Alle LLM-Vergleiche
Direktvergleich
Claude Fable 5 vs. GPT-5.6 Sol
Veröffentlichte Benchmarkwerte aus derselben Version und Vergleichskohorte, API-Preise und technische Eckdaten. Unterschiedliche Testeinstellungen werden sichtbar ausgewiesen.
189
gemeinsame Messreihen
30
verschiedene Benchmarks
11.08.2026
jüngster Abruf
Modellauswahl ändern
Steckbrief und Kosten
Allgemeine Daten und Standard-API-Preise
Nicht veröffentlichte Parameterzahlen oder Wissensstände bleiben als solche markiert. Die Tabelle zeigt direkte Standardtarife pro Token einschließlich hinterlegter Kontextstufen. Batch, Fast, Priority, regionale Aufschläge, Toolaufrufe und Cloudpreise sind nicht eingerechnet.
| Merkmal | Claude Fable 5 | GPT-5.6 Sol |
|---|---|---|
| Anbieter | Anthropic | OpenAI |
| Erschienen | 9. Juni 2026 | 26. Juni 2026 |
| Verfügbarkeit | Aktiv | Aktiv |
| Modelltyp | Proprietär | Proprietär |
| Parameter | Nicht veröffentlicht | Nicht veröffentlicht |
| Architektur | Nicht veröffentlicht | Nicht veröffentlicht |
| Kontextfenster | 1.000.000 Token | 1.050.000 Token |
| Wissensstand | Januar 2026 | 16. Februar 2026 |
| Technische Quellen | Modell, Kontext, Wissensstand | Modell, Kontext, Wissensstand |
| API-Preise pro 1 Mio. Token | ||
| API-Eingabe | 10 $ | 5 $ ≤272K / 10 $ >272K |
| API-Ausgabe | 50 $ | 30 $ ≤272K / 45 $ >272K |
| Cache lesen | 1 $ | 0,5 $ ≤272K / 1 $ >272K |
| Cache schreiben (5 Min.) | 12,5 $ | 6,25 $ ≤272K / 12,5 $ >272K |
| Cache schreiben (1 Std.) | 20 $ | Nicht ausgewiesen |
| Preis geprüft | 30.07.2026Quelle | 11.08.2026Quelle |
Claude Fable 5GPT-5.6 Sol
API-EingabeUSD pro 1 Mio. Token, Basistarif
Claude Fable 510 $GPT-5.6 Sol5 $
API-AusgabeUSD pro 1 Mio. Token, Basistarif
Claude Fable 550 $GPT-5.6 Sol30 $
Cache lesenUSD pro 1 Mio. Token, Basistarif
Claude Fable 51 $GPT-5.6 Sol0,5 $
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.
189 gemeinsame Messreihen
Claude Fable 5GPT-5.6 Sol
Code MigrationOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Fable 555,065 %GPT-5.6 Sol52,916 %
CorpFin v2Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Fable 571,834 %GPT-5.6 Sol64,375 %
EMBOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Fable 573,666 %GPT-5.6 Sol72,339 %
EnigmaEvalOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Fable 539,28 % ± 2,8GPT-5.6 Sol37,12 % ± 2,8
Finance Agent (v2)Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Fable 556,314 %GPT-5.6 Sol53,756 %
GPQA DiamondOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Fable 593,182 %GPT-5.6 Sol95,202 %
Harvey's Legal Agent BenchmarkOverall · Task fully resolved. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Fable 511,25 %GPT-5.6 Sol2,5 %
IOIOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Fable 572,25 %GPT-5.6 Sol86,667 %
Legal Research BenchOverall · All-pass. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Fable 549,519 %GPT-5.6 Sol48,077 %
LegalBenchOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Fable 588,561 %GPT-5.6 Sol86,965 %
LiveBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Fable 580,8 PunkteGPT-5.6 Sol82,4 Punkte
LiveCodeBench v6Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Fable 589,778 %GPT-5.6 Sol82,604 %
| Benchmark und Aufgabe | Claude Fable 5 | GPT-5.6 Sol | Vergleichbarkeit | Quelle |
|---|---|---|---|---|
| Code MigrationOverall | 55,065 %höher | 52,916 % | 1accuracyMehr ist besserKohorte: vals-code-migration:1:overallTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-code-migration-2026-08-11-3a2d5ce718a3Abgerufen am 11.08.2026 |
| CorpFin v2Overall | 71,834 %höher | 64,375 % | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:overallTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-corp_fin_v2-2026-08-11-d9e58d191cd9Abgerufen am 11.08.2026 |
| EMBOverall | 73,666 %höher | 72,339 % | 1accuracyMehr ist besserKohorte: vals-emb:1:overallTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-emb-2026-08-11-e3c855e236e4Abgerufen am 11.08.2026 |
| EnigmaEvalOverallReasoning: high | 39,28 % ± 2,8höher | 37,12 % ± 2,8 | open-source release 2026-07-23pass@1 accuracyMehr ist besserKohorte: scale-enigma-eval-2026-07-23Kein dokumentierter Setup-UnterschiedClaude Fable 5: Snapshot: claude-fable-5-high, Reasoning: high, Versuche: pass@1 GPT-5.6 Sol: Snapshot: gpt-5.6-sol-high, Reasoning: high, Versuche: pass@1Komplexe multimodale Rätsel mit exaktem Antwortabgleich und einem Versuch. | Scale AITyp: Offizielles Benchmark-LeaderboardMessstand: 23.07.2026Import-ID: curated-scale-ai-2026-08-05-eb0e8ab100e8 / curated-scale-ai-2026-08-05-b91dbfa60ebaAbgerufen am 05.08.2026 |
| Finance Agent (v2)Overall | 56,314 %höher | 53,756 % | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:overallTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-fabv2-2026-08-11-3e5c93a1857cAbgerufen am 11.08.2026 |
| GPQA DiamondOverall | 93,182 % | 95,202 %höher | 1accuracyMehr ist besserKohorte: vals-gpqa:1:overallTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-gpqa-2026-08-11-d3325290a404Abgerufen am 11.08.2026 |
| Harvey's Legal Agent BenchmarkOverall · Task fully resolved | 11,25 %höher | 2,5 % | 1task resolution rateMehr ist besserKohorte: vals-legal-agent-benchmark:1:overallTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 07.08.2026Import-ID: vals-hlab-2026-08-11-ea11b6e53414Abgerufen am 11.08.2026 |
| IOIOverall | 72,25 % | 86,667 %höher | 1accuracyMehr ist besserKohorte: vals-ioi:1:overallTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-ioi-2026-08-11-2dfe8b4b8b7bAbgerufen am 11.08.2026 |
| Legal Research BenchOverall · All-pass | 49,519 %höher | 48,077 % | 1all-pass rateMehr ist besserKohorte: vals-legal-research:1:overallTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-legal_research-2026-08-11-326cf7aaca58Abgerufen am 11.08.2026 |
| LegalBenchOverall | 88,561 %höher | 86,965 % | 1accuracyMehr ist besserKohorte: vals-legal-bench:1:overallTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-legal_bench-2026-08-11-836e5e44618eAbgerufen am 11.08.2026 |
| LiveBenchOverall | 80,8 Punkte | 82,4 Punktehöher | 2026-06-25composite scoreMehr ist besserKohorte: livebench-2026-06-25-maxKein dokumentierter Setup-UnterschiedClaude Fable 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen23 objektiv bewertete Aufgaben in sieben Kategorien. | LiveBenchTyp: Offizielles Benchmark-LeaderboardMessstand: 25.06.2026Import-ID: curated-livebench-2026-08-02-320a490c707d / curated-livebench-2026-08-02-e4bbbba99ca8Abgerufen am 02.08.2026 |
| LiveCodeBench v6Overall | 89,778 %höher | 82,604 % | 1accuracyMehr ist besserKohorte: vals-lcb:1:overallTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-lcb-2026-08-11-0342bcc364e4Abgerufen am 11.08.2026 |
| MedCodeOverall | 56,07 %höher | 43,974 % | 1accuracyMehr ist besserKohorte: vals-medcode:1:overallTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 30.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-medcode-2026-08-11-59016050c3a3Abgerufen am 11.08.2026 |
| MedScribeOverall | 88,522 %höher | 85,233 % | 1accuracyMehr ist besserKohorte: vals-medscribe:1:overallTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 30.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-medscribe-2026-08-11-d7cf1ca6b81fAbgerufen am 11.08.2026 |
| MMLU-ProOverall | 91,502 %höher | 89,1 % | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:overallTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mmlu_pro-2026-08-11-b8e53828d746Abgerufen am 11.08.2026 |
| MMMU-ProOverall | 89,31 %höher | 88,84 % | ProaccuracyMehr ist besserKohorte: vals-mmmu-pro-pass1-temp0-2026-07-31Kein dokumentierter Setup-UnterschiedClaude Fable 5: Versuche: pass@1 GPT-5.6 Sol: Versuche: pass@1Ungefähr 1.700 multimodale Aufgaben, Pass@1 bei Temperatur 0. | Vals AITyp: Unabhängige EvaluationMessstand: 31.07.2026Import-ID: curated-vals-ai-2026-08-02-7494d00241b9 / curated-vals-ai-2026-08-02-077b07f92fa3Abgerufen am 02.08.2026 |
| MortgageTaxOverall | 68,919 %höher | 67,289 % | 1accuracyMehr ist besserKohorte: vals-mortgage-tax:1:overallTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mortgage_tax-2026-08-11-5ea6eef3e482Abgerufen am 11.08.2026 |
| PRBench FinanceOverallReasoning: max | 53,86 % ± 0,14höher | 50,45 % ± 0,33 | full finance setweighted rubric scoreMehr ist besserKohorte: scale-prbench-finance-fullKein dokumentierter Setup-UnterschiedClaude Fable 5: Snapshot: claude-fable-5-max, Reasoning: max, Versuche: pass@1 GPT-5.6 Sol: Snapshot: gpt-5.6-sol-max, Reasoning: max, Versuche: pass@1600 Finanzaufgaben mit aufgabenspezifischen Rubriken und o4-mini als Juror. | Scale AITyp: Offizielles Benchmark-LeaderboardImport-ID: curated-scale-ai-2026-08-05-2fc4420f6753 / curated-scale-ai-2026-08-05-98d8a9d579fdAbgerufen am 05.08.2026 |
| PRBench LegalOverallReasoning: max | 52,56 % ± 0,54höher | 50,5 % ± 0,54 | full legal setweighted rubric scoreMehr ist besserKohorte: scale-prbench-legal-fullKein dokumentierter Setup-UnterschiedClaude Fable 5: Snapshot: claude-fable-5-max, Reasoning: max, Versuche: pass@1 GPT-5.6 Sol: Snapshot: gpt-5.6-sol-max, Reasoning: max, Versuche: pass@1500 Rechtsaufgaben mit aufgabenspezifischen Rubriken und o4-mini als Juror. | Scale AITyp: Offizielles Benchmark-LeaderboardImport-ID: curated-scale-ai-2026-08-05-6ddc903170e8 / curated-scale-ai-2026-08-05-5caceb6c14e0Abgerufen am 05.08.2026 |
| ProgramBenchOverall | 2 %höher | 1,5 % | 1accuracyMehr ist besserKohorte: vals-programbench:1:overallTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-programbench-2026-08-11-b6f8959fbdfeAbgerufen am 11.08.2026 |
| ProofBenchOverall | 77 % | 77 % | currentsolved proofsMehr ist besserKohorte: vals-proofbench-lean4-40-steps-2026-07-31Kein dokumentierter Setup-UnterschiedClaude Fable 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen200 Lean-4-Probleme mit Werkzeugzugriff und höchstens 40 Schritten. | Vals AITyp: Unabhängige EvaluationMessstand: 31.07.2026Import-ID: curated-vals-ai-2026-08-02-45b5a9779826 / curated-vals-ai-2026-08-02-35b7a2f5cfe7Abgerufen am 02.08.2026 |
| Public Benefits Bench v1.1Overall | 70,433 %höher | 66,509 % | 1.1accuracyMehr ist besserKohorte: vals-snap:1.1:overallTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 08.08.2026Import-ID: vals-public-benefits-bench-2026-08-11-e93f5dfe7fa4Abgerufen am 11.08.2026 |
| SAGEOverall | 51,89 % | 52,563 %höher | 1accuracyMehr ist besserKohorte: vals-sage:1:overallTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 30.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-sage-2026-08-11-f1f79f6d8af3Abgerufen am 11.08.2026 |
| SWE-bench VerifiedOverall | 95 %Redaktionelle Auswahl aus der Vals-AI-Tabelle, kein vollständiger Auszug der Vergleichsgruppe. | 96,2 %höherRedaktionelle Auswahl aus der Vals-AI-Tabelle, kein vollständiger Auszug der Vergleichsgruppe. | VerifiedresolvedMehr ist besserKohorte: swe-verified-vals-mini-swe-agent-2026-07-31Kein dokumentierter Setup-UnterschiedClaude Fable 5: Agent: mini-SWE-agent, Harness: mini-SWE-agent GPT-5.6 Sol: Agent: mini-SWE-agent, Harness: mini-SWE-agentEinheitliches mini-SWE-agent-Testgerüst mit Bash-Werkzeugen. | Vals AITyp: Unabhängige EvaluationMessstand: 31.07.2026Import-ID: curated-vals-ai-2026-08-01-610b342edea8 / curated-vals-ai-2026-08-01-078dcd2c807cAbgerufen am 01.08.2026 |
| TaxEval v2Overall | 76,942 %höher | 74,775 % | 2accuracyMehr ist besserKohorte: vals-tax-eval-v2:2:overallTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-tax_eval_v2-2026-08-11-d05a40bf446fAbgerufen am 11.08.2026 |
| Terminal-Bench 2.1Overall | 80,52 %Schutzmechanismen können einzelne Fable-5-Aufrufe auf Opus 4.8 zurückfallen lassen. | 85,77 %höher | 2.1pass@1Mehr ist besserKohorte: vals-terminal-bench-2-1-terminus2-2026-08-01Kein dokumentierter Setup-UnterschiedClaude Fable 5: Agent: Terminus 2, Harness: Terminus 2, Versuche: pass@1 GPT-5.6 Sol: Agent: Terminus 2, Harness: Terminus 2, Versuche: pass@1Konstanter Terminus-2-Agent, 89 Aufgaben, Daytona-Umgebungen und gemeinsames Zeitlimit. | Vals AITyp: Unabhängige EvaluationMessstand: 01.08.2026Import-ID: curated-vals-ai-2026-08-02-40d23466bc74 / curated-vals-ai-2026-08-02-db4549f6f7c5Abgerufen am 02.08.2026 |
| Vals IndexOverall | 75,145 %höher | 73,118 % | 1.2weighted index scoreMehr ist besserKohorte: vals-vals-index:1.2:overallTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-vals_index-2026-08-11-e79d08d59249Abgerufen am 11.08.2026 |
| Vals Multimodal IndexOverall | 74,154 %höher | 72,64 % | 1.2weighted index scoreMehr ist besserKohorte: vals-vals-multimodal-index:1.2:overallTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-vals_multimodal_index-2026-08-11-fa704862df19Abgerufen am 11.08.2026 |
| Vibe Code Bench v1.1Overall | 90,352 %höher | 80,495 % | 1.1accuracyMehr ist besserKohorte: vals-vibe-code-bench:1.1:overallTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 05.08.2026Import-ID: vals-vibe-code-2026-08-11-b6b708f7b194Abgerufen am 11.08.2026 |
| Web Search IndexOverall | 46,938 %höher | 43,584 % | 1accuracyMehr ist besserKohorte: vals-web-search-backends:1:overallTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Harness: Native, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Harness: Native, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 16.07.2026Import-ID: vals-web_search_backends-2026-08-11-2946906f2a1dAbgerufen am 11.08.2026 |
| Code MigrationCLI | 60,087 %höher | 47,221 % | 1accuracyMehr ist besserKohorte: vals-code-migration:1:cliTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-code-migration-2026-08-11-3a2d5ce718a3Abgerufen am 11.08.2026 |
| CorpFin v2Exact Pages | 66,9 %höher | 61,538 % | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:exact_pagesTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-corp_fin_v2-2026-08-11-d9e58d191cd9Abgerufen am 11.08.2026 |
| EMBComps | 70,785 % | 71,309 %höher | 1accuracyMehr ist besserKohorte: vals-emb:1:compsTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-emb-2026-08-11-e3c855e236e4Abgerufen am 11.08.2026 |
| Finance Agent (v2)Adjustments | 51,092 %höher | 49,233 % | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:adjustmentsTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-fabv2-2026-08-11-3e5c93a1857cAbgerufen am 11.08.2026 |
| GPQA DiamondFew-Shot CoT | 92,929 % | 94,949 %höher | 1accuracyMehr ist besserKohorte: vals-gpqa:1:diamond_few_shot_cotTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-gpqa-2026-08-11-d3325290a404Abgerufen am 11.08.2026 |
| Harvey's Legal Agent BenchmarkAntitrust Competition · Criteria passed | 92,035 %höher | 78,623 % | 1criteria pass rateMehr ist besserKohorte: vals-legal-agent-benchmark:1:criteria_pass_rate__antitrust_competitionTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 07.08.2026Import-ID: vals-hlab-2026-08-11-ea11b6e53414Abgerufen am 11.08.2026 |
| IOIIOI 2024 | 100 %höher | 85 % | 1accuracyMehr ist besserKohorte: vals-ioi:1:ioi2024Testaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-ioi-2026-08-11-2dfe8b4b8b7bAbgerufen am 11.08.2026 |
| Legal Research BenchAdministrative / Regulatory · All-pass | 57,576 % | 60,606 %höher | 1all-pass rateMehr ist besserKohorte: vals-legal-research:1:administrative_regulatoryTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-legal_research-2026-08-11-326cf7aaca58Abgerufen am 11.08.2026 |
| LegalBenchConclusion Tasks | 91,775 %höher | 90,492 % | 1accuracyMehr ist besserKohorte: vals-legal-bench:1:conclusion_tasksTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-legal_bench-2026-08-11-836e5e44618eAbgerufen am 11.08.2026 |
| LiveBenchAgentic coding | 46,9 Punkte | 65,6 Punktehöher | 2026-06-25category scoreMehr ist besserKohorte: livebench-2026-06-25-agentic-coding-maxKein dokumentierter Setup-UnterschiedClaude Fable 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesenKategorie Agentisches Coding innerhalb desselben LiveBench-Releases. | LiveBenchTyp: Offizielles Benchmark-LeaderboardMessstand: 25.06.2026Import-ID: curated-livebench-2026-08-02-47a4e4216dd7 / curated-livebench-2026-08-02-15eeceb3fc32Abgerufen am 02.08.2026 |
| LiveCodeBench v6Easy | 98,758 %höher | 98,137 % | 1accuracyMehr ist besserKohorte: vals-lcb:1:easyTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-lcb-2026-08-11-0342bcc364e4Abgerufen am 11.08.2026 |
| MMLU-ProBiology | 93,584 % | 94,561 %höher | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:biologyTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mmlu_pro-2026-08-11-b8e53828d746Abgerufen am 11.08.2026 |
| MMMU-ProOverall | 89,306 %höher | 88,844 % | 1accuracyMehr ist besserKohorte: vals-mmmu:1:overallTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mmmu-2026-08-11-9869cf71f8c7Abgerufen am 11.08.2026 |
| MortgageTaxNumerical Extraction | 76,709 %höher | 75,119 % | 1accuracyMehr ist besserKohorte: vals-mortgage-tax:1:numerical_extractionTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mortgage_tax-2026-08-11-5ea6eef3e482Abgerufen am 11.08.2026 |
| ProgramBenchAlmost Resolved | 33 %höher | 23 % | 1accuracyMehr ist besserKohorte: vals-programbench:1:almostTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-programbench-2026-08-11-b6f8959fbdfeAbgerufen am 11.08.2026 |
| ProofBenchOverall | 77 % | 77 % | 1accuracyMehr ist besserKohorte: vals-proof-bench:1:overallTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 07.08.2026Import-ID: vals-proof_bench-2026-08-11-c6615e599d88Abgerufen am 11.08.2026 |
| SAGEAutomata | 39,682 % | 39,682 % | 1accuracyMehr ist besserKohorte: vals-sage:1:automataTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 30.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-sage-2026-08-11-f1f79f6d8af3Abgerufen am 11.08.2026 |
| SWE-bench VerifiedOverall | 95 % | 96,2 %höher | 1accuracyMehr ist besserKohorte: vals-swebench:1:overallTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 08.08.2026Import-ID: vals-swebench-2026-08-11-a6212cd857d8Abgerufen am 11.08.2026 |
| TaxEval v2Correctness | 65,822 %höher | 65,004 % | 2accuracyMehr ist besserKohorte: vals-tax-eval-v2:2:correctnessTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-tax_eval_v2-2026-08-11-d05a40bf446fAbgerufen am 11.08.2026 |
| Terminal-Bench 2.1Overall | 80,524 % | 85,768 %höher | 2.1accuracyMehr ist besserKohorte: vals-terminal-bench-2-1:2.1:overallTestaufbau nicht identisch dokumentiertClaude Fable 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-terminal-bench-2-1-2026-08-11-8f0ebd72a609Abgerufen am 11.08.2026 |
| Vals IndexCorpFin v2 | 71,562 %höher | 66,434 % | 1.2benchmark scoreMehr ist besserKohorte: vals-vals-index:1.2:corp_fin_v2Testaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-vals_index-2026-08-11-e79d08d59249Abgerufen am 11.08.2026 |
| Vals Multimodal IndexCorpFin v2 | 71,562 %höher | 66,434 % | 1.2benchmark scoreMehr ist besserKohorte: vals-vals-multimodal-index:1.2:corp_fin_v2Testaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-vals_multimodal_index-2026-08-11-fa704862df19Abgerufen am 11.08.2026 |
| Web Search IndexFinance Analysis | 44,838 % | 50,149 %höher | 1accuracyMehr ist besserKohorte: vals-web-search-backends:1:financeTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Harness: Native, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Harness: Native, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 16.07.2026Import-ID: vals-web_search_backends-2026-08-11-2946906f2a1dAbgerufen am 11.08.2026 |
| Code MigrationCOBOL | 40 % | 70 %höher | 1accuracyMehr ist besserKohorte: vals-code-migration:1:cobolTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-code-migration-2026-08-11-3a2d5ce718a3Abgerufen am 11.08.2026 |
| CorpFin v2Max Fitting Context | 77,04 %höher | 65,152 % | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:max_fitting_contextTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-corp_fin_v2-2026-08-11-d9e58d191cd9Abgerufen am 11.08.2026 |
| EMBDataroom | 85,362 %höher | 85,243 % | 1accuracyMehr ist besserKohorte: vals-emb:1:dataroomTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-emb-2026-08-11-e3c855e236e4Abgerufen am 11.08.2026 |
| Finance Agent (v2)All-Pass | 45,694 %höher | 41,362 % | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:all_passTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-fabv2-2026-08-11-3e5c93a1857cAbgerufen am 11.08.2026 |
| GPQA DiamondZero-Shot CoT | 93,434 % | 95,455 %höher | 1accuracyMehr ist besserKohorte: vals-gpqa:1:diamond_zero_shot_cotTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-gpqa-2026-08-11-d3325290a404Abgerufen am 11.08.2026 |
| Harvey's Legal Agent BenchmarkAntitrust Competition · Task fully resolved | 0 % | 0 % | 1task resolution rateMehr ist besserKohorte: vals-legal-agent-benchmark:1:antitrust_competitionTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 07.08.2026Import-ID: vals-hlab-2026-08-11-ea11b6e53414Abgerufen am 11.08.2026 |
| IOIIOI 2025 | 44,5 % | 88,333 %höher | 1accuracyMehr ist besserKohorte: vals-ioi:1:ioi2025Testaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-ioi-2026-08-11-2dfe8b4b8b7bAbgerufen am 11.08.2026 |
| Legal Research BenchAdministrative / Regulatory · Weighted partial credit | 90,224 % | 90,69 %höher | 1weighted partial-credit scoreMehr ist besserKohorte: vals-legal-research:1:weighted_pass__administrative_regulatoryTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-legal_research-2026-08-11-326cf7aaca58Abgerufen am 11.08.2026 |
| LegalBenchInterpretation Tasks | 86,863 %höher | 84,398 % | 1accuracyMehr ist besserKohorte: vals-legal-bench:1:interpretation_tasksTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-legal_bench-2026-08-11-836e5e44618eAbgerufen am 11.08.2026 |
| LiveBenchCoding | 86 Punktehöher | 83,9 Punkte | 2026-06-25category scoreMehr ist besserKohorte: livebench-2026-06-25-coding-maxKein dokumentierter Setup-UnterschiedClaude Fable 5: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesenKategorie Coding innerhalb desselben LiveBench-Releases. | LiveBenchTyp: Offizielles Benchmark-LeaderboardMessstand: 25.06.2026Import-ID: curated-livebench-2026-08-02-af08eb1b32d1 / curated-livebench-2026-08-02-14001f941ba0Abgerufen am 02.08.2026 |
| LiveCodeBench v6Hard | 79,714 %höher | 67,429 % | 1accuracyMehr ist besserKohorte: vals-lcb:1:hardTestaufbau nicht identisch dokumentiertClaude Fable 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-lcb-2026-08-11-0342bcc364e4Abgerufen am 11.08.2026 |
Die Tabelle zeigt 64 diversifizierte Messreihen aus insgesamt 189 gemeinsamen Ergebnissen. Dadurch verdrängt ein Benchmark mit vielen Unteraufgaben nicht alle anderen Tests.
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.
Preise beziehen sich auf die offiziellen API-Tarife pro 1 Mio. Token. Web-Abos und Cloud-Aufschläge können davon abweichen.
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.