Direktvergleich

GPT-6 Astra vs. GPT-5.6 Luna

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

gemeinsame Messreihen: 260
verschiedene Benchmark-Messgrößen: 38
jüngster Abruf: 19.10.2026

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 GPT-5.6 Luna
Merkmal	GPT-6 Astra	GPT-5.6 Luna
Anbieter	OpenAI	OpenAI
Erschienen	3. Sept. 2026	9. Juli 2026
Verfügbarkeit	Eingeschränkter Zugang	Aktiv
Modelltyp	Proprietär	Proprietär
Parameter	Nicht veröffentlicht	Nicht veröffentlicht
Architektur	Nicht veröffentlicht	Nicht veröffentlicht
Kontextfenster	1.050.000 Token	1.050.000 Token
Wissensstand	30. April 2026	16. Februar 2026
Technische Quellen	Modell, Kontext	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-6 Astra und GPT-5.6 Luna
Preisart	GPT-6 Astra	GPT-5.6 Luna
API-Eingabe	10 $ ≤272K / 20 $ >272K	0,2 $ ≤272K / 0,4 $ >272K
API-Ausgabe	50 $ ≤272K / 75 $ >272K	1,2 $ ≤272K / 1,8 $ >272K
Cache lesen	1 $ ≤272K / 2 $ >272K	0,02 $ ≤272K / 0,04 $ >272K
Cache schreiben (5 Min.)	12,5 $ ≤272K / 25 $ >272K	0,25 $ ≤272K / 0,5 $ >272K
Cache schreiben (1 Std.)	Nicht ausgewiesen	Nicht ausgewiesen
Preis geprüft	22.09.2026 Quelle	22.09.2026 Quelle

GPT-6 AstraGPT-5.6 Luna

API-EingabeUSD pro 1 Mio. Token, Basistarif

GPT-6 Astra10 $

GPT-5.6 Luna0,2 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

GPT-6 Astra50 $

GPT-5.6 Luna1,2 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

GPT-6 Astra1 $

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-6 Astra und GPT-5.6 Luna
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
GPT-5.6 Luna	OpenAI	Direkt beim EntwicklerBis 272.000 Kontext-Token	0,2 $	1,2 $	Quelle22.09.2026
	OpenAI	Direkt beim EntwicklerÜber 272.000 Kontext-Token	0,4 $	1,8 $	Quelle22.09.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock/us-east-1	0,22 $	1,32 $	Quelle19.10.2026
	Azure	Über OpenRouterazure	0,2 $	1,2 $	Quelle19.10.2026
	Azure	Über OpenRouterazure/eu	0,22 $	1,32 $	Quelle19.10.2026
	Azure	Über OpenRouterazure/us	0,22 $	1,32 $	Quelle19.10.2026
	OpenAI	Über OpenRouteropenai	0,2 $	1,2 $	Quelle19.10.2026
	OpenAI	Über OpenRouteropenai/fast	0,4 $	2,4 $	Quelle19.10.2026
	OpenAI	Über OpenRouteropenai/flex	Günstigster erfasster Preis: 0,1 $	Günstigster erfasster Preis: 0,6 $	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.

GPT-6 Astra

GPT-5.6 Luna

Coding: 99,9 / 44,2 (8 Benchmarkfamilien)

Reasoning: 99,6 / 72,9 (3 Benchmarkfamilien)

Mathematik: 100 / 60,6 (1 Benchmarkfamilie)

Wissen: 100 / 39,9 (1 Benchmarkfamilie)

Finanzen: 94,1 / 95,3 (3 Benchmarkfamilien)

Recht: 98,1 / 92,6 (2 Benchmarkfamilien)

Agenten-Aufgaben: 100 / 75,4 (5 Benchmarkfamilien)

Multimodal: 100 / 89,6 (1 Benchmarkfamilie)

222 passende Messreihen aus 31 Benchmarkfamilien wurden berücksichtigt. Das Radar zeigt 8 von 12 vergleichbaren Kategorien.

GPT-6 AstraGPT-5.6 Luna

AA-BriefcaseOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-6 Astra1.546,7 elo

GPT-5.6 Luna1.267,93 elo

AA-LCROverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-6 Astra80,0 %

GPT-5.6 Luna81,7 %

AA-OmniscienceOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-6 Astra43,417 Punkte

GPT-5.6 Luna-10,767 Punkte

AA-Omniscience AccuracyOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-6 Astra61,9 %

GPT-5.6 Luna42,4 %

AA-Omniscience Hallucination RateOverall. Weniger ist besser. Kein dokumentierter Setup-Unterschied

GPT-6 Astra48,3 %

GPT-5.6 Luna92,5 %

Artificial Analysis Intelligence IndexOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-6 Astra52,386 Punkte

GPT-5.6 Luna34,555 Punkte

AutomationBench-AAOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-6 Astra67,2 %

GPT-5.6 Luna42,6 %

BioMysteryBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-6 Astra79,259 %

GPT-5.6 Luna61,481 %

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

GPT-6 Astra67,74 %

GPT-5.6 Luna44,55 %

CyberBench v1.1Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-6 Astra41,072 %

GPT-5.6 Luna73,631 %

EMBOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-6 Astra71,7 %

GPT-5.6 Luna67,116 %

Finance Agent (v2)Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-6 Astra53,54 %

GPT-5.6 Luna55,044 %

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von GPT-6 Astra und GPT-5.6 Luna
Benchmark und Aufgabe	GPT-6 Astra	GPT-5.6 Luna	Quelle
AA-BriefcaseOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v1.1Messgröße: AA-Briefcase EloBewertung: Mehr ist besserGPT-6 Astra: Snapshot: GPT-6 Astra (Xhigh), Reasoning: Xhigh GPT-5.6 Luna: Snapshot: GPT-5.6 Luna (Xhigh), Reasoning: XhighGPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Xhigh) (Release gpt-6-astra, Zeile gpt-6-astra-xhigh, UUID 1f541ef3-913f-4eb2-9d07-0e93c7a9a5e3, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-5.6 Luna: Exakte AA-Konfiguration: GPT-5.6 Luna (Xhigh) (Release gpt-5-6-luna, Zeile gpt-5-6-luna-xhigh, UUID 87110ff0-1f79-41b4-9976-eda250597317, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner1.546,7 elo	1.267,93 elo	Artificial Analysis Quellendetails Datenstand: 19.10.2026
AA-LCROverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v1.1Messgröße: Pass rateBewertung: Mehr ist besserGPT-6 Astra: Snapshot: GPT-6 Astra (Xhigh), Reasoning: Xhigh GPT-5.6 Luna: Snapshot: GPT-5.6 Luna (Xhigh), Reasoning: XhighGPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Xhigh) (Release gpt-6-astra, Zeile gpt-6-astra-xhigh, UUID 1f541ef3-913f-4eb2-9d07-0e93c7a9a5e3, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-5.6 Luna: Exakte AA-Konfiguration: GPT-5.6 Luna (Xhigh) (Release gpt-5-6-luna, Zeile gpt-5-6-luna-xhigh, UUID 87110ff0-1f79-41b4-9976-eda250597317, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	80,0 %	Gewinner81,7 %	Artificial Analysis Quellendetails Datenstand: 19.10.2026
AA-OmniscienceOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: AA-Omniscience IndexBewertung: Mehr ist besserGPT-6 Astra: Snapshot: GPT-6 Astra (Xhigh), Reasoning: Xhigh GPT-5.6 Luna: Snapshot: GPT-5.6 Luna (Xhigh), Reasoning: XhighGPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Xhigh) (Release gpt-6-astra, Zeile gpt-6-astra-xhigh, UUID 1f541ef3-913f-4eb2-9d07-0e93c7a9a5e3, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-5.6 Luna: Exakte AA-Konfiguration: GPT-5.6 Luna (Xhigh) (Release gpt-5-6-luna, Zeile gpt-5-6-luna-xhigh, UUID 87110ff0-1f79-41b4-9976-eda250597317, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner43,417 Punkte Der Index kann negative Werte annehmen und reicht laut Anbieter von -100 bis 100.	-10,767 Punkte Der Index kann negative Werte annehmen und reicht laut Anbieter von -100 bis 100.	Artificial Analysis Quellendetails Datenstand: 19.10.2026
AA-Omniscience AccuracyOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: AA Omniscience diagnosticMessgröße: AA-Omniscience AccuracyBewertung: Mehr ist besserGPT-6 Astra: Snapshot: GPT-6 Astra (Xhigh), Reasoning: Xhigh, Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboard GPT-5.6 Luna: Snapshot: GPT-5.6 Luna (Xhigh), Reasoning: Xhigh, Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboardGPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Xhigh) (Release gpt-6-astra, Zeile gpt-6-astra-xhigh, UUID 1f541ef3-913f-4eb2-9d07-0e93c7a9a5e3, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Anteil der insgesamt korrekt beantworteten Fragen, unabhängig davon, ob das Modell andere Fragen beantwortet oder sich enthält.GPT-5.6 Luna: Exakte AA-Konfiguration: GPT-5.6 Luna (Xhigh) (Release gpt-5-6-luna, Zeile gpt-5-6-luna-xhigh, UUID 87110ff0-1f79-41b4-9976-eda250597317, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Anteil der insgesamt korrekt beantworteten Fragen, unabhängig davon, ob das Modell andere Fragen beantwortet oder sich enthält.	Gewinner61,9 % Dies ist die separat veröffentlichte Genauigkeitsdiagnostik, nicht der AA-Omniscience-Index. AA bezeichnet höhere Werte als besser.	42,4 % Dies ist die separat veröffentlichte Genauigkeitsdiagnostik, nicht der AA-Omniscience-Index. AA bezeichnet höhere Werte als besser.	Artificial Analysis Quellendetails Datenstand: 19.10.2026
AA-Omniscience Hallucination RateOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: AA Omniscience diagnosticMessgröße: AA-Omniscience Hallucination RateBewertung: Weniger ist besserGPT-6 Astra: Snapshot: GPT-6 Astra (Xhigh), Reasoning: Xhigh, Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboard GPT-5.6 Luna: Snapshot: GPT-5.6 Luna (Xhigh), Reasoning: Xhigh, Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboardGPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Xhigh) (Release gpt-6-astra, Zeile gpt-6-astra-xhigh, UUID 1f541ef3-913f-4eb2-9d07-0e93c7a9a5e3, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Anteil falscher Antworten an allen nicht korrekten Antworten: falsch / (falsch + teilweise richtig + nicht beantwortet).GPT-5.6 Luna: Exakte AA-Konfiguration: GPT-5.6 Luna (Xhigh) (Release gpt-5-6-luna, Zeile gpt-5-6-luna-xhigh, UUID 87110ff0-1f79-41b4-9976-eda250597317, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Anteil falscher Antworten an allen nicht korrekten Antworten: falsch / (falsch + teilweise richtig + nicht beantwortet).	Gewinner48,3 % Dies ist die separat veröffentlichte Halluzinationsraten-Diagnostik, nicht der AA-Omniscience-Index. AA bezeichnet niedrigere Werte als besser.	92,5 % Dies ist die separat veröffentlichte Halluzinationsraten-Diagnostik, nicht der AA-Omniscience-Index. AA bezeichnet niedrigere Werte als besser.	Artificial Analysis Quellendetails Datenstand: 19.10.2026
Artificial Analysis Intelligence IndexOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v4.3.2Messgröße: Artificial Analysis Intelligence IndexBewertung: Mehr ist besserGPT-6 Astra: Snapshot: GPT-6 Astra (Xhigh), Reasoning: Xhigh GPT-5.6 Luna: Snapshot: GPT-5.6 Luna (Xhigh), Reasoning: XhighGPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Xhigh) (Release gpt-6-astra, Zeile gpt-6-astra-xhigh, UUID 1f541ef3-913f-4eb2-9d07-0e93c7a9a5e3, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-5.6 Luna: Exakte AA-Konfiguration: GPT-5.6 Luna (Xhigh) (Release gpt-5-6-luna, Zeile gpt-5-6-luna-xhigh, UUID 87110ff0-1f79-41b4-9976-eda250597317, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner52,386 Punkte	34,555 Punkte	Artificial Analysis Quellendetails Datenstand: 19.10.2026
AutomationBench-AAOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: Objectives completed without guardrail violationsBewertung: Mehr ist besserGPT-6 Astra: Snapshot: GPT-6 Astra (Xhigh), Reasoning: Xhigh GPT-5.6 Luna: Snapshot: GPT-5.6 Luna (Xhigh), Reasoning: XhighGPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Xhigh) (Release gpt-6-astra, Zeile gpt-6-astra-xhigh, UUID 1f541ef3-913f-4eb2-9d07-0e93c7a9a5e3, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-5.6 Luna: Exakte AA-Konfiguration: GPT-5.6 Luna (Xhigh) (Release gpt-5-6-luna, Zeile gpt-5-6-luna-xhigh, UUID 87110ff0-1f79-41b4-9976-eda250597317, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner67,2 %	42,6 %	Artificial Analysis Quellendetails Datenstand: 19.10.2026
BioMysteryBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Harness: Terminus 2, Ausgabegrenze: 128.000 tokens	Gewinner79,259 %	61,481 %	Vals AI Quellendetails Datenstand: 12.10.2026
Code MigrationOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	Gewinner67,74 %	44,55 %	Vals AI Quellendetails Datenstand: 12.10.2026
CyberBench v1.1Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	41,072 %	Gewinner73,631 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	Gewinner71,7 %	67,116 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	53,54 %	Gewinner55,044 %	Vals AI Quellendetails Datenstand: 12.10.2026
GDP.pdfOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: All-pass rateBewertung: Mehr ist besserGPT-6 Astra: Snapshot: GPT-6 Astra (Xhigh), Reasoning: Xhigh GPT-5.6 Luna: Snapshot: GPT-5.6 Luna (Xhigh), Reasoning: XhighGPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Xhigh) (Release gpt-6-astra, Zeile gpt-6-astra-xhigh, UUID 1f541ef3-913f-4eb2-9d07-0e93c7a9a5e3, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-5.6 Luna: Exakte AA-Konfiguration: GPT-5.6 Luna (Xhigh) (Release gpt-5-6-luna, Zeile gpt-5-6-luna-xhigh, UUID 87110ff0-1f79-41b4-9976-eda250597317, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner32,2 %	23,8 %	Artificial Analysis Quellendetails Datenstand: 19.10.2026
GDPval-AAOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v2.1Messgröße: GDPval-AA EloBewertung: Mehr ist besserGPT-6 Astra: Snapshot: GPT-6 Astra (Xhigh), Reasoning: Xhigh GPT-5.6 Luna: Snapshot: GPT-5.6 Luna (Xhigh), Reasoning: XhighGPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Xhigh) (Release gpt-6-astra, Zeile gpt-6-astra-xhigh, UUID 1f541ef3-913f-4eb2-9d07-0e93c7a9a5e3, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-5.6 Luna: Exakte AA-Konfiguration: GPT-5.6 Luna (Xhigh) (Release gpt-5-6-luna, Zeile gpt-5-6-luna-xhigh, UUID 87110ff0-1f79-41b4-9976-eda250597317, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner1.555,91 elo	1.399,92 elo	Artificial Analysis Quellendetails Datenstand: 19.10.2026
Harvey's Legal Agent BenchmarkOverall · Task fully resolved Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	Gewinner5,417 %	1,25 %	Vals AI Quellendetails Datenstand: 12.10.2026
Humanity's Last ExamOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: Text-only pass@1 accuracyBewertung: Mehr ist besserGPT-6 Astra: Snapshot: GPT-6 Astra (Xhigh), Reasoning: Xhigh GPT-5.6 Luna: Snapshot: GPT-5.6 Luna (Xhigh), Reasoning: XhighGPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Xhigh) (Release gpt-6-astra, Zeile gpt-6-astra-xhigh, UUID 1f541ef3-913f-4eb2-9d07-0e93c7a9a5e3, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-5.6 Luna: Exakte AA-Konfiguration: GPT-5.6 Luna (Xhigh) (Release gpt-5-6-luna, Zeile gpt-5-6-luna-xhigh, UUID 87110ff0-1f79-41b4-9976-eda250597317, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner54,6 % Der Anbieter beschreibt seine Vergleichsauswertung als text-only 2.158 Fragen, nicht als den vollständigen 2.500-Fragen-Datensatz.	37,0 % Der Anbieter beschreibt seine Vergleichsauswertung als text-only 2.158 Fragen, nicht als den vollständigen 2.500-Fragen-Datensatz.	Artificial Analysis Quellendetails Datenstand: 19.10.2026
IOIOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	Gewinner100 %	61,778 %	Vals AI Quellendetails Datenstand: 14.10.2026
ITBench-AA (SRE)Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: AA cohort: 59 tasksMessgröße: Average precision at full recallBewertung: Mehr ist besserGPT-6 Astra: Snapshot: GPT-6 Astra (Max), Reasoning: Max, Agent: Stirrup agent, Harness: Artificial Analysis Stirrup, Versuche: Average precision at full recall, 3 repeats per task GPT-5.6 Luna: Snapshot: GPT-5.6 Luna (Max), Reasoning: Max, Agent: Stirrup agent, Harness: Artificial Analysis Stirrup, Versuche: Average precision at full recall, 3 repeats per taskGPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Max) (Release gpt-6-astra, Zeile gpt-6-astra, UUID 2f339a97-9a0d-499a-9cb5-e0db665bfa25, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. 59 Kubernetes-Incidentaufgaben, davon 40 öffentliche und 19 private, mit drei Wiederholungen je Aufgabe. Ein Lauf erhält null, wenn eine tatsächliche Ursache fehlt, sonst die Präzision bei vollständigem Recall. Dies ist nur die SRE-Teilmenge von ITBench.GPT-5.6 Luna: Exakte AA-Konfiguration: GPT-5.6 Luna (Max) (Release gpt-5-6-luna, Zeile gpt-5-6-luna, UUID 426d24c8-49ae-482a-b4a8-20f1c53f21c1, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. 59 Kubernetes-Incidentaufgaben, davon 40 öffentliche und 19 private, mit drei Wiederholungen je Aufgabe. Ein Lauf erhält null, wenn eine tatsächliche Ursache fehlt, sonst die Präzision bei vollständigem Recall. Dies ist nur die SRE-Teilmenge von ITBench.	Gewinner48,6 % Die AA-Implementierung deckt hier nur Site Reliability Engineering ab, nicht die weiteren ITBench-Domänen CISO und FinOps.	40,3 % Die AA-Implementierung deckt hier nur Site Reliability Engineering ab, nicht die weiteren ITBench-Domänen CISO und FinOps.	Artificial Analysis Quellendetails Datenstand: 19.10.2026
Legal Research BenchOverall · All-pass Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	Gewinner39,423 %	36,538 %	Vals AI Quellendetails Datenstand: 12.10.2026
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 GPT-5.6 Luna: Snapshot: gpt-5.6-luna-xhigh, Reasoning: xhigh, Harness: Arena Text, style controlGPT-6 Astra: Arena-Bewertung aus 11.674 veröffentlichten Paarvergleichen.GPT-5.6 Luna: Arena-Bewertung aus 41.103 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.	1.452,509 95-%-Konfidenzintervall: ±4,306Der 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 Vision, 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 Vision, style control GPT-5.6 Luna: Snapshot: gpt-5.6-luna-xhigh, Reasoning: xhigh, Harness: Arena Vision, style controlGPT-6 Astra: Arena-Bewertung aus 3.590 veröffentlichten Paarvergleichen.GPT-5.6 Luna: Arena-Bewertung aus 11.086 veröffentlichten Paarvergleichen.	Höherer Messwert1.285,988 95-%-Konfidenzintervall: ±10,782Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.257,662 95-%-Konfidenzintervall: ±7,463Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 09.10.2026
MedCodeOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 30.000 tokens	Höherer Messwert48,486 %	42,391 %	Vals AI Quellendetails Datenstand: 13.10.2026
MedScribeOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 30.000 tokens	Höherer Messwert87,908 %	84,391 %	Vals AI Quellendetails Datenstand: 13.10.2026
MMMU-ProOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: AA cohort: 1,730 questionsMessgröße: pass@1 accuracyBewertung: Mehr ist besserGPT-6 Astra: Snapshot: GPT-6 Astra (Xhigh), Reasoning: Xhigh, Versuche: pass@1, one run per question GPT-5.6 Luna: Snapshot: GPT-5.6 Luna (Xhigh), Reasoning: Xhigh, Versuche: pass@1, one run per questionGPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Xhigh) (Release gpt-6-astra, Zeile gpt-6-astra-xhigh, UUID 1f541ef3-913f-4eb2-9d07-0e93c7a9a5e3, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Der AA-Lauf umfasst 1.730 Fragen mit zehn Antwortoptionen. Die Antwort wird per regulärem Ausdruck extrahiert und als pass@1 bewertet.GPT-5.6 Luna: Exakte AA-Konfiguration: GPT-5.6 Luna (Xhigh) (Release gpt-5-6-luna, Zeile gpt-5-6-luna-xhigh, UUID 87110ff0-1f79-41b4-9976-eda250597317, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Der AA-Lauf umfasst 1.730 Fragen mit zehn Antwortoptionen. Die Antwort wird per regulärem Ausdruck extrahiert und als pass@1 bewertet.	Gewinner86,2 % Die Benchmarkseite nennt 3.460 Fragen für den vollständigen MMMU-Pro-Datensatz; die AA-Methodik beschreibt einen 1.730-Fragen-Lauf.	78,6 % Die Benchmarkseite nennt 3.460 Fragen für den vollständigen MMMU-Pro-Datensatz; die AA-Methodik beschreibt einen 1.730-Fragen-Lauf.	Artificial Analysis Quellendetails Datenstand: 19.10.2026
MysteryMechanismOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	Gewinner53,153 %	14,414 %	Vals AI Quellendetails Datenstand: 12.10.2026
ProgramBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: fully resolved rateBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	Gewinner5,5 %	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 %	60 %	Vals AI Quellendetails Datenstand: 12.10.2026
SAGEOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 30.000 tokens	Gewinner46,367 %	44,22 %	Vals AI Quellendetails Datenstand: 08.10.2026
SRE BenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: fully solved rateBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	Gewinner56,87 %	1,527 %	Vals AI Quellendetails Datenstand: 14.10.2026
Tax Agent BenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	20,717 %	Gewinner24,815 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-BenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 4.0Messgröße: Task successBewertung: Mehr ist besserGPT-6 Astra: Snapshot: GPT-6 Astra (Xhigh), Reasoning: Xhigh GPT-5.6 Luna: Snapshot: GPT-5.6 Luna (Xhigh), Reasoning: XhighGPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Xhigh) (Release gpt-6-astra, Zeile gpt-6-astra-xhigh, UUID 1f541ef3-913f-4eb2-9d07-0e93c7a9a5e3, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-5.6 Luna: Exakte AA-Konfiguration: GPT-5.6 Luna (Xhigh) (Release gpt-5-6-luna, Zeile gpt-5-6-luna-xhigh, UUID 87110ff0-1f79-41b4-9976-eda250597317, reasoning=true, source reasoning-token configuration budget=0, suffix=Xhigh). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner59,6 %	3,5 %	Artificial Analysis Quellendetails Datenstand: 19.10.2026
Terminal-Bench 2.1Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	Gewinner87,266 %	79,026 %	Vals AI Quellendetails Datenstand: 28.09.2026
Terminal-Bench 4.0Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 4.0Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	Gewinner59,596 %	11,616 %	Vals AI Quellendetails Datenstand: 13.10.2026
Terminal-Bench ScienceOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 0.1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Harness: Mini-SWE-agent, Ausgabegrenze: 128.000 tokens	Gewinner62,857 %	0 %	Vals AI Quellendetails Datenstand: 14.10.2026
Terminal-Bench-ScienceOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 0.1.0Messgröße: pass@1 task success rateBewertung: Mehr ist besserGPT-6 Astra: Snapshot: GPT-6 Astra (Max), Reasoning: Max, Agent: mini-swe-agent, Harness: mini-swe-agent, Versuche: pass@1, averaged over 3 repeats per task GPT-5.6 Luna: Snapshot: GPT-5.6 Luna (Max), Reasoning: Max, Agent: mini-swe-agent, Harness: mini-swe-agent, Versuche: pass@1, averaged over 3 repeats per taskGPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Max) (Release gpt-6-astra, Zeile gpt-6-astra, UUID 2f339a97-9a0d-499a-9cb5-e0db665bfa25, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Die vollständige Version 0.1.0 umfasst 70 Aufgaben aus fünf Wissenschaftsbereichen. Jede Aufgabe besteht nur, wenn ihre gesamte Testsuite besteht. AA mittelt pass@1 über drei Wiederholungen.GPT-5.6 Luna: Exakte AA-Konfiguration: GPT-5.6 Luna (Max) (Release gpt-5-6-luna, Zeile gpt-5-6-luna, UUID 426d24c8-49ae-482a-b4a8-20f1c53f21c1, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Die vollständige Version 0.1.0 umfasst 70 Aufgaben aus fünf Wissenschaftsbereichen. Jede Aufgabe besteht nur, wenn ihre gesamte Testsuite besteht. AA mittelt pass@1 über drei Wiederholungen.	Gewinner63,3 %	3,3 %	Artificial Analysis Quellendetails Datenstand: 19.10.2026
Vals IndexOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2.1Messgröße: weighted index scoreBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	Gewinner63,125 %	51,687 %	Vals AI Quellendetails Datenstand: 13.10.2026
Vibe Code Bench 1-100Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.0Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 128.000 tokens	Gewinner27,644 %	22,594 %	Vals AI Quellendetails Datenstand: 14.10.2026
Vibe Code Bench v1.1Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 128.000 tokens	Gewinner89,594 %	77,055 %	Vals AI Quellendetails Datenstand: 12.10.2026
AA-BriefcaseOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v1.1Messgröße: AA-Briefcase EloBewertung: Mehr ist besserGPT-6 Astra: Snapshot: GPT-6 Astra (Max), Reasoning: Max GPT-5.6 Luna: Snapshot: GPT-5.6 Luna (Max), Reasoning: MaxGPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Max) (Release gpt-6-astra, Zeile gpt-6-astra, UUID 2f339a97-9a0d-499a-9cb5-e0db665bfa25, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-5.6 Luna: Exakte AA-Konfiguration: GPT-5.6 Luna (Max) (Release gpt-5-6-luna, Zeile gpt-5-6-luna, UUID 426d24c8-49ae-482a-b4a8-20f1c53f21c1, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner1.568,99 elo	1.342,18 elo	Artificial Analysis Quellendetails Datenstand: 19.10.2026
AA-LCROverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v1.1Messgröße: Pass rateBewertung: Mehr ist besserGPT-6 Astra: Snapshot: GPT-6 Astra (Max), Reasoning: Max GPT-5.6 Luna: Snapshot: GPT-5.6 Luna (Max), Reasoning: MaxGPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Max) (Release gpt-6-astra, Zeile gpt-6-astra, UUID 2f339a97-9a0d-499a-9cb5-e0db665bfa25, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-5.6 Luna: Exakte AA-Konfiguration: GPT-5.6 Luna (Max) (Release gpt-5-6-luna, Zeile gpt-5-6-luna, UUID 426d24c8-49ae-482a-b4a8-20f1c53f21c1, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	80,7 %	Gewinner83,7 %	Artificial Analysis Quellendetails Datenstand: 19.10.2026
AA-OmniscienceOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: AA-Omniscience IndexBewertung: Mehr ist besserGPT-6 Astra: Snapshot: GPT-6 Astra (Max), Reasoning: Max GPT-5.6 Luna: Snapshot: GPT-5.6 Luna (Max), Reasoning: MaxGPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Max) (Release gpt-6-astra, Zeile gpt-6-astra, UUID 2f339a97-9a0d-499a-9cb5-e0db665bfa25, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-5.6 Luna: Exakte AA-Konfiguration: GPT-5.6 Luna (Max) (Release gpt-5-6-luna, Zeile gpt-5-6-luna, UUID 426d24c8-49ae-482a-b4a8-20f1c53f21c1, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner43,4 Punkte Der Index kann negative Werte annehmen und reicht laut Anbieter von -100 bis 100.	-10,283 Punkte Der Index kann negative Werte annehmen und reicht laut Anbieter von -100 bis 100.	Artificial Analysis Quellendetails Datenstand: 19.10.2026
AA-Omniscience AccuracyOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: AA Omniscience diagnosticMessgröße: AA-Omniscience AccuracyBewertung: Mehr ist besserGPT-6 Astra: Snapshot: GPT-6 Astra (Max), Reasoning: Max, Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboard GPT-5.6 Luna: Snapshot: GPT-5.6 Luna (Max), Reasoning: Max, Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboardGPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Max) (Release gpt-6-astra, Zeile gpt-6-astra, UUID 2f339a97-9a0d-499a-9cb5-e0db665bfa25, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Anteil der insgesamt korrekt beantworteten Fragen, unabhängig davon, ob das Modell andere Fragen beantwortet oder sich enthält.GPT-5.6 Luna: Exakte AA-Konfiguration: GPT-5.6 Luna (Max) (Release gpt-5-6-luna, Zeile gpt-5-6-luna, UUID 426d24c8-49ae-482a-b4a8-20f1c53f21c1, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Anteil der insgesamt korrekt beantworteten Fragen, unabhängig davon, ob das Modell andere Fragen beantwortet oder sich enthält.	Gewinner62,6 % Dies ist die separat veröffentlichte Genauigkeitsdiagnostik, nicht der AA-Omniscience-Index. AA bezeichnet höhere Werte als besser.	42,7 % Dies ist die separat veröffentlichte Genauigkeitsdiagnostik, nicht der AA-Omniscience-Index. AA bezeichnet höhere Werte als besser.	Artificial Analysis Quellendetails Datenstand: 19.10.2026
AA-Omniscience Hallucination RateOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: AA Omniscience diagnosticMessgröße: AA-Omniscience Hallucination RateBewertung: Weniger ist besserGPT-6 Astra: Snapshot: GPT-6 Astra (Max), Reasoning: Max, Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboard GPT-5.6 Luna: Snapshot: GPT-5.6 Luna (Max), Reasoning: Max, Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboardGPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Max) (Release gpt-6-astra, Zeile gpt-6-astra, UUID 2f339a97-9a0d-499a-9cb5-e0db665bfa25, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Anteil falscher Antworten an allen nicht korrekten Antworten: falsch / (falsch + teilweise richtig + nicht beantwortet).GPT-5.6 Luna: Exakte AA-Konfiguration: GPT-5.6 Luna (Max) (Release gpt-5-6-luna, Zeile gpt-5-6-luna, UUID 426d24c8-49ae-482a-b4a8-20f1c53f21c1, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Anteil falscher Antworten an allen nicht korrekten Antworten: falsch / (falsch + teilweise richtig + nicht beantwortet).	Gewinner51,3 % Dies ist die separat veröffentlichte Halluzinationsraten-Diagnostik, nicht der AA-Omniscience-Index. AA bezeichnet niedrigere Werte als besser.	92,6 % Dies ist die separat veröffentlichte Halluzinationsraten-Diagnostik, nicht der AA-Omniscience-Index. AA bezeichnet niedrigere Werte als besser.	Artificial Analysis Quellendetails Datenstand: 19.10.2026
Artificial Analysis Intelligence IndexOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v4.3.2Messgröße: Artificial Analysis Intelligence IndexBewertung: Mehr ist besserGPT-6 Astra: Snapshot: GPT-6 Astra (Max), Reasoning: Max GPT-5.6 Luna: Snapshot: GPT-5.6 Luna (Max), Reasoning: MaxGPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Max) (Release gpt-6-astra, Zeile gpt-6-astra, UUID 2f339a97-9a0d-499a-9cb5-e0db665bfa25, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-5.6 Luna: Exakte AA-Konfiguration: GPT-5.6 Luna (Max) (Release gpt-5-6-luna, Zeile gpt-5-6-luna, UUID 426d24c8-49ae-482a-b4a8-20f1c53f21c1, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner52,674 Punkte	37,324 Punkte	Artificial Analysis Quellendetails Datenstand: 19.10.2026
AutomationBench-AAOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: Objectives completed without guardrail violationsBewertung: Mehr ist besserGPT-6 Astra: Snapshot: GPT-6 Astra (Max), Reasoning: Max GPT-5.6 Luna: Snapshot: GPT-5.6 Luna (Max), Reasoning: MaxGPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Max) (Release gpt-6-astra, Zeile gpt-6-astra, UUID 2f339a97-9a0d-499a-9cb5-e0db665bfa25, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-5.6 Luna: Exakte AA-Konfiguration: GPT-5.6 Luna (Max) (Release gpt-5-6-luna, Zeile gpt-5-6-luna, UUID 426d24c8-49ae-482a-b4a8-20f1c53f21c1, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner68,5 %	50,2 %	Artificial Analysis Quellendetails Datenstand: 19.10.2026
BioMysteryBenchHard Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Harness: Terminus 2, Ausgabegrenze: 128.000 tokens	Gewinner37,255 %	27,451 %	Vals AI Quellendetails Datenstand: 12.10.2026
Code MigrationCLI Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	Gewinner67,463 %	36,067 %	Vals AI Quellendetails Datenstand: 12.10.2026
CyberBench v1.1Patch Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	82,143 %	Gewinner83,929 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBComps Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	Gewinner77,953 %	54,573 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Adjustments Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	48,318 %	Gewinner52,027 %	Vals AI Quellendetails Datenstand: 12.10.2026
GDP.pdfOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: All-pass rateBewertung: Mehr ist besserGPT-6 Astra: Snapshot: GPT-6 Astra (Max), Reasoning: Max GPT-5.6 Luna: Snapshot: GPT-5.6 Luna (Max), Reasoning: MaxGPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Max) (Release gpt-6-astra, Zeile gpt-6-astra, UUID 2f339a97-9a0d-499a-9cb5-e0db665bfa25, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-5.6 Luna: Exakte AA-Konfiguration: GPT-5.6 Luna (Max) (Release gpt-5-6-luna, Zeile gpt-5-6-luna, UUID 426d24c8-49ae-482a-b4a8-20f1c53f21c1, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner31,0 %	24,0 %	Artificial Analysis Quellendetails Datenstand: 19.10.2026
GDPval-AAOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v2.1Messgröße: GDPval-AA EloBewertung: Mehr ist besserGPT-6 Astra: Snapshot: GPT-6 Astra (Max), Reasoning: Max GPT-5.6 Luna: Snapshot: GPT-5.6 Luna (Max), Reasoning: MaxGPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Max) (Release gpt-6-astra, Zeile gpt-6-astra, UUID 2f339a97-9a0d-499a-9cb5-e0db665bfa25, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-5.6 Luna: Exakte AA-Konfiguration: GPT-5.6 Luna (Max) (Release gpt-5-6-luna, Zeile gpt-5-6-luna, UUID 426d24c8-49ae-482a-b4a8-20f1c53f21c1, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner1.572,84 elo	1.459,2 elo	Artificial Analysis Quellendetails Datenstand: 19.10.2026
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	Gewinner88,768 %	85,145 %	Vals AI Quellendetails Datenstand: 12.10.2026
Humanity's Last ExamOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: Text-only pass@1 accuracyBewertung: Mehr ist besserGPT-6 Astra: Snapshot: GPT-6 Astra (Max), Reasoning: Max GPT-5.6 Luna: Snapshot: GPT-5.6 Luna (Max), Reasoning: MaxGPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Max) (Release gpt-6-astra, Zeile gpt-6-astra, UUID 2f339a97-9a0d-499a-9cb5-e0db665bfa25, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-5.6 Luna: Exakte AA-Konfiguration: GPT-5.6 Luna (Max) (Release gpt-5-6-luna, Zeile gpt-5-6-luna, UUID 426d24c8-49ae-482a-b4a8-20f1c53f21c1, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner54,7 % Der Anbieter beschreibt seine Vergleichsauswertung als text-only 2.158 Fragen, nicht als den vollständigen 2.500-Fragen-Datensatz.	39,5 % Der Anbieter beschreibt seine Vergleichsauswertung als text-only 2.158 Fragen, nicht als den vollständigen 2.500-Fragen-Datensatz.	Artificial Analysis Quellendetails Datenstand: 19.10.2026
IOIIOI 2024 Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	Gewinner100 %	85 %	Vals AI Quellendetails Datenstand: 14.10.2026
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	Gewinner53,03 %	48,485 %	Vals AI Quellendetails Datenstand: 12.10.2026
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 GPT-5.6 Luna: Snapshot: gpt-5.6-luna-xhigh, Reasoning: xhigh, Harness: Arena Text, style controlGPT-6 Astra: Arena-Bewertung aus 2.061 veröffentlichten Paarvergleichen.GPT-5.6 Luna: Arena-Bewertung aus 7.709 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.	1.461,658 95-%-Konfidenzintervall: ±7,593Der 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 Vision, 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 Vision, style control GPT-5.6 Luna: Snapshot: gpt-5.6-luna-xhigh, Reasoning: xhigh, Harness: Arena Vision, style controlGPT-6 Astra: Arena-Bewertung aus 230 veröffentlichten Paarvergleichen.GPT-5.6 Luna: Arena-Bewertung aus 633 veröffentlichten Paarvergleichen.	Höherer Messwert1.357,126 95-%-Konfidenzintervall: ±39,572Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.278,602 95-%-Konfidenzintervall: ±24,931Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 09.10.2026
MMMU-ProOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: AA cohort: 1,730 questionsMessgröße: pass@1 accuracyBewertung: Mehr ist besserGPT-6 Astra: Snapshot: GPT-6 Astra (Max), Reasoning: Max, Versuche: pass@1, one run per question GPT-5.6 Luna: Snapshot: GPT-5.6 Luna (Max), Reasoning: Max, Versuche: pass@1, one run per questionGPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Max) (Release gpt-6-astra, Zeile gpt-6-astra, UUID 2f339a97-9a0d-499a-9cb5-e0db665bfa25, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Der AA-Lauf umfasst 1.730 Fragen mit zehn Antwortoptionen. Die Antwort wird per regulärem Ausdruck extrahiert und als pass@1 bewertet.GPT-5.6 Luna: Exakte AA-Konfiguration: GPT-5.6 Luna (Max) (Release gpt-5-6-luna, Zeile gpt-5-6-luna, UUID 426d24c8-49ae-482a-b4a8-20f1c53f21c1, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Der AA-Lauf umfasst 1.730 Fragen mit zehn Antwortoptionen. Die Antwort wird per regulärem Ausdruck extrahiert und als pass@1 bewertet.	Gewinner86,9 % Die Benchmarkseite nennt 3.460 Fragen für den vollständigen MMMU-Pro-Datensatz; die AA-Methodik beschreibt einen 1.730-Fragen-Lauf.	78,6 % Die Benchmarkseite nennt 3.460 Fragen für den vollständigen MMMU-Pro-Datensatz; die AA-Methodik beschreibt einen 1.730-Fragen-Lauf.	Artificial Analysis Quellendetails Datenstand: 19.10.2026
ProgramBenchAlmost Resolved Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: almost-resolved rateBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	Gewinner50 %	9 %	Vals AI Quellendetails Datenstand: 12.10.2026
SAGEAutomata Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 30.000 tokens	Gewinner37,302 %	31,35 %	Vals AI Quellendetails Datenstand: 08.10.2026
SRE BenchCapability Score Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: capability scoreBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	Gewinner63,868 %	6,361 %	Vals AI Quellendetails Datenstand: 14.10.2026
Tax Agent BenchControversy & Precedence Analysis Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens	Gewinner13,333 %	10 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-BenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 4.0Messgröße: Task successBewertung: Mehr ist besserGPT-6 Astra: Snapshot: GPT-6 Astra (Max), Reasoning: Max GPT-5.6 Luna: Snapshot: GPT-5.6 Luna (Max), Reasoning: MaxGPT-6 Astra: Exakte AA-Konfiguration: GPT-6 Astra (Max) (Release gpt-6-astra, Zeile gpt-6-astra, UUID 2f339a97-9a0d-499a-9cb5-e0db665bfa25, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GPT-5.6 Luna: Exakte AA-Konfiguration: GPT-5.6 Luna (Max) (Release gpt-5-6-luna, Zeile gpt-5-6-luna, UUID 426d24c8-49ae-482a-b4a8-20f1c53f21c1, reasoning=true, source reasoning-token configuration budget=0, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner59,1 %	11,6 %	Artificial Analysis Quellendetails Datenstand: 19.10.2026
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

GPT-5.6 Luna

In dieser Runde nicht verfügbar

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.

GPT-5.6 Luna

Reasoning (angefragt): high

Aktueller 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
Reasoning-Einstellung: high
Festgelegter Endpunkt: OpenAI | openai/gpt-5.6-luna-20260709
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-6 Astra und GPT-5.6 Luna mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich

GPT-6 Astra vs. GPT-5.6 Luna

Modellauswahl ändern

Allgemeine Daten

API-Preise im Vergleich

Gemeinsame Benchmarks

Fähigkeitsprofil aus vergleichbaren Benchmarks

Unsere Tests

SVG-Kurztest

GPT-6 Astra

GPT-5.6 Luna

Pelikan auf dem Fahrrad

Ein Benchmark-Sieg ist kein Gesamturteil

Ähnliche LLM-Vergleiche