Alle LLM-Vergleiche
Direktvergleich
GPT-5.6 Sol vs. GPT-5.6 Luna
Veröffentlichte Benchmarkwerte aus derselben Version und Vergleichskohorte, API-Preise und technische Eckdaten. Unterschiedliche Testeinstellungen werden sichtbar ausgewiesen.
182
gemeinsame Messreihen
29
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 Sol | GPT-5.6 Luna |
|---|---|---|
| Anbieter | OpenAI | OpenAI |
| Erschienen | 26. Juni 2026 | 26. Juni 2026 |
| Verfügbarkeit | Aktiv | Aktiv |
| Modelltyp | Proprietär | Proprietär |
| Parameter | Nicht veröffentlicht | Nicht veröffentlicht |
| Architektur | Nicht veröffentlicht | Nicht veröffentlicht |
| Kontextfenster | 1.050.000 Token | 1.050.000 Token |
| Wissensstand | 16. Februar 2026 | 16. Februar 2026 |
| Technische Quellen | Modell, Kontext, Wissensstand | Modell, Kontext, Wissensstand |
| API-Preise pro 1 Mio. Token | ||
| API-Eingabe | 5 $ ≤272K / 10 $ >272K | 0,2 $ ≤272K / 0,4 $ >272K |
| API-Ausgabe | 30 $ ≤272K / 45 $ >272K | 1,2 $ ≤272K / 1,8 $ >272K |
| Cache lesen | 0,5 $ ≤272K / 1 $ >272K | 0,02 $ ≤272K / 0,04 $ >272K |
| Cache schreiben (5 Min.) | 6,25 $ ≤272K / 12,5 $ >272K | 0,25 $ ≤272K / 0,5 $ >272K |
| Cache schreiben (1 Std.) | Nicht ausgewiesen | Nicht ausgewiesen |
| Preis geprüft | 11.08.2026Quelle | 11.08.2026Quelle |
GPT-5.6 SolGPT-5.6 Luna
API-EingabeUSD pro 1 Mio. Token, Basistarif
GPT-5.6 Sol5 $GPT-5.6 Luna0,2 $
API-AusgabeUSD pro 1 Mio. Token, Basistarif
GPT-5.6 Sol30 $GPT-5.6 Luna1,2 $
Cache lesenUSD pro 1 Mio. Token, Basistarif
GPT-5.6 Sol0,5 $GPT-5.6 Luna0,02 $
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.
182 gemeinsame Messreihen
GPT-5.6 SolGPT-5.6 Luna
ARC-AGI-2Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol85,4 %GPT-5.6 Luna29,3 %
ARC-AGI-3RHAE overall score. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol7,78 %GPT-5.6 Luna0,18 %
BrowseCompOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol90,4 %GPT-5.6 Luna83,3 %
Code MigrationOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol52,916 %GPT-5.6 Luna44,55 %
CorpFin v2Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol64,375 %GPT-5.6 Luna64,219 %
CyberBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol88,136 %GPT-5.6 Luna83,898 %
EMBOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol72,339 %GPT-5.6 Luna67,116 %
Finance Agent (v2)Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol53,756 %GPT-5.6 Luna55,044 %
GPQA DiamondOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol95,202 %GPT-5.6 Luna91,666 %
Harvey's Legal Agent BenchmarkOverall · Task fully resolved. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol2,5 %GPT-5.6 Luna1,25 %
IOIOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol86,667 %GPT-5.6 Luna72,917 %
Legal Research BenchOverall · All-pass. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol48,077 %GPT-5.6 Luna36,538 %
| Benchmark und Aufgabe | GPT-5.6 Sol | GPT-5.6 Luna | Vergleichbarkeit | Quelle |
|---|---|---|---|---|
| ARC-AGI-2OverallReasoning: high | 85,4 %höher | 29,3 % | 2exact task accuracyMehr ist besserKohorte: arc-agi-2-gpt-5-6-reasoning-sweepKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: high, Versuche: two exact output guesses per task GPT-5.6 Luna: Reasoning: high, Versuche: two exact output guesses per taskDerselbe verifizierte Test mit fünf Reasoning-Stufen je Modell. | ARC PrizeTyp: Offizielles Benchmark-LeaderboardMessstand: 09.07.2026Import-ID: curated-arc-prize-2026-08-02-7a96b42a4263 / curated-arc-prize-2026-08-02-ef39cd78907eAbgerufen am 02.08.2026 |
| ARC-AGI-3RHAE overall scoreReasoning: max | 7,78 %höher | 0,18 % | ARC-AGI-3 2026 verifiedRHAE scoreMehr ist besserKohorte: arc-agi-3-semi-private-verified-official-harnessKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Agent: ARC Prize official harness, Harness: ARC Prize official harness GPT-5.6 Luna: Reasoning: max, Agent: ARC Prize official harness, Harness: ARC Prize official harnessOffizieller ARC-Prize-Harness auf unbekannten interaktiven Umgebungen. Reasoning-Stufen bleiben getrennt. | ARC PrizeTyp: Offizielles Benchmark-LeaderboardImport-ID: curated-arc-prize-2026-08-06-9ebb2edeedb6 / curated-arc-prize-2026-08-06-7d499fffd2c4Abgerufen am 06.08.2026 |
| BrowseCompOverall | 90,4 %höherRedaktionelle Auswahl aus der Hersteller-Tabelle, kein vollständiger Auszug der Vergleichsgruppe. | 83,3 %Redaktionelle Auswahl aus der Hersteller-Tabelle, kein vollständiger Auszug der Vergleichsgruppe. | 1,266 tasksaccuracyMehr ist besserKohorte: browsecomp-openai-gpt-5-6-tableKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Luna: Keine weiteren Einstellungen ausgewiesenHerstellerübergreifende Vergleichstabelle mit Browser-Werkzeugen. Die genauen Agentensysteme unterscheiden sich. | OpenAITyp: AnbieterangabeMessstand: 09.07.2026Import-ID: curated-openai-2026-08-02-3d2469516088 / curated-openai-2026-08-02-65d8d2d5bbb4Abgerufen am 02.08.2026 |
| Code MigrationOverallReasoning: max | 52,916 %höher | 44,55 % | 1accuracyMehr ist besserKohorte: vals-code-migration:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: 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 v2OverallReasoning: max | 64,375 %höher | 64,219 % | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: 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 | 88,136 %höher | 83,898 % | 1accuracyMehr ist besserKohorte: vals-cyberbench:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Luna: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 03.08.2026Import-ID: vals-cyber-2026-08-11-1f20498a3dc1Abgerufen am 11.08.2026 |
| EMBOverallReasoning: max | 72,339 %höher | 67,116 % | 1accuracyMehr ist besserKohorte: vals-emb:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: 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)OverallReasoning: max | 53,756 % | 55,044 %höher | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: 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 DiamondOverallReasoning: max | 95,202 %höher | 91,666 % | 1accuracyMehr ist besserKohorte: vals-gpqa:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: 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 resolvedReasoning: max | 2,5 %höher | 1,25 % | 1task resolution rateMehr ist besserKohorte: vals-legal-agent-benchmark:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 07.08.2026Import-ID: vals-hlab-2026-08-11-ea11b6e53414Abgerufen am 11.08.2026 |
| IOIOverallReasoning: max | 86,667 %höher | 72,917 % | 1accuracyMehr ist besserKohorte: vals-ioi:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: 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-passReasoning: max | 48,077 %höher | 36,538 % | 1all-pass rateMehr ist besserKohorte: vals-legal-research:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: 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 |
| LegalBenchOverallReasoning: max | 86,965 %höher | 84,034 % | 1accuracyMehr ist besserKohorte: vals-legal-bench:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: 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 |
| MedCodeOverallReasoning: max | 43,974 %höher | 42,391 % | 1accuracyMehr ist besserKohorte: vals-medcode:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 30.000 Token GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 30.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-medcode-2026-08-11-59016050c3a3Abgerufen am 11.08.2026 |
| MedScribeOverallReasoning: max | 85,233 %höher | 84,391 % | 1accuracyMehr ist besserKohorte: vals-medscribe:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 30.000 Token GPT-5.6 Luna: 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-ProOverallReasoning: max | 89,1 %höher | 86,036 % | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: 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-ProOverallReasoning: max | 88,844 %höher | 85,029 % | 1accuracyMehr ist besserKohorte: vals-mmmu:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mmmu-2026-08-11-9869cf71f8c7Abgerufen am 11.08.2026 |
| MortgageTaxOverallReasoning: max | 67,289 % | 67,29 %höher | 1accuracyMehr ist besserKohorte: vals-mortgage-tax:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: 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 |
| ProgramBenchOverallReasoning: max | 1,5 %höher | 0 % | 1accuracyMehr ist besserKohorte: vals-programbench:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-programbench-2026-08-11-b6f8959fbdfeAbgerufen am 11.08.2026 |
| ProofBenchOverallReasoning: max | 77 %höher | 54 % | 1accuracyMehr ist besserKohorte: vals-proof-bench:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: 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 | 66,509 %höher | 61,164 % | 1.1accuracyMehr ist besserKohorte: vals-snap:1.1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: 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 |
| SAGEOverallReasoning: max | 52,563 %höher | 44,22 % | 1accuracyMehr ist besserKohorte: vals-sage:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 30.000 Token GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 30.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-sage-2026-08-11-f1f79f6d8af3Abgerufen am 11.08.2026 |
| SkillsBenchOverallReasoning: max | 54,1 % | 60,447 %höher | 1accuracyMehr ist besserKohorte: vals-skillsbench:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 07.08.2026Import-ID: vals-skillsbench-2026-08-11-351bec9d0e01Abgerufen am 11.08.2026 |
| SWE-bench VerifiedOverallReasoning: max | 96,2 %höher | 93 % | 1accuracyMehr ist besserKohorte: vals-swebench:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: 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 v2OverallReasoning: max | 74,775 % | 76,166 %höher | 2accuracyMehr ist besserKohorte: vals-tax-eval-v2:2:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: 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 | 85,77 %höher | 79,03 % | 2.1pass@1Mehr ist besserKohorte: vals-terminal-bench-2-1-terminus2-2026-08-01Kein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Agent: Terminus 2, Harness: Terminus 2, Versuche: pass@1 GPT-5.6 Luna: 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-db4549f6f7c5 / curated-vals-ai-2026-08-02-e60413c2fc2eAbgerufen am 02.08.2026 |
| Vals IndexOverallReasoning: max | 73,118 %höher | 69,878 % | 1.2weighted index scoreMehr ist besserKohorte: vals-vals-index:1.2:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: 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 IndexOverallReasoning: max | 72,64 %höher | 69,058 % | 1.2weighted index scoreMehr ist besserKohorte: vals-vals-multimodal-index:1.2:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: 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 v1.1OverallReasoning: max | 80,495 %höher | 77,055 % | 1.1accuracyMehr ist besserKohorte: vals-vibe-code-bench:1.1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: 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 |
| ARC-AGI-2OverallReasoning: low | 42,5 %höher | 5,1 % | 2exact task accuracyMehr ist besserKohorte: arc-agi-2-gpt-5-6-reasoning-sweepKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: low, Versuche: two exact output guesses per task GPT-5.6 Luna: Reasoning: low, Versuche: two exact output guesses per taskDerselbe verifizierte Test mit fünf Reasoning-Stufen je Modell. | ARC PrizeTyp: Offizielles Benchmark-LeaderboardMessstand: 09.07.2026Import-ID: curated-arc-prize-2026-08-02-2c0171f05988 / curated-arc-prize-2026-08-02-3562cfe47bf2Abgerufen am 02.08.2026 |
| Code MigrationCLIReasoning: max | 47,221 %höher | 36,067 % | 1accuracyMehr ist besserKohorte: vals-code-migration:1:cliKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: 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 PagesReasoning: max | 61,538 % | 63,52 %höher | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:exact_pagesKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: 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 | 83,051 %höher | 79,661 % | 1accuracyMehr ist besserKohorte: vals-cyberbench:1:patchKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Luna: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 03.08.2026Import-ID: vals-cyber-2026-08-11-1f20498a3dc1Abgerufen am 11.08.2026 |
| EMBCompsReasoning: max | 71,309 %höher | 54,573 % | 1accuracyMehr ist besserKohorte: vals-emb:1:compsKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: 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)AdjustmentsReasoning: max | 49,233 % | 52,027 %höher | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:adjustmentsKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: 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 CoTReasoning: max | 94,949 %höher | 92,424 % | 1accuracyMehr ist besserKohorte: vals-gpqa:1:diamond_few_shot_cotKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: 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 passedReasoning: max | 78,623 % | 85,145 %höher | 1criteria pass rateMehr ist besserKohorte: vals-legal-agent-benchmark:1:criteria_pass_rate__antitrust_competitionKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: 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 2024Reasoning: max | 85 %höher | 78 % | 1accuracyMehr ist besserKohorte: vals-ioi:1:ioi2024Kein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: 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-passReasoning: max | 60,606 %höher | 48,485 % | 1all-pass rateMehr ist besserKohorte: vals-legal-research:1:administrative_regulatoryKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: 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 TasksReasoning: max | 90,492 %höher | 88,864 % | 1accuracyMehr ist besserKohorte: vals-legal-bench:1:conclusion_tasksKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: 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 |
| MMLU-ProBiologyReasoning: max | 94,561 %höher | 93,305 % | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:biologyKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: 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 |
| MortgageTaxNumerical ExtractionReasoning: max | 75,119 % | 75,596 %höher | 1accuracyMehr ist besserKohorte: vals-mortgage-tax:1:numerical_extractionKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: 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 ResolvedReasoning: max | 23 %höher | 9 % | 1accuracyMehr ist besserKohorte: vals-programbench:1:almostKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-programbench-2026-08-11-b6f8959fbdfeAbgerufen am 11.08.2026 |
| SAGEAutomataReasoning: max | 39,682 %höher | 31,35 % | 1accuracyMehr ist besserKohorte: vals-sage:1:automataKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 30.000 Token GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 30.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-sage-2026-08-11-f1f79f6d8af3Abgerufen am 11.08.2026 |
| SkillsBenchNo SkillsReasoning: max | 43,312 % | 45,189 %höher | 1accuracyMehr ist besserKohorte: vals-skillsbench:1:no_skillsKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 128.000 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 | 97,423 %höher | 96,392 % | 1accuracyMehr ist besserKohorte: vals-swebench:1:<15 min fixKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: 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 v2CorrectnessReasoning: max | 65,004 % | 66,558 %höher | 2accuracyMehr ist besserKohorte: vals-tax-eval-v2:2:correctnessKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: 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 2.1OverallReasoning: max | 85,768 %höher | 79,026 % | 2.1accuracyMehr ist besserKohorte: vals-terminal-bench-2-1:2.1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: 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 v2Reasoning: max | 66,434 %höher | 65,035 % | 1.2benchmark scoreMehr ist besserKohorte: vals-vals-index:1.2:corp_fin_v2Kein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: 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 v2Reasoning: max | 66,434 %höher | 65,035 % | 1.2benchmark scoreMehr ist besserKohorte: vals-vals-multimodal-index:1.2:corp_fin_v2Kein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: 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 |
| ARC-AGI-2OverallReasoning: max | 92,5 %höher | 59,5 % | 2exact task accuracyMehr ist besserKohorte: arc-agi-2-gpt-5-6-reasoning-sweepKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Versuche: two exact output guesses per task GPT-5.6 Luna: Reasoning: max, Versuche: two exact output guesses per taskDerselbe verifizierte Test mit fünf Reasoning-Stufen je Modell. | ARC PrizeTyp: Offizielles Benchmark-LeaderboardMessstand: 09.07.2026Import-ID: curated-arc-prize-2026-08-02-87b816b07dd2 / curated-arc-prize-2026-08-02-2b878d9a7edfAbgerufen am 02.08.2026 |
| Code MigrationCOBOLReasoning: max | 70 % | 70 % | 1accuracyMehr ist besserKohorte: vals-code-migration:1:cobolKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: 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 ContextReasoning: max | 65,152 %höher | 64,103 % | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:max_fitting_contextKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: 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 | 93,22 %höher | 88,136 % | 1accuracyMehr ist besserKohorte: vals-cyberbench:1:pocKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen GPT-5.6 Luna: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 03.08.2026Import-ID: vals-cyber-2026-08-11-1f20498a3dc1Abgerufen am 11.08.2026 |
| EMBDataroomReasoning: max | 85,243 %höher | 83,009 % | 1accuracyMehr ist besserKohorte: vals-emb:1:dataroomKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: 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-PassReasoning: max | 41,362 % | 43,285 %höher | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:all_passKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: 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 CoTReasoning: max | 95,455 %höher | 90,909 % | 1accuracyMehr ist besserKohorte: vals-gpqa:1:diamond_zero_shot_cotKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: 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 resolvedReasoning: max | 0 % | 0 % | 1task resolution rateMehr ist besserKohorte: vals-legal-agent-benchmark:1:antitrust_competitionKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: 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 2025Reasoning: max | 88,333 %höher | 67,833 % | 1accuracyMehr ist besserKohorte: vals-ioi:1:ioi2025Kein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: 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 creditReasoning: max | 90,69 %höher | 87,513 % | 1weighted partial-credit scoreMehr ist besserKohorte: vals-legal-research:1:weighted_pass__administrative_regulatoryKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: 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 TasksReasoning: max | 84,398 %höher | 82,142 % | 1accuracyMehr ist besserKohorte: vals-legal-bench:1:interpretation_tasksKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: 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 |
| MMLU-ProBusinessReasoning: max | 93,283 %höher | 91,001 % | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:businessKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: 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 |
| MortgageTaxSemantic ExtractionReasoning: max | 59,459 %höher | 58,983 % | 1accuracyMehr ist besserKohorte: vals-mortgage-tax:1:semantic_extractionKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: 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 |
| ProgramBenchFully ResolvedReasoning: max | 1,5 %höher | 0 % | 1accuracyMehr ist besserKohorte: vals-programbench:1:strictKein dokumentierter Setup-UnterschiedGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 Token GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-programbench-2026-08-11-b6f8959fbdfeAbgerufen am 11.08.2026 |
Die Tabelle zeigt 64 diversifizierte Messreihen aus insgesamt 182 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.