Direktvergleich

GPT-5.5 vs. Muse Wonder Full

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

gemeinsame Messreihen: 124
verschiedene Benchmarks: 13
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-5.5 und Muse Wonder Full
Merkmal	GPT-5.5	Muse Wonder Full
Anbieter	OpenAI	Meta
Erschienen	23. Apr. 2026	12. Okt. 2026
Verfügbarkeit	Aktiv	Nur im Abo
Modelltyp	Proprietär	Proprietär
Parameter	Nicht veröffentlicht	Nicht veröffentlicht
Architektur	Nicht veröffentlicht	Nicht veröffentlicht
Kontextfenster	1.050.000 Token	1 Mio. Token
Wissensstand	1. Dezember 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-5.5 und Muse Wonder Full
Preisart	GPT-5.5	Muse Wonder Full
API-Eingabe	5 $ ≤272K / 10 $ >272K	—
API-Ausgabe	30 $ ≤272K / 45 $ >272K	—
Cache lesen	0,5 $ ≤272K / 1 $ >272K	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-5.5 und Muse Wonder Full
Modell	Anbieter	Bezugsweg und Tarif	Eingabe pro 1 Mio. Token	Ausgabe pro 1 Mio. Token	Quelle
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 $	Quelle16.10.2026
	Azure	Über OpenRouterazure	5 $	30 $	Quelle16.10.2026
	Azure	Über OpenRouterazure/eu	5,5 $	33 $	Quelle16.10.2026
	Azure	Über OpenRouterazure/us	5,5 $	33 $	Quelle16.10.2026
	OpenAI	Über OpenRouteropenai	5 $	30 $	Quelle16.10.2026
	OpenAI	Über OpenRouteropenai/fast	12,5 $	75 $	Quelle16.10.2026
	OpenAI	Über OpenRouteropenai/flex	Günstigster erfasster Preis: 2,5 $	Günstigster erfasster Preis: 15 $	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-5.5Muse Wonder Full

Code MigrationOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-5.545,161 %

Muse Wonder Full61,033 %

EMBOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-5.564,543 %

Muse Wonder Full71,917 %

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

GPT-5.551,76 %

Muse Wonder Full59,061 %

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

GPT-5.53,75 %

Muse Wonder Full21,667 %

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

GPT-5.540,385 %

Muse Wonder Full53,365 %

LegalBenchOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-5.586,515 %

Muse Wonder Full87,418 %

MedCodeOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-5.549,1 %

Muse Wonder Full49,932 %

MedScribeOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-5.586,868 %

Muse Wonder Full89,335 %

ProgramBenchOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-5.50,5 %

Muse Wonder Full0,5 %

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

GPT-5.560,893 %

Muse Wonder Full73,748 %

SRE BenchOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-5.53,817 %

Muse Wonder Full11,832 %

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

GPT-5.521,762 %

Muse Wonder Full42,997 %

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von GPT-5.5 und Muse Wonder Full
Benchmark und Aufgabe	GPT-5.5	Muse Wonder Full	Quelle
Code MigrationOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	45,161 %	Höherer Messwert61,033 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	64,543 %	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-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	51,76 %	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-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	3,75 %	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-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	40,385 %	Höherer Messwert53,365 %	Vals AI Quellendetails Datenstand: 12.10.2026
LegalBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	86,515 %	Höherer Messwert87,418 %	Vals AI Quellendetails Datenstand: 13.10.2026
MedCodeOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 30.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	49,1 %	Höherer Messwert49,932 %	Vals AI Quellendetails Datenstand: 13.10.2026
MedScribeOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 30.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	86,868 %	Höherer Messwert89,335 %	Vals AI Quellendetails Datenstand: 13.10.2026
ProgramBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully resolved rateBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Kein direkter Sieger0,5 %	Kein direkter Sieger0,5 %	Vals AI Quellendetails Datenstand: 12.10.2026
Public Benefits Bench v1.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	60,893 %	Höherer Messwert73,748 %	Vals AI Quellendetails Datenstand: 12.10.2026
SRE BenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully solved rateBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	3,817 %	Höherer Messwert11,832 %	Vals AI Quellendetails Datenstand: 14.10.2026
Tax Agent BenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	21,762 %	Höherer Messwert42,997 %	Vals AI Quellendetails Datenstand: 12.10.2026
Vibe Code Bench v1.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Harness: OpenHands, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 131.072 tokens	69,847 %	Höherer Messwert85,996 %	Vals AI Quellendetails Datenstand: 12.10.2026
Code MigrationCLI Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	36,882 %	Höherer Messwert58,044 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBComps Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	64,681 %	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-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	45,74 %	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-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	82,246 %	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-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	53,03 %	Höherer Messwert63,636 %	Vals AI Quellendetails Datenstand: 12.10.2026
LegalBenchConclusion Tasks Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	89,644 %	Höherer Messwert90,323 %	Vals AI Quellendetails Datenstand: 13.10.2026
ProgramBenchAlmost Resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: almost-resolved rateBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert9,5 %	8 %	Vals AI Quellendetails Datenstand: 12.10.2026
SRE BenchCapability Score Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: capability scoreBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	17,048 %	Höherer Messwert17,748 %	Vals AI Quellendetails Datenstand: 14.10.2026
Tax Agent BenchControversy & Precedence Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	10 %	Höherer Messwert26,667 %	Vals AI Quellendetails Datenstand: 12.10.2026
Code MigrationCOBOL Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 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 besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	81,227 %	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-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	39,562 %	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-5.5: 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-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	86,669 %	Höherer Messwert92,809 %	Vals AI Quellendetails Datenstand: 12.10.2026
LegalBenchInterpretation Tasks Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	83,836 %	Höherer Messwert84,991 %	Vals AI Quellendetails Datenstand: 13.10.2026
ProgramBenchFully Resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully resolved rateBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Kein direkter Sieger0,5 %	Kein direkter Sieger0,5 %	Vals AI Quellendetails Datenstand: 12.10.2026
SRE BenchFully Solved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully solved rateBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	3,817 %	Höherer Messwert11,832 %	Vals AI Quellendetails Datenstand: 14.10.2026
Tax Agent BenchControversy & Precedence Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	54,91 %	Höherer Messwert76,097 %	Vals AI Quellendetails Datenstand: 12.10.2026
Code MigrationCode Quality Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: mean reviewer code-quality ratingBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	3,498 / 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-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	56,736 %	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-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	43,653 %	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-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	78,495 %	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-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	37,209 %	Höherer Messwert58,14 %	Vals AI Quellendetails Datenstand: 12.10.2026
LegalBenchIssue Tasks Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert91,193 %	91,014 %	Vals AI Quellendetails Datenstand: 13.10.2026
ProgramBenchRaw Pass Rate Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: raw test pass rateBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert70,775 %	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-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	26,667 %	Höherer Messwert56,614 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBLBO Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	53,222 %	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-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	58,909 %	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-5.5: 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-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	86,764 %	Höherer Messwert89,811 %	Vals AI Quellendetails Datenstand: 12.10.2026
LegalBenchRhetoric Tasks Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	82,448 %	Höherer Messwert83,625 %	Vals AI Quellendetails Datenstand: 13.10.2026
Tax Agent BenchCurrent & Temporal Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	68,195 %	Höherer Messwert78,312 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBM&A Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	66,813 %	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-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	73,158 %	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-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	86,245 %	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-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Kein direkter Sieger44,444 %	Kein direkter Sieger44,444 %	Vals AI Quellendetails Datenstand: 12.10.2026
LegalBenchRule Tasks Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	85,453 %	Höherer Messwert87,136 %	Vals AI Quellendetails Datenstand: 13.10.2026
Tax Agent BenchFact-Pattern Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	27,907 %	Höherer Messwert46,512 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBMisc Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert64,647 %	64,242 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Financial Modeling Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	22,93 %	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-5.5: 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-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	87,616 %	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-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	59,225 %	Höherer Messwert74,764 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBOperating Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	64,478 %	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-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	65,559 %	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-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	76,125 %	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-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	28,947 %	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-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	10 %	Höherer Messwert30 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBScratch Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	66,833 %	Höherer Messwert70,547 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)General Quantitative Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Muse Wonder Full: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	73,714 %	Höherer Messwert80,059 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkBankruptcy Restructuring · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserGPT-5.5: 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
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-5.5

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

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-5.5 und Muse Wonder Full mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich