Alle LLM-Vergleiche
Direktvergleich
GPT-5.6 Terra vs. GPT-5.4 mini
Veröffentlichte Benchmarkwerte aus derselben Version und Vergleichskohorte, API-Preise und technische Eckdaten. Unterschiedliche Testeinstellungen werden sichtbar ausgewiesen.
113
gemeinsame Messreihen
20
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 Terra | GPT-5.4 mini |
|---|---|---|
| Anbieter | OpenAI | OpenAI |
| Erschienen | 26. Juni 2026 | März 2026 |
| Verfügbarkeit | Aktiv | Aktiv |
| Modelltyp | Proprietär | Proprietär |
| Parameter | Nicht veröffentlicht | Nicht veröffentlicht |
| Architektur | Nicht veröffentlicht | Nicht veröffentlicht |
| Kontextfenster | 1.050.000 Token | 400.000 Token |
| Wissensstand | 16. Februar 2026 | 31. August 2025 |
| Technische Quellen | Modell, Kontext, Wissensstand | Modell |
| API-Preise pro 1 Mio. Token | ||
| API-Eingabe | 2 $ ≤272K / 4 $ >272K | 0,75 $ |
| API-Ausgabe | 12 $ ≤272K / 18 $ >272K | 4,5 $ |
| Cache lesen | 0,2 $ ≤272K / 0,4 $ >272K | 0,07 $ |
| Cache schreiben (5 Min.) | 2,5 $ ≤272K / 5 $ >272K | Nicht ausgewiesen |
| Cache schreiben (1 Std.) | Nicht ausgewiesen | Nicht ausgewiesen |
| Preis geprüft | 11.08.2026Quelle | 30.07.2026Quelle |
GPT-5.6 TerraGPT-5.4 mini
API-EingabeUSD pro 1 Mio. Token, Basistarif
GPT-5.6 Terra2 $GPT-5.4 mini0,75 $
API-AusgabeUSD pro 1 Mio. Token, Basistarif
GPT-5.6 Terra12 $GPT-5.4 mini4,5 $
Cache lesenUSD pro 1 Mio. Token, Basistarif
GPT-5.6 Terra0,2 $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.
113 gemeinsame Messreihen
GPT-5.6 TerraGPT-5.4 mini
Code MigrationOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Terra36,445 %GPT-5.4 mini12,936 %
CorpFin v2Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Terra65,307 %GPT-5.4 mini60,917 %
EMBOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Terra67,614 %GPT-5.4 mini45,426 %
Finance Agent (v2)Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Terra52,42 %GPT-5.4 mini45,36 %
GPQA DiamondOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Terra90,909 %GPT-5.4 mini83,08 %
IOIOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Terra65,25 %GPT-5.4 mini6,417 %
Legal Research BenchOverall · All-pass. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Terra40,865 %GPT-5.4 mini12,5 %
LiveCodeBench v6Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Terra85,93 %GPT-5.4 mini81,465 %
MMLU-ProOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Terra86,659 %GPT-5.4 mini84,554 %
MMMU-ProOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Terra86,474 %GPT-5.4 mini79,249 %
MortgageTaxOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Terra67,329 %GPT-5.4 mini63,514 %
ProgramBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Terra0,5 %GPT-5.4 mini0 %
| Benchmark und Aufgabe | GPT-5.6 Terra | GPT-5.4 mini | Vergleichbarkeit | Quelle |
|---|---|---|---|---|
| Code MigrationOverallReasoning: xhigh | 36,445 %höher | 12,936 % | 1accuracyMehr ist besserKohorte: vals-code-migration:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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 v2OverallReasoning: xhigh | 65,307 %höher | 60,917 % | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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 |
| EMBOverallReasoning: xhigh | 67,614 %höher | 45,426 % | 1accuracyMehr ist besserKohorte: vals-emb:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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)OverallReasoning: xhigh | 52,42 %höher | 45,36 % | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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 DiamondOverallReasoning: xhigh | 90,909 %höher | 83,08 % | 1accuracyMehr ist besserKohorte: vals-gpqa:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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 |
| IOIOverallReasoning: xhigh | 65,25 %höher | 6,417 % | 1accuracyMehr ist besserKohorte: vals-ioi:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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-ioi-2026-08-11-2dfe8b4b8b7bAbgerufen am 11.08.2026 |
| Legal Research BenchOverall · All-passReasoning: xhigh | 40,865 %höher | 12,5 % | 1all-pass rateMehr ist besserKohorte: vals-legal-research:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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 v6OverallReasoning: xhigh | 85,93 %höher | 81,465 % | 1accuracyMehr ist besserKohorte: vals-lcb:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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-ProOverallReasoning: xhigh | 86,659 %höher | 84,554 % | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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-ProOverallReasoning: xhigh | 86,474 %höher | 79,249 % | 1accuracyMehr ist besserKohorte: vals-mmmu:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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 |
| MortgageTaxOverallReasoning: xhigh | 67,329 %höher | 63,514 % | 1accuracyMehr ist besserKohorte: vals-mortgage-tax:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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 |
| ProgramBenchOverallReasoning: xhigh | 0,5 %höher | 0 % | 1accuracyMehr ist besserKohorte: vals-programbench:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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 |
| ProofBenchOverallReasoning: xhigh | 71 %höher | 21 % | 1accuracyMehr ist besserKohorte: vals-proof-bench:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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 |
| SAGEOverallReasoning: xhigh | 47,003 % | 50,813 %höher | 1accuracyMehr ist besserKohorte: vals-sage:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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 VerifiedOverallReasoning: xhigh | 75,2 %höher | 73 % | 1accuracyMehr ist besserKohorte: vals-swebench:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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 v2OverallReasoning: xhigh | 76,166 %höher | 71,218 % | 2accuracyMehr ist besserKohorte: vals-tax-eval-v2:2:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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 | 73,408 %höher | 54,682 % | 2.1accuracyMehr ist besserKohorte: vals-terminal-bench-2-1:2.1:overallTestaufbau nicht identisch dokumentiertGPT-5.6 Terra: Reasoning: xhigh, 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 IndexOverallReasoning: xhigh | 65,135 %höher | 52,425 % | 1.2weighted index scoreMehr ist besserKohorte: vals-vals-index:1.2:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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 IndexOverallReasoning: xhigh | 65,07 %höher | 54,219 % | 1.2weighted index scoreMehr ist besserKohorte: vals-vals-multimodal-index:1.2:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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 v1.1OverallReasoning: xhigh | 67,842 %höher | 47,969 % | 1.1accuracyMehr ist besserKohorte: vals-vibe-code-bench:1.1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Harness: OpenHands, 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 MigrationCLIReasoning: xhigh | 26,645 %höher | 8,2 % | 1accuracyMehr ist besserKohorte: vals-code-migration:1:cliKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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 PagesReasoning: xhigh | 63,17 %höher | 61,538 % | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:exact_pagesKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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 |
| EMBCompsReasoning: xhigh | 72,539 %höher | 40,488 % | 1accuracyMehr ist besserKohorte: vals-emb:1:compsKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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)AdjustmentsReasoning: xhigh | 50,442 %höher | 45,366 % | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:adjustmentsKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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 CoTReasoning: xhigh | 89,899 %höher | 84,848 % | 1accuracyMehr ist besserKohorte: vals-gpqa:1:diamond_few_shot_cotKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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 |
| IOIIOI 2024Reasoning: xhigh | 66,167 %höher | 6,667 % | 1accuracyMehr ist besserKohorte: vals-ioi:1:ioi2024Kein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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-ioi-2026-08-11-2dfe8b4b8b7bAbgerufen am 11.08.2026 |
| Legal Research BenchAdministrative / Regulatory · All-passReasoning: xhigh | 57,576 %höher | 15,152 % | 1all-pass rateMehr ist besserKohorte: vals-legal-research:1:administrative_regulatoryKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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 v6EasyReasoning: xhigh | 97,205 % | 97,826 %höher | 1accuracyMehr ist besserKohorte: vals-lcb:1:easyKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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-ProBiologyReasoning: xhigh | 93,026 %höher | 91,353 % | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:biologyKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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 ExtractionReasoning: xhigh | 74,324 % | 79,412 %höher | 1accuracyMehr ist besserKohorte: vals-mortgage-tax:1:numerical_extractionKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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 ResolvedReasoning: xhigh | 6,5 %höher | 3 % | 1accuracyMehr ist besserKohorte: vals-programbench:1:almostKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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 |
| SAGEAutomataReasoning: xhigh | 38,889 % | 41,27 %höher | 1accuracyMehr ist besserKohorte: vals-sage:1:automataKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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 fixReasoning: xhigh | 77,835 % | 85,567 %höher | 1accuracyMehr ist besserKohorte: vals-swebench:1:<15 min fixKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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 v2CorrectnessReasoning: xhigh | 65,822 %höher | 63,042 % | 2accuracyMehr ist besserKohorte: vals-tax-eval-v2:2:correctnessKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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 | 83,333 %höher | 75 % | 2.1accuracyMehr ist besserKohorte: vals-terminal-bench-2-1:2.1:easyTestaufbau nicht identisch dokumentiertGPT-5.6 Terra: Reasoning: xhigh, 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 v2Reasoning: xhigh | 66,434 %höher | 60,256 % | 1.2benchmark scoreMehr ist besserKohorte: vals-vals-index:1.2:corp_fin_v2Kein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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 v2Reasoning: xhigh | 66,434 %höher | 60,256 % | 1.2benchmark scoreMehr ist besserKohorte: vals-vals-multimodal-index:1.2:corp_fin_v2Kein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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 MigrationCOBOLReasoning: xhigh | 65,844 %höher | 27,143 % | 1accuracyMehr ist besserKohorte: vals-code-migration:1:cobolKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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 ContextReasoning: xhigh | 66,317 %höher | 60,956 % | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:max_fitting_contextKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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 |
| EMBDataroomReasoning: xhigh | 81,591 %höher | 48,286 % | 1accuracyMehr ist besserKohorte: vals-emb:1:dataroomKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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-PassReasoning: xhigh | 40,448 %höher | 32,369 % | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:all_passKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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 CoTReasoning: xhigh | 91,919 %höher | 81,313 % | 1accuracyMehr ist besserKohorte: vals-gpqa:1:diamond_zero_shot_cotKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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 |
| IOIIOI 2025Reasoning: xhigh | 64,333 %höher | 6,167 % | 1accuracyMehr ist besserKohorte: vals-ioi:1:ioi2025Kein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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-ioi-2026-08-11-2dfe8b4b8b7bAbgerufen am 11.08.2026 |
| Legal Research BenchAdministrative / Regulatory · Weighted partial creditReasoning: xhigh | 86,696 %höher | 69,72 % | 1weighted partial-credit scoreMehr ist besserKohorte: vals-legal-research:1:weighted_pass__administrative_regulatoryKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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 v6HardReasoning: xhigh | 72,857 %höher | 61,714 % | 1accuracyMehr ist besserKohorte: vals-lcb:1:hardKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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-ProBusinessReasoning: xhigh | 90,875 %höher | 89,734 % | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:businessKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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 ExtractionReasoning: xhigh | 60,334 %höher | 47,615 % | 1accuracyMehr ist besserKohorte: vals-mortgage-tax:1:semantic_extractionKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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 ResolvedReasoning: xhigh | 0,5 %höher | 0 % | 1accuracyMehr ist besserKohorte: vals-programbench:1:strictKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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 |
| SAGECalculusReasoning: xhigh | 59,259 % | 59,259 % | 1accuracyMehr ist besserKohorte: vals-sage:1:calculusKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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 hoursReasoning: xhigh | 33,333 %höher | 0 % | 1accuracyMehr ist besserKohorte: vals-swebench:1:>4 hoursKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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 ReasoningReasoning: xhigh | 86,509 %höher | 79,395 % | 2accuracyMehr ist besserKohorte: vals-tax-eval-v2:2:stepwise_reasoningKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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 | 63,333 %höher | 34,444 % | 2.1accuracyMehr ist besserKohorte: vals-terminal-bench-2-1:2.1:hardTestaufbau nicht identisch dokumentiertGPT-5.6 Terra: Reasoning: xhigh, 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 v2Reasoning: xhigh | 52,626 %höher | 45,407 % | 1.2benchmark scoreMehr ist besserKohorte: vals-vals-index:1.2:finance_agentKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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 v2Reasoning: xhigh | 52,626 %höher | 45,407 % | 1.2benchmark scoreMehr ist besserKohorte: vals-vals-multimodal-index:1.2:finance_agentKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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 QualityReasoning: xhigh | 3,305 / 5höher | 3,053 / 5 | 1mean reviewer code-quality ratingMehr ist besserKohorte: vals-code-migration:1:code_qualityKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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 ContextReasoning: xhigh | 66,434 %höher | 60,256 % | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:shared_max_contextKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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 |
| EMBDCFReasoning: xhigh | 63,137 %höher | 40,605 % | 1accuracyMehr ist besserKohorte: vals-emb:1:dcfKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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)ComparablesReasoning: xhigh | 45,218 %höher | 40,273 % | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:comparablesKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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-passReasoning: xhigh | 37,209 %höher | 11,628 % | 1all-pass rateMehr ist besserKohorte: vals-legal-research:1:business_commercialKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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 v6MediumReasoning: xhigh | 87,728 %höher | 84,856 % | 1accuracyMehr ist besserKohorte: vals-lcb:1:mediumKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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-ProChemistryReasoning: xhigh | 90,194 %höher | 89,134 % | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:chemistryKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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 RateReasoning: xhigh | 66,313 %höher | 54,375 % | 1accuracyMehr ist besserKohorte: vals-programbench:1:partialKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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 AlgebraReasoning: xhigh | 64,025 % | 71,486 %höher | 1accuracyMehr ist besserKohorte: vals-sage:1:linear_algebraKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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 hoursReasoning: xhigh | 64,286 %höher | 33,333 % | 1accuracyMehr ist besserKohorte: vals-swebench:1:1-4 hoursKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, 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 |
Die Tabelle zeigt 64 diversifizierte Messreihen aus insgesamt 113 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.