Direktvergleich

GPT-6 Astra vs. DeepSeek-V4-Pro

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

gemeinsame Messreihen: 202
verschiedene Benchmark-Messgrößen: 16
jüngster Abruf: 15.10.2026

Erstes ModellZweites Modell

Steckbrief

Allgemeine Daten

Erscheinungsdatum, Verfügbarkeit, Kontextfenster, Architektur und veröffentlichte Parameterzahlen auf einen Blick. Nicht veröffentlichte Angaben bleiben als solche markiert.

Allgemeine Daten von GPT-6 Astra und DeepSeek-V4-Pro
Merkmal	GPT-6 Astra	DeepSeek-V4-Pro
Anbieter	OpenAI	DeepSeek
Erschienen	3. Sept. 2026	24. Apr. 2026
Verfügbarkeit	Eingeschränkter Zugang	Aktiv
Modelltyp	Proprietär	Open Weights
Parameter	Nicht veröffentlicht	1,6 Billionen, 49 Mrd. aktiv
Architektur	Nicht veröffentlicht	Mixture of Experts
Kontextfenster	1.050.000 Token	1.000.000 Token
Wissensstand	30. April 2026	Nicht veröffentlicht
Technische Quellen	Modell, Kontext	Modell, Kontext

Kosten

API-Preise im Vergleich

Die Tabelle vergleicht die offiziellen Standard-API-Tarife pro 1 Mio. Token einschließlich veröffentlichter Cache-Preise. Batch, Fast, Priority, regionale Aufschläge, Toolaufrufe und Cloudpreise sind nicht eingerechnet.

API-Preise von GPT-6 Astra und DeepSeek-V4-Pro
Preisart	GPT-6 Astra	DeepSeek-V4-Pro
API-Eingabe	10 $ ≤272K / 20 $ >272K	0,66 $ (Off-Peak)
API-Ausgabe	50 $ ≤272K / 75 $ >272K	1,98 $ (Off-Peak)
Cache lesen	1 $ ≤272K / 2 $ >272K	0,022 $ (Off-Peak)
Cache schreiben (5 Min.)	12,5 $ ≤272K / 25 $ >272K	Nicht ausgewiesen
Cache schreiben (1 Std.)	Nicht ausgewiesen	Nicht ausgewiesen
Preis geprüft	22.09.2026 Quelle	22.09.2026 Quelle
DeepSeek-V4-Pro: Spitzenpreise sind 1,32 $ Eingabe / 3,96 $ Ausgabe pro 1 Mio. Token während Mo, Di, Mi, Do, Fr, 01:00-04:00 UTC; Mo, Di, Mi, Do, Fr, 06:00-10:00 UTC; zu allen anderen Zeiten gelten Off-Peak-Preise.

GPT-6 AstraDeepSeek-V4-Pro

API-EingabeUSD pro 1 Mio. Token, Basistarif

GPT-6 Astra10 $

DeepSeek-V4-Pro0,66 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

GPT-6 Astra50 $

DeepSeek-V4-Pro1,98 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

GPT-6 Astra1 $

DeepSeek-V4-Pro0,022 $

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-6 Astra und DeepSeek-V4-Pro
Modell	Anbieter	Bezugsweg und Tarif	Eingabe pro 1 Mio. Token	Ausgabe pro 1 Mio. Token	Quelle
GPT-6 Astra	OpenAI	Direkt beim EntwicklerBis 272.000 Kontext-Token	10 $	50 $	Quelle22.09.2026
	OpenAI	Direkt beim EntwicklerÜber 272.000 Kontext-Token	20 $	75 $	Quelle22.09.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock/us-west-2	11 $	55 $	Quelle19.10.2026
	Azure	Über OpenRouterazure	10 $	50 $	Quelle19.10.2026
	Azure	Über OpenRouterazure/us	11 $	55 $	Quelle19.10.2026
	OpenAI	Über OpenRouteropenai	10 $	50 $	Quelle19.10.2026
	OpenAI	Über OpenRouteropenai/fast	20 $	100 $	Quelle19.10.2026
	OpenAI	Über OpenRouteropenai/flex	Günstigster erfasster Preis: 5 $	Günstigster erfasster Preis: 25 $	Quelle19.10.2026
	OpenAI	Über OpenRouteropenai/ultrafast	60 $	300 $	Quelle19.10.2026
DeepSeek-V4-Pro	DeepSeek	Direkt beim EntwicklerStandard-API	0,66 $	1,98 $	Quelle22.09.2026
	Alibaba	Über OpenRouteralibaba	0,5808 $	1,7424 $	Quelle19.10.2026
	Alibaba	Über OpenRouteralibaba/us-east-1	0,66 $	1,98 $	Quelle19.10.2026
	AtlasCloud	Über OpenRouteratlas-cloud/fp8	1,32 $	3,96 $	Quelle19.10.2026
	Baidu	Über OpenRouterbaidu/fp8	0,1333 $	Günstigster erfasster Preis: 0,4 $	Quelle19.10.2026
	Cloudflare	Über OpenRoutercloudflare	1,32 $	3,96 $	Quelle19.10.2026
	CoreWeave	Über OpenRoutercoreweave/fp8	1,31 $	3,96 $	Quelle19.10.2026
	DeepInfra	Über OpenRouterdeepinfra/fp8	1,3 $	2,6 $	Quelle19.10.2026
	DeepSeek	Über OpenRouterdeepseek	0,66 $	1,98 $	Quelle19.10.2026
	DekaLLM	Über OpenRouterdekallm	0,88 $	3,8 $	Quelle19.10.2026
	DigitalOcean	Über OpenRouterdigitalocean	1,32 $	3,96 $	Quelle19.10.2026
	GMICloud	Über OpenRoutergmicloud/fp8	1,056 $	3,168 $	Quelle19.10.2026
	Ionstream	Über OpenRouterionstream	0,37 $	2,93 $	Quelle19.10.2026
	Novita	Über OpenRouternovita/fp8	0,99 $	2,97 $	Quelle19.10.2026
	Parasail	Über OpenRouterparasail/fp8	1,32 $	3,96 $	Quelle19.10.2026
	Phala	Über OpenRouterphala	0,957 $	2,8776 $	Quelle19.10.2026
	Relace	Über OpenRouterrelace/fp4	Günstigster erfasster Preis: 0,12 $	8 $	Quelle19.10.2026
	Sail Research	Über OpenRoutersail-research/fp4	0,896 $	0,582 $	Quelle19.10.2026
	Sail Research	Über OpenRoutersail-research/us	0,896 $	0,582 $	Quelle19.10.2026
	SiliconFlow	Über OpenRoutersiliconflow/fp8	1,32 $	3,96 $	Quelle19.10.2026
	StreamLake	Über OpenRouterstreamlake	0,66 $	1,98 $	Quelle19.10.2026
	Together	Über OpenRoutertogether	1,32 $	3,96 $	Quelle19.10.2026
	Venice	Über OpenRoutervenice	1,65 $	4,95 $	Quelle19.10.2026
	Wafer	Über OpenRouterwafer/mxfp4	0,25 $	5 $	Quelle19.10.2026

Leistung

Gemeinsame Benchmarks

Nur veröffentlichte Ergebnisse mit derselben Benchmark-Version, Aufgabe, Metrik und Vergleichskohorte werden gegenübergestellt. Wenn Anbieter unterschiedliche Reasoning-Stufen, Agenten oder Ausgabegrenzen verwendet haben, steht das direkt in der Tabelle.

Fähigkeitsprofil aus vergleichbaren Benchmarks

Jede Achse mittelt direkt vergleichbare Benchmarkfamilien. Ein Wert von 100 bedeutet den stärkeren Wert innerhalb dieses Duells, keinen universellen Qualitätswert.

Nicht genug direkt vergleichbare Kategorien für ein belastbares Radar

Nur 2 von mindestens 5 Kategorien enthalten direkt vergleichbare Modellmessungen. Die Benchmarktabellen darunter zeigen die vorhandenen Belege, ohne fehlende Achsen aufzufüllen.

GPT-6 AstraDeepSeek-V4-Pro

Code MigrationOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-6 Astra67,74 %

DeepSeek-V4-Pro26,201 %

EMBOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-6 Astra71,7 %

DeepSeek-V4-Pro51,623 %

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

GPT-6 Astra53,54 %

DeepSeek-V4-Pro44,083 %

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

GPT-6 Astra5,417 %

DeepSeek-V4-Pro3,75 %

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

GPT-6 Astra39,423 %

DeepSeek-V4-Pro23,077 %

LMArena Code Arena WebDevOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-6 Astra1.780,244

DeepSeek-V4-Pro1.446,815

LMArena Text, Style ControlOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-6 Astra1.476,716

DeepSeek-V4-Pro1.457,848

MedCodeOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-6 Astra48,486 %

DeepSeek-V4-Pro40,455 %

MedScribeOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-6 Astra87,908 %

DeepSeek-V4-Pro75,144 %

ProgramBenchOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-6 Astra5,5 %

DeepSeek-V4-Pro0 %

ProofBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-6 Astra99 %

DeepSeek-V4-Pro16 %

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

GPT-6 Astra20,717 %

DeepSeek-V4-Pro25,17 %

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von GPT-6 Astra und DeepSeek-V4-Pro
Benchmark und Aufgabe	GPT-6 Astra	DeepSeek-V4-Pro	Quelle
Code MigrationOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert67,74 %	26,201 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert71,7 %	51,623 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert53,54 %	44,083 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkOverall · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert5,417 %	3,75 %	Vals AI Quellendetails Datenstand: 12.10.2026
Legal Research BenchOverall · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert39,423 %	23,077 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Code Arena WebDevOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserGPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Code Arena WebDev DeepSeek-V4-Pro: Snapshot: deepseek-v4-pro, Harness: Arena Code Arena WebDevGPT-6 Astra: Arena-Bewertung aus 5.746 veröffentlichten Paarvergleichen.DeepSeek-V4-Pro: Arena-Bewertung aus 14.023 veröffentlichten Paarvergleichen.	Höherer Messwert1.780,244 95-%-Konfidenzintervall: ±10,541Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.446,815 95-%-Konfidenzintervall: ±6,319Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Text, Style ControlOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Text, style control DeepSeek-V4-Pro: Snapshot: deepseek-v4-pro, Harness: Arena Text, style controlGPT-6 Astra: Arena-Bewertung aus 11.674 veröffentlichten Paarvergleichen.DeepSeek-V4-Pro: Arena-Bewertung aus 57.614 veröffentlichten Paarvergleichen.	Höherer Messwert1.476,716 95-%-Konfidenzintervall: ±6,385Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.457,848 95-%-Konfidenzintervall: ±3,899Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
MedCodeOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	Gewinner48,486 %	40,455 %	Vals AI Quellendetails Datenstand: 13.10.2026
MedScribeOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	Gewinner87,908 %	75,144 %	Vals AI Quellendetails Datenstand: 13.10.2026
ProgramBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully resolved rateBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert5,5 %	0 %	Vals AI Quellendetails Datenstand: 12.10.2026
ProofBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	Gewinner99 %	16 %	Vals AI Quellendetails Datenstand: 12.10.2026
Tax Agent BenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	20,717 %	Höherer Messwert25,17 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-Bench 2.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Ausgabegrenze: 128.000 tokens	Höherer Messwert87,266 %	50,187 %	Vals AI Quellendetails Datenstand: 28.09.2026
Terminal-Bench 4.0Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 4.0Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert59,596 %	11,111 %	Vals AI Quellendetails Datenstand: 13.10.2026
Vals IndexOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: weighted index scoreBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert63,125 %	38,63 %	Vals AI Quellendetails Datenstand: 13.10.2026
Vibe Code Bench v1.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 256.000 tokens	Höherer Messwert89,594 %	49,931 %	Vals AI Quellendetails Datenstand: 12.10.2026
Code MigrationCLI Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert67,463 %	15,47 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBComps Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert77,953 %	57,434 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Adjustments Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert48,318 %	41,586 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Criteria passed Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: criteria pass rateBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert88,768 %	83,696 %	Vals AI Quellendetails Datenstand: 12.10.2026
Legal Research BenchAdministrative / Regulatory · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert53,03 %	28,788 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Code Arena WebDevOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserGPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Code Arena WebDev DeepSeek-V4-Pro: Snapshot: deepseek-v4-pro-high-preview, Reasoning: high, Harness: Arena Code Arena WebDevGPT-6 Astra: Arena-Bewertung aus 5.746 veröffentlichten Paarvergleichen.DeepSeek-V4-Pro: Arena-Bewertung aus 13.199 veröffentlichten Paarvergleichen.	Höherer Messwert1.780,244 95-%-Konfidenzintervall: ±10,541Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.463,849 95-%-Konfidenzintervall: ±6,309Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Text, Style ControlOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Text, style control DeepSeek-V4-Pro: Snapshot: deepseek-v4-pro-high-preview, Reasoning: high, Harness: Arena Text, style controlGPT-6 Astra: Arena-Bewertung aus 11.674 veröffentlichten Paarvergleichen.DeepSeek-V4-Pro: Arena-Bewertung aus 54.929 veröffentlichten Paarvergleichen.	Höherer Messwert1.476,716 95-%-Konfidenzintervall: ±6,385Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.454,814 95-%-Konfidenzintervall: ±3,964Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
ProgramBenchAlmost Resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: almost-resolved rateBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert50 %	0 %	Vals AI Quellendetails Datenstand: 12.10.2026
Tax Agent BenchControversy & Precedence Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert13,333 %	12,333 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-Bench 2.1Easy Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Ausgabegrenze: 128.000 tokens	Höherer Messwert100 %	66,667 %	Vals AI Quellendetails Datenstand: 28.09.2026
Terminal-Bench 4.0Hardware Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 4.0Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert60 %	0 %	Vals AI Quellendetails Datenstand: 13.10.2026
Vals IndexCode Migration Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: benchmark scoreBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert68,462 %	26,212 %	Vals AI Quellendetails Datenstand: 13.10.2026
Code MigrationCOBOL Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert68,571 %	58,393 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBDataroom Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert79,319 %	62,572 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)All-Pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert40,252 %	31,448 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Kein direkter Sieger0 %	Kein direkter Sieger0 %	Vals AI Quellendetails Datenstand: 12.10.2026
Legal Research BenchAdministrative / Regulatory · Weighted partial credit Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: weighted partial-credit scoreBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert87,482 %	83,372 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Code Arena WebDevWebdev Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserGPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Code Arena WebDev DeepSeek-V4-Pro: Snapshot: deepseek-v4-pro, Harness: Arena Code Arena WebDevGPT-6 Astra: Arena-Bewertung aus 5.746 veröffentlichten Paarvergleichen.DeepSeek-V4-Pro: Arena-Bewertung aus 14.023 veröffentlichten Paarvergleichen.	Höherer Messwert1.780,244 95-%-Konfidenzintervall: ±10,541Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.446,815 95-%-Konfidenzintervall: ±6,319Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Text, Style ControlBusiness, management and finance Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Text, style control DeepSeek-V4-Pro: Snapshot: deepseek-v4-pro, Harness: Arena Text, style controlGPT-6 Astra: Arena-Bewertung aus 2.061 veröffentlichten Paarvergleichen.DeepSeek-V4-Pro: Arena-Bewertung aus 11.383 veröffentlichten Paarvergleichen.	Höherer Messwert1.472,34 95-%-Konfidenzintervall: ±13,336Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.459,786 95-%-Konfidenzintervall: ±6,716Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
ProgramBenchFully Resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully resolved rateBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert5,5 %	0 %	Vals AI Quellendetails Datenstand: 12.10.2026
Tax Agent BenchControversy & Precedence Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert58,616 %	54,843 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-Bench 2.1Hard Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Ausgabegrenze: 128.000 tokens	Höherer Messwert87,778 %	31,111 %	Vals AI Quellendetails Datenstand: 28.09.2026
Terminal-Bench 4.0Media Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 4.0Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert66,667 %	0 %	Vals AI Quellendetails Datenstand: 13.10.2026
Vals IndexEMB Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: benchmark scoreBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert71,7 %	51,623 %	Vals AI Quellendetails Datenstand: 13.10.2026
Code MigrationCode Quality Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: mean reviewer code-quality ratingBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert4,469 / 5	3,401 / 5	Vals AI Quellendetails Datenstand: 12.10.2026
EMBDCF Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert64,483 %	44,435 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Comparables Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	37,758 %	Höherer Messwert39,632 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkArbitration International Dispute Resolution · Criteria passed Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: criteria pass rateBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert86,022 %	83,513 %	Vals AI Quellendetails Datenstand: 12.10.2026
Legal Research BenchBusiness & Commercial · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert32,558 %	23,256 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Code Arena WebDevWebdev Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserGPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Code Arena WebDev DeepSeek-V4-Pro: Snapshot: deepseek-v4-pro-high-preview, Reasoning: high, Harness: Arena Code Arena WebDevGPT-6 Astra: Arena-Bewertung aus 5.746 veröffentlichten Paarvergleichen.DeepSeek-V4-Pro: Arena-Bewertung aus 13.199 veröffentlichten Paarvergleichen.	Höherer Messwert1.780,244 95-%-Konfidenzintervall: ±10,541Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.463,849 95-%-Konfidenzintervall: ±6,309Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Text, Style ControlBusiness, management and finance Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Text, style control DeepSeek-V4-Pro: Snapshot: deepseek-v4-pro-high-preview, Reasoning: high, Harness: Arena Text, style controlGPT-6 Astra: Arena-Bewertung aus 2.061 veröffentlichten Paarvergleichen.DeepSeek-V4-Pro: Arena-Bewertung aus 11.045 veröffentlichten Paarvergleichen.	Höherer Messwert1.472,34 95-%-Konfidenzintervall: ±13,336Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.448,007 95-%-Konfidenzintervall: ±6,811Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
ProgramBenchRaw Pass Rate Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: raw test pass rateBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert85,417 %	47,778 %	Vals AI Quellendetails Datenstand: 12.10.2026
Tax Agent BenchCurrent & Temporal Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	29,944 %	Höherer Messwert36,595 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-Bench 2.1Medium Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Ausgabegrenze: 128.000 tokens	Höherer Messwert86,061 %	59,394 %	Vals AI Quellendetails Datenstand: 28.09.2026
Terminal-Bench 4.0ML Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 4.0Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert66,667 %	3,03 %	Vals AI Quellendetails Datenstand: 13.10.2026
Vals IndexFinance Agent v2 Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: benchmark scoreBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert53,54 %	44,083 %	Vals AI Quellendetails Datenstand: 13.10.2026
EMBLBO Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert61,825 %	43,938 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Disclosure Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert61,684 %	52,649 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkArbitration International Dispute Resolution · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Kein direkter Sieger0 %	Kein direkter Sieger0 %	Vals AI Quellendetails Datenstand: 12.10.2026
Legal Research BenchBusiness & Commercial · Weighted partial credit Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: weighted partial-credit scoreBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	83,821 %	Höherer Messwert86,491 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Code Arena WebDevWebdev-html Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserGPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Code Arena WebDev DeepSeek-V4-Pro: Snapshot: deepseek-v4-pro, Harness: Arena Code Arena WebDevGPT-6 Astra: Arena-Bewertung aus 1.129 veröffentlichten Paarvergleichen.DeepSeek-V4-Pro: Arena-Bewertung aus 1.502 veröffentlichten Paarvergleichen.	Höherer Messwert1.780,13 95-%-Konfidenzintervall: ±22,887Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.434,123 95-%-Konfidenzintervall: ±15,907Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Text, Style ControlChinese Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Text, style control DeepSeek-V4-Pro: Snapshot: deepseek-v4-pro, Harness: Arena Text, style controlGPT-6 Astra: Arena-Bewertung aus 877 veröffentlichten Paarvergleichen.DeepSeek-V4-Pro: Arena-Bewertung aus 3.378 veröffentlichten Paarvergleichen.	Höherer Messwert1.514,537 95-%-Konfidenzintervall: ±19,541Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.488,803 95-%-Konfidenzintervall: ±10,784Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
Tax Agent BenchCurrent & Temporal Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert66,224 %	65,741 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-Bench 4.0Operations Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 4.0Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert48,148 %	7,407 %	Vals AI Quellendetails Datenstand: 13.10.2026
Vals IndexHLAB Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: benchmark scoreBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert5,417 %	3,75 %	Vals AI Quellendetails Datenstand: 13.10.2026
EMBM&A Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert83,066 %	48,156 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Earnings Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert69,474 %	59,84 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkBanking Finance · Criteria passed Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: criteria pass rateBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert88,104 %	86,245 %	Vals AI Quellendetails Datenstand: 12.10.2026
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Eigene Modelltests

Unsere Tests

SVG-Kurztest

Ein SVG-Prompt, feste Ausgabeparameter. Aufnahmen erscheinen nur bei gemeldeten 0 Reasoning-Tokens oder dokumentiert fehlender Reasoning-Steuerung. Gleiche Testbedingungen machen die interne Rechenleistung der Modelle nicht identisch.

Gemeinsame Testrunde: 4ae5d8eeb9a9

GPT-6 Astra

In dieser Runde nicht verfügbar

DeepSeek-V4-Pro

Frühere Tests

Pelikan auf dem Fahrrad

Community-Klassiker für eine freie SVG-Zeichnung.

GPT-6 Astra

Reasoning (angefragt): high

Aktueller Versuch

Datum des Testlaufs: 07.09.2026
API-Anbieter: openrouter
Angefragtes API-Modell: openai/gpt-6-astra
API-Modell laut Antwort: openai/gpt-6-astra
Reasoning-Einstellung: high
Festgelegter Endpunkt: OpenAI | openai/gpt-6-astra-20260903
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Bestanden, keine Qualitätsbewertung
Antwortzeit: 141,7 s

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

DeepSeek-V4-Pro

Die Antwort hat das Tokenlimit erreicht. Es liegt keine vollständige Aufzeichnung vor.

Reasoning (angefragt): high

Aktueller Versuch

Datum des Testlaufs: 05.10.2026
API-Anbieter: openrouter
Angefragtes API-Modell: deepseek/deepseek-v4-pro-0813
API-Modell laut Antwort: deepseek/deepseek-v4-pro-0813
Reasoning-Einstellung: high
Festgelegter Endpunkt: DeepSeek | deepseek/deepseek-v4-pro-20260813
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Nicht bestanden
Antwortzeit: 67,6 s

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

Frühere Versuche (3)

02.10.2026API-Anfrage fehlgeschlagenReasoning-Einstellung: high
01.10.2026API-Anfrage fehlgeschlagenReasoning-Einstellung: high
07.09.2026API-Anfrage fehlgeschlagenReasoning-Einstellung: high

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-6 Astra und DeepSeek-V4-Pro mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich

GPT-6 Astra vs. DeepSeek-V4-Pro

Modellauswahl ändern

Allgemeine Daten

API-Preise im Vergleich

Gemeinsame Benchmarks

Fähigkeitsprofil aus vergleichbaren Benchmarks

Unsere Tests

SVG-Kurztest

GPT-6 Astra

DeepSeek-V4-Pro

Pelikan auf dem Fahrrad

Ein Benchmark-Sieg ist kein Gesamturteil

Ähnliche LLM-Vergleiche