Alle LLM-Vergleiche
Direktvergleich
Claude Sonnet 5 vs. GPT-5.4 mini
Veröffentlichte Benchmarkwerte aus derselben Version und Vergleichskohorte, API-Preise und technische Eckdaten. Unterschiedliche Testeinstellungen werden sichtbar ausgewiesen.
109
gemeinsame Messreihen
19
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 Sonnet 5 | GPT-5.4 mini |
|---|---|---|
| Anbieter | Anthropic | OpenAI |
| Erschienen | 30. Juni 2026 | März 2026 |
| Verfügbarkeit | Aktiv | Aktiv |
| Modelltyp | Proprietär | Proprietär |
| Parameter | Nicht veröffentlicht | Nicht veröffentlicht |
| Architektur | Nicht veröffentlicht | Nicht veröffentlicht |
| Kontextfenster | 1.000.000 Token | 400.000 Token |
| Wissensstand | Januar 2026 | 31. August 2025 |
| Technische Quellen | Modell, Kontext | Modell |
| API-Preise pro 1 Mio. Token | ||
| API-Eingabe | 2 $ | 0,75 $ |
| API-Ausgabe | 10 $ | 4,5 $ |
| Cache lesen | 0,2 $ | 0,07 $ |
| Cache schreiben (5 Min.) | 2,5 $ | Nicht ausgewiesen |
| Cache schreiben (1 Std.) | 4 $ | Nicht ausgewiesen |
| Preis geprüft | 11.08.2026Quelle | 30.07.2026Quelle |
Claude Sonnet 5GPT-5.4 mini
API-EingabeUSD pro 1 Mio. Token, Basistarif
Claude Sonnet 52 $GPT-5.4 mini0,75 $
API-AusgabeUSD pro 1 Mio. Token, Basistarif
Claude Sonnet 510 $GPT-5.4 mini4,5 $
Cache lesenUSD pro 1 Mio. Token, Basistarif
Claude Sonnet 50,2 $GPT-5.4 mini0,075 $
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.
109 gemeinsame Messreihen
Claude Sonnet 5GPT-5.4 mini
Code MigrationOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Sonnet 544,392 %GPT-5.4 mini12,936 %
CorpFin v2Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Sonnet 566,977 %GPT-5.4 mini60,917 %
EMBOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Sonnet 566,316 %GPT-5.4 mini45,426 %
Finance Agent (v2)Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Sonnet 553,909 %GPT-5.4 mini45,36 %
GPQA DiamondOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Sonnet 588,889 %GPT-5.4 mini83,08 %
Legal Research BenchOverall · All-pass. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Sonnet 541,827 %GPT-5.4 mini12,5 %
LiveCodeBench v6Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Sonnet 582,429 %GPT-5.4 mini81,465 %
MMLU-ProOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Sonnet 587,545 %GPT-5.4 mini84,554 %
MMMU-ProOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Sonnet 583,006 %GPT-5.4 mini79,249 %
MortgageTaxOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Sonnet 570,032 %GPT-5.4 mini63,514 %
ProgramBenchOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Sonnet 50 %GPT-5.4 mini0 %
ProofBenchOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Sonnet 566 %GPT-5.4 mini21 %
| Benchmark und Aufgabe | Claude Sonnet 5 | GPT-5.4 mini | Vergleichbarkeit | Quelle |
|---|---|---|---|---|
| Code MigrationOverall | 44,392 %höher | 12,936 % | 1accuracyMehr ist besserKohorte: vals-code-migration:1:overallTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, 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 | 66,977 %höher | 60,917 % | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:overallTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, 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 | 66,316 %höher | 45,426 % | 1accuracyMehr ist besserKohorte: vals-emb:1:overallTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, 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)Overall | 53,909 %höher | 45,36 % | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:overallTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-fabv2-2026-08-11-3e5c93a1857cAbgerufen am 11.08.2026 |
| GPQA DiamondOverall | 88,889 %höher | 83,08 % | 1accuracyMehr ist besserKohorte: vals-gpqa:1:overallTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-gpqa-2026-08-11-d3325290a404Abgerufen am 11.08.2026 |
| Legal Research BenchOverall · All-pass | 41,827 %höher | 12,5 % | 1all-pass rateMehr ist besserKohorte: vals-legal-research:1:overallTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-legal_research-2026-08-11-326cf7aaca58Abgerufen am 11.08.2026 |
| LiveCodeBench v6Overall | 82,429 %höher | 81,465 % | 1accuracyMehr ist besserKohorte: vals-lcb:1:overallTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-lcb-2026-08-11-0342bcc364e4Abgerufen am 11.08.2026 |
| MMLU-ProOverall | 87,545 %höher | 84,554 % | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:overallTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, 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 | 83,006 %höher | 79,249 % | 1accuracyMehr ist besserKohorte: vals-mmmu:1:overallTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mmmu-2026-08-11-9869cf71f8c7Abgerufen am 11.08.2026 |
| MortgageTaxOverall | 70,032 %höher | 63,514 % | 1accuracyMehr ist besserKohorte: vals-mortgage-tax:1:overallTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mortgage_tax-2026-08-11-5ea6eef3e482Abgerufen am 11.08.2026 |
| ProgramBenchOverall | 0 % | 0 % | 1accuracyMehr ist besserKohorte: vals-programbench:1:overallTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-programbench-2026-08-11-b6f8959fbdfeAbgerufen am 11.08.2026 |
| ProofBenchOverall | 66 %höher | 21 % | 1accuracyMehr ist besserKohorte: vals-proof-bench:1:overallTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 07.08.2026Import-ID: vals-proof_bench-2026-08-11-c6615e599d88Abgerufen am 11.08.2026 |
| SAGEOverall | 48,925 % | 50,813 %höher | 1accuracyMehr ist besserKohorte: vals-sage:1:overallTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, 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 | 79,6 %höher | 73 % | 1accuracyMehr ist besserKohorte: vals-swebench:1:overallTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 08.08.2026Import-ID: vals-swebench-2026-08-11-a6212cd857d8Abgerufen am 11.08.2026 |
| TaxEval v2Overall | 75,634 %höher | 71,218 % | 2accuracyMehr ist besserKohorte: vals-tax-eval-v2:2:overallTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, 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 | 74,532 %höher | 54,682 % | 2.1accuracyMehr ist besserKohorte: vals-terminal-bench-2-1:2.1:overallTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: high, 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 IndexOverall | 68,608 %höher | 52,425 % | 1.2weighted index scoreMehr ist besserKohorte: vals-vals-index:1.2:overallTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, 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 | 68,826 %höher | 54,219 % | 1.2weighted index scoreMehr ist besserKohorte: vals-vals-multimodal-index:1.2:overallTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, 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 | 81,325 %höher | 47,969 % | 1.1accuracyMehr ist besserKohorte: vals-vibe-code-bench:1.1:overallTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, 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 |
| Code MigrationCLI | 36,332 %höher | 8,2 % | 1accuracyMehr ist besserKohorte: vals-code-migration:1:cliTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, 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 | 63,869 %höher | 61,538 % | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:exact_pagesTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, 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 | 69,384 %höher | 40,488 % | 1accuracyMehr ist besserKohorte: vals-emb:1:compsTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, 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 | 48,715 %höher | 45,366 % | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:adjustmentsTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, 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 | 87,374 %höher | 84,848 % | 1accuracyMehr ist besserKohorte: vals-gpqa:1:diamond_few_shot_cotTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-gpqa-2026-08-11-d3325290a404Abgerufen am 11.08.2026 |
| Legal Research BenchAdministrative / Regulatory · All-pass | 54,545 %höher | 15,152 % | 1all-pass rateMehr ist besserKohorte: vals-legal-research:1:administrative_regulatoryTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-legal_research-2026-08-11-326cf7aaca58Abgerufen am 11.08.2026 |
| LiveCodeBench v6Easy | 98,447 %höher | 97,826 % | 1accuracyMehr ist besserKohorte: vals-lcb:1:easyTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, 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 %höher | 91,353 % | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:biologyTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mmlu_pro-2026-08-11-b8e53828d746Abgerufen am 11.08.2026 |
| MortgageTaxNumerical Extraction | 78,696 % | 79,412 %höher | 1accuracyMehr ist besserKohorte: vals-mortgage-tax:1:numerical_extractionTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, 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 | 13,5 %höher | 3 % | 1accuracyMehr ist besserKohorte: vals-programbench:1:almostTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-programbench-2026-08-11-b6f8959fbdfeAbgerufen am 11.08.2026 |
| SAGEAutomata | 34,92 % | 41,27 %höher | 1accuracyMehr ist besserKohorte: vals-sage:1:automataTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 30.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-sage-2026-08-11-f1f79f6d8af3Abgerufen am 11.08.2026 |
| SWE-bench Verified<15 min fix | 83,505 % | 85,567 %höher | 1accuracyMehr ist besserKohorte: vals-swebench:1:<15 min fixTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 08.08.2026Import-ID: vals-swebench-2026-08-11-a6212cd857d8Abgerufen am 11.08.2026 |
| TaxEval v2Correctness | 64,023 %höher | 63,042 % | 2accuracyMehr ist besserKohorte: vals-tax-eval-v2:2:correctnessTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, 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 2.1Easy | 100 %höher | 75 % | 2.1accuracyMehr ist besserKohorte: vals-terminal-bench-2-1:2.1:easyTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: high, 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 | 67,949 %höher | 60,256 % | 1.2benchmark scoreMehr ist besserKohorte: vals-vals-index:1.2:corp_fin_v2Testaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, 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 | 67,949 %höher | 60,256 % | 1.2benchmark scoreMehr ist besserKohorte: vals-vals-multimodal-index:1.2:corp_fin_v2Testaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-vals_multimodal_index-2026-08-11-fa704862df19Abgerufen am 11.08.2026 |
| Code MigrationCOBOL | 68,571 %höher | 27,143 % | 1accuracyMehr ist besserKohorte: vals-code-migration:1:cobolTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, 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 | 69,114 %höher | 60,956 % | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:max_fitting_contextTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, 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 | 84,909 %höher | 48,286 % | 1accuracyMehr ist besserKohorte: vals-emb:1:dataroomTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, 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 | 42,084 %höher | 32,369 % | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:all_passTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, 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 | 90,404 %höher | 81,313 % | 1accuracyMehr ist besserKohorte: vals-gpqa:1:diamond_zero_shot_cotTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-gpqa-2026-08-11-d3325290a404Abgerufen am 11.08.2026 |
| Legal Research BenchAdministrative / Regulatory · Weighted partial credit | 87,81 %höher | 69,72 % | 1weighted partial-credit scoreMehr ist besserKohorte: vals-legal-research:1:weighted_pass__administrative_regulatoryTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-legal_research-2026-08-11-326cf7aaca58Abgerufen am 11.08.2026 |
| LiveCodeBench v6Hard | 66,857 %höher | 61,714 % | 1accuracyMehr ist besserKohorte: vals-lcb:1:hardTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-lcb-2026-08-11-0342bcc364e4Abgerufen am 11.08.2026 |
| MMLU-ProBusiness | 91,635 %höher | 89,734 % | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:businessTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mmlu_pro-2026-08-11-b8e53828d746Abgerufen am 11.08.2026 |
| MortgageTaxSemantic Extraction | 61,367 %höher | 47,615 % | 1accuracyMehr ist besserKohorte: vals-mortgage-tax:1:semantic_extractionTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mortgage_tax-2026-08-11-5ea6eef3e482Abgerufen am 11.08.2026 |
| ProgramBenchFully Resolved | 0 % | 0 % | 1accuracyMehr ist besserKohorte: vals-programbench:1:strictTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-programbench-2026-08-11-b6f8959fbdfeAbgerufen am 11.08.2026 |
| SAGELinear Algebra | 68,999 % | 71,486 %höher | 1accuracyMehr ist besserKohorte: vals-sage:1:linear_algebraTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 30.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-sage-2026-08-11-f1f79f6d8af3Abgerufen am 11.08.2026 |
| SWE-bench Verified>4 hours | 66,667 %höher | 0 % | 1accuracyMehr ist besserKohorte: vals-swebench:1:>4 hoursTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 08.08.2026Import-ID: vals-swebench-2026-08-11-a6212cd857d8Abgerufen am 11.08.2026 |
| TaxEval v2Stepwise Reasoning | 87,244 %höher | 79,395 % | 2accuracyMehr ist besserKohorte: vals-tax-eval-v2:2:stepwise_reasoningTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, 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 2.1Hard | 57,778 %höher | 34,444 % | 2.1accuracyMehr ist besserKohorte: vals-terminal-bench-2-1:2.1:hardTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: high, 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 IndexFinance Agent v2 | 51,979 %höher | 45,407 % | 1.2benchmark scoreMehr ist besserKohorte: vals-vals-index:1.2:finance_agentTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, 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 IndexFinance Agent v2 | 51,979 %höher | 45,407 % | 1.2benchmark scoreMehr ist besserKohorte: vals-vals-multimodal-index:1.2:finance_agentTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-vals_multimodal_index-2026-08-11-fa704862df19Abgerufen am 11.08.2026 |
| Code MigrationCode Quality | 4,898 / 5höher | 3,053 / 5 | 1mean reviewer code-quality ratingMehr ist besserKohorte: vals-code-migration:1:code_qualityTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-code-migration-2026-08-11-3a2d5ce718a3Abgerufen am 11.08.2026 |
| CorpFin v2Shared Max Context | 67,949 %höher | 60,256 % | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:shared_max_contextTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-corp_fin_v2-2026-08-11-d9e58d191cd9Abgerufen am 11.08.2026 |
| EMBDCF | 56,404 %höher | 40,605 % | 1accuracyMehr ist besserKohorte: vals-emb:1:dcfTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, 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)Comparables | 45,817 %höher | 40,273 % | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:comparablesTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-fabv2-2026-08-11-3e5c93a1857cAbgerufen am 11.08.2026 |
| Legal Research BenchBusiness & Commercial · All-pass | 32,558 %höher | 11,628 % | 1all-pass rateMehr ist besserKohorte: vals-legal-research:1:business_commercialTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-legal_research-2026-08-11-326cf7aaca58Abgerufen am 11.08.2026 |
| LiveCodeBench v6Medium | 81,984 % | 84,856 %höher | 1accuracyMehr ist besserKohorte: vals-lcb:1:mediumTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-lcb-2026-08-11-0342bcc364e4Abgerufen am 11.08.2026 |
| MMLU-ProChemistry | 90,813 %höher | 89,134 % | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:chemistryTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mmlu_pro-2026-08-11-b8e53828d746Abgerufen am 11.08.2026 |
| ProgramBenchRaw Pass Rate | 72,067 %höher | 54,375 % | 1accuracyMehr ist besserKohorte: vals-programbench:1:partialTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-programbench-2026-08-11-b6f8959fbdfeAbgerufen am 11.08.2026 |
| SAGEPartial Differential Equations | 42,857 %höher | 39,683 % | 1accuracyMehr ist besserKohorte: vals-sage:1:PDEsTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 30.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-sage-2026-08-11-f1f79f6d8af3Abgerufen am 11.08.2026 |
| SWE-bench Verified1-4 hours | 76,19 %höher | 33,333 % | 1accuracyMehr ist besserKohorte: vals-swebench:1:1-4 hoursTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 08.08.2026Import-ID: vals-swebench-2026-08-11-a6212cd857d8Abgerufen am 11.08.2026 |
| Terminal-Bench 2.1Medium | 81,818 %höher | 64,242 % | 2.1accuracyMehr ist besserKohorte: vals-terminal-bench-2-1:2.1:mediumTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: high, 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 IndexSWE-bench | 75,49 %höher | 67,647 % | 1.2benchmark scoreMehr ist besserKohorte: vals-vals-index:1.2:swebenchKein dokumentierter Setup-UnterschiedClaude Sonnet 5: Keine weiteren Einstellungen ausgewiesen GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17 | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-vals_index-2026-08-11-e79d08d59249Abgerufen am 11.08.2026 |
| Vals Multimodal IndexMortgage Tax | 70,032 %höher | 63,514 % | 1.2benchmark scoreMehr ist besserKohorte: vals-vals-multimodal-index:1.2:mortgage_taxTestaufbau nicht identisch dokumentiertClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-vals_multimodal_index-2026-08-11-fa704862df19Abgerufen am 11.08.2026 |
Die Tabelle zeigt 64 diversifizierte Messreihen aus insgesamt 109 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.