Direktvergleich

Claude Sonnet 5.5 vs. GPT-5.5

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

gemeinsame Messreihen: 187
verschiedene Benchmarks: 16
jüngster Abruf: 15.10.2026

Erstes ModellZweites Modell

Steckbrief

Allgemeine Daten

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

Allgemeine Daten von Claude Sonnet 5.5 und GPT-5.5
Merkmal	Claude Sonnet 5.5	GPT-5.5
Anbieter	Anthropic	OpenAI
Erschienen	28. Sept. 2026	23. Apr. 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	Juni 2026	1. Dezember 2025
Technische Quellen	Modell	Modell

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 5.5 und GPT-5.5
Preisart	Claude Sonnet 5.5	GPT-5.5
API-Eingabe	2 $	5 $ ≤272K / 10 $ >272K
API-Ausgabe	10 $	30 $ ≤272K / 45 $ >272K
Cache lesen	0,1 $	0,5 $ ≤272K / 1 $ >272K
Cache schreiben (5 Min.)	2,5 $	Nicht ausgewiesen
Cache schreiben (1 Std.)	4 $	Nicht ausgewiesen
Preis geprüft	13.10.2026 Quelle	22.09.2026 Quelle

Claude Sonnet 5.5GPT-5.5

API-EingabeUSD pro 1 Mio. Token, Basistarif

Claude Sonnet 5.52 $

GPT-5.55 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

Claude Sonnet 5.510 $

GPT-5.530 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

Claude Sonnet 5.50,1 $

GPT-5.50,5 $

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Preise nach Anbieter

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

Anbieterpreise von Claude Sonnet 5.5 und GPT-5.5
Modell	Anbieter	Bezugsweg und Tarif	Eingabe pro 1 Mio. Token	Ausgabe pro 1 Mio. Token	Quelle
Claude Sonnet 5.5	Anthropic	Direkt beim EntwicklerStandard-API	Günstigster erfasster Preis: 2 $	Günstigster erfasster Preis: 10 $	Quelle13.10.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock	Günstigster erfasster Preis: 2 $	Günstigster erfasster Preis: 10 $	Quelle17.10.2026
	Anthropic	Über OpenRouteranthropic	Günstigster erfasster Preis: 2 $	Günstigster erfasster Preis: 10 $	Quelle17.10.2026
	Azure	Über OpenRouterazure/global	Günstigster erfasster Preis: 2 $	Günstigster erfasster Preis: 10 $	Quelle17.10.2026
	Azure	Über OpenRouterazure/us	2,2 $	11 $	Quelle17.10.2026
	Claude Platform on AWS	Über OpenRouterclaude-on-aws	Günstigster erfasster Preis: 2 $	Günstigster erfasster Preis: 10 $	Quelle17.10.2026
	Google	Über OpenRoutergoogle-vertex/europe	2,2 $	11 $	Quelle17.10.2026
	Google	Über OpenRoutergoogle-vertex/global	Günstigster erfasster Preis: 2 $	Günstigster erfasster Preis: 10 $	Quelle17.10.2026
	Google	Über OpenRoutergoogle-vertex/us	2,2 $	11 $	Quelle17.10.2026
GPT-5.5	OpenAI	Direkt beim EntwicklerBis 272.000 Kontext-Token	5 $	30 $	Quelle22.09.2026
	OpenAI	Direkt beim EntwicklerÜber 272.000 Kontext-Token	10 $	45 $	Quelle22.09.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock/us-east-1	5,5 $	33 $	Quelle17.10.2026
	Azure	Über OpenRouterazure	5 $	30 $	Quelle17.10.2026
	Azure	Über OpenRouterazure/eu	5,5 $	33 $	Quelle17.10.2026
	Azure	Über OpenRouterazure/us	5,5 $	33 $	Quelle17.10.2026
	OpenAI	Über OpenRouteropenai	5 $	30 $	Quelle17.10.2026
	OpenAI	Über OpenRouteropenai/fast	12,5 $	75 $	Quelle17.10.2026
	OpenAI	Über OpenRouteropenai/flex	Günstigster erfasster Preis: 2,5 $	Günstigster erfasster Preis: 15 $	Quelle17.10.2026

Leistung

Gemeinsame Benchmarks

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

Fähigkeitsprofil aus vergleichbaren Benchmarks

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

Nicht genug direkt vergleichbare Kategorien für ein belastbares Radar

Nur 0 von mindestens 5 Kategorien enthalten direkt vergleichbare Modellmessungen. Die Benchmarktabellen darunter zeigen die vorhandenen Belege, ohne fehlende Achsen aufzufüllen.

Claude Sonnet 5.5GPT-5.5

Code MigrationOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Sonnet 5.569,825 %

GPT-5.545,161 %

EMBOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Sonnet 5.575,713 %

GPT-5.564,543 %

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

Claude Sonnet 5.558,103 %

GPT-5.551,76 %

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

Claude Sonnet 5.52,917 %

GPT-5.53,75 %

Legal Research BenchOverall · All-pass. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Sonnet 5.548,077 %

GPT-5.540,385 %

LMArena Text, Style ControlOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Sonnet 5.51.475,266

GPT-5.51.476,692

LMArena Vision, Style ControlOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Sonnet 5.51.266,189

GPT-5.51.285,781

MedCodeOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Sonnet 5.552,92 %

GPT-5.549,1 %

MedScribeOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Sonnet 5.591,101 %

GPT-5.586,868 %

ProgramBenchOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Sonnet 5.56,5 %

GPT-5.50,5 %

Public Benefits Bench v1.1Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Sonnet 5.567,185 %

GPT-5.560,893 %

SAGEOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Sonnet 5.551,772 %

GPT-5.551,532 %

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von Claude Sonnet 5.5 und GPT-5.5
Benchmark und Aufgabe	Claude Sonnet 5.5	GPT-5.5	Quelle
Code MigrationOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert69,825 %	45,161 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert75,713 %	64,543 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert58,103 %	51,76 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkOverall · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	2,917 %	Höherer Messwert3,75 %	Vals AI Quellendetails Datenstand: 12.10.2026
Legal Research BenchOverall · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert48,077 %	40,385 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Text, Style ControlOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Sonnet 5.5: Snapshot: claude-sonnet-5.5-xhigh, Reasoning: xhigh, Harness: Arena Text, style control GPT-5.5: Snapshot: gpt-5.5, Harness: Arena Text, style controlClaude Sonnet 5.5: Arena-Bewertung aus 6.254 veröffentlichten Paarvergleichen.GPT-5.5: Arena-Bewertung aus 70.990 veröffentlichten Paarvergleichen.	1.475,266 95-%-Konfidenzintervall: ±7,984Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.476,692 95-%-Konfidenzintervall: ±3,689Der 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 5.5: Snapshot: claude-sonnet-5.5-xhigh, Reasoning: xhigh, Harness: Arena Vision, style control GPT-5.5: Snapshot: gpt-5.5, Harness: Arena Vision, style controlClaude Sonnet 5.5: Arena-Bewertung aus 2.068 veröffentlichten Paarvergleichen.GPT-5.5: Arena-Bewertung aus 27.993 veröffentlichten Paarvergleichen.	1.266,189 95-%-Konfidenzintervall: ±13,713Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.285,781 95-%-Konfidenzintervall: ±5,856Der 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 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 30.000 tokens	Höherer Messwert52,92 %	49,1 %	Vals AI Quellendetails Datenstand: 13.10.2026
MedScribeOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 30.000 tokens	Höherer Messwert91,101 %	86,868 %	Vals AI Quellendetails Datenstand: 13.10.2026
ProgramBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully resolved rateBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert6,5 %	0,5 %	Vals AI Quellendetails Datenstand: 12.10.2026
Public Benefits Bench v1.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert67,185 %	60,893 %	Vals AI Quellendetails Datenstand: 12.10.2026
SAGEOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 30.000 tokens	Höherer Messwert51,772 %	51,532 %	Vals AI Quellendetails Datenstand: 08.10.2026
SRE BenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully solved rateBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert30,153 %	3,817 %	Vals AI Quellendetails Datenstand: 14.10.2026
Tax Agent BenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert41,959 %	21,762 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-Bench 2.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: high, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: high, Ausgabegrenze: 128.000 tokens	Höherer Messwert83,146 %	76,404 %	Vals AI Quellendetails Datenstand: 28.09.2026
Vibe Code Bench v1.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: max, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Harness: OpenHands, Ausgabegrenze: 128.000 tokens	Höherer Messwert92,392 %	69,847 %	Vals AI Quellendetails Datenstand: 12.10.2026
Code MigrationCLI Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert69,766 %	36,882 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBComps Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert80,042 %	64,681 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Adjustments Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert52,746 %	45,74 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Criteria passed Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: criteria pass rateBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert85,145 %	82,246 %	Vals AI Quellendetails Datenstand: 12.10.2026
Legal Research BenchAdministrative / Regulatory · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert69,697 %	53,03 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Text, Style ControlOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Sonnet 5.5: Snapshot: claude-sonnet-5.5-xhigh, Reasoning: xhigh, Harness: Arena Text, style control GPT-5.5: Snapshot: gpt-5.5-high, Reasoning: high, Harness: Arena Text, style controlClaude Sonnet 5.5: Arena-Bewertung aus 6.254 veröffentlichten Paarvergleichen.GPT-5.5: Arena-Bewertung aus 69.414 veröffentlichten Paarvergleichen.	1.475,266 95-%-Konfidenzintervall: ±7,984Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.481,44 95-%-Konfidenzintervall: ±3,724Der 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 5.5: Snapshot: claude-sonnet-5.5-xhigh, Reasoning: xhigh, Harness: Arena Vision, style control GPT-5.5: Snapshot: gpt-5.5-high, Reasoning: high, Harness: Arena Vision, style controlClaude Sonnet 5.5: Arena-Bewertung aus 2.068 veröffentlichten Paarvergleichen.GPT-5.5: Arena-Bewertung aus 26.281 veröffentlichten Paarvergleichen.	1.266,189 95-%-Konfidenzintervall: ±13,713Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.281,094 95-%-Konfidenzintervall: ±5,941Der 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 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert49,5 %	9,5 %	Vals AI Quellendetails Datenstand: 12.10.2026
SAGEAutomata Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 30.000 tokens	Höherer Messwert43,254 %	40,476 %	Vals AI Quellendetails Datenstand: 08.10.2026
SRE BenchCapability Score Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: capability scoreBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert51,59 %	17,048 %	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 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert16,667 %	10 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-Bench 2.1Easy Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: high, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: high, Ausgabegrenze: 128.000 tokens	Höherer Messwert91,667 %	83,333 %	Vals AI Quellendetails Datenstand: 28.09.2026
Code MigrationCOBOL Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Kein direkter Sieger70 %	Kein direkter Sieger70 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBDataroom Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert86,27 %	81,227 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)All-Pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert47,59 %	39,562 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Kein direkter Sieger0 %	Kein direkter Sieger0 %	Vals AI Quellendetails Datenstand: 12.10.2026
Legal Research BenchAdministrative / Regulatory · Weighted partial credit Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: weighted partial-credit scoreBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert91,346 %	86,669 %	Vals AI Quellendetails Datenstand: 12.10.2026
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 5.5: Snapshot: claude-sonnet-5.5-xhigh, Reasoning: xhigh, Harness: Arena Text, style control GPT-5.5: Snapshot: gpt-5.5, Harness: Arena Text, style controlClaude Sonnet 5.5: Arena-Bewertung aus 1.089 veröffentlichten Paarvergleichen.GPT-5.5: Arena-Bewertung aus 14.097 veröffentlichten Paarvergleichen.	1.466,655 95-%-Konfidenzintervall: ±17,914Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.485,259 95-%-Konfidenzintervall: ±6,304Der 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 ControlDiagram Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Sonnet 5.5: Snapshot: claude-sonnet-5.5-xhigh, Reasoning: xhigh, Harness: Arena Vision, style control GPT-5.5: Snapshot: gpt-5.5, Harness: Arena Vision, style controlClaude Sonnet 5.5: Arena-Bewertung aus 514 veröffentlichten Paarvergleichen.GPT-5.5: Arena-Bewertung aus 7.612 veröffentlichten Paarvergleichen.	1.320,26 95-%-Konfidenzintervall: ±26,586Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.323,406 95-%-Konfidenzintervall: ±8,336Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 09.10.2026
ProgramBenchFully Resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully resolved rateBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert6,5 %	0,5 %	Vals AI Quellendetails Datenstand: 12.10.2026
SAGECalculus Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Temperatur: 1	Höherer Messwert78,395 %	72,222 %	Vals AI Quellendetails Datenstand: 08.10.2026
SRE BenchFully Solved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully solved rateBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert30,153 %	3,817 %	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 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert65,191 %	54,91 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-Bench 2.1Hard Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: high, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: high, Ausgabegrenze: 128.000 tokens	Höherer Messwert76,667 %	66,667 %	Vals AI Quellendetails Datenstand: 28.09.2026
Code MigrationCode Quality Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: mean reviewer code-quality ratingBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert4,601 / 5	3,498 / 5	Vals AI Quellendetails Datenstand: 12.10.2026
EMBDCF Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert70,065 %	56,736 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Comparables Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert47,089 %	43,653 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkArbitration International Dispute Resolution · Criteria passed Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: criteria pass rateBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	36,918 %	Höherer Messwert78,495 %	Vals AI Quellendetails Datenstand: 12.10.2026
Legal Research BenchBusiness & Commercial · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert39,535 %	37,209 %	Vals AI Quellendetails Datenstand: 12.10.2026
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 5.5: Snapshot: claude-sonnet-5.5-xhigh, Reasoning: xhigh, Harness: Arena Text, style control GPT-5.5: Snapshot: gpt-5.5-high, Reasoning: high, Harness: Arena Text, style controlClaude Sonnet 5.5: Arena-Bewertung aus 1.089 veröffentlichten Paarvergleichen.GPT-5.5: Arena-Bewertung aus 13.725 veröffentlichten Paarvergleichen.	1.466,655 95-%-Konfidenzintervall: ±17,914Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.489,788 95-%-Konfidenzintervall: ±6,335Der 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 ControlDiagram Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Sonnet 5.5: Snapshot: claude-sonnet-5.5-xhigh, Reasoning: xhigh, Harness: Arena Vision, style control GPT-5.5: Snapshot: gpt-5.5-high, Reasoning: high, Harness: Arena Vision, style controlClaude Sonnet 5.5: Arena-Bewertung aus 514 veröffentlichten Paarvergleichen.GPT-5.5: Arena-Bewertung aus 7.023 veröffentlichten Paarvergleichen.	Höherer Messwert1.320,26 95-%-Konfidenzintervall: ±26,586Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.312,806 95-%-Konfidenzintervall: ±8,514Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 09.10.2026
ProgramBenchRaw Pass Rate Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: raw test pass rateBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert76,304 %	70,775 %	Vals AI Quellendetails Datenstand: 12.10.2026
SAGELinear Algebra Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 30.000 tokens	70,792 %	Höherer Messwert74,436 %	Vals AI Quellendetails Datenstand: 08.10.2026
Tax Agent BenchCurrent & Temporal Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert49,933 %	26,667 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-Bench 2.1Medium Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: high, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: high, Ausgabegrenze: 128.000 tokens	Höherer Messwert86,061 %	81,212 %	Vals AI Quellendetails Datenstand: 28.09.2026
EMBLBO Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert69,979 %	53,222 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Disclosure Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert71,432 %	58,909 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkArbitration International Dispute Resolution · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Kein direkter Sieger0 %	Kein direkter Sieger0 %	Vals AI Quellendetails Datenstand: 12.10.2026
Legal Research BenchBusiness & Commercial · Weighted partial credit Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: weighted partial-credit scoreBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	77,77 %	Höherer Messwert86,764 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Text, Style ControlChinese Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Sonnet 5.5: Snapshot: claude-sonnet-5.5-xhigh, Reasoning: xhigh, Harness: Arena Text, style control GPT-5.5: Snapshot: gpt-5.5, Harness: Arena Text, style controlClaude Sonnet 5.5: Arena-Bewertung aus 508 veröffentlichten Paarvergleichen.GPT-5.5: Arena-Bewertung aus 4.449 veröffentlichten Paarvergleichen.	Höherer Messwert1.546,494 95-%-Konfidenzintervall: ±26,454Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.524,549 95-%-Konfidenzintervall: ±9,794Der 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 ControlEnglish Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Sonnet 5.5: Snapshot: claude-sonnet-5.5-xhigh, Reasoning: xhigh, Harness: Arena Vision, style control GPT-5.5: Snapshot: gpt-5.5, Harness: Arena Vision, style controlClaude Sonnet 5.5: Arena-Bewertung aus 657 veröffentlichten Paarvergleichen.GPT-5.5: Arena-Bewertung aus 11.136 veröffentlichten Paarvergleichen.	1.266,361 95-%-Konfidenzintervall: ±23,51Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.281,387 95-%-Konfidenzintervall: ±8,223Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 09.10.2026
SAGEPartial Differential Equations Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 30.000 tokens	Höherer Messwert41,27 %	39,683 %	Vals AI Quellendetails Datenstand: 08.10.2026
Tax Agent BenchCurrent & Temporal Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert77,239 %	68,195 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBM&A Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert83,002 %	66,813 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Earnings Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert76,522 %	73,158 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkBanking Finance · Criteria passed Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: criteria pass rateBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert89,591 %	86,245 %	Vals AI Quellendetails Datenstand: 12.10.2026
Legal Research BenchCivil Litigation · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserClaude Sonnet 5.5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert48,148 %	44,444 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Text, Style ControlChinese Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Sonnet 5.5: Snapshot: claude-sonnet-5.5-xhigh, Reasoning: xhigh, Harness: Arena Text, style control GPT-5.5: Snapshot: gpt-5.5-high, Reasoning: high, Harness: Arena Text, style controlClaude Sonnet 5.5: Arena-Bewertung aus 508 veröffentlichten Paarvergleichen.GPT-5.5: Arena-Bewertung aus 4.493 veröffentlichten Paarvergleichen.	Höherer Messwert1.546,494 95-%-Konfidenzintervall: ±26,454Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.517,406 95-%-Konfidenzintervall: ±9,637Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
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 5.5

In dieser Runde nicht verfügbar

GPT-5.5

In dieser Runde nicht verfügbar

Frühere Tests

Pelikan auf dem Fahrrad

Community-Klassiker für eine freie SVG-Zeichnung.

Claude Sonnet 5.5

Reasoning (angefragt): high

Aktueller Versuch

Datum des Testlaufs: 01.10.2026
API-Anbieter: openrouter
Angefragtes API-Modell: anthropic/claude-sonnet-5.5
API-Modell laut Antwort: anthropic/claude-sonnet-5.5
Reasoning-Einstellung: high
Festgelegter Endpunkt: Anthropic | anthropic/claude-sonnet-5.5-20260928
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Bestanden, keine Qualitätsbewertung
Antwortzeit: 28,2 s

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

GPT-5.5

Reasoning (angefragt): high

Aktueller Versuch

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

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

Frühere Versuche (1)

07.09.2026API-Anfrage fehlgeschlagenReasoning-Einstellung: high

Prompt und Testbedingungen

Generate an SVG of a pelican riding a bicycle

Tokenlimit inklusive Reasoning: 8.192 Token

Ursprung der Aufgabe (Simon Willison)

So liest du den Vergleich

Ein Benchmark-Sieg ist kein Gesamturteil

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

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

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

Weitere Duelle

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

Zum vollständigen LLM-Vergleich

Claude Sonnet 5.5 vs. GPT-5.5

Modellauswahl ändern

Allgemeine Daten

API-Preise im Vergleich

Gemeinsame Benchmarks

Fähigkeitsprofil aus vergleichbaren Benchmarks

Unsere Tests

SVG-Kurztest

Claude Sonnet 5.5

GPT-5.5

Pelikan auf dem Fahrrad

Ein Benchmark-Sieg ist kein Gesamturteil

Ähnliche LLM-Vergleiche