6-astra, Zeile gpt-6-astra, UUID 2f339a97-9a0d-499a-9cb5-e0db665bfa25, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Anteil falscher Antworten an allen nicht korrekten Antworten: falsch / (falsch + teilweise richtig + nicht beantwortet).	Gewinner39,4 % Dies ist die separat veröffentlichte Halluzinationsraten-Diagnostik, nicht der AA-Omniscience-Index. AA bezeichnet niedrigere Werte als besser.	51,3 % Dies ist die separat veröffentlichte Halluzinationsraten-Diagnostik, nicht der AA-Omniscience-Index. AA bezeichnet niedrigere Werte als besser.	Artificial Analysis Quellendetails Datenstand: 19.10.2026
Artificial Analysis Intelligence IndexOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v4.3.2Messgröße: Artificial Analysis Intelligence IndexBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: Claude Sonnet 5 (Max), Reasoning: Max GPT-6 Astra: Snapshot: GPT-6 Astra (Max), Reasoning: MaxClaude Sonnet 5: Exakte AA-Konfiguration: Claude Sonnet 5 (Max) (Release claude-sonnet-5, Zeile claude-sonnet-5, UUID 23c86e4a-c769-43c0-a056-79e3cd15834f, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Max) (Release gpt-6-astra, Zeile gpt-6-astra, UUID 2f339a97-9a0d-499a-9cb5-e0db665bfa25, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	38,164 Punkte	Gewinner52,674 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 5: Snapshot: Claude Sonnet 5 (Max), Reasoning: Max GPT-6 Astra: Snapshot: GPT-6 Astra (Max), Reasoning: MaxClaude Sonnet 5: Exakte AA-Konfiguration: Claude Sonnet 5 (Max) (Release claude-sonnet-5, Zeile claude-sonnet-5, UUID 23c86e4a-c769-43c0-a056-79e3cd15834f, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Max) (Release gpt-6-astra, Zeile gpt-6-astra, UUID 2f339a97-9a0d-499a-9cb5-e0db665bfa25, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	36,5 %	Gewinner68,5 %	Artificial Analysis Quellendetails Datenstand: 19.10.2026
Code MigrationCLI Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	36,332 %	Höherer Messwert67,463 %	Vals AI Quellendetails Datenstand: 12.10.2026
CyberBench v1.1Patch Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Kein direkter Sieger82,143 %	Kein direkter Sieger82,143 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBComps Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	69,384 %	Höherer Messwert77,953 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Adjustments Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert48,715 %	48,318 %	Vals AI Quellendetails Datenstand: 12.10.2026
GDP.pdfOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: All-pass rateBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: Claude Sonnet 5 (Max), Reasoning: Max GPT-6 Astra: Snapshot: GPT-6 Astra (Max), Reasoning: MaxClaude Sonnet 5: Exakte AA-Konfiguration: Claude Sonnet 5 (Max) (Release claude-sonnet-5, Zeile claude-sonnet-5, UUID 23c86e4a-c769-43c0-a056-79e3cd15834f, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Max) (Release gpt-6-astra, Zeile gpt-6-astra, UUID 2f339a97-9a0d-499a-9cb5-e0db665bfa25, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	13,2 %	Gewinner31,0 %	Artificial Analysis Quellendetails Datenstand: 19.10.2026
GDPval-AAOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v2.1Messgröße: GDPval-AA EloBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: Claude Sonnet 5 (Max), Reasoning: Max GPT-6 Astra: Snapshot: GPT-6 Astra (Max), Reasoning: MaxClaude Sonnet 5: Exakte AA-Konfiguration: Claude Sonnet 5 (Max) (Release claude-sonnet-5, Zeile claude-sonnet-5, UUID 23c86e4a-c769-43c0-a056-79e3cd15834f, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Max) (Release gpt-6-astra, Zeile gpt-6-astra, UUID 2f339a97-9a0d-499a-9cb5-e0db665bfa25, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	1.463,81 elo	Gewinner1.572,84 elo	Artificial Analysis Quellendetails Datenstand: 19.10.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Criteria passed Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: criteria pass rateBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Kein direkter Sieger88,768 %	Kein direkter Sieger88,768 %	Vals AI Quellendetails Datenstand: 12.10.2026
Humanity's Last ExamOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: Text-only pass@1 accuracyBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: Claude Sonnet 5 (Max), Reasoning: Max GPT-6 Astra: Snapshot: GPT-6 Astra (Max), Reasoning: MaxClaude Sonnet 5: Exakte AA-Konfiguration: Claude Sonnet 5 (Max) (Release claude-sonnet-5, Zeile claude-sonnet-5, UUID 23c86e4a-c769-43c0-a056-79e3cd15834f, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Max) (Release gpt-6-astra, Zeile gpt-6-astra, UUID 2f339a97-9a0d-499a-9cb5-e0db665bfa25, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	41,3 % Der Anbieter beschreibt seine Vergleichsauswertung als text-only 2.158 Fragen, nicht als den vollständigen 2.500-Fragen-Datensatz.	Gewinner54,7 % Der Anbieter beschreibt seine Vergleichsauswertung als text-only 2.158 Fragen, nicht als den vollständigen 2.500-Fragen-Datensatz.	Artificial Analysis Quellendetails Datenstand: 19.10.2026
IOIIOI 2024 Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	50,5 %	Höherer Messwert100 %	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 Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert54,545 %	53,03 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Code Arena WebDevImage to webdev Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: claude-sonnet-5-high, Reasoning: high, Harness: Arena Code Arena WebDev GPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Sonnet 5: Arena-Bewertung aus 7.633 veröffentlichten Paarvergleichen.GPT-6 Astra: Arena-Bewertung aus 2.739 veröffentlichten Paarvergleichen.	1.539,169 95-%-Konfidenzintervall: ±7,844Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.731,395 95-%-Konfidenzintervall: ±13,296Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 09.10.2026
LMArena Text, Style ControlBusiness, management and finance Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: claude-sonnet-5-high, Reasoning: high, Harness: Arena Text, style control GPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Text, style controlClaude Sonnet 5: Arena-Bewertung aus 9.443 veröffentlichten Paarvergleichen.GPT-6 Astra: Arena-Bewertung aus 2.061 veröffentlichten Paarvergleichen.	1.464,402 95-%-Konfidenzintervall: ±6,971Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.472,34 95-%-Konfidenzintervall: ±13,336Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Vision, Style ControlChinese Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: claude-sonnet-5-high, Reasoning: high, Harness: Arena Vision, style control GPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Vision, style controlClaude Sonnet 5: Arena-Bewertung aus 822 veröffentlichten Paarvergleichen.GPT-6 Astra: Arena-Bewertung aus 230 veröffentlichten Paarvergleichen.	1.316,791 95-%-Konfidenzintervall: ±22,41Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.357,126 95-%-Konfidenzintervall: ±39,572Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 09.10.2026
ProgramBenchAlmost Resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: almost-resolved rateBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	13,5 %	Höherer Messwert50 %	Vals AI Quellendetails Datenstand: 12.10.2026
SAGEAutomata Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 30.000 tokens	34,92 %	Höherer Messwert37,302 %	Vals AI Quellendetails Datenstand: 08.10.2026
SRE BenchCapability Score Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: capability scoreBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	7,697 %	Höherer Messwert63,868 %	Vals AI Quellendetails Datenstand: 14.10.2026
Tax Agent BenchControversy & Precedence Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	10 %	Höherer Messwert13,333 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-BenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 4.0Messgröße: Task successBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: Claude Sonnet 5 (Max), Reasoning: Max GPT-6 Astra: Snapshot: GPT-6 Astra (Max), Reasoning: MaxClaude Sonnet 5: Exakte AA-Konfiguration: Claude Sonnet 5 (Max) (Release claude-sonnet-5, Zeile claude-sonnet-5, UUID 23c86e4a-c769-43c0-a056-79e3cd15834f, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Max) (Release gpt-6-astra, Zeile gpt-6-astra, UUID 2f339a97-9a0d-499a-9cb5-e0db665bfa25, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	14,1 %	Gewinner59,1 %	Artificial Analysis Quellendetails Datenstand: 19.10.2026
Terminal-Bench 2.1Easy Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	Kein direkter Sieger100 %	Kein direkter Sieger100 %	Vals AI Quellendetails Datenstand: 28.09.2026
Terminal-Bench 4.0Hardware Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 4.0Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens	0 %	Höherer Messwert60 %	Vals AI Quellendetails Datenstand: 13.10.2026
Terminal-Bench ScienceEarth Sciences Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 0.1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Harness: Mini-SWE-agent, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-6 Astra: Reasoning: max, Harness: Mini-SWE-agent, Ausgabegrenze: 128.000 tokens	0 %	Höherer Messwert62,5 %	Vals AI Quellendetails Datenstand: 14.10.2026
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 5

In dieser Runde nicht verfügbar

GPT-6 Astra

In dieser Runde nicht verfügbar

Frühere Tests

Pelikan auf dem Fahrrad

Community-Klassiker für eine freie SVG-Zeichnung.

Claude Sonnet 5

Reasoning (angefragt): high

Aktueller Versuch

Datum des Testlaufs: 07.09.2026
API-Anbieter: openrouter
Angefragtes API-Modell: anthropic/claude-sonnet-5
API-Modell laut Antwort: anthropic/claude-sonnet-5
Reasoning-Einstellung: high
Festgelegter Endpunkt: Anthropic | anthropic/claude-sonnet-5-20260630
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Bestanden, keine Qualitätsbewertung
Antwortzeit: 47,9 s

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

GPT-6 Astra

Reasoning (angefragt): high

Aktueller Versuch

Datum des Testlaufs: 07.09.2026
API-Anbieter: openrouter
Angefragtes API-Modell: openai/gpt-6-astra
API-Modell laut Antwort: openai/gpt-6-astra
Reasoning-Einstellung: high
Festgelegter Endpunkt: OpenAI | openai/gpt-6-astra-20260903
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Bestanden, keine Qualitätsbewertung
Antwortzeit: 141,7 s

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

Prompt und Testbedingungen

Generate an SVG of a pelican riding a bicycle

Tokenlimit inklusive Reasoning: 8.192 Token

Ursprung der Aufgabe (Simon Willison)

So liest du den Vergleich

Ein Benchmark-Sieg ist kein Gesamturteil

Entscheidend sind deine Aufgaben, dein Budget und die benötigte Kontextlänge. Ein Coding-Benchmark sagt wenig über Bildverständnis oder Agentenarbeit aus.

Die Standardpreistabelle nutzt direkte Entwicklertarife. Der Anbieter-Vergleich kennzeichnet OpenRouter-Endpoints, Regionen und Sondertarife separat.

Jeder Messwert verlinkt seine Messstelle und zeigt den Abrufstand. Je nach Kennzeichnung handelt es sich um eine Anbieterangabe, ein offizielles Benchmark-Leaderboard oder eine unabhängige Evaluation. Strittige oder archivierte Ergebnisse werden nicht verwendet.

Weitere Duelle

Vergleiche Claude Sonnet 5 und GPT-6 Astra mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich

Claude Sonnet 5 vs. GPT-6 Astra

Modellauswahl ändern

Allgemeine Daten

API-Preise im Vergleich

Gemeinsame Benchmarks

Fähigkeitsprofil aus vergleichbaren Benchmarks

Unsere Tests

SVG-Kurztest

Claude Sonnet 5

GPT-6 Astra

Pelikan auf dem Fahrrad

Ein Benchmark-Sieg ist kein Gesamturteil

Ähnliche LLM-Vergleiche