Direktvergleich
GPT-5.6 Sol vs. GPT-5.6 Terra
Veröffentlichte Benchmarkwerte aus derselben Version und Vergleichskohorte, API-Preise und technische Eckdaten. Unterschiedliche Testeinstellungen werden sichtbar ausgewiesen.
222
gemeinsame Messreihen
31
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 Terra |
|---|---|---|
| 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 | 2 $ ≤272K / 4 $ >272K |
| API-Ausgabe | 30 $ ≤272K / 45 $ >272K | 12 $ ≤272K / 18 $ >272K |
| Cache lesen | 0,5 $ ≤272K / 1 $ >272K | 0,2 $ ≤272K / 0,4 $ >272K |
| Cache schreiben (5 Min.) | 6,25 $ ≤272K / 12,5 $ >272K | 2,5 $ ≤272K / 5 $ >272K |
| Cache schreiben (1 Std.) | Nicht ausgewiesen | Nicht ausgewiesen |
| Preis geprüft | 11.08.2026Quelle | 11.08.2026Quelle |
GPT-5.6 SolGPT-5.6 Terra
API-EingabeUSD pro 1 Mio. Token, Basistarif
GPT-5.6 Sol5 $
GPT-5.6 Terra2 $Günstiger
API-AusgabeUSD pro 1 Mio. Token, Basistarif
GPT-5.6 Sol30 $
GPT-5.6 Terra12 $Günstiger
Cache lesenUSD pro 1 Mio. Token, Basistarif
GPT-5.6 Sol0,5 $
GPT-5.6 Terra0,2 $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.
222 gemeinsame Messreihen
GPT-5.6 SolGPT-5.6 Terra
ARC-AGI-2Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol85,4 %Gewinner
GPT-5.6 Terra67,1 %
ARC-AGI-3RHAE overall score. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol2,15 %Gewinner
GPT-5.6 Terra0,49 %
Arena Text, Style ControlOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol1.480,992 Arena-PunkteGewinner
GPT-5.6 Terra1.464,935 Arena-Punkte
BrowseCompOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol90,4 %Gewinner
GPT-5.6 Terra87,5 %
Code MigrationOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol52,916 %Gewinner
GPT-5.6 Terra36,445 %
CorpFin v2Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol64,375 %
GPT-5.6 Terra65,307 %Gewinner
EMBOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol72,339 %Gewinner
GPT-5.6 Terra67,614 %
Finance Agent (v2)Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol53,756 %Gewinner
GPT-5.6 Terra52,42 %
GPQA DiamondOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol95,202 %Gewinner
GPT-5.6 Terra90,909 %
Harvey's Legal Agent BenchmarkOverall · Task fully resolved. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol2,5 %Gewinner
GPT-5.6 Terra0,417 %
IOIOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol86,667 %Gewinner
GPT-5.6 Terra65,25 %
Legal Research BenchOverall · All-pass. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol48,077 %Gewinner
GPT-5.6 Terra40,865 %
| Benchmark und Aufgabe | GPT-5.6 Sol | GPT-5.6 Terra | Vergleichbarkeit | Quelle |
|---|---|---|---|---|
| ARC-AGI-2OverallReasoning: high | 85,4 %Gewinner | 67,1 % | 2exact task accuracyMehr ist besserKohorte: arc-agi-2-gpt-5-6-reasoning-sweepKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Reasoning: high, Versuche: two exact output guesses per task GPT-5.6 Terra: 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-2026-08-02-5e535f0de1cfAbgerufen am 02.08.2026 |
| ARC-AGI-3RHAE overall scoreReasoning: high | 2,15 %Gewinner | 0,49 % | 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: high, Agent: ARC Prize official harness, Harness: ARC Prize official harness GPT-5.6 Terra: Reasoning: high, 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-c9ff73a0444aAbgerufen 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. | 1.464,935 Arena-Punkte 95-%-Konfidenzintervall: ±5,686Der 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 Terra: Snapshot: gpt-5.6-terra-xhigh, Reasoning: xhigh, Harness: Arena text, style controlGPT-5.6 Sol: Stilbereinigte Arena-Bewertung aus 15.450 anonymen Paarvergleichen.GPT-5.6 Terra: Stilbereinigte Arena-Bewertung aus 16.008 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. | 87,5 % 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 Terra: 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-2026-08-02-0226f7ed7e4fAbgerufen am 02.08.2026 |
| Code MigrationOverall | 52,916 %Gewinner | 36,445 % | 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 Terra: 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 % | 65,307 %Gewinner | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 TerraGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Terra: 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 | 72,339 %Gewinner | 67,614 % | 1accuracyMehr ist besserKohorte: vals-emb:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Terra: 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 %Gewinner | 52,42 % | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Terra: 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 | 90,909 % | 1accuracyMehr ist besserKohorte: vals-gpqa:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Terra: 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 | 0,417 % | 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 Terra: 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 | 65,25 % | 1accuracyMehr ist besserKohorte: vals-ioi:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Terra: 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 | 40,865 % | 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 Terra: 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 | 85,105 % | 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 Terra: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-legal_bench-2026-08-16-d5b3b1b2b5c8Abgerufen am 16.08.2026 |
| LiveBenchOverall | 82,4 PunkteGewinner | 79,8 Punkte | 2026-06-25composite scoreMehr ist besserKohorte: livebench-2026-06-25-maxKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Terra: Keine weiteren Einstellungen ausgewiesen23 objektiv bewertete Aufgaben in sieben Kategorien. | LiveBenchTyp: Offizielles Benchmark-LeaderboardMessstand: 25.06.2026Import-ID: curated-livebench-2026-08-02-e4bbbba99ca8 / curated-livebench-2026-08-02-a50eafa7bbc5Abgerufen am 02.08.2026 |
| LiveCodeBench v6Overall | 82,604 % | 85,93 %Gewinner | 1accuracyMehr ist besserKohorte: vals-lcb:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 TerraGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Terra: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 13.08.2026Import-ID: vals-lcb-2026-08-16-17b9c147080dAbgerufen am 16.08.2026 |
| MedCodeOverall | 43,974 %Gewinner | 43,414 % | 1accuracyMehr ist besserKohorte: vals-medcode:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Terra: 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 | 82,869 % | 1accuracyMehr ist besserKohorte: vals-medscribe:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Terra: 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 | 86,659 % | 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 Terra: 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 | 86,474 % | 1accuracyMehr ist besserKohorte: vals-mmmu:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Terra: 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 % | 67,329 %Gewinner | 1accuracyMehr ist besserKohorte: vals-mortgage-tax:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 TerraGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Terra: 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 | 0,5 % | 1accuracyMehr ist besserKohorte: vals-programbench:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Terra: 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 | 71 % | 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 Terra: 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 | 62,382 % | 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 Terra: 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 | 47,003 % | 1accuracyMehr ist besserKohorte: vals-sage:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Terra: 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 % | 60,645 %Gewinner | 1accuracyMehr ist besserKohorte: vals-skillsbench:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 TerraGPT-5.6 Sol: Harness: OpenHands GPT-5.6 Terra: 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 | 75,2 % | 1accuracyMehr ist besserKohorte: vals-swebench:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Terra: 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 TerraGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Terra: 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 | 85,768 %Gewinner | 73,408 % | 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 Terra: 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 | 63,709 %Gewinner | 56,535 % | 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 Terra: 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 | 65,07 % | 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 Terra: 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 | 67,842 % | 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 Terra: 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 | 18,8 % | 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 Terra: 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-2026-08-02-5bfb9cbd39bbAbgerufen am 02.08.2026 |
| ARC-AGI-3RHAE overall scoreReasoning: max | 7,78 %Gewinner | 0,8 % | 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 Terra: 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-2026-08-06-5f88d0632cd6Abgerufen 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. | 1.468,921 Arena-Punkte 95-%-Konfidenzintervall: ±11,251Der 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 Terra: Snapshot: gpt-5.6-terra-xhigh, Reasoning: xhigh, Harness: Arena text, style controlGPT-5.6 Sol: Stilbereinigte Arena-Bewertung aus 3.027 anonymen Paarvergleichen.GPT-5.6 Terra: Stilbereinigte Arena-Bewertung aus 3.050 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. | 87,5 % 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 Terra: 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-2026-08-02-0226f7ed7e4fAbgerufen am 02.08.2026 |
| Code MigrationCLI | 47,221 %Höherer Messwert | 26,645 % | 1accuracyMehr ist besserKohorte: vals-code-migration:1:cliTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-code-migration-2026-08-11-3a2d5ce718a3Abgerufen am 11.08.2026 |
| CorpFin v2Exact Pages | 61,538 % | 63,17 %Höherer Messwert | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:exact_pagesTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-corp_fin_v2-2026-08-11-d9e58d191cd9Abgerufen am 11.08.2026 |
| EMBComps | 71,309 % | 72,539 %Höherer Messwert | 1accuracyMehr ist besserKohorte: vals-emb:1:compsTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.6 Terra: Reasoning: xhigh, 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)Adjustments | 49,233 % | 50,442 %Höherer Messwert | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:adjustmentsTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.6 Terra: Reasoning: xhigh, 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 CoT | 94,949 %Höherer Messwert | 89,899 % | 1accuracyMehr ist besserKohorte: vals-gpqa:1:diamond_few_shot_cotTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-gpqa-2026-08-11-d3325290a404Abgerufen am 11.08.2026 |
| Harvey's Legal Agent BenchmarkAntitrust Competition · Criteria passed | 78,623 %Höherer Messwert | 76,449 % | 1criteria pass rateMehr ist besserKohorte: vals-legal-agent-benchmark:1:criteria_pass_rate__antitrust_competitionTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 07.08.2026Import-ID: vals-hlab-2026-08-11-ea11b6e53414Abgerufen am 11.08.2026 |
| IOIIOI 2024 | 85 %Höherer Messwert | 66,167 % | 1accuracyMehr ist besserKohorte: vals-ioi:1:ioi2024Testaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.6 Terra: Reasoning: xhigh, 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-pass | 60,606 %Höherer Messwert | 57,576 % | 1all-pass rateMehr ist besserKohorte: vals-legal-research:1:administrative_regulatoryTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-legal_research-2026-08-11-326cf7aaca58Abgerufen am 11.08.2026 |
| LegalBenchConclusion Tasks | 90,492 %Höherer Messwert | 90,327 % | 1accuracyMehr ist besserKohorte: vals-legal-bench:1:conclusion_tasksTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-legal_bench-2026-08-11-836e5e44618eAbgerufen am 11.08.2026 |
| LiveBenchAgentic coding | 65,6 Punkte | 68 PunkteGewinner | 2026-06-25category scoreMehr ist besserKohorte: livebench-2026-06-25-agentic-coding-maxKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 TerraGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Terra: Keine weiteren Einstellungen ausgewiesenKategorie Agentisches Coding innerhalb desselben LiveBench-Releases. | LiveBenchTyp: Offizielles Benchmark-LeaderboardMessstand: 25.06.2026Import-ID: curated-livebench-2026-08-02-15eeceb3fc32 / curated-livebench-2026-08-02-ef86df16502aAbgerufen am 02.08.2026 |
| LiveCodeBench v6Easy | 98,137 %Höherer Messwert | 97,205 % | 1accuracyMehr ist besserKohorte: vals-lcb:1:easyTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-lcb-2026-08-11-0342bcc364e4Abgerufen am 11.08.2026 |
| MMLU-ProBiology | 94,561 %Höherer Messwert | 93,026 % | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:biologyTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mmlu_pro-2026-08-11-b8e53828d746Abgerufen am 11.08.2026 |
| MortgageTaxNumerical Extraction | 75,119 %Höherer Messwert | 74,324 % | 1accuracyMehr ist besserKohorte: vals-mortgage-tax:1:numerical_extractionTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mortgage_tax-2026-08-11-5ea6eef3e482Abgerufen am 11.08.2026 |
| ProgramBenchAlmost Resolved | 23 %Höherer Messwert | 6,5 % | 1accuracyMehr ist besserKohorte: vals-programbench:1:almostTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-programbench-2026-08-11-b6f8959fbdfeAbgerufen am 11.08.2026 |
| SAGEAutomata | 39,682 %Höherer Messwert | 38,889 % | 1accuracyMehr ist besserKohorte: vals-sage:1:automataTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 30.000 tokens GPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 30.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-sage-2026-08-11-f1f79f6d8af3Abgerufen am 11.08.2026 |
| SkillsBenchNo Skills | 43,312 % | 44,208 %Höherer Messwert | 1accuracyMehr ist besserKohorte: vals-skillsbench:1:no_skillsTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 128.000 tokens GPT-5.6 Terra: Reasoning: xhigh, Harness: OpenHands, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 07.08.2026Import-ID: vals-skillsbench-2026-08-11-351bec9d0e01Abgerufen am 11.08.2026 |
| SWE-bench Verified<15 min fix | 97,423 %Höherer Messwert | 77,835 % | 1accuracyMehr ist besserKohorte: vals-swebench:1:<15 min fixTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 08.08.2026Import-ID: vals-swebench-2026-08-11-a6212cd857d8Abgerufen am 11.08.2026 |
| TaxEval v2Correctness | 65,004 % | 65,822 %Höherer Messwert | 2accuracyMehr ist besserKohorte: vals-tax-eval-v2:2:correctnessTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-tax_eval_v2-2026-08-11-d05a40bf446fAbgerufen am 11.08.2026 |
| Terminal-Bench 2.1Easy | 91,667 %Höherer Messwert | 83,333 % | 2.1accuracyMehr ist besserKohorte: vals-terminal-bench-2-1:2.1:easyTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-terminal-bench-2-1-2026-08-11-8f0ebd72a609Abgerufen am 11.08.2026 |
| Vals IndexCorpFin v2 | 66,434 %Kein direkter Sieger | 66,434 %Kein direkter Sieger | 1.2benchmark scoreMehr ist besserKohorte: vals-vals-index:1.2:corp_fin_v2Testaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.6 Terra: Reasoning: xhigh, 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 v2 | 66,434 %Kein direkter Sieger | 66,434 %Kein direkter Sieger | 1.2benchmark scoreMehr ist besserKohorte: vals-vals-multimodal-index:1.2:corp_fin_v2Testaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.6 Terra: Reasoning: xhigh, 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 | 83,9 % | 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 Terra: 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-2026-08-02-5c8b9c3d2b36Abgerufen am 02.08.2026 |
| ARC-AGI-3RHAE overall scoreReasoning: xhigh | 6,99 %Gewinner | 0,65 % | 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: xhigh, Agent: ARC Prize official harness, Harness: ARC Prize official harness GPT-5.6 Terra: Reasoning: xhigh, 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-2026-08-06-769ba89b933c / curated-arc-prize-2026-08-06-b5d89ad378c6Abgerufen am 06.08.2026 |
| Arena Text, Style ControlChineseReasoning: xhigh | 1.542,002 Arena-PunkteKein klarer Vorsprung 95-%-Konfidenzintervall: ±19,125Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.517,892 Arena-Punkte 95-%-Konfidenzintervall: ±18,554Der 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-UnterschiedKein klarer VorsprungGPT-5.6 Sol: Snapshot: gpt-5.6-sol-xhigh, Reasoning: xhigh, Harness: Arena text, style control GPT-5.6 Terra: Snapshot: gpt-5.6-terra-xhigh, Reasoning: xhigh, Harness: Arena text, style controlGPT-5.6 Sol: Stilbereinigte Arena-Bewertung aus 1.063 anonymen Paarvergleichen.GPT-5.6 Terra: Stilbereinigte Arena-Bewertung aus 1.102 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Code MigrationCOBOL | 70 %Höherer Messwert | 65,844 % | 1accuracyMehr ist besserKohorte: vals-code-migration:1:cobolTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-code-migration-2026-08-11-3a2d5ce718a3Abgerufen am 11.08.2026 |
| CorpFin v2Max Fitting Context | 65,152 % | 66,317 %Höherer Messwert | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:max_fitting_contextTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-corp_fin_v2-2026-08-11-d9e58d191cd9Abgerufen am 11.08.2026 |
| EMBDataroom | 85,243 %Höherer Messwert | 81,591 % | 1accuracyMehr ist besserKohorte: vals-emb:1:dataroomTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.6 Terra: Reasoning: xhigh, 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-Pass | 41,362 %Höherer Messwert | 40,448 % | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:all_passTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.6 Terra: Reasoning: xhigh, 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 CoT | 95,455 %Höherer Messwert | 91,919 % | 1accuracyMehr ist besserKohorte: vals-gpqa:1:diamond_zero_shot_cotTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-gpqa-2026-08-11-d3325290a404Abgerufen am 11.08.2026 |
Die Tabelle zeigt 64 diversifizierte Messreihen aus insgesamt 222 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 Terra mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.
Zum vollständigen LLM-Vergleich