Direktvergleich
GPT-5.6 Luna vs. Grok 4.6
Veröffentlichte Benchmarkwerte aus derselben Version und Vergleichskohorte, API-Preise und technische Eckdaten. Unterschiedliche Testeinstellungen werden sichtbar ausgewiesen.
40
gemeinsame Messreihen
22
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-5.6 Luna | Grok 4.6 |
|---|---|---|
| Anbieter | OpenAI | xAI |
| Erschienen | 26. Juni 2026 | 12. Aug. 2026 |
| Verfügbarkeit | Aktiv | Aktiv |
| Modelltyp | Proprietär | Proprietär |
| Parameter | Nicht veröffentlicht | Nicht veröffentlicht |
| Architektur | Nicht veröffentlicht | Nicht veröffentlicht |
| Kontextfenster | 1.050.000 Token | 500.000 Token |
| Wissensstand | 16. Februar 2026 | 1. Februar 2026 |
| Technische Quellen | Modell, Kontext, Wissensstand | Modell |
| API-Preise pro 1 Mio. Token | ||
| API-Eingabe | 0,2 $ ≤272K / 0,4 $ >272K | 2 $ ≤200K / 4 $ >200K |
| API-Ausgabe | 1,2 $ ≤272K / 1,8 $ >272K | 6 $ ≤200K / 12 $ >200K |
| Cache lesen | 0,02 $ ≤272K / 0,04 $ >272K | 0,5 $ ≤200K / 1 $ >200K |
| Cache schreiben (5 Min.) | 0,25 $ ≤272K / 0,5 $ >272K | Nicht ausgewiesen |
| Cache schreiben (1 Std.) | Nicht ausgewiesen | Nicht ausgewiesen |
| Preis geprüft | 11.08.2026Quelle | 16.08.2026Quelle |
GPT-5.6 LunaGrok 4.6
API-EingabeUSD pro 1 Mio. Token, Basistarif
GPT-5.6 Luna0,2 $Günstiger
Grok 4.62 $
API-AusgabeUSD pro 1 Mio. Token, Basistarif
GPT-5.6 Luna1,2 $Günstiger
Grok 4.66 $
Cache lesenUSD pro 1 Mio. Token, Basistarif
GPT-5.6 Luna0,02 $Günstiger
Grok 4.60,5 $
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.
40 gemeinsame Messreihen
GPT-5.6 LunaGrok 4.6
Arena Text, Style ControlOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
GPT-5.6 Luna1.450,561 Arena-Punkte
Grok 4.61.464,323 Arena-PunkteHöherer Messwert
Code MigrationOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Luna44,55 %
Grok 4.644,572 %Gewinner
CorpFin v2Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Luna64,219 %
Grok 4.666,161 %Gewinner
EMBOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Luna67,116 %Gewinner
Grok 4.662,727 %
Finance Agent (v2)Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Luna55,044 %Gewinner
Grok 4.653,682 %
GPQA DiamondOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Luna91,666 %
Grok 4.694,697 %Gewinner
Harvey's Legal Agent BenchmarkOverall · Task fully resolved. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Luna1,25 %
Grok 4.615,833 %Gewinner
Legal Research BenchOverall · All-pass. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Luna36,538 %
Grok 4.648,077 %Gewinner
LegalBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Luna84,034 %
Grok 4.686,307 %Gewinner
MedCodeOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Luna42,391 %
Grok 4.644,712 %Gewinner
MedScribeOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Luna84,391 %
Grok 4.686,534 %Gewinner
MMLU-ProOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Luna86,036 %
Grok 4.689,4 %Gewinner
| Benchmark und Aufgabe | GPT-5.6 Luna | Grok 4.6 | Vergleichbarkeit | Quelle |
|---|---|---|---|---|
| Arena Text, Style ControlOverall | 1.450,561 Arena-Punkte 95-%-Konfidenzintervall: ±5,636Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.464,323 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±11,88Der 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:overallTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Luna: Snapshot: gpt-5.6-luna-xhigh, Reasoning: xhigh, Harness: Arena text, style control Grok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style controlGPT-5.6 Luna: Stilbereinigte Arena-Bewertung aus 16.419 anonymen Paarvergleichen.Grok 4.6: Stilbereinigte Arena-Bewertung aus 2.448 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Code MigrationOverall | 44,55 % | 44,572 %Gewinner | 1accuracyMehr ist besserKohorte: vals-code-migration:1:overallKein dokumentierter Setup-UnterschiedSieger: Grok 4.6GPT-5.6 Luna: Keine weiteren Einstellungen ausgewiesen Grok 4.6: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 13.08.2026Import-ID: vals-code-migration-2026-08-16-107652dc6bfcAbgerufen am 16.08.2026 |
| CorpFin v2Overall | 64,219 % | 66,161 %Gewinner | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:overallKein dokumentierter Setup-UnterschiedSieger: Grok 4.6GPT-5.6 Luna: Keine weiteren Einstellungen ausgewiesen Grok 4.6: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-corp_fin_v2-2026-08-16-45bbf84f57abAbgerufen am 16.08.2026 |
| EMBOverall | 67,116 %Gewinner | 62,727 % | 1accuracyMehr ist besserKohorte: vals-emb:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 LunaGPT-5.6 Luna: Keine weiteren Einstellungen ausgewiesen Grok 4.6: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 13.08.2026Import-ID: vals-emb-2026-08-16-68d5d1d47a97Abgerufen am 16.08.2026 |
| Finance Agent (v2)Overall | 55,044 %Gewinner | 53,682 % | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 LunaGPT-5.6 Luna: Keine weiteren Einstellungen ausgewiesen Grok 4.6: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 14.08.2026Import-ID: vals-fabv2-2026-08-16-8853da43085dAbgerufen am 16.08.2026 |
| GPQA DiamondOverall | 91,666 % | 94,697 %Gewinner | 1accuracyMehr ist besserKohorte: vals-gpqa:1:overallKein dokumentierter Setup-UnterschiedSieger: Grok 4.6GPT-5.6 Luna: Keine weiteren Einstellungen ausgewiesen Grok 4.6: Keine weiteren Einstellungen ausgewiesen | 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 | 1,25 % | 15,833 %Gewinner | 1task resolution rateMehr ist besserKohorte: vals-legal-agent-benchmark:1:overallKein dokumentierter Setup-UnterschiedSieger: Grok 4.6GPT-5.6 Luna: Keine weiteren Einstellungen ausgewiesen Grok 4.6: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 14.08.2026Import-ID: vals-hlab-2026-08-16-bae90566df2fAbgerufen am 16.08.2026 |
| Legal Research BenchOverall · All-pass | 36,538 % | 48,077 %Gewinner | 1all-pass rateMehr ist besserKohorte: vals-legal-research:1:overallKein dokumentierter Setup-UnterschiedSieger: Grok 4.6GPT-5.6 Luna: Keine weiteren Einstellungen ausgewiesen Grok 4.6: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 14.08.2026Import-ID: vals-legal_research-2026-08-16-af296c00ecaaAbgerufen am 16.08.2026 |
| LegalBenchOverall | 84,034 % | 86,307 %Gewinner | 1accuracyMehr ist besserKohorte: vals-legal-bench:1:overallKein dokumentierter Setup-UnterschiedSieger: Grok 4.6GPT-5.6 Luna: Keine weiteren Einstellungen ausgewiesen Grok 4.6: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-legal_bench-2026-08-16-d5b3b1b2b5c8Abgerufen am 16.08.2026 |
| MedCodeOverall | 42,391 % | 44,712 %Gewinner | 1accuracyMehr ist besserKohorte: vals-medcode:1:overallKein dokumentierter Setup-UnterschiedSieger: Grok 4.6GPT-5.6 Luna: Keine weiteren Einstellungen ausgewiesen Grok 4.6: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-medcode-2026-08-16-524f7f474eacAbgerufen am 16.08.2026 |
| MedScribeOverall | 84,391 % | 86,534 %Gewinner | 1accuracyMehr ist besserKohorte: vals-medscribe:1:overallKein dokumentierter Setup-UnterschiedSieger: Grok 4.6GPT-5.6 Luna: Keine weiteren Einstellungen ausgewiesen Grok 4.6: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-medscribe-2026-08-16-c385354a7e62Abgerufen am 16.08.2026 |
| MMLU-ProOverall | 86,036 % | 89,4 %Gewinner | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:overallKein dokumentierter Setup-UnterschiedSieger: Grok 4.6GPT-5.6 Luna: Keine weiteren Einstellungen ausgewiesen Grok 4.6: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-mmlu_pro-2026-08-16-e14d5bb3a34cAbgerufen am 16.08.2026 |
| MortgageTaxOverall | 67,29 %Gewinner | 64,189 % | 1accuracyMehr ist besserKohorte: vals-mortgage-tax:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 LunaGPT-5.6 Luna: Keine weiteren Einstellungen ausgewiesen Grok 4.6: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-mortgage_tax-2026-08-16-e78c985dbb1cAbgerufen am 16.08.2026 |
| ProofBenchOverall | 60 %Gewinner | 51 % | 1.1accuracyMehr ist besserKohorte: vals-proof-bench:1.1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 LunaGPT-5.6 Luna: Keine weiteren Einstellungen ausgewiesen Grok 4.6: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 14.08.2026Import-ID: vals-proof_bench-2026-08-16-14232db24de1Abgerufen am 16.08.2026 |
| Public Benefits Bench v1.1Overall | 61,164 % | 66,847 %Gewinner | 1.1accuracyMehr ist besserKohorte: vals-snap:1.1:overallKein dokumentierter Setup-UnterschiedSieger: Grok 4.6GPT-5.6 Luna: Keine weiteren Einstellungen ausgewiesen Grok 4.6: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-public-benefits-bench-2026-08-16-7ce68123c502Abgerufen am 16.08.2026 |
| SAGEOverall | 44,22 %Gewinner | 28,9 % | 1accuracyMehr ist besserKohorte: vals-sage:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 LunaGPT-5.6 Luna: Keine weiteren Einstellungen ausgewiesen Grok 4.6: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-sage-2026-08-16-a416dd25affbAbgerufen am 16.08.2026 |
| SkillsBenchOverall | 60,447 %Gewinner | 55,766 % | 1accuracyMehr ist besserKohorte: vals-skillsbench:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 LunaGPT-5.6 Luna: Harness: OpenHands Grok 4.6: Harness: OpenHands | Vals AITyp: Unabhängige EvaluationMessstand: 13.08.2026Import-ID: vals-skillsbench-2026-08-16-4917a67268d2Abgerufen am 16.08.2026 |
| SWE-bench VerifiedOverall | 93 % | 95,6 %Gewinner | 1accuracyMehr ist besserKohorte: vals-swebench:1:overallKein dokumentierter Setup-UnterschiedSieger: Grok 4.6GPT-5.6 Luna: Keine weiteren Einstellungen ausgewiesen Grok 4.6: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-swebench-2026-08-16-c133071b8167Abgerufen am 16.08.2026 |
| TaxEval v2Overall | 76,166 %Gewinner | 71,096 % | 2accuracyMehr ist besserKohorte: vals-tax-eval-v2:2:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 LunaGPT-5.6 Luna: Keine weiteren Einstellungen ausgewiesen Grok 4.6: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-tax_eval_v2-2026-08-16-5bbd495dac53Abgerufen am 16.08.2026 |
| Terminal-Bench 2.1Overall | 79,026 %Gewinner | 78,277 % | 2.1accuracyMehr ist besserKohorte: vals-terminal-bench-2-1:2.1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 LunaGPT-5.6 Luna: Keine weiteren Einstellungen ausgewiesen Grok 4.6: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 13.08.2026Import-ID: vals-terminal-bench-2-1-2026-08-16-b3f38c18bea4Abgerufen am 16.08.2026 |
| Vals IndexOverall | 59,881 %Gewinner | 59,167 % | 2weighted index scoreMehr ist besserKohorte: vals-vals-index:2:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 LunaGPT-5.6 Luna: Keine weiteren Einstellungen ausgewiesen Grok 4.6: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 14.08.2026Import-ID: vals-vals_index-2026-08-16-ab641d89d6edAbgerufen am 16.08.2026 |
| Vibe Code Bench v1.1Overall | 77,055 %Gewinner | 76,239 % | 1.1accuracyMehr ist besserKohorte: vals-vibe-code-bench:1.1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 LunaGPT-5.6 Luna: Harness: OpenHands Grok 4.6: Harness: OpenHands | Vals AITyp: Unabhängige EvaluationMessstand: 13.08.2026Import-ID: vals-vibe-code-2026-08-16-a73c9770bcc4Abgerufen am 16.08.2026 |
| Arena Text, Style ControlBusiness, management and finance | 1.465,32 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±11,098Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.455,102 Arena-Punkte 95-%-Konfidenzintervall: ±27,332Der 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_operationsTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Luna: Snapshot: gpt-5.6-luna-xhigh, Reasoning: xhigh, Harness: Arena text, style control Grok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style controlGPT-5.6 Luna: Stilbereinigte Arena-Bewertung aus 3.171 anonymen Paarvergleichen.Grok 4.6: Stilbereinigte Arena-Bewertung aus 442 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlChinese | 1.485,14 Arena-Punkte 95-%-Konfidenzintervall: ±18,537Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.535,167 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±39,462Der 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:chineseTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Luna: Snapshot: gpt-5.6-luna-xhigh, Reasoning: xhigh, Harness: Arena text, style control Grok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style controlGPT-5.6 Luna: Stilbereinigte Arena-Bewertung aus 1.179 anonymen Paarvergleichen.Grok 4.6: Stilbereinigte Arena-Bewertung aus 215 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlCoding | 1.498,496 Arena-Punkte 95-%-Konfidenzintervall: ±9,171Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.511,77 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±26,72Der 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:codingTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Luna: Snapshot: gpt-5.6-luna-xhigh, Reasoning: xhigh, Harness: Arena text, style control Grok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style controlGPT-5.6 Luna: Stilbereinigte Arena-Bewertung aus 4.743 anonymen Paarvergleichen.Grok 4.6: Stilbereinigte Arena-Bewertung aus 485 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlCreative writing | 1.413,67 Arena-Punkte 95-%-Konfidenzintervall: ±11,521Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.472,894 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±31,578Der 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:creative_writingTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Luna: Snapshot: gpt-5.6-luna-xhigh, Reasoning: xhigh, Harness: Arena text, style control Grok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style controlGPT-5.6 Luna: Stilbereinigte Arena-Bewertung aus 3.074 anonymen Paarvergleichen.Grok 4.6: Stilbereinigte Arena-Bewertung aus 379 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlEnglish | 1.467,903 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±7,784Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.459,266 Arena-Punkte 95-%-Konfidenzintervall: ±18,461Der 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:englishTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Luna: Snapshot: gpt-5.6-luna-xhigh, Reasoning: xhigh, Harness: Arena text, style control Grok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style controlGPT-5.6 Luna: Stilbereinigte Arena-Bewertung aus 6.691 anonymen Paarvergleichen.Grok 4.6: Stilbereinigte Arena-Bewertung aus 998 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlEntertainment, sports and media | 1.425,084 Arena-Punkte 95-%-Konfidenzintervall: ±10,093Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.455,476 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±28,81Der 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_entertainment_and_sports_and_mediaTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Luna: Snapshot: gpt-5.6-luna-xhigh, Reasoning: xhigh, Harness: Arena text, style control Grok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style controlGPT-5.6 Luna: Stilbereinigte Arena-Bewertung aus 4.027 anonymen Paarvergleichen.Grok 4.6: Stilbereinigte Arena-Bewertung aus 448 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlExcluding ties | 1.453,512 Arena-Punkte 95-%-Konfidenzintervall: ±7,354Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.469,633 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±16,492Der 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:exclude_tiesTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Luna: Snapshot: gpt-5.6-luna-xhigh, Reasoning: xhigh, Harness: Arena text, style control Grok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style controlGPT-5.6 Luna: Stilbereinigte Arena-Bewertung aus 12.388 anonymen Paarvergleichen.Grok 4.6: Stilbereinigte Arena-Bewertung aus 1.782 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlExpert prompts | 1.485,913 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±14,333Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.479,969 Arena-Punkte 95-%-Konfidenzintervall: ±34,191Der 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:expertTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Luna: Snapshot: gpt-5.6-luna-xhigh, Reasoning: xhigh, Harness: Arena text, style control Grok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style controlGPT-5.6 Luna: Stilbereinigte Arena-Bewertung aus 1.786 anonymen Paarvergleichen.Grok 4.6: Stilbereinigte Arena-Bewertung aus 272 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlHard prompts | 1.470,97 Arena-Punkte 95-%-Konfidenzintervall: ±6,62Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.488,551 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±15,88Der 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:hard_promptsTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Luna: Snapshot: gpt-5.6-luna-xhigh, Reasoning: xhigh, Harness: Arena text, style control Grok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style controlGPT-5.6 Luna: Stilbereinigte Arena-Bewertung aus 11.043 anonymen Paarvergleichen.Grok 4.6: Stilbereinigte Arena-Bewertung aus 1.397 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlHard prompts, English | 1.486,256 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±9,271Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.472,181 Arena-Punkte 95-%-Konfidenzintervall: ±25,031Der 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:hard_prompts_englishTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Luna: Snapshot: gpt-5.6-luna-xhigh, Reasoning: xhigh, Harness: Arena text, style control Grok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style controlGPT-5.6 Luna: Stilbereinigte Arena-Bewertung aus 4.500 anonymen Paarvergleichen.Grok 4.6: Stilbereinigte Arena-Bewertung aus 543 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlInstruction following | 1.442,032 Arena-Punkte 95-%-Konfidenzintervall: ±8,307Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.460,755 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±21,635Der 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:instruction_followingTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Luna: Snapshot: gpt-5.6-luna-xhigh, Reasoning: xhigh, Harness: Arena text, style control Grok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style controlGPT-5.6 Luna: Stilbereinigte Arena-Bewertung aus 5.883 anonymen Paarvergleichen.Grok 4.6: Stilbereinigte Arena-Bewertung aus 732 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlLife, physical and social science | 1.454,714 Arena-Punkte 95-%-Konfidenzintervall: ±11,91Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.497,908 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±31,96Der 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_life_and_physical_and_social_scienceTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Luna: Snapshot: gpt-5.6-luna-xhigh, Reasoning: xhigh, Harness: Arena text, style control Grok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style controlGPT-5.6 Luna: Stilbereinigte Arena-Bewertung aus 2.634 anonymen Paarvergleichen.Grok 4.6: Stilbereinigte Arena-Bewertung aus 335 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlLonger queries | 1.450,194 Arena-Punkte 95-%-Konfidenzintervall: ±7,794Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.485,451 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±18,11Der 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:longer_queryTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Luna: Snapshot: gpt-5.6-luna-xhigh, Reasoning: xhigh, Harness: Arena text, style control Grok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style controlGPT-5.6 Luna: Stilbereinigte Arena-Bewertung aus 7.739 anonymen Paarvergleichen.Grok 4.6: Stilbereinigte Arena-Bewertung aus 1.103 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlMulti-turn | 1.455,655 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±11,753Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.444,26 Arena-Punkte 95-%-Konfidenzintervall: ±31,774Der 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:multi_turnTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Luna: Snapshot: gpt-5.6-luna-xhigh, Reasoning: xhigh, Harness: Arena text, style control Grok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style controlGPT-5.6 Luna: Stilbereinigte Arena-Bewertung aus 2.815 anonymen Paarvergleichen.Grok 4.6: Stilbereinigte Arena-Bewertung aus 352 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlNon-English | 1.433,062 Arena-Punkte 95-%-Konfidenzintervall: ±6,88Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.461,99 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±15,246Der 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:non_englishTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Luna: Snapshot: gpt-5.6-luna-xhigh, Reasoning: xhigh, Harness: Arena text, style control Grok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style controlGPT-5.6 Luna: Stilbereinigte Arena-Bewertung aus 9.725 anonymen Paarvergleichen.Grok 4.6: Stilbereinigte Arena-Bewertung aus 1.450 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlRussian | 1.449,175 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±14,826Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.446,737 Arena-Punkte 95-%-Konfidenzintervall: ±34,404Der 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:russianTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Luna: Snapshot: gpt-5.6-luna-xhigh, Reasoning: xhigh, Harness: Arena text, style control Grok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style controlGPT-5.6 Luna: Stilbereinigte Arena-Bewertung aus 1.654 anonymen Paarvergleichen.Grok 4.6: Stilbereinigte Arena-Bewertung aus 275 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlSoftware and IT services | 1.490,948 Arena-Punkte 95-%-Konfidenzintervall: ±7,94Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.511,885 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±20,78Der 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_software_and_it_servicesTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Luna: Snapshot: gpt-5.6-luna-xhigh, Reasoning: xhigh, Harness: Arena text, style control Grok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style controlGPT-5.6 Luna: Stilbereinigte Arena-Bewertung aus 6.687 anonymen Paarvergleichen.Grok 4.6: Stilbereinigte Arena-Bewertung aus 805 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Arena Text, Style ControlWriting, literature and language | 1.439,47 Arena-Punkte 95-%-Konfidenzintervall: ±9,762Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.455,393 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±25,717Der 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_writing_and_literature_and_languageTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Luna: Snapshot: gpt-5.6-luna-xhigh, Reasoning: xhigh, Harness: Arena text, style control Grok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style controlGPT-5.6 Luna: Stilbereinigte Arena-Bewertung aus 4.231 anonymen Paarvergleichen.Grok 4.6: Stilbereinigte Arena-Bewertung aus 543 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
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-5.6 Luna und Grok 4.6 mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.
Zum vollständigen LLM-Vergleich