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.

gemeinsame Messreihen: 216
verschiedene Benchmarks: 31
jüngster Abruf: 04.09.2026

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-5.6 Sol und GPT-5.6 Luna
Merkmal	GPT-5.6 Sol	GPT-5.6 Luna
Anbieter	OpenAI	OpenAI
Erschienen	9. Juli 2026	9. Juli 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

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-5.6 Sol und GPT-5.6 Luna
Preisart	GPT-5.6 Sol	GPT-5.6 Luna
API-Eingabe	4 $ ≤272K / 8 $ >272K	0,2 $ ≤272K / 0,4 $ >272K
API-Ausgabe	20 $ ≤272K / 30 $ >272K	1,2 $ ≤272K / 1,8 $ >272K
Cache lesen	0,4 $ ≤272K / 0,8 $ >272K	0,02 $ ≤272K / 0,04 $ >272K
Cache schreiben (5 Min.)	5 $ ≤272K / 10 $ >272K	0,25 $ ≤272K / 0,5 $ >272K
Cache schreiben (1 Std.)	Nicht ausgewiesen	Nicht ausgewiesen
Preis geprüft	24.08.2026 Quelle	11.08.2026 Quelle

GPT-5.6 SolGPT-5.6 Luna

API-EingabeUSD pro 1 Mio. Token, Basistarif

GPT-5.6 Sol4 $

GPT-5.6 Luna0,2 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

GPT-5.6 Sol20 $

GPT-5.6 Luna1,2 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

GPT-5.6 Sol0,4 $

GPT-5.6 Luna0,02 $

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

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.

Anbieterpreise von GPT-5.6 Sol und GPT-5.6 Luna
Modell	Anbieter	Bezugsweg und Tarif	Eingabe pro 1 Mio. Token	Ausgabe pro 1 Mio. Token	Quelle
GPT-5.6 Sol	OpenAI	Direkt beim EntwicklerBis 272.000 Kontext-Token	4 $	20 $	Quelle24.08.2026
	OpenAI	Direkt beim EntwicklerÜber 272.000 Kontext-Token	8 $	30 $	Quelle24.08.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock/us-east-1	4,4 $	22 $	Quelle12.09.2026
	Azure	Über OpenRouterazure	5 $	30 $	Quelle12.09.2026
	Azure	Über OpenRouterazure/eu	5,5 $	33 $	Quelle12.09.2026
	Azure	Über OpenRouterazure/us	5,5 $	33 $	Quelle12.09.2026
	OpenAI	Über OpenRouteropenai	2 $	10 $	Quelle12.09.2026
	OpenAI	Über OpenRouteropenai/fast	4 $	20 $	Quelle12.09.2026
	OpenAI	Über OpenRouteropenai/flex	Günstigster erfasster Preis: 1 $	Günstigster erfasster Preis: 5 $	Quelle12.09.2026
GPT-5.6 Luna	OpenAI	Direkt beim EntwicklerBis 272.000 Kontext-Token	0,2 $	1,2 $	Quelle11.08.2026
	OpenAI	Direkt beim EntwicklerÜber 272.000 Kontext-Token	0,4 $	1,8 $	Quelle11.08.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock/us-east-1	0,22 $	1,32 $	Quelle12.09.2026
	Azure	Über OpenRouterazure	0,2 $	1,2 $	Quelle12.09.2026
	Azure	Über OpenRouterazure/eu	0,22 $	1,32 $	Quelle12.09.2026
	Azure	Über OpenRouterazure/us	0,22 $	1,32 $	Quelle12.09.2026
	OpenAI	Über OpenRouteropenai	0,2 $	1,2 $	Quelle12.09.2026
	OpenAI	Über OpenRouteropenai/fast	0,4 $	2,4 $	Quelle12.09.2026
	OpenAI	Über OpenRouteropenai/flex	Günstigster erfasster Preis: 0,1 $	Günstigster erfasster Preis: 0,6 $	Quelle12.09.2026

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.

GPT-5.6 Sol

GPT-5.6 Luna

Coding: 100 / 80,8 (6 Benchmarkfamilien)

Reasoning: 100 / 76,3 (3 Benchmarkfamilien)

Mathematik: 100 / 85,5 (2 Benchmarkfamilien)

Wissen: 100 / 96,8 (2 Benchmarkfamilien)

Finanzen: 98,8 / 98,1 (6 Benchmarkfamilien)

Recht: 99 / 94,7 (4 Benchmarkfamilien)

Agenten-Aufgaben: 97,2 / 64,4 (3 Benchmarkfamilien)

Multimodal: 100 / 95,7 (1 Benchmarkfamilie)

211 passende Messreihen aus 31 Benchmarkfamilien wurden berücksichtigt. Das Radar zeigt 8 von 15 vergleichbaren Kategorien.

GPT-5.6 SolGPT-5.6 Luna

ARC-AGI-2Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-5.6 Sol85,4 %

GPT-5.6 Luna29,3 %

ARC-AGI-3RHAE overall score. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-5.6 Sol2,15 %

GPT-5.6 Luna0,18 %

BioMysteryBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-5.6 Sol71,111 %

GPT-5.6 Luna61,481 %

BrowseCompOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-5.6 Sol90,4 %

GPT-5.6 Luna83,3 %

Code MigrationOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-5.6 Sol52,916 %

GPT-5.6 Luna44,55 %

CorpFin v2Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-5.6 Sol64,375 %

GPT-5.6 Luna64,219 %

CyberBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-5.6 Sol88,136 %

GPT-5.6 Luna83,898 %

EMBOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-5.6 Sol72,339 %

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 %

GPQA DiamondOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-5.6 Sol95,202 %

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 %

GPT-5.6 Luna1,25 %

IOIOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-5.6 Sol86,667 %

GPT-5.6 Luna72,917 %

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von GPT-5.6 Sol und GPT-5.6 Luna
Benchmark und Aufgabe	GPT-5.6 Sol	GPT-5.6 Luna	Quelle
ARC-AGI-2Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: exact task accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Versuche: two exact output guesses per taskDerselbe verifizierte Test mit fünf Reasoning-Stufen je Modell.	Gewinner85,4 %	29,3 %	ARC Prize Quellendetails Datenstand: 09.07.2026
ARC-AGI-3RHAE overall score Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: ARC-AGI-3 2026 verifiedMessgröße: RHAE scoreBewertung: Mehr ist besserGPT-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.	Höherer Messwert2,15 %	0,18 %	ARC Prize Quellendetails Datenstand: 26.08.2026
BioMysteryBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Harness: Terminus 2	Gewinner71,111 %	61,481 %	Vals AI Quellendetails Datenstand: 02.09.2026
BrowseCompOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1,266 tasksMessgröße: accuracyBewertung: Mehr ist besserHerstellerübergreifende Vergleichstabelle mit Browser-Werkzeugen. Die genauen Agentensysteme unterscheiden sich.	Gewinner90,4 % Redaktionelle Auswahl aus der Hersteller-Tabelle, kein vollständiger Auszug der Vergleichsgruppe.	83,3 % Redaktionelle Auswahl aus der Hersteller-Tabelle, kein vollständiger Auszug der Vergleichsgruppe.	OpenAI Quellendetails Datenstand: 09.07.2026
Code MigrationOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner52,916 %	44,55 %	Vals AI Quellendetails Datenstand: 03.09.2026
CorpFin v2Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser	Gewinner64,375 %	64,219 %	Vals AI Quellendetails Datenstand: 12.08.2026
CyberBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner88,136 %	83,898 %	Vals AI Quellendetails Datenstand: 01.09.2026
EMBOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner72,339 %	67,116 %	Vals AI Quellendetails Datenstand: 03.09.2026
Finance Agent (v2)Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser	53,756 %	Gewinner55,044 %	Vals AI Quellendetails Datenstand: 03.09.2026
GPQA DiamondOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner95,202 %	91,666 %	Vals AI Quellendetails Datenstand: 01.09.2026
Harvey's Legal Agent BenchmarkOverall · Task fully resolved Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besser	Gewinner2,5 %	1,25 %	Vals AI Quellendetails Datenstand: 03.09.2026
IOIOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner86,667 %	72,917 %	Vals AI Quellendetails Datenstand: 09.08.2026
Legal Research BenchOverall · All-pass Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besser	Gewinner48,077 %	36,538 %	Vals AI Quellendetails Datenstand: 03.09.2026
LegalBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner86,965 %	84,034 %	Vals AI Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGPT-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 23.153 anonymen Paarvergleichen.GPT-5.6 Luna: Stilbereinigte Arena-Bewertung aus 24.433 anonymen Paarvergleichen.	Gewinner1.482,868 95-%-Konfidenzintervall: ±5,12Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.452,364 95-%-Konfidenzintervall: ±5,03Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
MedCodeOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner43,974 %	42,391 %	Vals AI Quellendetails Datenstand: 03.09.2026
MedScribeOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner85,233 %	84,391 %	Vals AI Quellendetails Datenstand: 03.09.2026
MMLU-ProOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner89,1 %	86,036 %	Vals AI Quellendetails Datenstand: 01.09.2026
MMMU-ProOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner88,844 %	85,029 %	Vals AI Quellendetails Datenstand: 01.09.2026
MortgageTaxOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	67,289 %	Gewinner67,29 %	Vals AI Quellendetails Datenstand: 01.09.2026
ProgramBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner1,5 %	0 %	Vals AI Quellendetails Datenstand: 01.09.2026
ProofBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner83 %	60 %	Vals AI Quellendetails Datenstand: 01.09.2026
Public Benefits Bench v1.1Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner66,509 %	61,164 %	Vals AI Quellendetails Datenstand: 01.09.2026
SAGEOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner52,563 %	44,22 %	Vals AI Quellendetails Datenstand: 03.09.2026
SkillsBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Harness: OpenHands	54,1 %	Gewinner60,447 %	Vals AI Quellendetails Datenstand: 01.09.2026
SWE-bench VerifiedOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner96,2 %	93 %	Vals AI Quellendetails Datenstand: 01.09.2026
TaxEval v2Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser	74,775 %	Gewinner76,166 %	Vals AI Quellendetails Datenstand: 01.09.2026
Terminal-Bench 2.1Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner85,768 %	79,026 %	Vals AI Quellendetails Datenstand: 03.09.2026
Vals IndexOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: weighted index scoreBewertung: Mehr ist besser	Gewinner63,709 %	59,881 %	Vals AI Quellendetails Datenstand: 03.09.2026
Vals Multimodal IndexOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.2Messgröße: weighted index scoreBewertung: Mehr ist besser	Gewinner72,64 %	69,058 %	Vals AI Quellendetails Datenstand: 11.08.2026
Vibe Code Bench v1.1Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Harness: OpenHands	Gewinner80,495 %	77,055 %	Vals AI Quellendetails Datenstand: 03.09.2026
ARC-AGI-2Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: exact task accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: low, Versuche: two exact output guesses per taskDerselbe verifizierte Test mit fünf Reasoning-Stufen je Modell.	Gewinner42,5 %	5,1 %	ARC Prize Quellendetails Datenstand: 09.07.2026
ARC-AGI-3RHAE overall score Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: ARC-AGI-3 2026 verifiedMessgröße: RHAE scoreBewertung: Mehr ist besserGPT-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.	Höherer Messwert0,33 %	0,18 %	ARC Prize Quellendetails Datenstand: 26.08.2026
BrowseCompOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1,266 tasksMessgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Sol: Reasoning: ultraHerstellerübergreifende Vergleichstabelle mit Browser-Werkzeugen. Die genauen Agentensysteme unterscheiden sich.	Höherer Messwert92,2 % Redaktionelle Auswahl aus der Hersteller-Tabelle, kein vollständiger Auszug der Vergleichsgruppe.	83,3 % Redaktionelle Auswahl aus der Hersteller-Tabelle, kein vollständiger Auszug der Vergleichsgruppe.	OpenAI Quellendetails Datenstand: 09.07.2026
Code MigrationCLI Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	Gewinner47,221 %	36,067 %	Vals AI Quellendetails Datenstand: 09.08.2026
CorpFin v2Exact Pages Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	61,538 %	Gewinner63,52 %	Vals AI Quellendetails Datenstand: 06.08.2026
CyberBenchPatch Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner83,051 %	79,661 %	Vals AI Quellendetails Datenstand: 03.08.2026
EMBComps Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	Gewinner71,309 %	54,573 %	Vals AI Quellendetails Datenstand: 06.08.2026
Finance Agent (v2)Adjustments Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	49,233 %	Gewinner52,027 %	Vals AI Quellendetails Datenstand: 06.08.2026
GPQA DiamondFew-Shot CoT Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	Gewinner94,949 %	92,424 %	Vals AI Quellendetails Datenstand: 09.08.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Criteria passed Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: criteria pass rateBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	78,623 %	Gewinner85,145 %	Vals AI Quellendetails Datenstand: 07.08.2026
IOIIOI 2024 Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	Gewinner85 %	78 %	Vals AI Quellendetails Datenstand: 09.08.2026
Legal Research BenchAdministrative / Regulatory · All-pass Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	Gewinner60,606 %	48,485 %	Vals AI Quellendetails Datenstand: 06.08.2026
LegalBenchConclusion Tasks Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	Gewinner90,492 %	88,864 %	Vals AI Quellendetails Datenstand: 09.08.2026
LMArena Text, Style ControlBusiness, management and finance Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGPT-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 4.509 anonymen Paarvergleichen.GPT-5.6 Luna: Stilbereinigte Arena-Bewertung aus 4.691 anonymen Paarvergleichen.	Gewinner1.490,042 95-%-Konfidenzintervall: ±9,485Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.461,709 95-%-Konfidenzintervall: ±9,371Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
MMLU-ProBiology Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	Gewinner94,561 %	93,305 %	Vals AI Quellendetails Datenstand: 09.08.2026
MortgageTaxNumerical Extraction Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	75,119 %	Gewinner75,596 %	Vals AI Quellendetails Datenstand: 09.08.2026
ProgramBenchAlmost Resolved Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	Gewinner23 %	9 %	Vals AI Quellendetails Datenstand: 09.08.2026
SAGEAutomata Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 30.000 tokens	Gewinner39,682 %	31,35 %	Vals AI Quellendetails Datenstand: 09.08.2026
SkillsBenchNo Skills Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 128.000 tokens	43,312 %	Gewinner45,189 %	Vals AI Quellendetails Datenstand: 07.08.2026
SWE-bench Verified<15 min fix Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	Gewinner97,423 %	96,392 %	Vals AI Quellendetails Datenstand: 08.08.2026
TaxEval v2Correctness Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	65,004 %	Gewinner66,558 %	Vals AI Quellendetails Datenstand: 09.08.2026
Terminal-Bench 2.1Easy Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	Gewinner91,667 %	83,333 %	Vals AI Quellendetails Datenstand: 06.08.2026
Vals IndexCorpFin v2 Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	Gewinner66,434 %	65,035 %	Vals AI Quellendetails Datenstand: 09.08.2026
Vals Multimodal IndexCorpFin v2 Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	Gewinner66,434 %	65,035 %	Vals AI Quellendetails Datenstand: 09.08.2026
ARC-AGI-2Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: exact task accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Versuche: two exact output guesses per taskDerselbe verifizierte Test mit fünf Reasoning-Stufen je Modell.	Gewinner92,5 %	59,5 %	ARC Prize Quellendetails Datenstand: 09.07.2026
ARC-AGI-3RHAE overall score Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: ARC-AGI-3 2026 verifiedMessgröße: RHAE scoreBewertung: Mehr ist besserEinstellungen: Reasoning: max, Agent: ARC Prize official harness, Harness: ARC Prize official harnessOffizieller ARC-Prize-Harness auf unbekannten interaktiven Umgebungen. Reasoning-Stufen bleiben getrennt.	Gewinner7,78 %	0,18 %	ARC Prize Quellendetails Datenstand: 26.08.2026
Code MigrationCOBOL Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	Gleichstand70 %	Gleichstand70 %	Vals AI Quellendetails Datenstand: 09.08.2026
CorpFin v2Max Fitting Context Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	Gewinner65,152 %	64,103 %	Vals AI Quellendetails Datenstand: 06.08.2026
CyberBenchPoC Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner93,22 %	88,136 %	Vals AI Quellendetails Datenstand: 03.08.2026
EMBDataroom Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	Gewinner85,243 %	83,009 %	Vals AI Quellendetails Datenstand: 06.08.2026
Finance Agent (v2)All-Pass Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	41,362 %	Gewinner43,285 %	Vals AI Quellendetails Datenstand: 06.08.2026
GPQA DiamondZero-Shot CoT Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	Gewinner95,455 %	90,909 %	Vals AI Quellendetails Datenstand: 09.08.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Task fully resolved Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	Gleichstand0 %	Gleichstand0 %	Vals AI Quellendetails Datenstand: 07.08.2026
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Eigene Modelltests

Community-Tests zum Anschauen

Vergleiche, wie die Modelle denselben Prompt umsetzen. Jeder Test zeigt den ersten Versuch, ohne nachträgliche Korrekturen am erzeugten Code. Die Ergebnisse fließen nicht in einen Gesamtscore ein.

Pelikan auf dem Fahrrad

Community-Klassiker für eine freie SVG-Zeichnung.

GPT-5.6 Sol

In diesem Testlauf war kein API-Zugang verfügbar. Das Modell wurde nicht bewertet.

Erster Versuch

Datum des Testlaufs: 07.09.2026
API-Anbieter: openrouter
Angefragtes API-Modell: openai/gpt-5.6-sol
Festgelegter Endpunkt: OpenAI | openai/gpt-5.6-sol-20260709
Reasoning-Einstellung: high
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Nicht ausgeführt

Visuell noch nicht bewertet. Eine erfolgreiche Aufzeichnung bestätigt weder korrekte Physik noch die vollständige Umsetzung des Prompts.

GPT-5.6 Luna

Erster Versuch

Datum des Testlaufs: 07.09.2026
API-Anbieter: openrouter
Angefragtes API-Modell: openai/gpt-5.6-luna
API-Modell laut Antwort: openai/gpt-5.6-luna
Festgelegter Endpunkt: OpenAI | openai/gpt-5.6-luna-20260709
Reasoning-Einstellung: high
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Bestanden, keine Qualitätsbewertung
Antwortzeit: 49,9 s

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

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-5.6 Sol und GPT-5.6 Luna mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich