Direktvergleich

GPT-6 Sol vs. GLM-5.2

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

gemeinsame Messreihen: 140
verschiedene Benchmarks: 13
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 Sol und GLM-5.2
Merkmal	GPT-6 Sol	GLM-5.2
Anbieter	OpenAI	Z.ai
Erschienen	22. Sept. 2026	16. Juni 2026
Verfügbarkeit	Aktiv	Open Source
Modelltyp	Proprietär	Open Weights
Parameter	Nicht veröffentlicht	744 Mrd., 40 Mrd. aktiv
Architektur	Nicht veröffentlicht	Mixture of Experts
Kontextfenster	1.050.000 Token	1.000.000 Token
Wissensstand	20. April 2026	Nicht veröffentlicht
Technische Quellen	Modell, Kontext	Modell, Kontext

Kosten

API-Preise im Vergleich

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

API-Preise von GPT-6 Sol und GLM-5.2
Preisart	GPT-6 Sol	GLM-5.2
API-Eingabe	2 $ ≤272K / 4 $ >272K	1,4 $
API-Ausgabe	10 $ ≤272K / 15 $ >272K	4,4 $
Cache lesen	0,2 $ ≤272K / 0,4 $ >272K	0,26 $
Cache schreiben (5 Min.)	2,5 $ ≤272K / 5 $ >272K	Nicht ausgewiesen
Cache schreiben (1 Std.)	Nicht ausgewiesen	Nicht ausgewiesen
Preis geprüft	22.09.2026 Quelle	22.09.2026 Quelle

GPT-6 SolGLM-5.2

API-EingabeUSD pro 1 Mio. Token, Basistarif

GPT-6 Sol2 $

GLM-5.21,4 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

GPT-6 Sol10 $

GLM-5.24,4 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

GPT-6 Sol0,2 $

GLM-5.20,26 $

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 Sol und GLM-5.2
Modell	Anbieter	Bezugsweg und Tarif	Eingabe pro 1 Mio. Token	Ausgabe pro 1 Mio. Token	Quelle
GPT-6 Sol	OpenAI	Direkt beim EntwicklerBis 272.000 Kontext-Token	2 $	10 $	Quelle22.09.2026
	OpenAI	Direkt beim EntwicklerÜber 272.000 Kontext-Token	4 $	15 $	Quelle22.09.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock/us-east-1	2,2 $	11 $	Quelle17.10.2026
	Azure	Über OpenRouterazure	2 $	10 $	Quelle17.10.2026
	Azure	Über OpenRouterazure/eu	2,2 $	11 $	Quelle17.10.2026
	Azure	Über OpenRouterazure/us	2,2 $	11 $	Quelle17.10.2026
	OpenAI	Über OpenRouteropenai	2 $	10 $	Quelle17.10.2026
	OpenAI	Über OpenRouteropenai/fast	4 $	20 $	Quelle17.10.2026
	OpenAI	Über OpenRouteropenai/flex	Günstigster erfasster Preis: 1 $	Günstigster erfasster Preis: 5 $	Quelle17.10.2026
GLM-5.2	Z.ai	Direkt beim EntwicklerStandard-API	1,4 $	4,4 $	Quelle22.09.2026
	Alibaba	Über OpenRouteralibaba/fast	2,31 $	7,26 $	Quelle17.10.2026
	Alibaba	Über OpenRouteralibaba/fp8	0,966 $	3,036 $	Quelle17.10.2026
	Alibaba	Über OpenRouteralibaba/fp8/us-east-1	1,12 $	3,52 $	Quelle17.10.2026
	AtlasCloud	Über OpenRouteratlas-cloud/fp8	0,938 $	2,948 $	Quelle17.10.2026
	Baidu	Über OpenRouterbaidu/fast	2,25 $	7,88 $	Quelle17.10.2026
	Baidu	Über OpenRouterbaidu/fp8	0,189 $	Günstigster erfasster Preis: 0,594 $	Quelle17.10.2026
	BaseTen	Über OpenRouterbaseten/fast	2,1 $	6,6 $	Quelle17.10.2026
	BaseTen	Über OpenRouterbaseten/fp8	1,4 $	4,4 $	Quelle17.10.2026
	BaseTen	Über OpenRouterbaseten/fp8/us	1,4 $	4,4 $	Quelle17.10.2026
	BaseTen	Über OpenRouterbaseten/us/fast	2,1 $	6,6 $	Quelle17.10.2026
	Cloudflare	Über OpenRoutercloudflare	0,19 $	8 $	Quelle17.10.2026
	Decart	Über OpenRouterdecart/fast	2,5 $	9 $	Quelle17.10.2026
	DeepInfra	Über OpenRouterdeepinfra/fp4	0,5625 $	1,8 $	Quelle17.10.2026
	DeepInfra	Über OpenRouterdeepinfra/fp4/flex	0,45 $	1,44 $	Quelle17.10.2026
	DigitalOcean	Über OpenRouterdigitalocean	0,7 $	2,2 $	Quelle17.10.2026
	Friendli	Über OpenRouterfriendli	1,4 $	4,4 $	Quelle17.10.2026
	GMICloud	Über OpenRoutergmicloud/fp8	1,4 $	4,4 $	Quelle17.10.2026
	Inceptron	Über OpenRouterinceptron/fp4	0,69 $	1,0395 $	Quelle17.10.2026
	Mistral	Über OpenRoutermistral/eu	1,54 $	4,84 $	Quelle17.10.2026
	Mistral	Über OpenRoutermistral/zdr	1,4 $	4,4 $	Quelle17.10.2026
	Morph	Über OpenRoutermorph/fp8	0,079 $	6 $	Quelle17.10.2026
	Nebius	Über OpenRouternebius/fp4	1,4 $	4,4 $	Quelle17.10.2026
	Novita	Über OpenRouternovita/fp8	0,6496 $	2,0416 $	Quelle17.10.2026
	Parasail	Über OpenRouterparasail/fp4	1,4 $	4,4 $	Quelle17.10.2026
	Phala	Über OpenRouterphala/fp8	1,26 $	3 $	Quelle17.10.2026
	Relace	Über OpenRouterrelace	0,4 $	4 $	Quelle17.10.2026
	SiliconFlow	Über OpenRoutersiliconflow/fp8	0,7 $	2,2 $	Quelle17.10.2026
	StreamLake	Über OpenRouterstreamlake/fp8	0,5555 $	1,7459 $	Quelle17.10.2026
	Together	Über OpenRoutertogether	1,4 $	4,4 $	Quelle17.10.2026
	Venice	Über OpenRoutervenice/fp8	1,4 $	4,4 $	Quelle17.10.2026
	Wafer	Über OpenRouterwafer	0,19 $	10 $	Quelle17.10.2026
	Wafer	Über OpenRouterwafer/us	Günstigster erfasster Preis: 0,0341 $	7 $	Quelle17.10.2026
	Z.AI	Über OpenRouterz-ai/fp8	1,4 $	4,4 $	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 Sol

GLM-5.2

Coding: 100 / 97,2 (2 Benchmarkfamilien)

Reasoning: 99,4 / 100 (1 Benchmarkfamilie)

Mathematik: 97,9 / 100 (1 Benchmarkfamilie)

Wissen: 98,6 / 100 (1 Benchmarkfamilie)

Finanzen: 98,8 / 100 (1 Benchmarkfamilie)

Recht: 98,2 / 100 (1 Benchmarkfamilie)

Gesundheit: 97,5 / 100 (1 Benchmarkfamilie)

Allgemein: 98,8 / 100 (1 Benchmarkfamilie)

33 passende Messreihen aus 2 Benchmarkfamilien wurden berücksichtigt. Das Radar zeigt 8 von 8 vergleichbaren Kategorien.

GPT-6 SolGLM-5.2

Code MigrationOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-6 Sol57,195 %

GLM-5.237,87 %

EMBOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-6 Sol71,53 %

GLM-5.261,532 %

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

GPT-6 Sol49,05 %

GLM-5.249,699 %

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

GPT-6 Sol1,667 %

GLM-5.27,083 %

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

GPT-6 Sol28,846 %

GLM-5.231,25 %

LMArena Code Arena WebDevOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-6 Sol1.685,864

GLM-5.21.604,113

LMArena Text, Style ControlOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-6 Sol1.458,271

GLM-5.21.475,47

MedCodeOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-6 Sol47,072 %

GLM-5.240,771 %

MedScribeOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-6 Sol82,034 %

GLM-5.283,534 %

ProgramBenchOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-6 Sol2 %

GLM-5.20,5 %

SRE BenchOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-6 Sol30,534 %

GLM-5.20 %

Terminal-Bench 2.1Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-6 Sol83,146 %

GLM-5.267,79 %

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von GPT-6 Sol und GLM-5.2
Benchmark und Aufgabe	GPT-6 Sol	GLM-5.2	Quelle
Code MigrationOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert57,195 %	37,87 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert71,53 %	61,532 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens	49,05 %	Höherer Messwert49,699 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkOverall · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	1,667 %	Höherer Messwert7,083 %	Vals AI Quellendetails Datenstand: 12.10.2026
Legal Research BenchOverall · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	28,846 %	Höherer Messwert31,25 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Code Arena WebDevOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserGPT-6 Sol: Snapshot: gpt-6-sol-max, Reasoning: max, Harness: Arena Code Arena WebDev GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena Code Arena WebDevGPT-6 Sol: Arena-Bewertung aus 4.032 veröffentlichten Paarvergleichen.GLM-5.2: Arena-Bewertung aus 16.093 veröffentlichten Paarvergleichen.	Gewinner1.685,864 95-%-Konfidenzintervall: ±10,999Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.604,113 95-%-Konfidenzintervall: ±6,139Der 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 Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGPT-6 Sol: Snapshot: gpt-6-sol-max, Reasoning: max, Harness: Arena Text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena Text, style controlGPT-6 Sol: Arena-Bewertung aus 11.903 veröffentlichten Paarvergleichen.GLM-5.2: Arena-Bewertung aus 49.127 veröffentlichten Paarvergleichen.	1.458,271 95-%-Konfidenzintervall: ±6,418Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Gewinner1.475,47 95-%-Konfidenzintervall: ±4,2Der 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 Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GLM-5.2: Temperatur: 1, Ausgabegrenze: 30.000 tokens	Höherer Messwert47,072 %	40,771 %	Vals AI Quellendetails Datenstand: 13.10.2026
MedScribeOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GLM-5.2: Temperatur: 1, Ausgabegrenze: 30.000 tokens	82,034 %	Höherer Messwert83,534 %	Vals AI Quellendetails Datenstand: 13.10.2026
ProgramBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully resolved rateBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 64.000 tokens	Höherer Messwert2 %	0,5 %	Vals AI Quellendetails Datenstand: 12.10.2026
SRE BenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully solved rateBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert30,534 %	0 %	Vals AI Quellendetails Datenstand: 14.10.2026
Terminal-Bench 2.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 48.000 tokens	Höherer Messwert83,146 %	67,79 %	Vals AI Quellendetails Datenstand: 28.09.2026
Vibe Code Bench v1.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 128.000 tokens GLM-5.2: Reasoning: max, Harness: OpenHands, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert87,824 %	63,961 %	Vals AI Quellendetails Datenstand: 12.10.2026
Code MigrationCLI Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert52,927 %	27,16 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBComps Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert73,295 %	54,922 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Adjustments Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens	43,241 %	Höherer Messwert46,305 %	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 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	78,623 %	Höherer Messwert87,319 %	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 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Kein direkter Sieger39,394 %	Kein direkter Sieger39,394 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Code Arena WebDevWebdev Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserGPT-6 Sol: Snapshot: gpt-6-sol-max, Reasoning: max, Harness: Arena Code Arena WebDev GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena Code Arena WebDevGPT-6 Sol: Arena-Bewertung aus 4.032 veröffentlichten Paarvergleichen.GLM-5.2: Arena-Bewertung aus 16.093 veröffentlichten Paarvergleichen.	Gewinner1.685,864 95-%-Konfidenzintervall: ±10,999Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.604,113 95-%-Konfidenzintervall: ±6,139Der 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 Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGPT-6 Sol: Snapshot: gpt-6-sol-max, Reasoning: max, Harness: Arena Text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena Text, style controlGPT-6 Sol: Arena-Bewertung aus 2.220 veröffentlichten Paarvergleichen.GLM-5.2: Arena-Bewertung aus 9.419 veröffentlichten Paarvergleichen.	1.447,173 95-%-Konfidenzintervall: ±13,15Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Kein klarer Vorsprung1.465,257 95-%-Konfidenzintervall: ±6,87Der 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 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 64.000 tokens	Höherer Messwert32,5 %	9,5 %	Vals AI Quellendetails Datenstand: 12.10.2026
SRE BenchCapability Score Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: capability scoreBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert57,252 %	3,435 %	Vals AI Quellendetails Datenstand: 14.10.2026
Terminal-Bench 2.1Easy Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 48.000 tokens	Kein direkter Sieger100 %	Kein direkter Sieger100 %	Vals AI Quellendetails Datenstand: 28.09.2026
Code MigrationCOBOL Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Kein direkter Sieger70 %	Kein direkter Sieger70 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBDataroom Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert83,92 %	83,444 %	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 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens	35,981 %	Höherer Messwert38,006 %	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 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 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 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	80,457 %	Höherer Messwert85,95 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Code Arena WebDevWebdev-html Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserGPT-6 Sol: Snapshot: gpt-6-sol-max, Reasoning: max, Harness: Arena Code Arena WebDev GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena Code Arena WebDevGPT-6 Sol: Arena-Bewertung aus 772 veröffentlichten Paarvergleichen.GLM-5.2: Arena-Bewertung aus 1.944 veröffentlichten Paarvergleichen.	Gewinner1.682,93 95-%-Konfidenzintervall: ±24,785Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.565,994 95-%-Konfidenzintervall: ±14,905Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Text, Style ControlChinese Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGPT-6 Sol: Snapshot: gpt-6-sol-max, Reasoning: max, Harness: Arena Text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena Text, style controlGPT-6 Sol: Arena-Bewertung aus 958 veröffentlichten Paarvergleichen.GLM-5.2: Arena-Bewertung aus 3.504 veröffentlichten Paarvergleichen.	1.483,024 95-%-Konfidenzintervall: ±19,739Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Gewinner1.520,512 95-%-Konfidenzintervall: ±10,558Der 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 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 64.000 tokens	Höherer Messwert2 %	0,5 %	Vals AI Quellendetails Datenstand: 12.10.2026
SRE BenchFully Solved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully solved rateBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert30,534 %	0 %	Vals AI Quellendetails Datenstand: 14.10.2026
Terminal-Bench 2.1Hard Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 48.000 tokens	Höherer Messwert78,889 %	51,111 %	Vals AI Quellendetails Datenstand: 28.09.2026
Code MigrationCode Quality Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: mean reviewer code-quality ratingBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert4,375 / 5	3,981 / 5	Vals AI Quellendetails Datenstand: 12.10.2026
EMBDCF Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert63,142 %	52,968 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Comparables Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens	40,833 %	Höherer Messwert44,78 %	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 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	83,871 %	Höherer Messwert91,756 %	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 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Kein direkter Sieger27,907 %	Kein direkter Sieger27,907 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Code Arena WebDevWebdev-react Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserGPT-6 Sol: Snapshot: gpt-6-sol-max, Reasoning: max, Harness: Arena Code Arena WebDev GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena Code Arena WebDevGPT-6 Sol: Arena-Bewertung aus 2.378 veröffentlichten Paarvergleichen.GLM-5.2: Arena-Bewertung aus 11.017 veröffentlichten Paarvergleichen.	Gewinner1.688,269 95-%-Konfidenzintervall: ±13,996Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.616,602 95-%-Konfidenzintervall: ±7,143Der 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 ControlCoding Testdetails Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGPT-6 Sol: Snapshot: gpt-6-sol-max, Reasoning: max, Harness: Arena Text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena Text, style controlGPT-6 Sol: Arena-Bewertung aus 2.760 veröffentlichten Paarvergleichen.GLM-5.2: Arena-Bewertung aus 13.235 veröffentlichten Paarvergleichen.	Kein klarer Vorsprung1.518,379 95-%-Konfidenzintervall: ±11,783Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.512,842 95-%-Konfidenzintervall: ±6,235Der 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 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 64.000 tokens	Höherer Messwert81,909 %	62,605 %	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 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 48.000 tokens	Höherer Messwert84,242 %	74,545 %	Vals AI Quellendetails Datenstand: 28.09.2026
EMBLBO Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert59,445 %	51,815 %	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 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens	55,634 %	Höherer Messwert61,588 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkArbitration International Dispute Resolution · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Kein direkter Sieger0 %	Kein direkter Sieger0 %	Vals AI Quellendetails Datenstand: 12.10.2026
Legal Research BenchBusiness & Commercial · Weighted partial credit Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: weighted partial-credit scoreBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	80,401 %	Höherer Messwert87,466 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Text, Style ControlCreative writing Testdetails Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGPT-6 Sol: Snapshot: gpt-6-sol-max, Reasoning: max, Harness: Arena Text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena Text, style controlGPT-6 Sol: Arena-Bewertung aus 2.486 veröffentlichten Paarvergleichen.GLM-5.2: Arena-Bewertung aus 9.779 veröffentlichten Paarvergleichen.	1.441,256 95-%-Konfidenzintervall: ±12,885Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Kein klarer Vorsprung1.452,908 95-%-Konfidenzintervall: ±7,079Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
EMBM&A Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert83,021 %	63,913 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Earnings Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert72,38 %	66,596 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkBanking Finance · Criteria passed Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: criteria pass rateBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert87,732 %	85,874 %	Vals AI Quellendetails Datenstand: 12.10.2026
Legal Research BenchCivil Litigation · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	18,519 %	Höherer Messwert25,926 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Text, Style ControlEnglish Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGPT-6 Sol: Snapshot: gpt-6-sol-max, Reasoning: max, Harness: Arena Text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena Text, style controlGPT-6 Sol: Arena-Bewertung aus 4.618 veröffentlichten Paarvergleichen.GLM-5.2: Arena-Bewertung aus 20.261 veröffentlichten Paarvergleichen.	1.460,65 95-%-Konfidenzintervall: ±9,352Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Gewinner1.481,816 95-%-Konfidenzintervall: ±5,337Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
EMBMisc Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert64,965 %	60,775 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Financial Modeling Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert19,298 %	12,885 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkBanking Finance · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Kein direkter Sieger0 %	Kein direkter Sieger0 %	Vals AI Quellendetails Datenstand: 12.10.2026
Legal Research BenchCivil Litigation · Weighted partial credit Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: weighted partial-credit scoreBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	77,964 %	Höherer Messwert86,955 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Text, Style ControlEntertainment, sports and media Testdetails Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGPT-6 Sol: Snapshot: gpt-6-sol-max, Reasoning: max, Harness: Arena Text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena Text, style controlGPT-6 Sol: Arena-Bewertung aus 2.898 veröffentlichten Paarvergleichen.GLM-5.2: Arena-Bewertung aus 12.166 veröffentlichten Paarvergleichen.	1.434,819 95-%-Konfidenzintervall: ±11,997Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Kein klarer Vorsprung1.446,043 95-%-Konfidenzintervall: ±6,546Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
EMBOperating Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert72,923 %	62,888 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)General Qualitative Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens	53,615 %	Höherer Messwert68,73 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkBankruptcy Restructuring · Criteria passed Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: criteria pass rateBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert81,315 %	74,394 %	Vals AI Quellendetails Datenstand: 12.10.2026
Legal Research BenchConstitutional / Civil Rights · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	18,421 %	Höherer Messwert28,947 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Text, Style ControlExcluding ties Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGPT-6 Sol: Snapshot: gpt-6-sol-max, Reasoning: max, Harness: Arena Text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena Text, style controlGPT-6 Sol: Arena-Bewertung aus 8.830 veröffentlichten Paarvergleichen.GLM-5.2: Arena-Bewertung aus 36.397 veröffentlichten Paarvergleichen.	1.464,146 95-%-Konfidenzintervall: ±8,529Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Gewinner1.484,899 95-%-Konfidenzintervall: ±5,47Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
EMBScratch Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert69,48 %	66,693 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)General Quantitative Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert70,002 %	65,524 %	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 Sol

In dieser Runde nicht verfügbar

GLM-5.2

Frühere Tests

Pelikan auf dem Fahrrad

Community-Klassiker für eine freie SVG-Zeichnung.

GPT-6 Sol

Reasoning (angefragt): high

Aktueller Versuch

Datum des Testlaufs: 01.10.2026
API-Anbieter: openrouter
Angefragtes API-Modell: openai/gpt-6-sol
API-Modell laut Antwort: openai/gpt-6-sol
Reasoning-Einstellung: high
Festgelegter Endpunkt: OpenAI | openai/gpt-6-sol-20260922
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Bestanden, keine Qualitätsbewertung
Antwortzeit: 80,5 s

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

GLM-5.2

Ausgabe aus Sicherheitsgründen nicht dargestellt

Reasoning (angefragt): high

Aktueller Versuch

Datum des Testlaufs: 05.10.2026
API-Anbieter: openrouter
Angefragtes API-Modell: z-ai/glm-5.2
API-Modell laut Antwort: z-ai/glm-5.2
Reasoning-Einstellung: high
Festgelegter Endpunkt: Z.AI | z-ai/glm-5.2-20260616
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Nicht bestanden
Antwortzeit: 31,4 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 Sol und GLM-5.2 mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich

GPT-6 Sol vs. GLM-5.2

Modellauswahl ändern

Allgemeine Daten

API-Preise im Vergleich

Gemeinsame Benchmarks

Fähigkeitsprofil aus vergleichbaren Benchmarks

Unsere Tests

SVG-Kurztest

GPT-6 Sol

GLM-5.2

Pelikan auf dem Fahrrad

Ein Benchmark-Sieg ist kein Gesamturteil

Ähnliche LLM-Vergleiche