Direktvergleich
GPT-5.5 vs. GPT-5.4
Veröffentlichte Benchmarkwerte aus derselben Version und Vergleichskohorte, API-Preise und technische Eckdaten. Unterschiedliche Testeinstellungen werden sichtbar ausgewiesen.
178
gemeinsame Messreihen
20
verschiedene Benchmarks
16.08.2026
jüngster Abruf
Modellauswahl ändern
Steckbrief und Kosten
Allgemeine Daten und Standard-API-Preise
Nicht veröffentlichte Parameterzahlen oder Wissensstände bleiben als solche markiert. Die Tabelle zeigt direkte Standardtarife pro Token einschließlich hinterlegter Kontextstufen. Batch, Fast, Priority, regionale Aufschläge, Toolaufrufe und Cloudpreise sind nicht eingerechnet.
| Merkmal | GPT-5.5 | GPT-5.4 |
|---|---|---|
| Anbieter | OpenAI | OpenAI |
| Erschienen | Apr. 2026 | März 2026 |
| Verfügbarkeit | Aktiv | Aktiv |
| Modelltyp | Proprietär | Proprietär |
| Parameter | Nicht veröffentlicht | Nicht veröffentlicht |
| Architektur | Nicht veröffentlicht | Nicht veröffentlicht |
| Kontextfenster | 1.050.000 Token | 1.050.000 Token |
| Wissensstand | 1. Dezember 2025 | 31. August 2025 |
| Technische Quellen | Modell | Modell |
| API-Preise pro 1 Mio. Token | ||
| API-Eingabe | 5 $ ≤272K / 10 $ >272K | 2,5 $ ≤272K / 5 $ >272K |
| API-Ausgabe | 30 $ ≤272K / 45 $ >272K | 15 $ ≤272K / 22,5 $ >272K |
| Cache lesen | 0,5 $ ≤272K / 1 $ >272K | 0,25 $ ≤272K / 0,5 $ >272K |
| Cache schreiben (5 Min.) | Nicht ausgewiesen | Nicht ausgewiesen |
| Cache schreiben (1 Std.) | Nicht ausgewiesen | Nicht ausgewiesen |
| Preis geprüft | 30.07.2026Quelle | 30.07.2026Quelle |
GPT-5.5GPT-5.4
API-EingabeUSD pro 1 Mio. Token, Basistarif
GPT-5.55 $
GPT-5.42,5 $Günstiger
API-AusgabeUSD pro 1 Mio. Token, Basistarif
GPT-5.530 $
GPT-5.415 $Günstiger
Cache lesenUSD pro 1 Mio. Token, Basistarif
GPT-5.50,5 $
GPT-5.40,25 $Günstiger
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.
178 gemeinsame Messreihen
GPT-5.5GPT-5.4
Arena Text, Style ControlOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.51.476,591 Arena-PunkteGewinner
GPT-5.41.465,439 Arena-Punkte
Code MigrationOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.545,161 %Gewinner
GPT-5.434,984 %
CorpFin v2Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.568,415 %Gewinner
GPT-5.465,268 %
CyberBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.580,508 %Gewinner
GPT-5.472,881 %
GPQA DiamondOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.593,182 %Gewinner
GPT-5.491,666 %
Harvey's Legal Agent BenchmarkOverall · Task fully resolved. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.53,75 %Gewinner
GPT-5.40 %
LegalBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.586,515 %Gewinner
GPT-5.486,044 %
LiveCodeBench v6Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.585,296 %Gewinner
GPT-5.484,141 %
MedCodeOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.549,1 %Gewinner
GPT-5.441,292 %
MedScribeOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.586,868 %Gewinner
GPT-5.477,549 %
MMLU-ProOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.588,144 %Gewinner
GPT-5.487,482 %
MMMU-ProOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.588,266 %Gewinner
GPT-5.487,514 %
| Benchmark und Aufgabe | GPT-5.5 | GPT-5.4 | Vergleichbarkeit | Quelle |
|---|---|---|---|---|
| Arena Text, Style ControlOverall | 1.476,591 Arena-PunkteGewinner 95-%-Konfidenzintervall: ±4,028Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.465,439 Arena-Punkte 95-%-Konfidenzintervall: ±3,814Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Snapshot: gpt-5.5, Harness: Arena text, style control GPT-5.4: Snapshot: gpt-5.4, Harness: Arena text, style controlGPT-5.5: Stilbereinigte Arena-Bewertung aus 56.647 anonymen Paarvergleichen.GPT-5.4: Stilbereinigte Arena-Bewertung aus 63.759 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Code MigrationOverall | 45,161 %Gewinner | 34,984 % | 1accuracyMehr ist besserKohorte: vals-code-migration:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Keine weiteren Einstellungen ausgewiesen GPT-5.4: Snapshot: gpt-5.4-2026-03-05 | Vals AITyp: Unabhängige EvaluationMessstand: 13.08.2026Import-ID: vals-code-migration-2026-08-16-107652dc6bfcAbgerufen am 16.08.2026 |
| CorpFin v2Overall | 68,415 %Gewinner | 65,268 % | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Keine weiteren Einstellungen ausgewiesen GPT-5.4: Snapshot: gpt-5.4-2026-03-05 | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-corp_fin_v2-2026-08-16-45bbf84f57abAbgerufen am 16.08.2026 |
| CyberBenchOverall | 80,508 %Gewinner | 72,881 % | 1accuracyMehr ist besserKohorte: vals-cyberbench:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Keine weiteren Einstellungen ausgewiesen GPT-5.4: Snapshot: gpt-5.4-2026-03-05 | Vals AITyp: Unabhängige EvaluationMessstand: 03.08.2026Import-ID: vals-cyber-2026-08-16-702acaee9aa9Abgerufen am 16.08.2026 |
| GPQA DiamondOverall | 93,182 %Gewinner | 91,666 % | 1accuracyMehr ist besserKohorte: vals-gpqa:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Keine weiteren Einstellungen ausgewiesen GPT-5.4: Snapshot: gpt-5.4-2026-03-05 | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-gpqa-2026-08-16-7f8363eaa2dbAbgerufen am 16.08.2026 |
| Harvey's Legal Agent BenchmarkOverall · Task fully resolved | 3,75 %Gewinner | 0 % | 1task resolution rateMehr ist besserKohorte: vals-legal-agent-benchmark:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Keine weiteren Einstellungen ausgewiesen GPT-5.4: Snapshot: gpt-5.4-2026-03-05 | Vals AITyp: Unabhängige EvaluationMessstand: 14.08.2026Import-ID: vals-hlab-2026-08-16-bae90566df2fAbgerufen am 16.08.2026 |
| LegalBenchOverall | 86,515 %Gewinner | 86,044 % | 1accuracyMehr ist besserKohorte: vals-legal-bench:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Keine weiteren Einstellungen ausgewiesen GPT-5.4: Snapshot: gpt-5.4-2026-03-05 | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-legal_bench-2026-08-16-d5b3b1b2b5c8Abgerufen am 16.08.2026 |
| LiveCodeBench v6Overall | 85,296 %Gewinner | 84,141 % | 1accuracyMehr ist besserKohorte: vals-lcb:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Keine weiteren Einstellungen ausgewiesen GPT-5.4: Snapshot: gpt-5.4-2026-03-05 | Vals AITyp: Unabhängige EvaluationMessstand: 13.08.2026Import-ID: vals-lcb-2026-08-16-17b9c147080dAbgerufen am 16.08.2026 |
| MedCodeOverall | 49,1 %Gewinner | 41,292 % | 1accuracyMehr ist besserKohorte: vals-medcode:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Keine weiteren Einstellungen ausgewiesen GPT-5.4: Snapshot: gpt-5.4-2026-03-05 | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-medcode-2026-08-16-524f7f474eacAbgerufen am 16.08.2026 |
| MedScribeOverall | 86,868 %Gewinner | 77,549 % | 1accuracyMehr ist besserKohorte: vals-medscribe:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Keine weiteren Einstellungen ausgewiesen GPT-5.4: Snapshot: gpt-5.4-2026-03-05 | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-medscribe-2026-08-16-c385354a7e62Abgerufen am 16.08.2026 |
| MMLU-ProOverall | 88,144 %Gewinner | 87,482 % | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Keine weiteren Einstellungen ausgewiesen GPT-5.4: Snapshot: gpt-5.4-2026-03-05 | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-mmlu_pro-2026-08-16-e14d5bb3a34cAbgerufen am 16.08.2026 |
| MMMU-ProOverall | 88,266 %Gewinner | 87,514 % | 1accuracyMehr ist besserKohorte: vals-mmmu:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Keine weiteren Einstellungen ausgewiesen GPT-5.4: Snapshot: gpt-5.4-2026-03-05 | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mmmu-2026-08-16-37c9a8c7e21fAbgerufen am 16.08.2026 |
| MortgageTaxOverall | 68,76 %Gewinner | 68,323 % | 1accuracyMehr ist besserKohorte: vals-mortgage-tax:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Keine weiteren Einstellungen ausgewiesen GPT-5.4: Snapshot: gpt-5.4-2026-03-05 | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-mortgage_tax-2026-08-16-e78c985dbb1cAbgerufen am 16.08.2026 |
| ProgramBenchOverall | 0,5 %Gewinner | 0 % | 1accuracyMehr ist besserKohorte: vals-programbench:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Keine weiteren Einstellungen ausgewiesen GPT-5.4: Snapshot: gpt-5.4-2026-03-05 | Vals AITyp: Unabhängige EvaluationMessstand: 13.08.2026Import-ID: vals-programbench-2026-08-16-08d9727662ddAbgerufen am 16.08.2026 |
| SAGEOverall | 51,532 %Gewinner | 43,312 % | 1accuracyMehr ist besserKohorte: vals-sage:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Keine weiteren Einstellungen ausgewiesen GPT-5.4: Snapshot: gpt-5.4-2026-03-05 | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-sage-2026-08-16-a416dd25affbAbgerufen am 16.08.2026 |
| SkillsBenchOverall | 62,209 %Gewinner | 51,711 % | 1accuracyMehr ist besserKohorte: vals-skillsbench:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Harness: OpenHands GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Harness: OpenHands | Vals AITyp: Unabhängige EvaluationMessstand: 13.08.2026Import-ID: vals-skillsbench-2026-08-16-4917a67268d2Abgerufen am 16.08.2026 |
| SWE-bench VerifiedOverall | 82,6 %Gewinner | 78,2 % | 1accuracyMehr ist besserKohorte: vals-swebench:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Keine weiteren Einstellungen ausgewiesen GPT-5.4: Snapshot: gpt-5.4-2026-03-05 | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-swebench-2026-08-16-c133071b8167Abgerufen am 16.08.2026 |
| TaxEval v2Overall | 74,98 %Gewinner | 73,958 % | 2accuracyMehr ist besserKohorte: vals-tax-eval-v2:2:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Keine weiteren Einstellungen ausgewiesen GPT-5.4: Snapshot: gpt-5.4-2026-03-05 | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-tax_eval_v2-2026-08-16-5bbd495dac53Abgerufen am 16.08.2026 |
| Terminal-Bench 2.0Overall | 73,202 %Gewinner | 58,427 % | 2.0accuracyMehr ist besserKohorte: vals-terminal-bench-2:2.0:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Keine weiteren Einstellungen ausgewiesen GPT-5.4: Snapshot: gpt-5.4-2026-03-05 | Vals AITyp: Unabhängige EvaluationMessstand: 04.06.2026Import-ID: vals-terminal-bench-2-2026-08-16-0d39f2e25723Abgerufen am 16.08.2026 |
| Vibe Code Bench v1.1Overall | 69,847 %Gewinner | 67,421 % | 1.1accuracyMehr ist besserKohorte: vals-vibe-code-bench:1.1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Harness: OpenHands GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Harness: OpenHands | Vals AITyp: Unabhängige EvaluationMessstand: 13.08.2026Import-ID: vals-vibe-code-2026-08-16-a73c9770bcc4Abgerufen am 16.08.2026 |
| Arena Text, Style ControlOverallReasoning: high | 1.481,794 Arena-PunkteKein klarer Vorsprung 95-%-Konfidenzintervall: ±4,053Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.476,571 Arena-Punkte 95-%-Konfidenzintervall: ±3,887Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:overallKein dokumentierter Setup-UnterschiedKein klarer VorsprungGPT-5.5: Snapshot: gpt-5.5-high, Reasoning: high, Harness: Arena text, style control GPT-5.4: Snapshot: gpt-5.4-high, Reasoning: high, Harness: Arena text, style controlGPT-5.5: Stilbereinigte Arena-Bewertung aus 55.322 anonymen Paarvergleichen.GPT-5.4: Stilbereinigte Arena-Bewertung aus 60.819 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Code MigrationCLIReasoning: xhigh | 36,882 %Gewinner | 23,788 % | 1accuracyMehr ist besserKohorte: vals-code-migration:1:cliKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-code-migration-2026-08-11-3a2d5ce718a3Abgerufen am 11.08.2026 |
| CorpFin v2Exact PagesReasoning: xhigh | 65,618 %Gewinner | 64,103 % | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:exact_pagesKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-corp_fin_v2-2026-08-11-d9e58d191cd9Abgerufen am 11.08.2026 |
| CyberBenchPatch | 81,356 %Gleichstand | 81,356 %Gleichstand | 1accuracyMehr ist besserKohorte: vals-cyberbench:1:patchKein dokumentierter Setup-UnterschiedGleichstandGPT-5.5: Keine weiteren Einstellungen ausgewiesen GPT-5.4: Snapshot: gpt-5.4-2026-03-05 | Vals AITyp: Unabhängige EvaluationMessstand: 03.08.2026Import-ID: vals-cyber-2026-08-11-1f20498a3dc1Abgerufen am 11.08.2026 |
| GPQA DiamondFew-Shot CoTReasoning: xhigh | 93,434 %Gewinner | 91,414 % | 1accuracyMehr ist besserKohorte: vals-gpqa:1:diamond_few_shot_cotKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-gpqa-2026-08-11-d3325290a404Abgerufen am 11.08.2026 |
| Harvey's Legal Agent BenchmarkAntitrust Competition · Criteria passedReasoning: xhigh | 82,246 %Gewinner | 76,449 % | 1criteria pass rateMehr ist besserKohorte: vals-legal-agent-benchmark:1:criteria_pass_rate__antitrust_competitionKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 07.08.2026Import-ID: vals-hlab-2026-08-11-ea11b6e53414Abgerufen am 11.08.2026 |
| LegalBenchConclusion TasksReasoning: xhigh | 89,644 %Gewinner | 88,939 % | 1accuracyMehr ist besserKohorte: vals-legal-bench:1:conclusion_tasksKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-legal_bench-2026-08-11-836e5e44618eAbgerufen am 11.08.2026 |
| LiveCodeBench v6EasyReasoning: xhigh | 98,447 % | 99,068 %Gewinner | 1accuracyMehr ist besserKohorte: vals-lcb:1:easyKein dokumentierter Setup-UnterschiedSieger: GPT-5.4GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-lcb-2026-08-11-0342bcc364e4Abgerufen am 11.08.2026 |
| MMLU-ProBiologyReasoning: xhigh | 94,003 %Gewinner | 92,887 % | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:biologyKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mmlu_pro-2026-08-11-b8e53828d746Abgerufen am 11.08.2026 |
| MortgageTaxNumerical ExtractionReasoning: xhigh | 76,153 %Gewinner | 75,994 % | 1accuracyMehr ist besserKohorte: vals-mortgage-tax:1:numerical_extractionKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mortgage_tax-2026-08-11-5ea6eef3e482Abgerufen am 11.08.2026 |
| ProgramBenchAlmost ResolvedReasoning: xhigh | 9,5 %Gewinner | 7 % | 1accuracyMehr ist besserKohorte: vals-programbench:1:almostKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-programbench-2026-08-11-b6f8959fbdfeAbgerufen am 11.08.2026 |
| SAGEAutomataReasoning: xhigh | 40,476 %Höherer Messwert | 21,428 % | 1accuracyMehr ist besserKohorte: vals-sage:1:automataTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.5: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 30.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 30.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-sage-2026-08-11-f1f79f6d8af3Abgerufen am 11.08.2026 |
| SkillsBenchNo SkillsReasoning: xhigh | 49,875 %Gewinner | 48,905 % | 1accuracyMehr ist besserKohorte: vals-skillsbench:1:no_skillsKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Reasoning: xhigh, Harness: OpenHands, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Harness: OpenHands, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 07.08.2026Import-ID: vals-skillsbench-2026-08-11-351bec9d0e01Abgerufen am 11.08.2026 |
| SWE-bench Verified<15 min fixReasoning: xhigh | 91,753 %Gewinner | 88,144 % | 1accuracyMehr ist besserKohorte: vals-swebench:1:<15 min fixKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 08.08.2026Import-ID: vals-swebench-2026-08-11-a6212cd857d8Abgerufen am 11.08.2026 |
| TaxEval v2CorrectnessReasoning: xhigh | 65,495 %Gewinner | 64,922 % | 2accuracyMehr ist besserKohorte: vals-tax-eval-v2:2:correctnessKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-tax_eval_v2-2026-08-11-d05a40bf446fAbgerufen am 11.08.2026 |
| Terminal-Bench 2.0EasyReasoning: high | 85 % | 100 %Gewinner | 2.0accuracyMehr ist besserKohorte: vals-terminal-bench-2:2.0:easyKein dokumentierter Setup-UnterschiedSieger: GPT-5.4GPT-5.5: Reasoning: high, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: high, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 04.06.2026Import-ID: vals-terminal-bench-2-2026-08-11-d91717be20e6Abgerufen am 11.08.2026 |
| Arena Text, Style ControlBusiness, management and finance | 1.486,534 Arena-PunkteKein klarer Vorsprung 95-%-Konfidenzintervall: ±6,991Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.474,218 Arena-Punkte 95-%-Konfidenzintervall: ±6,56Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:industry_business_and_management_and_financial_operationsKein dokumentierter Setup-UnterschiedKein klarer VorsprungGPT-5.5: Snapshot: gpt-5.5, Harness: Arena text, style control GPT-5.4: Snapshot: gpt-5.4, Harness: Arena text, style controlGPT-5.5: Stilbereinigte Arena-Bewertung aus 11.314 anonymen Paarvergleichen.GPT-5.4: Stilbereinigte Arena-Bewertung aus 13.072 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Code MigrationCOBOLReasoning: xhigh | 70 %Gewinner | 68,571 % | 1accuracyMehr ist besserKohorte: vals-code-migration:1:cobolKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-code-migration-2026-08-11-3a2d5ce718a3Abgerufen am 11.08.2026 |
| CorpFin v2Max Fitting ContextReasoning: xhigh | 70,047 %Gewinner | 64,918 % | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:max_fitting_contextKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-corp_fin_v2-2026-08-11-d9e58d191cd9Abgerufen am 11.08.2026 |
| CyberBenchPoC | 79,661 %Gewinner | 64,407 % | 1accuracyMehr ist besserKohorte: vals-cyberbench:1:pocKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Keine weiteren Einstellungen ausgewiesen GPT-5.4: Snapshot: gpt-5.4-2026-03-05 | Vals AITyp: Unabhängige EvaluationMessstand: 03.08.2026Import-ID: vals-cyber-2026-08-11-1f20498a3dc1Abgerufen am 11.08.2026 |
| GPQA DiamondZero-Shot CoTReasoning: xhigh | 92,929 %Gewinner | 91,919 % | 1accuracyMehr ist besserKohorte: vals-gpqa:1:diamond_zero_shot_cotKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-gpqa-2026-08-11-d3325290a404Abgerufen am 11.08.2026 |
| Harvey's Legal Agent BenchmarkAntitrust Competition · Task fully resolvedReasoning: xhigh | 0 %Gleichstand | 0 %Gleichstand | 1task resolution rateMehr ist besserKohorte: vals-legal-agent-benchmark:1:antitrust_competitionKein dokumentierter Setup-UnterschiedGleichstandGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 07.08.2026Import-ID: vals-hlab-2026-08-11-ea11b6e53414Abgerufen am 11.08.2026 |
| LegalBenchInterpretation TasksReasoning: xhigh | 83,836 % | 83,921 %Gewinner | 1accuracyMehr ist besserKohorte: vals-legal-bench:1:interpretation_tasksKein dokumentierter Setup-UnterschiedSieger: GPT-5.4GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-legal_bench-2026-08-11-836e5e44618eAbgerufen am 11.08.2026 |
| LiveCodeBench v6HardReasoning: xhigh | 69,714 %Gewinner | 67,714 % | 1accuracyMehr ist besserKohorte: vals-lcb:1:hardKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-lcb-2026-08-11-0342bcc364e4Abgerufen am 11.08.2026 |
| MMLU-ProBusinessReasoning: xhigh | 92,015 %Gewinner | 91,762 % | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:businessKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mmlu_pro-2026-08-11-b8e53828d746Abgerufen am 11.08.2026 |
| MortgageTaxSemantic ExtractionReasoning: xhigh | 61,367 %Gewinner | 60,652 % | 1accuracyMehr ist besserKohorte: vals-mortgage-tax:1:semantic_extractionKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mortgage_tax-2026-08-11-5ea6eef3e482Abgerufen am 11.08.2026 |
| ProgramBenchFully ResolvedReasoning: xhigh | 0,5 %Gewinner | 0 % | 1accuracyMehr ist besserKohorte: vals-programbench:1:strictKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-programbench-2026-08-11-b6f8959fbdfeAbgerufen am 11.08.2026 |
| SAGECalculusReasoning: xhigh | 72,222 %Höherer Messwert | 70,988 % | 1accuracyMehr ist besserKohorte: vals-sage:1:calculusTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.5: Reasoning: xhigh, Temperatur: 1 GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 30.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-sage-2026-08-11-f1f79f6d8af3Abgerufen am 11.08.2026 |
| SkillsBenchWith SkillsReasoning: xhigh | 62,209 %Gewinner | 51,711 % | 1accuracyMehr ist besserKohorte: vals-skillsbench:1:with_skillsKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Reasoning: xhigh, Harness: OpenHands, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Harness: OpenHands, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 07.08.2026Import-ID: vals-skillsbench-2026-08-11-351bec9d0e01Abgerufen am 11.08.2026 |
| SWE-bench Verified>4 hoursReasoning: xhigh | 66,667 %Gewinner | 0 % | 1accuracyMehr ist besserKohorte: vals-swebench:1:>4 hoursKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 08.08.2026Import-ID: vals-swebench-2026-08-11-a6212cd857d8Abgerufen am 11.08.2026 |
| TaxEval v2Stepwise ReasoningReasoning: xhigh | 84,464 %Gewinner | 82,993 % | 2accuracyMehr ist besserKohorte: vals-tax-eval-v2:2:stepwise_reasoningKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-tax_eval_v2-2026-08-11-d05a40bf446fAbgerufen am 11.08.2026 |
| Terminal-Bench 2.0HardReasoning: high | 60,5 %Gewinner | 33,333 % | 2.0accuracyMehr ist besserKohorte: vals-terminal-bench-2:2.0:hardKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Reasoning: high, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: high, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 04.06.2026Import-ID: vals-terminal-bench-2-2026-08-11-d91717be20e6Abgerufen am 11.08.2026 |
| Arena Text, Style ControlBusiness, management and financeReasoning: high | 1.489,293 Arena-PunkteKein klarer Vorsprung 95-%-Konfidenzintervall: ±6,974Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.483,617 Arena-Punkte 95-%-Konfidenzintervall: ±6,683Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:industry_business_and_management_and_financial_operationsKein dokumentierter Setup-UnterschiedKein klarer VorsprungGPT-5.5: Snapshot: gpt-5.5-high, Reasoning: high, Harness: Arena text, style control GPT-5.4: Snapshot: gpt-5.4-high, Reasoning: high, Harness: Arena text, style controlGPT-5.5: Stilbereinigte Arena-Bewertung aus 11.166 anonymen Paarvergleichen.GPT-5.4: Stilbereinigte Arena-Bewertung aus 12.373 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Code MigrationCode QualityReasoning: xhigh | 3,498 / 5 | 3,632 / 5Gewinner | 1mean reviewer code-quality ratingMehr ist besserKohorte: vals-code-migration:1:code_qualityKein dokumentierter Setup-UnterschiedSieger: GPT-5.4GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-code-migration-2026-08-11-3a2d5ce718a3Abgerufen am 11.08.2026 |
| CorpFin v2Shared Max ContextReasoning: xhigh | 69,58 %Gewinner | 66,783 % | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:shared_max_contextKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-corp_fin_v2-2026-08-11-d9e58d191cd9Abgerufen am 11.08.2026 |
| Harvey's Legal Agent BenchmarkArbitration International Dispute Resolution · Criteria passedReasoning: xhigh | 78,495 %Gewinner | 66,667 % | 1criteria pass rateMehr ist besserKohorte: vals-legal-agent-benchmark:1:criteria_pass_rate__arbitration_international_dispute_resolutionKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 07.08.2026Import-ID: vals-hlab-2026-08-11-ea11b6e53414Abgerufen am 11.08.2026 |
| LegalBenchIssue TasksReasoning: xhigh | 91,193 %Gewinner | 90,526 % | 1accuracyMehr ist besserKohorte: vals-legal-bench:1:issue_tasksKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-legal_bench-2026-08-11-836e5e44618eAbgerufen am 11.08.2026 |
| LiveCodeBench v6MediumReasoning: xhigh | 87,728 %Gewinner | 85,64 % | 1accuracyMehr ist besserKohorte: vals-lcb:1:mediumKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-lcb-2026-08-11-0342bcc364e4Abgerufen am 11.08.2026 |
| MMLU-ProChemistryReasoning: xhigh | 91,254 %Gewinner | 91,078 % | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:chemistryKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mmlu_pro-2026-08-11-b8e53828d746Abgerufen am 11.08.2026 |
| ProgramBenchRaw Pass RateReasoning: xhigh | 70,775 %Gewinner | 68,596 % | 1accuracyMehr ist besserKohorte: vals-programbench:1:partialKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-programbench-2026-08-11-b6f8959fbdfeAbgerufen am 11.08.2026 |
| SAGELinear AlgebraReasoning: xhigh | 74,436 %Höherer Messwert | 68,826 % | 1accuracyMehr ist besserKohorte: vals-sage:1:linear_algebraTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.5: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 30.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 30.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-sage-2026-08-11-f1f79f6d8af3Abgerufen am 11.08.2026 |
| SWE-bench Verified1-4 hoursReasoning: xhigh | 50 %Gleichstand | 50 %Gleichstand | 1accuracyMehr ist besserKohorte: vals-swebench:1:1-4 hoursKein dokumentierter Setup-UnterschiedGleichstandGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 08.08.2026Import-ID: vals-swebench-2026-08-11-a6212cd857d8Abgerufen am 11.08.2026 |
| Terminal-Bench 2.0MediumReasoning: high | 79,273 %Gewinner | 69,091 % | 2.0accuracyMehr ist besserKohorte: vals-terminal-bench-2:2.0:mediumKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Reasoning: high, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: high, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 04.06.2026Import-ID: vals-terminal-bench-2-2026-08-11-d91717be20e6Abgerufen am 11.08.2026 |
| Arena Text, Style ControlChinese | 1.534,524 Arena-PunkteGewinner 95-%-Konfidenzintervall: ±12,143Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.496,688 Arena-Punkte 95-%-Konfidenzintervall: ±11,202Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:chineseKein dokumentierter Setup-UnterschiedSieger: GPT-5.5GPT-5.5: Snapshot: gpt-5.5, Harness: Arena text, style control GPT-5.4: Snapshot: gpt-5.4, Harness: Arena text, style controlGPT-5.5: Stilbereinigte Arena-Bewertung aus 3.010 anonymen Paarvergleichen.GPT-5.4: Stilbereinigte Arena-Bewertung aus 3.574 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
Die Tabelle zeigt 64 diversifizierte Messreihen aus insgesamt 178 gemeinsamen Ergebnissen. Dadurch verdrängt ein Benchmark mit vielen Unteraufgaben nicht alle anderen Tests.
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.
Preise beziehen sich auf die offiziellen API-Tarife pro 1 Mio. Token. Web-Abos und Cloud-Aufschläge können davon abweichen.
Jeder Messwert verlinkt seine Messstelle und zeigt den Abrufstand. Je nach Kennzeichnung handelt es sich um eine Anbieterangabe, ein offizielles Benchmark-Leaderboard oder eine unabhängige Evaluation. Strittige oder archivierte Ergebnisse werden nicht verwendet.
Weitere Duelle
Ähnliche LLM-Vergleiche
Vergleiche GPT-5.5 und GPT-5.4 mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.
Zum vollständigen LLM-Vergleich