Direktvergleich

GPT-5.4 mini vs. Muse Wonder Full

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

gemeinsame Messreihen: 129
verschiedene Benchmarks: 10
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 GPT-5.4 mini und Muse Wonder Full
Merkmal	GPT-5.4 mini	Muse Wonder Full
Anbieter	OpenAI	Meta
Erschienen	17. März 2026	12. Okt. 2026
Verfügbarkeit	Aktiv	Nur im Abo
Modelltyp	Proprietär	Proprietär
Parameter	Nicht veröffentlicht	Nicht veröffentlicht
Architektur	Nicht veröffentlicht	Nicht veröffentlicht
Kontextfenster	400.000 Token	1 Mio. Token
Wissensstand	31. August 2025	Nicht veröffentlicht
Technische Quellen	Modell	Modell, Kontext

Kosten

API-Preise im Vergleich

Die Tabelle vergleicht die offiziellen Standard-API-Tarife pro 1 Mio. Token einschließlich veröffentlichter Cache-Preise. Batch, Fast, Priority, regionale Aufschläge, Toolaufrufe und Cloudpreise sind nicht eingerechnet.

API-Preise von GPT-5.4 mini und Muse Wonder Full
Preisart	GPT-5.4 mini	Muse Wonder Full
API-Eingabe	0,75 $	—
API-Ausgabe	4,5 $	—
Cache lesen	0,075 $	Nicht ausgewiesen
Cache schreiben (5 Min.)	Nicht ausgewiesen	Nicht ausgewiesen
Cache schreiben (1 Std.)	Nicht ausgewiesen	Nicht ausgewiesen
Preis geprüft	22.09.2026 Quelle	15.10.2026

Preise nach Anbieter

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

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

Anbieterpreise von GPT-5.4 mini und Muse Wonder Full
Modell	Anbieter	Bezugsweg und Tarif	Eingabe pro 1 Mio. Token	Ausgabe pro 1 Mio. Token	Quelle
GPT-5.4 mini	OpenAI	Direkt beim EntwicklerStandard-API	0,75 $	4,5 $	Quelle22.09.2026
	Azure	Über OpenRouterazure	0,75 $	4,5 $	Quelle16.10.2026
	Azure	Über OpenRouterazure/us	0,825 $	4,95 $	Quelle16.10.2026
	OpenAI	Über OpenRouteropenai	0,75 $	4,5 $	Quelle16.10.2026
	OpenAI	Über OpenRouteropenai/fast	1,5 $	9 $	Quelle16.10.2026
	OpenAI	Über OpenRouteropenai/flex	Günstigster erfasster Preis: 0,375 $	Günstigster erfasster Preis: 2,25 $	Quelle16.10.2026

Leistung

Gemeinsame Benchmarks

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

Fähigkeitsprofil aus vergleichbaren Benchmarks

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

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.

GPT-5.4 miniMuse Wonder Full

Code MigrationOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-5.4 mini12,936 %

Muse Wonder Full61,033 %

EMBOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-5.4 mini45,426 %

Muse Wonder Full71,917 %

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

GPT-5.4 mini45,36 %

Muse Wonder Full59,061 %

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

GPT-5.4 mini0 %

Muse Wonder Full21,667 %

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

GPT-5.4 mini12,5 %

Muse Wonder Full53,365 %

ProgramBenchOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-5.4 mini0 %

Muse Wonder Full0,5 %

Tax Agent BenchOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-5.4 mini8,808 %

Muse Wonder Full42,997 %

Terminal-Bench 4.0Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-5.4 mini2,525 %

Muse Wonder Full58,081 %

Vals IndexOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-5.4 mini33,169 %

Muse Wonder Full64,566 %

Vibe Code Bench v1.1Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-5.4 mini47,969 %

Muse Wonder Full85,996 %

Code MigrationCLI. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-5.4 mini8,2 %

Muse Wonder Full58,044 %

EMBComps. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-5.4 mini40,488 %

Muse Wonder Full80,89 %

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von GPT-5.4 mini und Muse Wonder Full
Benchmark und Aufgabe	GPT-5.4 mini	Muse Wonder Full	Quelle
Code MigrationOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	12,936 %	Höherer Messwert61,033 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	45,426 %	Höherer Messwert71,917 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	45,36 %	Höherer Messwert59,061 %	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 besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	0 %	Höherer Messwert21,667 %	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 besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	12,5 %	Höherer Messwert53,365 %	Vals AI Quellendetails Datenstand: 12.10.2026
ProgramBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully resolved rateBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	0 %	Höherer Messwert0,5 %	Vals AI Quellendetails Datenstand: 12.10.2026
Tax Agent BenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	8,808 %	Höherer Messwert42,997 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-Bench 4.0Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 4.0Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	2,525 %	Höherer Messwert58,081 %	Vals AI Quellendetails Datenstand: 13.10.2026
Vals IndexOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: weighted index scoreBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	33,169 %	Höherer Messwert64,566 %	Vals AI Quellendetails Datenstand: 13.10.2026
Vibe Code Bench v1.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Harness: OpenHands, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 131.072 tokens	47,969 %	Höherer Messwert85,996 %	Vals AI Quellendetails Datenstand: 12.10.2026
Code MigrationCLI Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	8,2 %	Höherer Messwert58,044 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBComps Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	40,488 %	Höherer Messwert80,89 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Adjustments Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	45,366 %	Höherer Messwert56,668 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Criteria passed Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: criteria pass rateBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	52,536 %	Höherer Messwert94,928 %	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 besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	15,152 %	Höherer Messwert63,636 %	Vals AI Quellendetails Datenstand: 12.10.2026
ProgramBenchAlmost Resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: almost-resolved rateBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	3 %	Höherer Messwert8 %	Vals AI Quellendetails Datenstand: 12.10.2026
Tax Agent BenchControversy & Precedence Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	3,333 %	Höherer Messwert26,667 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-Bench 4.0Hardware Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 4.0Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	0 %	Höherer Messwert46,667 %	Vals AI Quellendetails Datenstand: 13.10.2026
Vals IndexCode Migration Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: benchmark scoreBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	13,015 %	Höherer Messwert60,256 %	Vals AI Quellendetails Datenstand: 13.10.2026
Code MigrationCOBOL Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	27,143 %	Höherer Messwert70 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBDataroom Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	48,286 %	Höherer Messwert85,257 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)All-Pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	32,369 %	Höherer Messwert49,037 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	0 %	Höherer Messwert20 %	Vals AI Quellendetails Datenstand: 12.10.2026
Legal Research BenchAdministrative / Regulatory · Weighted partial credit Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: weighted partial-credit scoreBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	69,72 %	Höherer Messwert92,809 %	Vals AI Quellendetails Datenstand: 12.10.2026
ProgramBenchFully Resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully resolved rateBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	0 %	Höherer Messwert0,5 %	Vals AI Quellendetails Datenstand: 12.10.2026
Tax Agent BenchControversy & Precedence Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	32,174 %	Höherer Messwert76,097 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-Bench 4.0Media Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 4.0Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	0 %	Höherer Messwert58,333 %	Vals AI Quellendetails Datenstand: 13.10.2026
Vals IndexEMB Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: benchmark scoreBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	45,426 %	Höherer Messwert71,917 %	Vals AI Quellendetails Datenstand: 13.10.2026
Code MigrationCode Quality Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: mean reviewer code-quality ratingBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	3,053 / 5	Höherer Messwert4,244 / 5	Vals AI Quellendetails Datenstand: 12.10.2026
EMBDCF Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	40,605 %	Höherer Messwert66,579 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Comparables Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	40,273 %	Höherer Messwert46,809 %	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 besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	63,125 %	Höherer Messwert95,699 %	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 besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	11,628 %	Höherer Messwert58,14 %	Vals AI Quellendetails Datenstand: 12.10.2026
ProgramBenchRaw Pass Rate Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: raw test pass rateBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert54,375 %	24,187 %	Vals AI Quellendetails Datenstand: 12.10.2026
Tax Agent BenchCurrent & Temporal Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	10 %	Höherer Messwert56,614 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-Bench 4.0ML Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 4.0Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	0 %	Höherer Messwert66,667 %	Vals AI Quellendetails Datenstand: 13.10.2026
Vals IndexFinance Agent v2 Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: benchmark scoreBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	45,36 %	Höherer Messwert59,061 %	Vals AI Quellendetails Datenstand: 13.10.2026
EMBLBO Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	41,608 %	Höherer Messwert59,586 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Disclosure Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	48,338 %	Höherer Messwert71,553 %	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 besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	0 %	Höherer Messwert20 %	Vals AI Quellendetails Datenstand: 12.10.2026
Legal Research BenchBusiness & Commercial · Weighted partial credit Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: weighted partial-credit scoreBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	71,172 %	Höherer Messwert89,811 %	Vals AI Quellendetails Datenstand: 12.10.2026
Tax Agent BenchCurrent & Temporal Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	38,553 %	Höherer Messwert78,312 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-Bench 4.0Operations Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 4.0Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	0 %	Höherer Messwert48,148 %	Vals AI Quellendetails Datenstand: 13.10.2026
Vals IndexHLAB Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: benchmark scoreBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	0 %	Höherer Messwert21,667 %	Vals AI Quellendetails Datenstand: 13.10.2026
EMBM&A Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	49,814 %	Höherer Messwert78,304 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Earnings Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	65,294 %	Höherer Messwert78,596 %	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 besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	68,401 %	Höherer Messwert92,565 %	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 besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	14,815 %	Höherer Messwert44,444 %	Vals AI Quellendetails Datenstand: 12.10.2026
Tax Agent BenchFact-Pattern Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	6,977 %	Höherer Messwert46,512 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-Bench 4.0Science Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 4.0Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	2,381 %	Höherer Messwert57,143 %	Vals AI Quellendetails Datenstand: 13.10.2026
Vals IndexLegal Research Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: benchmark scoreBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	12,5 %	Höherer Messwert53,365 %	Vals AI Quellendetails Datenstand: 13.10.2026
EMBMisc Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	46,346 %	Höherer Messwert64,242 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Financial Modeling Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	19,617 %	Höherer Messwert23,736 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkBanking Finance · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	0 %	Höherer Messwert20 %	Vals AI Quellendetails Datenstand: 12.10.2026
Legal Research BenchCivil Litigation · Weighted partial credit Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: weighted partial-credit scoreBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	67,267 %	Höherer Messwert92,925 %	Vals AI Quellendetails Datenstand: 12.10.2026
Tax Agent BenchFact-Pattern Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	36,518 %	Höherer Messwert74,764 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-Bench 4.0Security Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 4.0Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	0 %	Höherer Messwert86,667 %	Vals AI Quellendetails Datenstand: 13.10.2026
Vals IndexTax Agent Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: benchmark scoreBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	36,586 %	Höherer Messwert75,001 %	Vals AI Quellendetails Datenstand: 13.10.2026
EMBOperating Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	50,834 %	Höherer Messwert68,56 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)General Qualitative Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	46,366 %	Höherer Messwert74,179 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkBankruptcy Restructuring · Criteria passed Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: criteria pass rateBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	57,353 %	Höherer Messwert91,003 %	Vals AI Quellendetails Datenstand: 12.10.2026
Legal Research BenchConstitutional / Civil Rights · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	13,158 %	Höherer Messwert47,368 %	Vals AI Quellendetails Datenstand: 12.10.2026
Tax Agent BenchForms & Filings Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	3,333 %	Höherer Messwert30 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-Bench 4.0Software Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 4.0Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	7,407 %	Höherer Messwert53,704 %	Vals AI Quellendetails Datenstand: 13.10.2026
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Eigene Modelltests

Unsere Tests

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

Frühere Tests

Pelikan auf dem Fahrrad

Community-Klassiker für eine freie SVG-Zeichnung.

GPT-5.4 mini

Reasoning (angefragt): high

Aktueller Versuch

Datum des Testlaufs: 02.10.2026
API-Anbieter: openrouter
Angefragtes API-Modell: openai/gpt-5.4-mini
API-Modell laut Antwort: openai/gpt-5.4-mini
Reasoning-Einstellung: high
Festgelegter Endpunkt: OpenAI | openai/gpt-5.4-mini-20260317
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Bestanden, keine Qualitätsbewertung
Antwortzeit: 13,5 s

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

Frühere Versuche (2)

01.10.2026API-Anfrage fehlgeschlagenReasoning-Einstellung: high
07.09.2026API-Anfrage fehlgeschlagenReasoning-Einstellung: high

Muse Wonder Full

Noch nicht getestet

Prompt und Testbedingungen

Generate an SVG of a pelican riding a bicycle

Tokenlimit inklusive Reasoning: 8.192 Token

Ursprung der Aufgabe (Simon Willison)

So liest du den Vergleich

Ein Benchmark-Sieg ist kein Gesamturteil

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

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

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

Weitere Duelle

Vergleiche GPT-5.4 mini und Muse Wonder Full mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich