Direktvergleich

GPT-6 Luna vs. DeepSeek-V4-Pro

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

gemeinsame Messreihen: 212
verschiedene Benchmarks: 26
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 Luna und DeepSeek-V4-Pro
Merkmal	GPT-6 Luna	DeepSeek-V4-Pro
Anbieter	OpenAI	DeepSeek
Erschienen	22. Sept. 2026	24. Apr. 2026
Verfügbarkeit	Aktiv	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	18. Mai 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 Luna und DeepSeek-V4-Pro
Preisart	GPT-6 Luna	DeepSeek-V4-Pro
API-Eingabe	0,1 $ ≤272K / 0,2 $ >272K	0,66 $ (Off-Peak)
API-Ausgabe	0,5 $ ≤272K / 0,75 $ >272K	1,98 $ (Off-Peak)
Cache lesen	0,01 $ ≤272K / 0,02 $ >272K	0,022 $ (Off-Peak)
Cache schreiben (5 Min.)	0,125 $ ≤272K / 0,25 $ >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 LunaDeepSeek-V4-Pro

API-EingabeUSD pro 1 Mio. Token, Basistarif

GPT-6 Luna0,1 $

DeepSeek-V4-Pro0,66 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

GPT-6 Luna0,5 $

DeepSeek-V4-Pro1,98 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

GPT-6 Luna0,01 $

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 Luna und DeepSeek-V4-Pro
Modell	Anbieter	Bezugsweg und Tarif	Eingabe pro 1 Mio. Token	Ausgabe pro 1 Mio. Token	Quelle
GPT-6 Luna	OpenAI	Direkt beim EntwicklerBis 272.000 Kontext-Token	0,1 $	0,5 $	Quelle22.09.2026
	OpenAI	Direkt beim EntwicklerÜber 272.000 Kontext-Token	0,2 $	0,75 $	Quelle22.09.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock/us-east-1	0,11 $	0,55 $	Quelle17.10.2026
	Azure	Über OpenRouterazure	0,1 $	0,5 $	Quelle17.10.2026
	Azure	Über OpenRouterazure/eu	0,11 $	0,55 $	Quelle17.10.2026
	Azure	Über OpenRouterazure/us	0,11 $	0,55 $	Quelle17.10.2026
	OpenAI	Über OpenRouteropenai	0,1 $	0,5 $	Quelle17.10.2026
	OpenAI	Über OpenRouteropenai/fast	0,2 $	1 $	Quelle17.10.2026
	OpenAI	Über OpenRouteropenai/flex	Günstigster erfasster Preis: 0,05 $	Günstigster erfasster Preis: 0,25 $	Quelle17.10.2026
DeepSeek-V4-Pro	DeepSeek	Direkt beim EntwicklerStandard-API	0,66 $	1,98 $	Quelle22.09.2026
	Alibaba	Über OpenRouteralibaba	1,122 $	3,366 $	Quelle17.10.2026
	Alibaba	Über OpenRouteralibaba/us-east-1	1,32 $	3,96 $	Quelle17.10.2026
	AtlasCloud	Über OpenRouteratlas-cloud/fp8	1,32 $	3,96 $	Quelle17.10.2026
	Baidu	Über OpenRouterbaidu/fp8	Günstigster erfasster Preis: 0,2495 $	Günstigster erfasster Preis: 0,7484 $	Quelle17.10.2026
	Cloudflare	Über OpenRoutercloudflare	1,32 $	3,96 $	Quelle17.10.2026
	DeepInfra	Über OpenRouterdeepinfra/fp8	1,3 $	2,6 $	Quelle17.10.2026
	DeepSeek	Über OpenRouterdeepseek	0,66 $	1,98 $	Quelle17.10.2026
	DigitalOcean	Über OpenRouterdigitalocean	1,32 $	3,96 $	Quelle17.10.2026
	GMICloud	Über OpenRoutergmicloud/fp8	1,056 $	3,168 $	Quelle17.10.2026
	Ionstream	Über OpenRouterionstream	0,37 $	2,93 $	Quelle17.10.2026
	Novita	Über OpenRouternovita/fp8	0,99 $	2,97 $	Quelle17.10.2026
	Parasail	Über OpenRouterparasail/fp8	1,32 $	3,96 $	Quelle17.10.2026
	Phala	Über OpenRouterphala	1,45 $	4,36 $	Quelle17.10.2026
	Sail Research	Über OpenRoutersail-research/fp4	0,448 $	1,164 $	Quelle17.10.2026
	Sail Research	Über OpenRoutersail-research/us	0,448 $	1,164 $	Quelle17.10.2026
	SiliconFlow	Über OpenRoutersiliconflow/fp8	1,32 $	3,96 $	Quelle17.10.2026
	StreamLake	Über OpenRouterstreamlake	0,66 $	1,98 $	Quelle17.10.2026
	Together	Über OpenRoutertogether	1,32 $	3,96 $	Quelle17.10.2026
	Venice	Über OpenRoutervenice	1,65 $	4,95 $	Quelle17.10.2026
	Wafer	Über OpenRouterwafer/mxfp4	0,25 $	5 $	Quelle17.10.2026

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 Luna

DeepSeek-V4-Pro

Coding: 100 / 100 (1 Benchmarkfamilie)

Reasoning: 86,5 / 87,4 (3 Benchmarkfamilien)

Mathematik: 100 / 25 (1 Benchmarkfamilie)

Wissen: 0 / 100 (1 Benchmarkfamilie)

Agenten-Aufgaben: 74,1 / 100 (3 Benchmarkfamilien)

Gesundheit: 100 / 90,2 (2 Benchmarkfamilien)

Gesamt: 90,7 / 100 (1 Benchmarkfamilie)

12 passende Messreihen aus 12 Benchmarkfamilien wurden berücksichtigt. Das Radar zeigt 7 von 7 vergleichbaren Kategorien.

GPT-6 LunaDeepSeek-V4-Pro

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

GPT-6 Luna903,18 elo

DeepSeek-V4-Pro928,2 elo

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

GPT-6 Luna39,7 %

DeepSeek-V4-Pro50,7 %

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

GPT-6 Luna-21,9 Punkte

DeepSeek-V4-Pro-12,383 Punkte

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

GPT-6 Luna18,468 Punkte

DeepSeek-V4-Pro20,361 Punkte

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

GPT-6 Luna9,1 %

DeepSeek-V4-Pro34,9 %

Code MigrationOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-6 Luna42,554 %

DeepSeek-V4-Pro26,201 %

EMBOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-6 Luna68,515 %

DeepSeek-V4-Pro51,623 %

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

GPT-6 Luna49,873 %

DeepSeek-V4-Pro44,083 %

GDP.pdfOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-6 Luna5,8 %

DeepSeek-V4-Pro3,6 %

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

GPT-6 Luna1.045,45 elo

DeepSeek-V4-Pro1.057,89 elo

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

GPT-6 Luna2,917 %

DeepSeek-V4-Pro3,75 %

Humanity's Last ExamOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-6 Luna8,6 %

DeepSeek-V4-Pro10,6 %

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von GPT-6 Luna und DeepSeek-V4-Pro
Benchmark und Aufgabe	GPT-6 Luna	DeepSeek-V4-Pro	Quelle
AA-BriefcaseOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v1.1Messgröße: AA-Briefcase EloBewertung: Mehr ist besserGPT-6 Luna: Snapshot: GPT-6 Luna (Non-reasoning), Reasoning: Non-reasoning DeepSeek-V4-Pro: Snapshot: DeepSeek V4 Pro 0813 (Non-reasoning), Reasoning: Non-reasoningGPT-6 Luna: Exakte AA-Konfiguration: GPT-6 Luna (Non-reasoning) (Release gpt-6-luna, Zeile gpt-6-luna-non-reasoning, UUID 63cb48ea-0b0c-4e07-8ded-6d28dec4fa28, reasoning=false, source reasoning-token configuration budget=0, suffix=Non-reasoning). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.DeepSeek-V4-Pro: Exakte AA-Konfiguration: DeepSeek V4 Pro 0813 (Non-reasoning) (Release deepseek-v4-pro, Zeile deepseek-v4-pro-non-reasoning, UUID d4f5b250-be37-4801-85e6-32fda4179337, reasoning=false, source reasoning-token configuration budget=0, suffix=Non-reasoning). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	903,18 elo	Gewinner928,2 elo	Artificial Analysis Quellendetails Datenstand: 15.10.2026
AA-LCROverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v1.1Messgröße: Pass rateBewertung: Mehr ist besserGPT-6 Luna: Snapshot: GPT-6 Luna (Non-reasoning), Reasoning: Non-reasoning DeepSeek-V4-Pro: Snapshot: DeepSeek V4 Pro 0813 (Non-reasoning), Reasoning: Non-reasoningGPT-6 Luna: Exakte AA-Konfiguration: GPT-6 Luna (Non-reasoning) (Release gpt-6-luna, Zeile gpt-6-luna-non-reasoning, UUID 63cb48ea-0b0c-4e07-8ded-6d28dec4fa28, reasoning=false, source reasoning-token configuration budget=0, suffix=Non-reasoning). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.DeepSeek-V4-Pro: Exakte AA-Konfiguration: DeepSeek V4 Pro 0813 (Non-reasoning) (Release deepseek-v4-pro, Zeile deepseek-v4-pro-non-reasoning, UUID d4f5b250-be37-4801-85e6-32fda4179337, reasoning=false, source reasoning-token configuration budget=0, suffix=Non-reasoning). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	39,7 %	Gewinner50,7 %	Artificial Analysis Quellendetails Datenstand: 15.10.2026
AA-OmniscienceOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: AA-Omniscience IndexBewertung: Mehr ist besserGPT-6 Luna: Snapshot: GPT-6 Luna (Non-reasoning), Reasoning: Non-reasoning DeepSeek-V4-Pro: Snapshot: DeepSeek V4 Pro 0813 (Non-reasoning), Reasoning: Non-reasoningGPT-6 Luna: Exakte AA-Konfiguration: GPT-6 Luna (Non-reasoning) (Release gpt-6-luna, Zeile gpt-6-luna-non-reasoning, UUID 63cb48ea-0b0c-4e07-8ded-6d28dec4fa28, reasoning=false, source reasoning-token configuration budget=0, suffix=Non-reasoning). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.DeepSeek-V4-Pro: Exakte AA-Konfiguration: DeepSeek V4 Pro 0813 (Non-reasoning) (Release deepseek-v4-pro, Zeile deepseek-v4-pro-non-reasoning, UUID d4f5b250-be37-4801-85e6-32fda4179337, reasoning=false, source reasoning-token configuration budget=0, suffix=Non-reasoning). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	-21,9 Punkte Der Index kann negative Werte annehmen und reicht laut Anbieter von -100 bis 100.	Gewinner-12,383 Punkte Der Index kann negative Werte annehmen und reicht laut Anbieter von -100 bis 100.	Artificial Analysis Quellendetails Datenstand: 15.10.2026
Artificial Analysis Intelligence IndexOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v4.3.2Messgröße: Artificial Analysis Intelligence IndexBewertung: Mehr ist besserGPT-6 Luna: Snapshot: GPT-6 Luna (Non-reasoning), Reasoning: Non-reasoning DeepSeek-V4-Pro: Snapshot: DeepSeek V4 Pro 0813 (Non-reasoning), Reasoning: Non-reasoningGPT-6 Luna: Exakte AA-Konfiguration: GPT-6 Luna (Non-reasoning) (Release gpt-6-luna, Zeile gpt-6-luna-non-reasoning, UUID 63cb48ea-0b0c-4e07-8ded-6d28dec4fa28, reasoning=false, source reasoning-token configuration budget=0, suffix=Non-reasoning). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.DeepSeek-V4-Pro: Exakte AA-Konfiguration: DeepSeek V4 Pro 0813 (Non-reasoning) (Release deepseek-v4-pro, Zeile deepseek-v4-pro-non-reasoning, UUID d4f5b250-be37-4801-85e6-32fda4179337, reasoning=false, source reasoning-token configuration budget=0, suffix=Non-reasoning). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	18,468 Punkte	Gewinner20,361 Punkte	Artificial Analysis Quellendetails Datenstand: 15.10.2026
AutomationBench-AAOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: Objectives completed without guardrail violationsBewertung: Mehr ist besserGPT-6 Luna: Snapshot: GPT-6 Luna (Non-reasoning), Reasoning: Non-reasoning DeepSeek-V4-Pro: Snapshot: DeepSeek V4 Pro 0813 (Non-reasoning), Reasoning: Non-reasoningGPT-6 Luna: Exakte AA-Konfiguration: GPT-6 Luna (Non-reasoning) (Release gpt-6-luna, Zeile gpt-6-luna-non-reasoning, UUID 63cb48ea-0b0c-4e07-8ded-6d28dec4fa28, reasoning=false, source reasoning-token configuration budget=0, suffix=Non-reasoning). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.DeepSeek-V4-Pro: Exakte AA-Konfiguration: DeepSeek V4 Pro 0813 (Non-reasoning) (Release deepseek-v4-pro, Zeile deepseek-v4-pro-non-reasoning, UUID d4f5b250-be37-4801-85e6-32fda4179337, reasoning=false, source reasoning-token configuration budget=0, suffix=Non-reasoning). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	9,1 %	Gewinner34,9 %	Artificial Analysis Quellendetails Datenstand: 15.10.2026
Code MigrationOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert42,554 %	26,201 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert68,515 %	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 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert49,873 %	44,083 %	Vals AI Quellendetails Datenstand: 12.10.2026
GDP.pdfOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: All-pass rateBewertung: Mehr ist besserGPT-6 Luna: Snapshot: GPT-6 Luna (Non-reasoning), Reasoning: Non-reasoning DeepSeek-V4-Pro: Snapshot: DeepSeek V4 Pro 0813 (Non-reasoning), Reasoning: Non-reasoningGPT-6 Luna: Exakte AA-Konfiguration: GPT-6 Luna (Non-reasoning) (Release gpt-6-luna, Zeile gpt-6-luna-non-reasoning, UUID 63cb48ea-0b0c-4e07-8ded-6d28dec4fa28, reasoning=false, source reasoning-token configuration budget=0, suffix=Non-reasoning). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.DeepSeek-V4-Pro: Exakte AA-Konfiguration: DeepSeek V4 Pro 0813 (Non-reasoning) (Release deepseek-v4-pro, Zeile deepseek-v4-pro-non-reasoning, UUID d4f5b250-be37-4801-85e6-32fda4179337, reasoning=false, source reasoning-token configuration budget=0, suffix=Non-reasoning). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner5,8 %	3,6 %	Artificial Analysis Quellendetails Datenstand: 15.10.2026
GDPval-AAOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v2.1Messgröße: GDPval-AA EloBewertung: Mehr ist besserGPT-6 Luna: Snapshot: GPT-6 Luna (Non-reasoning), Reasoning: Non-reasoning DeepSeek-V4-Pro: Snapshot: DeepSeek V4 Pro 0813 (Non-reasoning), Reasoning: Non-reasoningGPT-6 Luna: Exakte AA-Konfiguration: GPT-6 Luna (Non-reasoning) (Release gpt-6-luna, Zeile gpt-6-luna-non-reasoning, UUID 63cb48ea-0b0c-4e07-8ded-6d28dec4fa28, reasoning=false, source reasoning-token configuration budget=0, suffix=Non-reasoning). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.DeepSeek-V4-Pro: Exakte AA-Konfiguration: DeepSeek V4 Pro 0813 (Non-reasoning) (Release deepseek-v4-pro, Zeile deepseek-v4-pro-non-reasoning, UUID d4f5b250-be37-4801-85e6-32fda4179337, reasoning=false, source reasoning-token configuration budget=0, suffix=Non-reasoning). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	1.045,45 elo	Gewinner1.057,89 elo	Artificial Analysis Quellendetails Datenstand: 15.10.2026
Harvey's Legal Agent BenchmarkOverall · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserGPT-6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	2,917 %	Höherer Messwert3,75 %	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 Luna: Snapshot: GPT-6 Luna (Non-reasoning), Reasoning: Non-reasoning DeepSeek-V4-Pro: Snapshot: DeepSeek V4 Pro 0813 (Non-reasoning), Reasoning: Non-reasoningGPT-6 Luna: Exakte AA-Konfiguration: GPT-6 Luna (Non-reasoning) (Release gpt-6-luna, Zeile gpt-6-luna-non-reasoning, UUID 63cb48ea-0b0c-4e07-8ded-6d28dec4fa28, reasoning=false, source reasoning-token configuration budget=0, suffix=Non-reasoning). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.DeepSeek-V4-Pro: Exakte AA-Konfiguration: DeepSeek V4 Pro 0813 (Non-reasoning) (Release deepseek-v4-pro, Zeile deepseek-v4-pro-non-reasoning, UUID d4f5b250-be37-4801-85e6-32fda4179337, reasoning=false, source reasoning-token configuration budget=0, suffix=Non-reasoning). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	8,6 % Der Anbieter beschreibt seine Vergleichsauswertung als text-only 2.158 Fragen, nicht als den vollständigen 2.500-Fragen-Datensatz.	Gewinner10,6 % Der Anbieter beschreibt seine Vergleichsauswertung als text-only 2.158 Fragen, nicht als den vollständigen 2.500-Fragen-Datensatz.	Artificial Analysis Quellendetails Datenstand: 15.10.2026
Legal Research BenchOverall · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserGPT-6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert30,288 %	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 Luna: Snapshot: gpt-6-luna-max, Reasoning: max, Harness: Arena Code Arena WebDev DeepSeek-V4-Pro: Snapshot: deepseek-v4-pro, Harness: Arena Code Arena WebDevGPT-6 Luna: Arena-Bewertung aus 17.869 veröffentlichten Paarvergleichen.DeepSeek-V4-Pro: Arena-Bewertung aus 14.023 veröffentlichten Paarvergleichen.	Höherer Messwert1.581,731 95-%-Konfidenzintervall: ±6,249Der 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 Luna: Snapshot: gpt-6-luna-max, Reasoning: max, Harness: Arena Text, style control DeepSeek-V4-Pro: Snapshot: deepseek-v4-pro, Harness: Arena Text, style controlGPT-6 Luna: Arena-Bewertung aus 43.294 veröffentlichten Paarvergleichen.DeepSeek-V4-Pro: Arena-Bewertung aus 57.614 veröffentlichten Paarvergleichen.	1.442,954 95-%-Konfidenzintervall: ±4,676Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.457,848 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	Gewinner44,685 %	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	Gewinner83,71 %	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 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert0,5 %	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	Gewinner64 %	16 %	Vals AI Quellendetails Datenstand: 12.10.2026
Public Benefits Bench v1.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	57,645 %	Höherer Messwert62,923 %	Vals AI Quellendetails Datenstand: 12.10.2026
Tax Agent BenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	19,947 %	Höherer Messwert25,17 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-BenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 4.0Messgröße: Task successBewertung: Mehr ist besserGPT-6 Luna: Snapshot: GPT-6 Luna (Non-reasoning), Reasoning: Non-reasoning DeepSeek-V4-Pro: Snapshot: DeepSeek V4 Pro 0813 (Non-reasoning), Reasoning: Non-reasoningGPT-6 Luna: Exakte AA-Konfiguration: GPT-6 Luna (Non-reasoning) (Release gpt-6-luna, Zeile gpt-6-luna-non-reasoning, UUID 63cb48ea-0b0c-4e07-8ded-6d28dec4fa28, reasoning=false, source reasoning-token configuration budget=0, suffix=Non-reasoning). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.DeepSeek-V4-Pro: Exakte AA-Konfiguration: DeepSeek V4 Pro 0813 (Non-reasoning) (Release deepseek-v4-pro, Zeile deepseek-v4-pro-non-reasoning, UUID d4f5b250-be37-4801-85e6-32fda4179337, reasoning=false, source reasoning-token configuration budget=0, suffix=Non-reasoning). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gleichstand1,5 %	Gleichstand1,5 %	Artificial Analysis Quellendetails Datenstand: 15.10.2026
Terminal-Bench 2.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Ausgabegrenze: 128.000 tokens	Höherer Messwert73,034 %	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 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert13,636 %	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 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert51,216 %	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 Luna: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 256.000 tokens	Höherer Messwert81,649 %	49,931 %	Vals AI Quellendetails Datenstand: 12.10.2026
Code MigrationCLI Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert37,215 %	15,47 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBComps Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert70,474 %	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 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert49,75 %	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 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	81,884 %	Höherer Messwert83,696 %	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 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert37,879 %	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 Luna: Snapshot: gpt-6-luna-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 Luna: Arena-Bewertung aus 17.869 veröffentlichten Paarvergleichen.DeepSeek-V4-Pro: Arena-Bewertung aus 13.199 veröffentlichten Paarvergleichen.	Höherer Messwert1.581,731 95-%-Konfidenzintervall: ±6,249Der 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 Luna: Snapshot: gpt-6-luna-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 Luna: Arena-Bewertung aus 43.294 veröffentlichten Paarvergleichen.DeepSeek-V4-Pro: Arena-Bewertung aus 54.929 veröffentlichten Paarvergleichen.	1.442,954 95-%-Konfidenzintervall: ±4,676Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.454,814 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 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert8 %	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 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	6,667 %	Höherer Messwert12,333 %	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 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Ausgabegrenze: 128.000 tokens	Höherer Messwert91,667 %	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 Luna: 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: 13.10.2026
Vals IndexCode Migration Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: benchmark scoreBewertung: Mehr ist besserGPT-6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert44,377 %	26,212 %	Vals AI Quellendetails Datenstand: 13.10.2026
Code MigrationCOBOL Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert58,571 %	58,393 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBDataroom Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert75,536 %	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 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert38,433 %	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 Luna: 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 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	83,175 %	Höherer Messwert83,372 %	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 Luna: Snapshot: gpt-6-luna-max, Reasoning: max, Harness: Arena Code Arena WebDev DeepSeek-V4-Pro: Snapshot: deepseek-v4-pro, Harness: Arena Code Arena WebDevGPT-6 Luna: Arena-Bewertung aus 17.869 veröffentlichten Paarvergleichen.DeepSeek-V4-Pro: Arena-Bewertung aus 14.023 veröffentlichten Paarvergleichen.	Höherer Messwert1.581,731 95-%-Konfidenzintervall: ±6,249Der 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 Luna: Snapshot: gpt-6-luna-max, Reasoning: max, Harness: Arena Text, style control DeepSeek-V4-Pro: Snapshot: deepseek-v4-pro, Harness: Arena Text, style controlGPT-6 Luna: Arena-Bewertung aus 7.459 veröffentlichten Paarvergleichen.DeepSeek-V4-Pro: Arena-Bewertung aus 11.383 veröffentlichten Paarvergleichen.	1.441,508 95-%-Konfidenzintervall: ±7,801Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.459,786 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 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert0,5 %	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 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	54,423 %	Höherer Messwert54,843 %	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 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Ausgabegrenze: 128.000 tokens	Höherer Messwert65,556 %	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 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert16,667 %	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 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert68,515 %	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 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert3,752 / 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 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert62,771 %	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 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert39,772 %	39,632 %	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 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	82,796 %	Höherer Messwert83,513 %	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 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Kein direkter Sieger23,256 %	Kein direkter Sieger23,256 %	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 Luna: Snapshot: gpt-6-luna-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 Luna: Arena-Bewertung aus 17.869 veröffentlichten Paarvergleichen.DeepSeek-V4-Pro: Arena-Bewertung aus 13.199 veröffentlichten Paarvergleichen.	Höherer Messwert1.581,731 95-%-Konfidenzintervall: ±6,249Der 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 Luna: Snapshot: gpt-6-luna-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 Luna: Arena-Bewertung aus 7.459 veröffentlichten Paarvergleichen.DeepSeek-V4-Pro: Arena-Bewertung aus 11.045 veröffentlichten Paarvergleichen.	1.441,508 95-%-Konfidenzintervall: ±7,801Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.448,007 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 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert66,223 %	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 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	16,533 %	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 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Ausgabegrenze: 128.000 tokens	Höherer Messwert75,758 %	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 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert9,091 %	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 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert49,873 %	44,083 %	Vals AI Quellendetails Datenstand: 13.10.2026
EMBLBO Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert59,1 %	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 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens	Höherer Messwert57,606 %	52,649 %	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 Luna

In dieser Runde nicht verfügbar

DeepSeek-V4-Pro

Frühere Tests

Pelikan auf dem Fahrrad

Community-Klassiker für eine freie SVG-Zeichnung.

GPT-6 Luna

Reasoning (angefragt): high

Aktueller Versuch

Datum des Testlaufs: 01.10.2026
API-Anbieter: openrouter
Angefragtes API-Modell: openai/gpt-6-luna
API-Modell laut Antwort: openai/gpt-6-luna
Reasoning-Einstellung: high
Festgelegter Endpunkt: OpenAI | openai/gpt-6-luna-20260922
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Bestanden, keine Qualitätsbewertung
Antwortzeit: 46,7 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 Luna und DeepSeek-V4-Pro mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich

GPT-6 Luna vs. DeepSeek-V4-Pro

Modellauswahl ändern

Allgemeine Daten

API-Preise im Vergleich

Gemeinsame Benchmarks

Fähigkeitsprofil aus vergleichbaren Benchmarks

Unsere Tests

SVG-Kurztest

GPT-6 Luna

DeepSeek-V4-Pro

Pelikan auf dem Fahrrad

Ein Benchmark-Sieg ist kein Gesamturteil

Ähnliche LLM-Vergleiche