Alle LLM-Vergleiche
Direktvergleich
GPT-5.6 Luna vs. DeepSeek-V4-Pro
Veröffentlichte Benchmarkwerte aus derselben Version und Vergleichskohorte, API-Preise und technische Eckdaten. Unterschiedliche Testeinstellungen werden sichtbar ausgewiesen.
157
gemeinsame Messreihen
22
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 | GPT-5.6 Luna | DeepSeek-V4-Pro |
|---|---|---|
| Anbieter | OpenAI | DeepSeek |
| Erschienen | 26. Juni 2026 | 24. Apr. 2026 |
| Verfügbarkeit | Aktiv | Preview |
| Modelltyp | Proprietär | Open Weights |
| Parameter | Nicht veröffentlicht | 1,6 Billionen, 49 Mrd. aktiv |
| Architektur | Nicht veröffentlicht | Mixture of Experts |
| Kontextfenster | 1.050.000 Token | 1.000.000 Token |
| Wissensstand | 16. Februar 2026 | Nicht veröffentlicht |
| Technische Quellen | Modell, Kontext, Wissensstand | Modell, Kontext |
| API-Preise pro 1 Mio. Token | ||
| API-Eingabe | 0,2 $ ≤272K / 0,4 $ >272K | 0,43 $ |
| API-Ausgabe | 1,2 $ ≤272K / 1,8 $ >272K | 0,87 $ |
| Cache lesen | 0,02 $ ≤272K / 0,04 $ >272K | 0, $ |
| Cache schreiben (5 Min.) | 0,25 $ ≤272K / 0,5 $ >272K | Nicht ausgewiesen |
| Cache schreiben (1 Std.) | Nicht ausgewiesen | Nicht ausgewiesen |
| Preis geprüft | 11.08.2026Quelle | 30.07.2026Quelle |
GPT-5.6 LunaDeepSeek-V4-Pro
API-EingabeUSD pro 1 Mio. Token, Basistarif
GPT-5.6 Luna0,2 $DeepSeek-V4-Pro0,435 $
API-AusgabeUSD pro 1 Mio. Token, Basistarif
GPT-5.6 Luna1,2 $DeepSeek-V4-Pro0,87 $
Cache lesenUSD pro 1 Mio. Token, Basistarif
GPT-5.6 Luna0,02 $DeepSeek-V4-Pro0,004 $
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.
157 gemeinsame Messreihen
GPT-5.6 LunaDeepSeek-V4-Pro
Code MigrationOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
GPT-5.6 Luna44,55 %DeepSeek-V4-Pro26,201 %
CorpFin v2Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Luna64,219 %DeepSeek-V4-Pro61,383 %
CyberBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Luna83,898 %DeepSeek-V4-Pro68,644 %
EMBOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
GPT-5.6 Luna67,116 %DeepSeek-V4-Pro51,623 %
Finance Agent (v2)Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
GPT-5.6 Luna55,044 %DeepSeek-V4-Pro44,083 %
GPQA DiamondOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
GPT-5.6 Luna91,666 %DeepSeek-V4-Pro89,394 %
Harvey's Legal Agent BenchmarkOverall · Task fully resolved. Mehr ist besser. Testaufbau nicht identisch dokumentiert
GPT-5.6 Luna1,25 %DeepSeek-V4-Pro3,75 %
IOIOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
GPT-5.6 Luna72,917 %DeepSeek-V4-Pro35,833 %
Legal Research BenchOverall · All-pass. Mehr ist besser. Testaufbau nicht identisch dokumentiert
GPT-5.6 Luna36,538 %DeepSeek-V4-Pro23,077 %
LegalBenchOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
GPT-5.6 Luna84,034 %DeepSeek-V4-Pro80,323 %
MedCodeOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
GPT-5.6 Luna42,391 %DeepSeek-V4-Pro40,455 %
MedScribeOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
GPT-5.6 Luna84,391 %DeepSeek-V4-Pro75,144 %
| Benchmark und Aufgabe | GPT-5.6 Luna | DeepSeek-V4-Pro | Vergleichbarkeit | Quelle |
|---|---|---|---|---|
| Code MigrationOverallReasoning: max | 44,55 %höher | 26,201 % | 1accuracyMehr ist besserKohorte: vals-code-migration:1:overallTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-code-migration-2026-08-11-3a2d5ce718a3Abgerufen am 11.08.2026 |
| CorpFin v2OverallReasoning: max | 64,219 %höher | 61,383 % | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: 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 |
| CyberBenchOverall | 83,898 %höher | 68,644 % | 1accuracyMehr ist besserKohorte: vals-cyberbench:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Luna: Keine weiteren Einstellungen ausgewiesen DeepSeek-V4-Pro: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 03.08.2026Import-ID: vals-cyber-2026-08-11-1f20498a3dc1Abgerufen am 11.08.2026 |
| EMBOverallReasoning: max | 67,116 %höher | 51,623 % | 1accuracyMehr ist besserKohorte: vals-emb:1:overallTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-emb-2026-08-11-e3c855e236e4Abgerufen am 11.08.2026 |
| Finance Agent (v2)OverallReasoning: max | 55,044 %höher | 44,083 % | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:overallTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-fabv2-2026-08-11-3e5c93a1857cAbgerufen am 11.08.2026 |
| GPQA DiamondOverallReasoning: max | 91,666 %höher | 89,394 % | 1accuracyMehr ist besserKohorte: vals-gpqa:1:overallTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 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 resolvedReasoning: max | 1,25 % | 3,75 %höher | 1task resolution rateMehr ist besserKohorte: vals-legal-agent-benchmark:1:overallTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 07.08.2026Import-ID: vals-hlab-2026-08-11-ea11b6e53414Abgerufen am 11.08.2026 |
| IOIOverallReasoning: max | 72,917 %höher | 35,833 % | 1accuracyMehr ist besserKohorte: vals-ioi:1:overallTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-ioi-2026-08-11-2dfe8b4b8b7bAbgerufen am 11.08.2026 |
| Legal Research BenchOverall · All-passReasoning: max | 36,538 %höher | 23,077 % | 1all-pass rateMehr ist besserKohorte: vals-legal-research:1:overallTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-legal_research-2026-08-11-326cf7aaca58Abgerufen am 11.08.2026 |
| LegalBenchOverallReasoning: max | 84,034 %höher | 80,323 % | 1accuracyMehr ist besserKohorte: vals-legal-bench:1:overallTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-legal_bench-2026-08-11-836e5e44618eAbgerufen am 11.08.2026 |
| MedCodeOverallReasoning: max | 42,391 %höher | 40,455 % | 1accuracyMehr ist besserKohorte: vals-medcode:1:overallTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 30.000 Token DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-medcode-2026-08-11-59016050c3a3Abgerufen am 11.08.2026 |
| MedScribeOverallReasoning: max | 84,391 %höher | 75,144 % | 1accuracyMehr ist besserKohorte: vals-medscribe:1:overallTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 30.000 Token DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-medscribe-2026-08-11-d7cf1ca6b81fAbgerufen am 11.08.2026 |
| MMLU-ProOverallReasoning: max | 86,036 % | 87,249 %höher | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:overallTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mmlu_pro-2026-08-11-b8e53828d746Abgerufen am 11.08.2026 |
| ProgramBenchOverallReasoning: max | 0 % | 0 % | 1accuracyMehr ist besserKohorte: vals-programbench:1:overallTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-programbench-2026-08-11-b6f8959fbdfeAbgerufen am 11.08.2026 |
| ProofBenchOverallReasoning: max | 54 %höher | 10 % | 1accuracyMehr ist besserKohorte: vals-proof-bench:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: 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 |
| Public Benefits Bench v1.1OverallReasoning: max | 61,164 % | 62,923 %höher | 1.1accuracyMehr ist besserKohorte: vals-snap:1.1:overallTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 08.08.2026Import-ID: vals-public-benefits-bench-2026-08-11-e93f5dfe7fa4Abgerufen am 11.08.2026 |
| SkillsBenchOverallReasoning: max | 60,447 %höher | 51,274 % | 1accuracyMehr ist besserKohorte: vals-skillsbench:1:overallTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 384.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 07.08.2026Import-ID: vals-skillsbench-2026-08-11-351bec9d0e01Abgerufen am 11.08.2026 |
| SWE-bench VerifiedOverallReasoning: max | 93 %höher | 77,4 % | 1accuracyMehr ist besserKohorte: vals-swebench:1:overallTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 08.08.2026Import-ID: vals-swebench-2026-08-11-a6212cd857d8Abgerufen am 11.08.2026 |
| TaxEval v2OverallReasoning: max | 76,166 %höher | 72,077 % | 2accuracyMehr ist besserKohorte: vals-tax-eval-v2:2:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: 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 | 79,026 %höher | 50,187 % | 2.1accuracyMehr ist besserKohorte: vals-terminal-bench-2-1:2.1:overallTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: 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 IndexOverallReasoning: max | 69,878 %höher | 55,615 % | 1.2weighted index scoreMehr ist besserKohorte: vals-vals-index:1.2:overallTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-vals_index-2026-08-11-e79d08d59249Abgerufen am 11.08.2026 |
| Vibe Code Bench v1.1OverallReasoning: max | 77,055 %höher | 49,931 % | 1.1accuracyMehr ist besserKohorte: vals-vibe-code-bench:1.1:overallTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 256.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 05.08.2026Import-ID: vals-vibe-code-2026-08-11-b6b708f7b194Abgerufen am 11.08.2026 |
| Code MigrationCLIReasoning: max | 36,067 %höher | 15,47 % | 1accuracyMehr ist besserKohorte: vals-code-migration:1:cliTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-code-migration-2026-08-11-3a2d5ce718a3Abgerufen am 11.08.2026 |
| CorpFin v2Exact PagesReasoning: max | 63,52 %höher | 59,207 % | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:exact_pagesKein dokumentierter Setup-UnterschiedGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: 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 |
| CyberBenchPatch | 79,661 % | 79,661 % | 1accuracyMehr ist besserKohorte: vals-cyberbench:1:patchKein dokumentierter Setup-UnterschiedGPT-5.6 Luna: Keine weiteren Einstellungen ausgewiesen DeepSeek-V4-Pro: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 03.08.2026Import-ID: vals-cyber-2026-08-11-1f20498a3dc1Abgerufen am 11.08.2026 |
| EMBCompsReasoning: max | 54,573 % | 57,434 %höher | 1accuracyMehr ist besserKohorte: vals-emb:1:compsTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-emb-2026-08-11-e3c855e236e4Abgerufen am 11.08.2026 |
| Finance Agent (v2)AdjustmentsReasoning: max | 52,027 %höher | 41,586 % | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:adjustmentsTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-fabv2-2026-08-11-3e5c93a1857cAbgerufen am 11.08.2026 |
| GPQA DiamondFew-Shot CoTReasoning: max | 92,424 %höher | 90,404 % | 1accuracyMehr ist besserKohorte: vals-gpqa:1:diamond_few_shot_cotTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 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 passedReasoning: max | 85,145 %höher | 83,696 % | 1criteria pass rateMehr ist besserKohorte: vals-legal-agent-benchmark:1:criteria_pass_rate__antitrust_competitionTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 07.08.2026Import-ID: vals-hlab-2026-08-11-ea11b6e53414Abgerufen am 11.08.2026 |
| IOIIOI 2024Reasoning: max | 78 %höher | 31,333 % | 1accuracyMehr ist besserKohorte: vals-ioi:1:ioi2024Testaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-ioi-2026-08-11-2dfe8b4b8b7bAbgerufen am 11.08.2026 |
| Legal Research BenchAdministrative / Regulatory · All-passReasoning: max | 48,485 %höher | 28,788 % | 1all-pass rateMehr ist besserKohorte: vals-legal-research:1:administrative_regulatoryTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-legal_research-2026-08-11-326cf7aaca58Abgerufen am 11.08.2026 |
| LegalBenchConclusion TasksReasoning: max | 88,864 % | 89,117 %höher | 1accuracyMehr ist besserKohorte: vals-legal-bench:1:conclusion_tasksTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-legal_bench-2026-08-11-836e5e44618eAbgerufen am 11.08.2026 |
| MMLU-ProBiologyReasoning: max | 93,305 %höher | 92,887 % | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:biologyTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mmlu_pro-2026-08-11-b8e53828d746Abgerufen am 11.08.2026 |
| ProgramBenchAlmost ResolvedReasoning: max | 9 %höher | 0 % | 1accuracyMehr ist besserKohorte: vals-programbench:1:almostTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-programbench-2026-08-11-b6f8959fbdfeAbgerufen am 11.08.2026 |
| SkillsBenchNo SkillsReasoning: max | 45,189 %höher | 27,226 % | 1accuracyMehr ist besserKohorte: vals-skillsbench:1:no_skillsTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 384.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 07.08.2026Import-ID: vals-skillsbench-2026-08-11-351bec9d0e01Abgerufen am 11.08.2026 |
| SWE-bench Verified<15 min fixReasoning: max | 96,392 %höher | 87,629 % | 1accuracyMehr ist besserKohorte: vals-swebench:1:<15 min fixTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 08.08.2026Import-ID: vals-swebench-2026-08-11-a6212cd857d8Abgerufen am 11.08.2026 |
| TaxEval v2CorrectnessReasoning: max | 66,558 %höher | 60,589 % | 2accuracyMehr ist besserKohorte: vals-tax-eval-v2:2:correctnessKein dokumentierter Setup-UnterschiedGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: 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 2.1Easy | 83,333 %höher | 66,667 % | 2.1accuracyMehr ist besserKohorte: vals-terminal-bench-2-1:2.1:easyTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: 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 v2Reasoning: max | 65,035 %höher | 61,888 % | 1.2benchmark scoreMehr ist besserKohorte: vals-vals-index:1.2:corp_fin_v2Kein dokumentierter Setup-UnterschiedGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: 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 |
| Code MigrationCOBOLReasoning: max | 70 %höher | 58,393 % | 1accuracyMehr ist besserKohorte: vals-code-migration:1:cobolTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-code-migration-2026-08-11-3a2d5ce718a3Abgerufen am 11.08.2026 |
| CorpFin v2Max Fitting ContextReasoning: max | 64,103 %höher | 63,054 % | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:max_fitting_contextKein dokumentierter Setup-UnterschiedGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: 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 |
| CyberBenchPoC | 88,136 %höher | 57,627 % | 1accuracyMehr ist besserKohorte: vals-cyberbench:1:pocKein dokumentierter Setup-UnterschiedGPT-5.6 Luna: Keine weiteren Einstellungen ausgewiesen DeepSeek-V4-Pro: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 03.08.2026Import-ID: vals-cyber-2026-08-11-1f20498a3dc1Abgerufen am 11.08.2026 |
| EMBDataroomReasoning: max | 83,009 %höher | 62,572 % | 1accuracyMehr ist besserKohorte: vals-emb:1:dataroomTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-emb-2026-08-11-e3c855e236e4Abgerufen am 11.08.2026 |
| Finance Agent (v2)All-PassReasoning: max | 43,285 %höher | 31,448 % | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:all_passTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-fabv2-2026-08-11-3e5c93a1857cAbgerufen am 11.08.2026 |
| GPQA DiamondZero-Shot CoTReasoning: max | 90,909 %höher | 88,384 % | 1accuracyMehr ist besserKohorte: vals-gpqa:1:diamond_zero_shot_cotTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 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 resolvedReasoning: max | 0 % | 0 % | 1task resolution rateMehr ist besserKohorte: vals-legal-agent-benchmark:1:antitrust_competitionTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 07.08.2026Import-ID: vals-hlab-2026-08-11-ea11b6e53414Abgerufen am 11.08.2026 |
| IOIIOI 2025Reasoning: max | 67,833 %höher | 40,333 % | 1accuracyMehr ist besserKohorte: vals-ioi:1:ioi2025Testaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 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 creditReasoning: max | 87,513 %höher | 83,372 % | 1weighted partial-credit scoreMehr ist besserKohorte: vals-legal-research:1:weighted_pass__administrative_regulatoryTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-legal_research-2026-08-11-326cf7aaca58Abgerufen am 11.08.2026 |
| LegalBenchInterpretation TasksReasoning: max | 82,142 %höher | 75,169 % | 1accuracyMehr ist besserKohorte: vals-legal-bench:1:interpretation_tasksTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-legal_bench-2026-08-11-836e5e44618eAbgerufen am 11.08.2026 |
| MMLU-ProBusinessReasoning: max | 91,001 % | 91,888 %höher | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:businessTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mmlu_pro-2026-08-11-b8e53828d746Abgerufen am 11.08.2026 |
| ProgramBenchFully ResolvedReasoning: max | 0 % | 0 % | 1accuracyMehr ist besserKohorte: vals-programbench:1:strictTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-programbench-2026-08-11-b6f8959fbdfeAbgerufen am 11.08.2026 |
| SkillsBenchWith SkillsReasoning: max | 60,447 %höher | 51,274 % | 1accuracyMehr ist besserKohorte: vals-skillsbench:1:with_skillsTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 384.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 07.08.2026Import-ID: vals-skillsbench-2026-08-11-351bec9d0e01Abgerufen am 11.08.2026 |
| SWE-bench Verified>4 hoursReasoning: max | 66,667 %höher | 0 % | 1accuracyMehr ist besserKohorte: vals-swebench:1:>4 hoursTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 08.08.2026Import-ID: vals-swebench-2026-08-11-a6212cd857d8Abgerufen am 11.08.2026 |
| TaxEval v2Stepwise ReasoningReasoning: max | 85,773 %höher | 83,565 % | 2accuracyMehr ist besserKohorte: vals-tax-eval-v2:2:stepwise_reasoningKein dokumentierter Setup-UnterschiedGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: 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 2.1Hard | 70 %höher | 31,111 % | 2.1accuracyMehr ist besserKohorte: vals-terminal-bench-2-1:2.1:hardTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: 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 v2Reasoning: max | 55,555 %höher | 44,081 % | 1.2benchmark scoreMehr ist besserKohorte: vals-vals-index:1.2:finance_agentTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-vals_index-2026-08-11-e79d08d59249Abgerufen am 11.08.2026 |
| Code MigrationCode QualityReasoning: max | 3,195 / 5 | 3,401 / 5höher | 1mean reviewer code-quality ratingMehr ist besserKohorte: vals-code-migration:1:code_qualityTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-code-migration-2026-08-11-3a2d5ce718a3Abgerufen am 11.08.2026 |
| CorpFin v2Shared Max ContextReasoning: max | 65,035 %höher | 61,888 % | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:shared_max_contextKein dokumentierter Setup-UnterschiedGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: 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 |
| EMBDCFReasoning: max | 60,482 %höher | 44,435 % | 1accuracyMehr ist besserKohorte: vals-emb:1:dcfTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-emb-2026-08-11-e3c855e236e4Abgerufen am 11.08.2026 |
| Finance Agent (v2)ComparablesReasoning: max | 48,285 %höher | 39,632 % | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:comparablesTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-fabv2-2026-08-11-3e5c93a1857cAbgerufen am 11.08.2026 |
| Harvey's Legal Agent BenchmarkArbitration International Dispute Resolution · Criteria passedReasoning: max | 81,72 % | 83,512 %höher | 1criteria pass rateMehr ist besserKohorte: vals-legal-agent-benchmark:1:criteria_pass_rate__arbitration_international_dispute_resolutionTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 07.08.2026Import-ID: vals-hlab-2026-08-11-ea11b6e53414Abgerufen am 11.08.2026 |
| Legal Research BenchBusiness & Commercial · All-passReasoning: max | 32,558 %höher | 23,256 % | 1all-pass rateMehr ist besserKohorte: vals-legal-research:1:business_commercialTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-legal_research-2026-08-11-326cf7aaca58Abgerufen am 11.08.2026 |
| LegalBenchIssue TasksReasoning: max | 88,68 %höher | 84,587 % | 1accuracyMehr ist besserKohorte: vals-legal-bench:1:issue_tasksTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-legal_bench-2026-08-11-836e5e44618eAbgerufen am 11.08.2026 |
| MMLU-ProChemistryReasoning: max | 90,989 % | 92,491 %höher | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:chemistryTestaufbau nicht identisch dokumentiertGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mmlu_pro-2026-08-11-b8e53828d746Abgerufen am 11.08.2026 |
Die Tabelle zeigt 64 diversifizierte Messreihen aus insgesamt 157 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.