Direktvergleich
GPT-5.6 Sol vs. GPT-5.6 Luna
Veröffentlichte Benchmarkwerte aus derselben Version und Vergleichskohorte, API-Preise und technische Eckdaten. Unterschiedliche Testeinstellungen werden sichtbar ausgewiesen.
216
gemeinsame Messreihen
30
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 Sol | GPT-5.6 Luna |
|---|---|---|
| Anbieter | OpenAI | OpenAI |
| Erschienen | 26. Juni 2026 | 26. Juni 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 | 16. Februar 2026 | 16. Februar 2026 |
| Technische Quellen | Modell, Kontext, Wissensstand | Modell, Kontext, Wissensstand |
| API-Preise pro 1 Mio. Token | ||
| API-Eingabe | 5 $ ≤272K / 10 $ >272K | 0,2 $ ≤272K / 0,4 $ >272K |
| API-Ausgabe | 30 $ ≤272K / 45 $ >272K | 1,2 $ ≤272K / 1,8 $ >272K |
| Cache lesen | 0,5 $ ≤272K / 1 $ >272K | 0,02 $ ≤272K / 0,04 $ >272K |
| Cache schreiben (5 Min.) | 6,25 $ ≤272K / 12,5 $ >272K | 0,25 $ ≤272K / 0,5 $ >272K |
| Cache schreiben (1 Std.) | Nicht ausgewiesen | Nicht ausgewiesen |
| Preis geprüft | 11.08.2026Quelle | 11.08.2026Quelle |
GPT-5.6 SolGPT-5.6 Luna
API-EingabeUSD pro 1 Mio. Token, Basistarif
GPT-5.6 Sol5 $
GPT-5.6 Luna0,2 $Günstiger
API-AusgabeUSD pro 1 Mio. Token, Basistarif
GPT-5.6 Sol30 $
GPT-5.6 Luna1,2 $Günstiger
Cache lesenUSD pro 1 Mio. Token, Basistarif
GPT-5.6 Sol0,5 $
GPT-5.6 Luna0,02 $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.
216 gemeinsame Messreihen
GPT-5.6 SolGPT-5.6 Luna
ARC-AGI-2Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol85,4 %Gewinner
GPT-5.6 Luna29,3 %
ARC-AGI-3RHAE overall score. Mehr ist besser. Testaufbau nicht identisch dokumentiert
GPT-5.6 Sol2,15 %Höherer Messwert
GPT-5.6 Luna0,18 %
Arena Text, Style ControlOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol1.480,992 Arena-PunkteGewinner
GPT-5.6 Luna1.450,561 Arena-Punkte
BrowseCompOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol90,4 %Gewinner
GPT-5.6 Luna83,3 %
Code MigrationOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol52,916 %Gewinner
GPT-5.6 Luna44,55 %
CorpFin v2Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol64,375 %Gewinner
GPT-5.6 Luna64,219 %
CyberBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol88,136 %Gewinner
GPT-5.6 Luna83,898 %
EMBOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol72,339 %Gewinner
GPT-5.6 Luna67,116 %
Finance Agent (v2)Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol53,756 %
GPT-5.6 Luna55,044 %Gewinner
GPQA DiamondOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol95,202 %Gewinner
GPT-5.6 Luna91,666 %
Harvey's Legal Agent BenchmarkOverall · Task fully resolved. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol2,5 %Gewinner
GPT-5.6 Luna1,25 %
IOIOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol86,667 %Gewinner
GPT-5.6 Luna72,917 %
| Benchmark und Aufgabe | GPT-5.6 Sol | GPT-5.6 Luna | Vergleichbarkeit | Quelle |
|---|---|---|---|---|
| ARC-AGI-2OverallReasoning: high | 85,4 %Gewinner | 29,3 % | 2exact task accuracyMehr ist besserKohorte: arc-agi-2-gpt-5-6-reasoning-sweepKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Reasoning: high, Versuche: two exact output guesses per task GPT-5.6 Luna: Reasoning: high, Versuche: two exact output guesses per taskDerselbe verifizierte Test mit fünf Reasoning-Stufen je Modell. | ARC PrizeTyp: Offizielles Benchmark-LeaderboardMessstand: 09.07.2026Import-ID: curated-arc-prize-2026-08-02-7a96b42a4263 / curated-arc-prize-2026-08-02-ef39cd78907eAbgerufen am 02.08.2026 |
| ARC-AGI-3RHAE overall score | 2,15 %Höherer Messwert | 0,18 % | ARC-AGI-3 2026 verifiedRHAE scoreMehr ist besserKohorte: arc-agi-3-semi-private-verified-official-harnessTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: high, Agent: ARC Prize official harness, Harness: ARC Prize official harness GPT-5.6 Luna: Reasoning: max, Agent: ARC Prize official harness, Harness: ARC Prize official harnessOffizieller ARC-Prize-Harness auf unbekannten interaktiven Umgebungen. Reasoning-Stufen bleiben getrennt. | ARC PrizeTyp: Offizielles Benchmark-LeaderboardImport-ID: curated-arc-prize-2026-08-06-7f3603da855a / curated-arc-prize-2026-08-06-7d499fffd2c4Abgerufen am 06.08.2026 |
| Arena Text, Style ControlOverallReasoning: xhigh | 1.480,992 Arena-PunkteGewinner 95-%-Konfidenzintervall: ±5,733Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 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. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Snapshot: gpt-5.6-sol-xhigh, Reasoning: xhigh, Harness: Arena text, style control GPT-5.6 Luna: Snapshot: gpt-5.6-luna-xhigh, Reasoning: xhigh, Harness: Arena text, style controlGPT-5.6 Sol: Stilbereinigte Arena-Bewertung aus 15.450 anonymen Paarvergleichen.GPT-5.6 Luna: Stilbereinigte Arena-Bewertung aus 16.419 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| BrowseCompOverall | 90,4 %Gewinner Redaktionelle Auswahl aus der Hersteller-Tabelle, kein vollständiger Auszug der Vergleichsgruppe. | 83,3 % Redaktionelle Auswahl aus der Hersteller-Tabelle, kein vollständiger Auszug der Vergleichsgruppe. | 1,266 tasksaccuracyMehr ist besserKohorte: browsecomp-openai-gpt-5-6-tableKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Luna: Keine weiteren Einstellungen ausgewiesenHerstellerübergreifende Vergleichstabelle mit Browser-Werkzeugen. Die genauen Agentensysteme unterscheiden sich. | OpenAITyp: AnbieterangabeMessstand: 09.07.2026Import-ID: curated-openai-2026-08-02-3d2469516088 / curated-openai-2026-08-02-65d8d2d5bbb4Abgerufen am 02.08.2026 |
| Code MigrationOverall | 52,916 %Gewinner | 44,55 % | 1accuracyMehr ist besserKohorte: vals-code-migration:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Luna: 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 | 64,375 %Gewinner | 64,219 % | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Luna: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-corp_fin_v2-2026-08-16-45bbf84f57abAbgerufen am 16.08.2026 |
| CyberBenchOverall | 88,136 %Gewinner | 83,898 % | 1accuracyMehr ist besserKohorte: vals-cyberbench:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Luna: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 03.08.2026Import-ID: vals-cyber-2026-08-16-702acaee9aa9Abgerufen am 16.08.2026 |
| EMBOverall | 72,339 %Gewinner | 67,116 % | 1accuracyMehr ist besserKohorte: vals-emb:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Luna: 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 | 53,756 % | 55,044 %Gewinner | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 LunaGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Luna: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 14.08.2026Import-ID: vals-fabv2-2026-08-16-8853da43085dAbgerufen am 16.08.2026 |
| GPQA DiamondOverall | 95,202 %Gewinner | 91,666 % | 1accuracyMehr ist besserKohorte: vals-gpqa:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Luna: 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 | 2,5 %Gewinner | 1,25 % | 1task resolution rateMehr ist besserKohorte: vals-legal-agent-benchmark:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Luna: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 14.08.2026Import-ID: vals-hlab-2026-08-16-bae90566df2fAbgerufen am 16.08.2026 |
| IOIOverall | 86,667 %Gewinner | 72,917 % | 1accuracyMehr ist besserKohorte: vals-ioi:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Luna: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-ioi-2026-08-16-d9164ef483aaAbgerufen am 16.08.2026 |
| Legal Research BenchOverall · All-pass | 48,077 %Gewinner | 36,538 % | 1all-pass rateMehr ist besserKohorte: vals-legal-research:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Luna: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 14.08.2026Import-ID: vals-legal_research-2026-08-16-af296c00ecaaAbgerufen am 16.08.2026 |
| LegalBenchOverall | 86,965 %Gewinner | 84,034 % | 1accuracyMehr ist besserKohorte: vals-legal-bench:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Luna: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-legal_bench-2026-08-16-d5b3b1b2b5c8Abgerufen am 16.08.2026 |
| MedCodeOverall | 43,974 %Gewinner | 42,391 % | 1accuracyMehr ist besserKohorte: vals-medcode:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Luna: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-medcode-2026-08-16-524f7f474eacAbgerufen am 16.08.2026 |
| MedScribeOverall | 85,233 %Gewinner | 84,391 % | 1accuracyMehr ist besserKohorte: vals-medscribe:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Luna: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-medscribe-2026-08-16-c385354a7e62Abgerufen am 16.08.2026 |
| MMLU-ProOverall | 89,1 %Gewinner | 86,036 % | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Luna: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-mmlu_pro-2026-08-16-e14d5bb3a34cAbgerufen am 16.08.2026 |
| MMMU-ProOverall | 88,844 %Gewinner | 85,029 % | 1accuracyMehr ist besserKohorte: vals-mmmu:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Luna: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mmmu-2026-08-16-37c9a8c7e21fAbgerufen am 16.08.2026 |
| MortgageTaxOverall | 67,289 % | 67,29 %Gewinner | 1accuracyMehr ist besserKohorte: vals-mortgage-tax:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 LunaGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Luna: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-mortgage_tax-2026-08-16-e78c985dbb1cAbgerufen am 16.08.2026 |
| ProgramBenchOverall | 1,5 %Gewinner | 0 % | 1accuracyMehr ist besserKohorte: vals-programbench:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Luna: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 13.08.2026Import-ID: vals-programbench-2026-08-16-08d9727662ddAbgerufen am 16.08.2026 |
| ProofBenchOverall | 83 %Gewinner | 60 % | 1.1accuracyMehr ist besserKohorte: vals-proof-bench:1.1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Luna: 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 | 66,509 %Gewinner | 61,164 % | 1.1accuracyMehr ist besserKohorte: vals-snap:1.1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Luna: 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 | 52,563 %Gewinner | 44,22 % | 1accuracyMehr ist besserKohorte: vals-sage:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Luna: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-sage-2026-08-16-a416dd25affbAbgerufen am 16.08.2026 |
| SkillsBenchOverall | 54,1 % | 60,447 %Gewinner | 1accuracyMehr ist besserKohorte: vals-skillsbench:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 LunaGPT-5.6 Sol: Harness: OpenHands GPT-5.6 Luna: Harness: OpenHands | Vals AITyp: Unabhängige EvaluationMessstand: 13.08.2026Import-ID: vals-skillsbench-2026-08-16-4917a67268d2Abgerufen am 16.08.2026 |
| SWE-bench VerifiedOverall | 96,2 %Gewinner | 93 % | 1accuracyMehr ist besserKohorte: vals-swebench:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Luna: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-swebench-2026-08-16-c133071b8167Abgerufen am 16.08.2026 |
| TaxEval v2Overall | 74,775 % | 76,166 %Gewinner | 2accuracyMehr ist besserKohorte: vals-tax-eval-v2:2:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 LunaGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Luna: 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 | 85,77 %Gewinner | 79,03 % | 2.1pass@1Mehr ist besserKohorte: vals-terminal-bench-2-1-terminus2-2026-08-01Kein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Agent: Terminus 2, Harness: Terminus 2, Versuche: pass@1 GPT-5.6 Luna: Agent: Terminus 2, Harness: Terminus 2, Versuche: pass@1Konstanter Terminus-2-Agent, 89 Aufgaben, Daytona-Umgebungen und gemeinsames Zeitlimit. | Vals AITyp: Unabhängige EvaluationMessstand: 01.08.2026Import-ID: curated-vals-ai-2026-08-02-db4549f6f7c5 / curated-vals-ai-2026-08-02-e60413c2fc2eAbgerufen am 02.08.2026 |
| Vals IndexOverall | 63,709 %Gewinner | 59,881 % | 2weighted index scoreMehr ist besserKohorte: vals-vals-index:2:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Luna: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 14.08.2026Import-ID: vals-vals_index-2026-08-16-ab641d89d6edAbgerufen am 16.08.2026 |
| Vals Multimodal IndexOverall | 72,64 %Gewinner | 69,058 % | 1.2weighted index scoreMehr ist besserKohorte: vals-vals-multimodal-index:1.2:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Luna: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 11.08.2026Import-ID: vals-vals_multimodal_index-2026-08-16-9f3ebb221408Abgerufen am 16.08.2026 |
| Vibe Code Bench v1.1Overall | 80,495 %Gewinner | 77,055 % | 1.1accuracyMehr ist besserKohorte: vals-vibe-code-bench:1.1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Harness: OpenHands GPT-5.6 Luna: Harness: OpenHands | Vals AITyp: Unabhängige EvaluationMessstand: 13.08.2026Import-ID: vals-vibe-code-2026-08-16-a73c9770bcc4Abgerufen am 16.08.2026 |
| ARC-AGI-2OverallReasoning: low | 42,5 %Gewinner | 5,1 % | 2exact task accuracyMehr ist besserKohorte: arc-agi-2-gpt-5-6-reasoning-sweepKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Reasoning: low, Versuche: two exact output guesses per task GPT-5.6 Luna: Reasoning: low, Versuche: two exact output guesses per taskDerselbe verifizierte Test mit fünf Reasoning-Stufen je Modell. | ARC PrizeTyp: Offizielles Benchmark-LeaderboardMessstand: 09.07.2026Import-ID: curated-arc-prize-2026-08-02-2c0171f05988 / curated-arc-prize-2026-08-02-3562cfe47bf2Abgerufen am 02.08.2026 |
| ARC-AGI-3RHAE overall score | 0,33 %Höherer Messwert | 0,18 % | ARC-AGI-3 2026 verifiedRHAE scoreMehr ist besserKohorte: arc-agi-3-semi-private-verified-official-harnessTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: low, Agent: ARC Prize official harness, Harness: ARC Prize official harness GPT-5.6 Luna: Reasoning: max, Agent: ARC Prize official harness, Harness: ARC Prize official harnessOffizieller ARC-Prize-Harness auf unbekannten interaktiven Umgebungen. Reasoning-Stufen bleiben getrennt. | ARC PrizeTyp: Offizielles Benchmark-LeaderboardImport-ID: curated-arc-prize-2026-08-06-691198a6be3b / curated-arc-prize-2026-08-06-7d499fffd2c4Abgerufen am 06.08.2026 |
| Arena Text, Style ControlBusiness, management and financeReasoning: xhigh | 1.482,723 Arena-PunkteKein klarer Vorsprung 95-%-Konfidenzintervall: ±11,356Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.465,32 Arena-Punkte 95-%-Konfidenzintervall: ±11,098Der 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-5.6 Sol: Snapshot: gpt-5.6-sol-xhigh, Reasoning: xhigh, Harness: Arena text, style control GPT-5.6 Luna: Snapshot: gpt-5.6-luna-xhigh, Reasoning: xhigh, Harness: Arena text, style controlGPT-5.6 Sol: Stilbereinigte Arena-Bewertung aus 3.027 anonymen Paarvergleichen.GPT-5.6 Luna: Stilbereinigte Arena-Bewertung aus 3.171 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| BrowseCompOverall | 92,2 %Höherer Messwert Redaktionelle Auswahl aus der Hersteller-Tabelle, kein vollständiger Auszug der Vergleichsgruppe. | 83,3 % Redaktionelle Auswahl aus der Hersteller-Tabelle, kein vollständiger Auszug der Vergleichsgruppe. | 1,266 tasksaccuracyMehr ist besserKohorte: browsecomp-openai-gpt-5-6-tableTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: ultra GPT-5.6 Luna: Keine weiteren Einstellungen ausgewiesenHerstellerübergreifende Vergleichstabelle mit Browser-Werkzeugen. Die genauen Agentensysteme unterscheiden sich. | OpenAITyp: AnbieterangabeMessstand: 09.07.2026Import-ID: curated-openai-2026-08-02-aa55a6a6c756 / curated-openai-2026-08-02-65d8d2d5bbb4Abgerufen am 02.08.2026 |
| Code MigrationCLIReasoning: max | 47,221 %Gewinner | 36,067 % | 1accuracyMehr ist besserKohorte: vals-code-migration:1:cliKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, 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: max | 61,538 % | 63,52 %Gewinner | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:exact_pagesKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 LunaGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, 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 | 83,051 %Gewinner | 79,661 % | 1accuracyMehr ist besserKohorte: vals-cyberbench:1:patchKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Luna: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 03.08.2026Import-ID: vals-cyber-2026-08-11-1f20498a3dc1Abgerufen am 11.08.2026 |
| EMBCompsReasoning: max | 71,309 %Gewinner | 54,573 % | 1accuracyMehr ist besserKohorte: vals-emb:1:compsKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-emb-2026-08-11-e3c855e236e4Abgerufen am 11.08.2026 |
| Finance Agent (v2)AdjustmentsReasoning: max | 49,233 % | 52,027 %Gewinner | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:adjustmentsKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 LunaGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-fabv2-2026-08-11-3e5c93a1857cAbgerufen am 11.08.2026 |
| GPQA DiamondFew-Shot CoTReasoning: max | 94,949 %Gewinner | 92,424 % | 1accuracyMehr ist besserKohorte: vals-gpqa:1:diamond_few_shot_cotKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, 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: max | 78,623 % | 85,145 %Gewinner | 1criteria pass rateMehr ist besserKohorte: vals-legal-agent-benchmark:1:criteria_pass_rate__antitrust_competitionKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 LunaGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 07.08.2026Import-ID: vals-hlab-2026-08-11-ea11b6e53414Abgerufen am 11.08.2026 |
| IOIIOI 2024Reasoning: max | 85 %Gewinner | 78 % | 1accuracyMehr ist besserKohorte: vals-ioi:1:ioi2024Kein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-ioi-2026-08-11-2dfe8b4b8b7bAbgerufen am 11.08.2026 |
| Legal Research BenchAdministrative / Regulatory · All-passReasoning: max | 60,606 %Gewinner | 48,485 % | 1all-pass rateMehr ist besserKohorte: vals-legal-research:1:administrative_regulatoryKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-legal_research-2026-08-11-326cf7aaca58Abgerufen am 11.08.2026 |
| LegalBenchConclusion TasksReasoning: max | 90,492 %Gewinner | 88,864 % | 1accuracyMehr ist besserKohorte: vals-legal-bench:1:conclusion_tasksKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-legal_bench-2026-08-11-836e5e44618eAbgerufen am 11.08.2026 |
| MMLU-ProBiologyReasoning: max | 94,561 %Gewinner | 93,305 % | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:biologyKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, 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: max | 75,119 % | 75,596 %Gewinner | 1accuracyMehr ist besserKohorte: vals-mortgage-tax:1:numerical_extractionKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 LunaGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, 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: max | 23 %Gewinner | 9 % | 1accuracyMehr ist besserKohorte: vals-programbench:1:almostKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-programbench-2026-08-11-b6f8959fbdfeAbgerufen am 11.08.2026 |
| SAGEAutomataReasoning: max | 39,682 %Gewinner | 31,35 % | 1accuracyMehr ist besserKohorte: vals-sage:1:automataKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 30.000 tokens GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 30.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-sage-2026-08-11-f1f79f6d8af3Abgerufen am 11.08.2026 |
| SkillsBenchNo SkillsReasoning: max | 43,312 % | 45,189 %Gewinner | 1accuracyMehr ist besserKohorte: vals-skillsbench:1:no_skillsKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 LunaGPT-5.6 Sol: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, 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: max | 97,423 %Gewinner | 96,392 % | 1accuracyMehr ist besserKohorte: vals-swebench:1:<15 min fixKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 08.08.2026Import-ID: vals-swebench-2026-08-11-a6212cd857d8Abgerufen am 11.08.2026 |
| TaxEval v2CorrectnessReasoning: max | 65,004 % | 66,558 %Gewinner | 2accuracyMehr ist besserKohorte: vals-tax-eval-v2:2:correctnessKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 LunaGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, 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 2.1Overall | 85,768 %Gewinner | 79,026 % | 2.1accuracyMehr ist besserKohorte: vals-terminal-bench-2-1:2.1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Luna: 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 IndexCorpFin v2Reasoning: max | 66,434 %Gewinner | 65,035 % | 1.2benchmark scoreMehr ist besserKohorte: vals-vals-index:1.2:corp_fin_v2Kein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-vals_index-2026-08-11-e79d08d59249Abgerufen am 11.08.2026 |
| Vals Multimodal IndexCorpFin v2Reasoning: max | 66,434 %Gewinner | 65,035 % | 1.2benchmark scoreMehr ist besserKohorte: vals-vals-multimodal-index:1.2:corp_fin_v2Kein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-vals_multimodal_index-2026-08-11-fa704862df19Abgerufen am 11.08.2026 |
| ARC-AGI-2OverallReasoning: max | 92,5 %Gewinner | 59,5 % | 2exact task accuracyMehr ist besserKohorte: arc-agi-2-gpt-5-6-reasoning-sweepKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Reasoning: max, Versuche: two exact output guesses per task GPT-5.6 Luna: Reasoning: max, Versuche: two exact output guesses per taskDerselbe verifizierte Test mit fünf Reasoning-Stufen je Modell. | ARC PrizeTyp: Offizielles Benchmark-LeaderboardMessstand: 09.07.2026Import-ID: curated-arc-prize-2026-08-02-87b816b07dd2 / curated-arc-prize-2026-08-02-2b878d9a7edfAbgerufen am 02.08.2026 |
| ARC-AGI-3RHAE overall scoreReasoning: max | 7,78 %Gewinner | 0,18 % | ARC-AGI-3 2026 verifiedRHAE scoreMehr ist besserKohorte: arc-agi-3-semi-private-verified-official-harnessKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Reasoning: max, Agent: ARC Prize official harness, Harness: ARC Prize official harness GPT-5.6 Luna: Reasoning: max, Agent: ARC Prize official harness, Harness: ARC Prize official harnessOffizieller ARC-Prize-Harness auf unbekannten interaktiven Umgebungen. Reasoning-Stufen bleiben getrennt. | ARC PrizeTyp: Offizielles Benchmark-LeaderboardImport-ID: curated-arc-prize-2026-08-06-9ebb2edeedb6 / curated-arc-prize-2026-08-06-7d499fffd2c4Abgerufen am 06.08.2026 |
| Arena Text, Style ControlChineseReasoning: xhigh | 1.542,002 Arena-PunkteGewinner 95-%-Konfidenzintervall: ±19,125Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 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. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:chineseKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Snapshot: gpt-5.6-sol-xhigh, Reasoning: xhigh, Harness: Arena text, style control GPT-5.6 Luna: Snapshot: gpt-5.6-luna-xhigh, Reasoning: xhigh, Harness: Arena text, style controlGPT-5.6 Sol: Stilbereinigte Arena-Bewertung aus 1.063 anonymen Paarvergleichen.GPT-5.6 Luna: Stilbereinigte Arena-Bewertung aus 1.179 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Code MigrationCOBOLReasoning: max | 70 %Gleichstand | 70 %Gleichstand | 1accuracyMehr ist besserKohorte: vals-code-migration:1:cobolKein dokumentierter Setup-UnterschiedGleichstandGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, 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: max | 65,152 %Gewinner | 64,103 % | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:max_fitting_contextKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, 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 | 93,22 %Gewinner | 88,136 % | 1accuracyMehr ist besserKohorte: vals-cyberbench:1:pocKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Luna: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 03.08.2026Import-ID: vals-cyber-2026-08-11-1f20498a3dc1Abgerufen am 11.08.2026 |
| EMBDataroomReasoning: max | 85,243 %Gewinner | 83,009 % | 1accuracyMehr ist besserKohorte: vals-emb:1:dataroomKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-emb-2026-08-11-e3c855e236e4Abgerufen am 11.08.2026 |
| Finance Agent (v2)All-PassReasoning: max | 41,362 % | 43,285 %Gewinner | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:all_passKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 LunaGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-fabv2-2026-08-11-3e5c93a1857cAbgerufen am 11.08.2026 |
| GPQA DiamondZero-Shot CoTReasoning: max | 95,455 %Gewinner | 90,909 % | 1accuracyMehr ist besserKohorte: vals-gpqa:1:diamond_zero_shot_cotKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, 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: max | 0 %Gleichstand | 0 %Gleichstand | 1task resolution rateMehr ist besserKohorte: vals-legal-agent-benchmark:1:antitrust_competitionKein dokumentierter Setup-UnterschiedGleichstandGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 07.08.2026Import-ID: vals-hlab-2026-08-11-ea11b6e53414Abgerufen am 11.08.2026 |
Die Tabelle zeigt 64 diversifizierte Messreihen aus insgesamt 216 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-5.6 Sol und GPT-5.6 Luna mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.
Zum vollständigen LLM-Vergleich