OpenAIDeepSeekLLM-Duell

GPT-6.1 Solvs.DeepSeek-V4-Pro

Wer ist besser?

GPT-6.1 Sol schneidet besser als DeepSeek-V4-Pro ab, aber kostet 3-mal (Eingabe) und 5,1-mal (Ausgabe) so viel.

GPT-6.1 Sol vorn

LeistungGesamtindex, 100 Punkte = Durchschnitt

117,5

GPT-6.1 Sol

Platz 9

87,1

DeepSeek-V4-Pro

Platz 48

GPT-6.1 Sol schneller

TempoToken pro Sekunde

GPT-6.1 Sol

DeepSeek-V4-Pro

DeepSeek-V4-Pro günstiger

Preis$ je 1 Mio. Token

4 $

GPT-6.1 Sol

0,99 $

DeepSeek-V4-Pro

Beliebtheit0 bis 100

k. A.

GPT-6.1 Sol

DeepSeek-V4-Pro

Platz 26 von 485

Ab 272.000 Token im Kontext kostet GPT-6.1 Sol mehr: 4 $ Eingabe und 15 $ Ausgabe je 1 Mio. Token.

Nimm GPT-6.1 Sol für

MathematikSchlussfolgernWissenAllgemeinGesundheitProgrammierenRechtFinanzenAgenten

Bei DeepSeek-V4-Pro gibt es keinen klaren Vorteil.

Wo liegt der Unterschied?

Stärken im Überblick

GPT-6.1 SolDeepSeek-V4-ProMedian aller Modelle mit Platz

ProgrammierenGPT-6.1 Sol vorn

GPT-6.1 Sol120,6Platz 8

DeepSeek-V4-Pro91,1Platz 53

Median aller Modelle mit Platz87,5

95-%-Bereich: GPT-6.1 Sol 113,7 bis 127,5, DeepSeek-V4-Pro 85,5 bis 96,6.

BereichGPT-6.1 SolDeepSeek-V4-Pro

Dieselben Werte und Urteile wie die Balken darunter. Im Ausschnitt beginnt das Netz bei 70 Punkten, knapp unter dem schwächsten Wert der beiden Modelle; der Durchschnitt der Referenzgruppe liegt bei 100. Nicht im Netz, weil ein Modell dort keinen eigenen Wert hat oder die Daten zu dünn sind: Multimodal.

GPT-6.1 Sol liegt in 9 von 10 Bereichen vorn, DeepSeek-V4-Pro in keinem.

GPT-6.1 Sol vorn: 9zu wenig Daten: 1

Bereiche im Gesamtindex

MathematikGPT-6.1 Sol +39124,1 zu 85,3

SchlussfolgernGPT-6.1 Sol +39122,7 zu 84,1

WissenGPT-6.1 Sol +35123,7 zu 89,1

AllgemeinGPT-6.1 Sol +31119,0 zu 87,6

ProgrammierenGPT-6.1 Sol +30120,6 zu 91,1

AgentenGPT-6.1 Sol +18112,0 zu 93,9

Multimodalnur GPT-6.1 Sol mit Wertung

Fachgebiete

GesundheitGPT-6.1 Sol +31110,2 zu 79,4

RechtGPT-6.1 Sol +24107,0 zu 83,1

FinanzenGPT-6.1 Sol +18105,8 zu 87,4

Die Balkenlänge zeigt den Abstand in Indexpunkten (volle Breite 15 Punkte, eine Standardabweichung der Referenzgruppe). Voll heißt sicher vorn, schraffiert noch nicht sicher, ein dünner grauer Balken gleichauf.

4 weitere Bereiche anzeigen, die nicht zum Gesamtindex zählen

Produktivitätzu wenig Daten100,7 zu 90,9

Cybersicherheitnur GPT-6.1 Sol mit Wertung

Suchenur GPT-6.1 Sol mit Wertung

Bildungnur GPT-6.1 Sol mit Wertung

GPT-6.1 Sol gegen DeepSeek-V4-Pro auf gleicher Stufe

Beide Modelle auf denselben Stufen gemessen. So zeigt sich, ob ein Vorsprung vom Modell kommt oder nur von mehr Rechenaufwand.

maxGPT-6.1 Sol vorn

30,3 Punkte Abstand über 11 gemeinsame Testreihen

Gesamtindex (max gegen max)GPT-6.1 Sol vorn

GPT-6.1 Sol 117,5 gegen DeepSeek-V4-Pro 87,1

Der Abstand vergleicht nur die Testreihen von Artificial Analysis, in denen beide Modelle auf dieser Stufe gemessen sind. Gleichauf unter 3 Punkten, vorn erst bei einem Abstand über zwei Standardfehlern.

Welches Modell für welche Aufgabe?

Alltagsaufgaben, übersetzt aus den Bereichswerten oben. Jede Zeile nennt die Werte, auf denen sie beruht.

AufgabeBesser geeignetberuht auf

Code schreiben und Fehler findenGPT-6.1 SolProgrammieren 120,6 zu 91,1

Mathe und DatenanalyseGPT-6.1 SolMathematik 124,1 zu 85,3, Schlussfolgern 122,7 zu 84,1

Fakten und RechercheGPT-6.1 SolWissen 123,7 zu 89,1, Suche ohne Wertung für DeepSeek-V4-Pro

Agenten und WorkflowsGPT-6.1 SolAgenten 112,0 zu 93,9

Schnelle Antworten im ChatGPT-6.1 Sol54 zu 42 Token pro Sekunde

SicherheitsanalysenoffenCybersicherheit ohne Wertung für DeepSeek-V4-Pro

Viele Anfragen, kleines BudgetDeepSeek-V4-Pro4 $ zu 0,99 $ je 1 Mio. Token

Finanz-, Rechts- und MedizintexteGPT-6.1 SolFinanzen 105,8 zu 87,4, Recht 107,0 zu 83,1, Gesundheit 110,2 zu 79,4

Bilder, Screenshots und PDFsoffenMultimodal ohne Wertung für DeepSeek-V4-Pro

GPT-6.1 Sol gegen DeepSeek-V4-Pro im eigenen Test

Derselbe Prompt für beide Modelle. Gezeigt wird der neueste Versuch ohne Nachbesserung; er zählt nicht zum Gesamtindex.

Pelikan auf dem Fahrrad

Auftrag (englisches Original)

Generate an SVG of a pelican riding a bicycle

Ursprung der Aufgabe: Simon Willison

GPT-6.1 Sol

01.10.2026 · 84 s · 0,04 $

Testdetails

Datum des Testlaufs: 01.10.2026
API-Anbieter: openrouter
Angefragtes API-Modell: openai/gpt-6.1-sol
Reasoning-Einstellung: high
Tokenlimit inklusive Reasoning: 8.192 Token
Ausgabe-Token: 3.583 Token
Kosten des Versuchs: 0,0359 $
Antwortzeit: 83,6 s
API-Modell laut Antwort: openai/gpt-6.1-sol
Festgelegter Endpunkt: OpenAI | openai/gpt-6.1-sol-20260929
Temperatur: Anbieterstandard
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Bestanden, keine Qualitätsbewertung

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.

05.10.2026 · 68 s · 0,02 $

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

Testdetails

Datum des Testlaufs: 05.10.2026
API-Anbieter: openrouter
Angefragtes API-Modell: deepseek/deepseek-v4-pro-0813
Reasoning-Einstellung: high
Tokenlimit inklusive Reasoning: 8.192 Token
Ausgabe-Token: 8.192 Token
Kosten des Versuchs: 0,0163 $
Antwortzeit: 67,6 s
API-Modell laut Antwort: deepseek/deepseek-v4-pro-0813
Festgelegter Endpunkt: DeepSeek | deepseek/deepseek-v4-pro-20260813
Temperatur: Anbieterstandard
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Nicht bestanden

Frühere Versuche (3)

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

SVG-Kurztest

Ein SVG-Auftrag mit denselben festen Einstellungen für alle Modelle, ohne verdecktes Nachdenken.

Auftrag

Gib nur ein eigenständiges SVG eines Pelikans zurück, der Fahrrad fährt. Verwende viewBox „0 0 800 600“, einfache Formen, zwei deutlich sichtbare Räder und einen erkennbaren Pelikan mit langem Schnabel. Höchstens 30 SVG-Elemente und 1.800 Zeichen. Kein Markdown, keine Erklärungen, Kommentare, Skripte, Animationen, CSS oder externen Ressourcen.

Englischer Original-Auftrag

Return only one standalone SVG of a pelican riding a bicycle. Use viewBox="0 0 800 600", simple shapes, two clearly visible wheels and a recognizable pelican with a long beak. At most 30 SVG elements and 1800 characters. No Markdown, explanations, comments, scripts, animation, CSS or external resources.

GPT-6.1 Sol

In dieser Runde nicht verfügbar

DeepSeek-V4-Pro

GPT-6.1 Sol und DeepSeek-V4-Pro im Gesamtindex

Alle Modelle mit Platz im Gesamtindex, beide Modelle dieses Vergleichs hervorgehoben. Weitere Modelle kannst du dazunehmen oder ausblenden.

Gesamtindex (Gradually Meta-Score v5)

20 von 95 Modellen

Claude Fable 5.2max130,9

Gemini 4 Carbonhigh127,0

Claude Opus 5.5max125,7

Claude Fable 5.1max124,1

Claude Sonnet 5.5max121,9

Gemini 4 Argonhigh121,2

GPT-6 Astramax119,6

Muse Wonder Fullmax118,4

GPT-6.1 Solmax117,5

Claude Opus 5max117,3

Muse Wondermax113,7

Claude Fable 5max112,8

Kimi K3.1 Promax112,6

Muse Ember 1.0max110,5

GPT-5.6 Solmax109,3

GPT-6 Solmax108,4

Gemini 3.7 Flashhigh107,7

DeepSeek V4.1 Flash 1017max107,1

GPT-6.1 Terramax106,5

DeepSeek-V4-Promax87,1

Claude Fable 5.2

Gemini 4 Carbon

Claude Opus 5.5

Claude Fable 5.1

Claude Sonnet 5.5

Gemini 4 Argon

GPT-6 Astra

Muse Wonder Full

GPT-6.1 Sol

Claude Opus 5

Muse Wonder

Claude Fable 5

Kimi K3.1 Pro

Muse Ember 1.0

GPT-5.6 Sol

GPT-6 Sol

Gemini 3.7 Flash

DeepSeek V4.1 Flash 1017

GPT-6.1 Terra

DeepSeek-V4-Pro

Beliebtheit im Vergleich

Wie oft die Modelle gesucht, genutzt und erwähnt werden, auf einer Skala von 0 bis 100.

Für GPT-6.1 Sol gibt es noch keinen Beliebtheitswert.

Zeitlicher Verlauf

Wochenwerte vom 18. Oktober 2026 bis 14. November 2026

GPT-6.1 SolDeepSeek-V4-Pro

Alle Daten im Vergleich

Der bessere Wert ist fett. Beim Gesamtindex nur, wenn der Abstand klar ist.

Kennzahl	GPT-6.1 Sol	DeepSeek-V4-Pro
Leistung
GesamtindexPunkte, 100 = Durchschnitt der Referenzgruppe, höher ist besser	117,5	87,1
Platz	Platz 9 von 95	Platz 48 von 95
Preis je 1 Mio. Token
Eingabewas du schickst	2 $über 272.000 Token: 4 $	0,66 $
Ausgabewas das Modell schreibt	10 $über 272.000 Token: 15 $	1,98 $
Kosten je Aufgabe (eigene Tests)Durchschnitt aus 1 Aufgabe des ursprünglichen Testprotokolls, die beide Modelle bestanden haben (ohne SVG-Kurztest)	0,038 $	0,021 $
Tempo
Token pro Sekunde	54	42
Beliebtheit
BeliebtheitSuche, Nutzung und Erwähnungen, 0 bis 100	k. A.	75Platz 26 von 485
Technik
Kontextfensterwie viel Text das Modell auf einmal liest	1,05 Mio. Token≈ 1.580 A4-Seiten	1 Mio. Token≈ 1.500 A4-Seiten
Wissensstand	30.04.2026	k. A.
Veröffentlicht	29.09.2026	24.04.2026
Verfügbarkeit	Aktiv	Aktiv
Offene Gewichte	nein	ja

DeepSeek-V4-Pro: Zu Spitzenzeiten (Mo, Di, Mi, Do, Fr, 01:00-04:00 UTC; Mo, Di, Mi, Do, Fr, 06:00-10:00 UTC) gelten 1,32 $ Eingabe und 3,96 $ Ausgabe je 1 Mio. Token. Die Tabelle zeigt den Preis außerhalb dieser Zeiten.

Preise ohne Rabatte für Zwischenspeicher und Stapelverarbeitung · Seitenzahl als Faustregel nach Artificial Analysis

Gibt es eine bessere Wahl?

Günstiger als DeepSeek-V4-ProMuse Ember 1.0

Gesamtindex 110,5, Platz 140,10 $ Eingabe und 0,50 $ Ausgabe je 1 Mio. Token

Zum Profil

Bestes Modell im GesamtindexClaude Fable 5.2

Gesamtindex 130,9, Platz 18 $ Eingabe und 40 $ Ausgabe je 1 Mio. Token

GPT-6.1 Sol vs. Claude Fable 5.2

Gemeinsame Benchmarks

Einzelwerte aus derselben Benchmark-Version, Aufgabe und Messgröße. Fett ist ein Wert nur bei gleichem Testaufbau und klarem Abstand.

A: GPT-6.1 SolB: DeepSeek-V4-Pro

AA-BriefcaseOverall · höher ist besser1.554,7 elo1.253,2 eloArtificial AnalysisStand 10.11.2026

AA-OmniscienceOverall · höher ist besser42,033 Punkte-6,367 PunkteArtificial AnalysisStand 07.11.2026

AA-Omniscience AccuracyOverall · höher ist besser61,8 %45,2 %Artificial AnalysisStand 07.11.2026

AA-Omniscience Hallucination RateOverall · niedriger ist besser51,9 %94,1 %Artificial AnalysisStand 07.11.2026

AutomationBench-AAOverall · höher ist besser64,9 %56,7 %Artificial AnalysisStand 07.11.2026

Code MigrationOverall · höher ist besserTestaufbau nicht identisch dokumentiert65,1 %26,2 %Vals AIStand 29.10.2026

CritPt v2 (Hard Subset)Overall · höher ist besser69,5 %23,5 %Artificial AnalysisStand 07.11.2026

EMBOverall · höher ist besserTestaufbau nicht identisch dokumentiert70,8 %51,6 %Vals AIStand 20.10.2026

Finance Agent (v2)Overall · höher ist besserTestaufbau nicht identisch dokumentiert52,0 %44,1 %Vals AIStand 29.10.2026

FrontierCodeOverall · höher ist besser40,6 %17,1 %Artificial AnalysisStand 07.11.2026

54 weitere Benchmarks anzeigen

FrontierCode 1.1 MainOverall · höher ist besser49,1 %38,8 %Artificial AnalysisStand 07.11.2026

GDP.pdfOverall · höher ist besser31,0 %11,4 %Artificial AnalysisStand 07.11.2026

GDPval-AAOverall · höher ist besser1.607,7 elo1.457,4 eloArtificial AnalysisStand 10.11.2026

HLE-DiamondOverall · höher ist besser58,8 %19,5 %Artificial AnalysisStand 07.11.2026

Legal Research BenchOverall · All-pass · höher ist besserTestaufbau nicht identisch dokumentiert38,5 %23,1 %Vals AIStand 05.11.2026

LMArena Code Arena WebDevOverall · höher ist besserTestaufbau nicht identisch dokumentiert1.7431.463LMArenaStand 11.11.2026

LMArena Text, Style ControlOverall · höher ist besserTestaufbau nicht identisch dokumentiert1.4811.455LMArenaStand 11.11.2026

MedCodeOverall · höher ist besser48,8 %40,5 %Vals AIStand 29.10.2026

MedScribeOverall · höher ist besser86,5 %75,1 %Vals AIStand 29.10.2026

ProgramBenchOverall · höher ist besserTestaufbau nicht identisch dokumentiert3 %0 %Vals AIStand 05.11.2026

ProofBench v1.1Overall · höher ist besser99 %16 %Vals AIStand 29.10.2026

Public Benefits Bench v1.1Overall · höher ist besserTestaufbau nicht identisch dokumentiert59,3 %62,9 %Vals AIStand 12.10.2026

Tax Agent BenchOverall · höher ist besserTestaufbau nicht identisch dokumentiert21,8 %25,2 %Vals AIStand 05.11.2026

Terminal-BenchOverall · höher ist besser56,1 %14,1 %Artificial AnalysisStand 07.11.2026

Terminal-Bench 4.0Overall · höher ist besserTestaufbau nicht identisch dokumentiert55,1 %11,1 %Vals AIStand 05.11.2026

Terminal-Bench-ScienceOverall · höher ist besser58,1 %5,7 %Artificial AnalysisStand 07.11.2026

Vibe Code Bench v1.1Overall · höher ist besserTestaufbau nicht identisch dokumentiert88,9 %49,9 %Vals AIStand 05.11.2026

Code MigrationCLI · höher ist besserTestaufbau nicht identisch dokumentiert63,5 %15,5 %Vals AIStand 29.10.2026

EMBComps · höher ist besserTestaufbau nicht identisch dokumentiert61,8 %57,4 %Vals AIStand 20.10.2026

Finance Agent (v2)Adjustments · höher ist besserTestaufbau nicht identisch dokumentiert44,7 %41,6 %Vals AIStand 29.10.2026

Legal Research BenchAdministrative / Regulatory · All-pass · höher ist besserTestaufbau nicht identisch dokumentiert53,0 %28,8 %Vals AIStand 05.11.2026

LMArena Code Arena WebDevHTML development · höher ist besserTestaufbau nicht identisch dokumentiert1.7941.470LMArenaStand 11.11.2026

LMArena Text, Style ControlBusiness, management and finance · höher ist besserTestaufbau nicht identisch dokumentiert1.4801.448LMArenaStand 11.11.2026

ProgramBenchAlmost Resolved · höher ist besserTestaufbau nicht identisch dokumentiert46 %0 %Vals AIStand 05.11.2026

Tax Agent BenchControversy & Precedence Analysis · höher ist besserTestaufbau nicht identisch dokumentiert6,7 %12,3 %Vals AIStand 05.11.2026

Terminal-Bench 4.0Hardware · höher ist besserTestaufbau nicht identisch dokumentiert40 %0 %Vals AIStand 05.11.2026

Code MigrationCOBOL · höher ist besserTestaufbau nicht identisch dokumentiert70,0 %58,4 %Vals AIStand 29.10.2026

EMBDataroom · höher ist besserTestaufbau nicht identisch dokumentiert84,5 %62,6 %Vals AIStand 20.10.2026

Finance Agent (v2)All-Pass · höher ist besserTestaufbau nicht identisch dokumentiert39,9 %31,4 %Vals AIStand 29.10.2026

Legal Research BenchAdministrative / Regulatory · Weighted partial credit (weighted pass) · höher ist besserTestaufbau nicht identisch dokumentiert85,5 %83,4 %Vals AIStand 05.11.2026

LMArena Code Arena WebDevReact development · höher ist besserTestaufbau nicht identisch dokumentiert1.7471.452LMArenaStand 11.11.2026

LMArena Text, Style ControlChinese · höher ist besserTestaufbau nicht identisch dokumentiert1.5311.500LMArenaStand 11.11.2026

ProgramBenchFully Resolved · höher ist besserTestaufbau nicht identisch dokumentiert3 %0 %Vals AIStand 05.11.2026

Tax Agent BenchControversy & Precedence Analysis (weighted pass) · höher ist besserTestaufbau nicht identisch dokumentiert64,8 %54,8 %Vals AIStand 05.11.2026

Terminal-Bench 4.0Media · höher ist besserTestaufbau nicht identisch dokumentiert50 %0 %Vals AIStand 05.11.2026

Code MigrationCode Quality · höher ist besserTestaufbau nicht identisch dokumentiert4,496 / 53,401 / 5Vals AIStand 29.10.2026

EMBDCF · höher ist besserTestaufbau nicht identisch dokumentiert65,3 %44,4 %Vals AIStand 20.10.2026

Finance Agent (v2)Comparables · höher ist besserTestaufbau nicht identisch dokumentiert42,6 %39,6 %Vals AIStand 29.10.2026

Legal Research BenchBusiness & Commercial · All-pass · höher ist besserTestaufbau nicht identisch dokumentiert39,5 %23,3 %Vals AIStand 05.11.2026

LMArena Code Arena WebDevWeb development · höher ist besserTestaufbau nicht identisch dokumentiert1.7431.463LMArenaStand 11.11.2026

LMArena Text, Style ControlCoding · höher ist besserTestaufbau nicht identisch dokumentiert1.5401.488LMArenaStand 11.11.2026

ProgramBenchRaw Pass Rate · höher ist besserTestaufbau nicht identisch dokumentiert85,3 %47,8 %Vals AIStand 05.11.2026

Tax Agent BenchCurrent & Temporal Analysis · höher ist besserTestaufbau nicht identisch dokumentiert33,3 %36,6 %Vals AIStand 05.11.2026

Terminal-Bench 4.0ML · höher ist besserTestaufbau nicht identisch dokumentiert54,5 %3,0 %Vals AIStand 05.11.2026

EMBLBO · höher ist besserTestaufbau nicht identisch dokumentiert64,4 %43,9 %Vals AIStand 20.10.2026

Finance Agent (v2)Disclosure Analysis · höher ist besserTestaufbau nicht identisch dokumentiert58,4 %52,6 %Vals AIStand 29.10.2026

Legal Research BenchBusiness & Commercial · Weighted partial credit (weighted pass) · höher ist besserTestaufbau nicht identisch dokumentiert84,2 %86,5 %Vals AIStand 05.11.2026

LMArena Text, Style ControlCreative writing · höher ist besserTestaufbau nicht identisch dokumentiert1.4491.440LMArenaStand 11.11.2026

Tax Agent BenchCurrent & Temporal Analysis (weighted pass) · höher ist besserTestaufbau nicht identisch dokumentiert63,4 %65,7 %Vals AIStand 05.11.2026

Terminal-Bench 4.0Operations · höher ist besserTestaufbau nicht identisch dokumentiert40,7 %7,4 %Vals AIStand 05.11.2026

EMBM&A · höher ist besserTestaufbau nicht identisch dokumentiert83,9 %48,2 %Vals AIStand 20.10.2026

Finance Agent (v2)Earnings Analysis · höher ist besserTestaufbau nicht identisch dokumentiert71,5 %59,8 %Vals AIStand 29.10.2026

Legal Research BenchCivil Litigation · All-pass · höher ist besserTestaufbau nicht identisch dokumentiert29,6 %33,3 %Vals AIStand 05.11.2026

LMArena Text, Style ControlEnglish · höher ist besserTestaufbau nicht identisch dokumentiert1.4911.467LMArenaStand 11.11.2026

Weitere Vergleiche

Vergleiche GPT-6.1 Sol und DeepSeek-V4-Pro mit den Modellen, die am häufigsten mit ihnen verglichen werden.

Anderes Duell vergleichen

Erstes ModellZweites Modell

Vorgänger und Nachfolger

VorgängerGPT-6.1 Sol vs. GPT-6 SolVorgänger von GPT-6.1 Sol

Die beliebtesten Vergleiche

Alle 67 Vergleiche zeigen