Alle LLM-Vergleiche
Direktvergleich
GPT-5.6 Terra vs. GPT-5.4
Veröffentlichte Benchmarkwerte aus derselben Version und Vergleichskohorte, API-Preise und technische Eckdaten. Unterschiedliche Testeinstellungen werden sichtbar ausgewiesen.
117
gemeinsame Messreihen
19
verschiedene Benchmarks
11.08.2026
jüngster Abruf
Modellauswahl ändern
Steckbrief und Kosten
Allgemeine Daten und Standard-API-Preise
Nicht veröffentlichte Parameterzahlen oder Wissensstände bleiben als solche markiert. Die Tabelle zeigt direkte Standardtarife pro Token einschließlich hinterlegter Kontextstufen. Batch, Fast, Priority, regionale Aufschläge, Toolaufrufe und Cloudpreise sind nicht eingerechnet.
| Merkmal | GPT-5.6 Terra | GPT-5.4 |
|---|---|---|
| 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 | 1.050.000 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 | 2,5 $ ≤272K / 5 $ >272K |
| API-Ausgabe | 12 $ ≤272K / 18 $ >272K | 15 $ ≤272K / 22,5 $ >272K |
| Cache lesen | 0,2 $ ≤272K / 0,4 $ >272K | 0,25 $ ≤272K / 0,5 $ >272K |
| 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
API-EingabeUSD pro 1 Mio. Token, Basistarif
GPT-5.6 Terra2 $GPT-5.42,5 $
API-AusgabeUSD pro 1 Mio. Token, Basistarif
GPT-5.6 Terra12 $GPT-5.415 $
Cache lesenUSD pro 1 Mio. Token, Basistarif
GPT-5.6 Terra0,2 $GPT-5.40,25 $
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.
117 gemeinsame Messreihen
GPT-5.6 TerraGPT-5.4
Code MigrationOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Terra36,445 %GPT-5.434,984 %
CorpFin v2Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Terra65,307 %GPT-5.465,268 %
GPQA DiamondOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Terra90,909 %GPT-5.491,666 %
Harvey's Legal Agent BenchmarkOverall · Task fully resolved. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Terra0,417 %GPT-5.40 %
IOIOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Terra65,25 %GPT-5.467,834 %
LegalBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Terra85,105 %GPT-5.486,044 %
LiveCodeBench v6Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Terra85,93 %GPT-5.484,141 %
MedCodeOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Terra43,414 %GPT-5.441,292 %
MedScribeOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Terra82,869 %GPT-5.477,549 %
MMLU-ProOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Terra86,659 %GPT-5.487,482 %
MMMU-ProOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Terra86,474 %GPT-5.487,514 %
MortgageTaxOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Terra67,329 %GPT-5.468,323 %
| Benchmark und Aufgabe | GPT-5.6 Terra | GPT-5.4 | Vergleichbarkeit | Quelle |
|---|---|---|---|---|
| Code MigrationOverallReasoning: xhigh | 36,445 %höher | 34,984 % | 1accuracyMehr ist besserKohorte: vals-code-migration:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, 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 | 65,268 % | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, 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 |
| GPQA DiamondOverallReasoning: xhigh | 90,909 % | 91,666 %höher | 1accuracyMehr ist besserKohorte: vals-gpqa:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, 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: xhigh | 0,417 %höher | 0 % | 1task resolution rateMehr ist besserKohorte: vals-legal-agent-benchmark:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 07.08.2026Import-ID: vals-hlab-2026-08-11-ea11b6e53414Abgerufen am 11.08.2026 |
| IOIOverallReasoning: xhigh | 65,25 % | 67,834 %höher | 1accuracyMehr ist besserKohorte: vals-ioi:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-ioi-2026-08-11-2dfe8b4b8b7bAbgerufen am 11.08.2026 |
| LegalBenchOverallReasoning: xhigh | 85,105 % | 86,044 %höher | 1accuracyMehr ist besserKohorte: vals-legal-bench:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-legal_bench-2026-08-11-836e5e44618eAbgerufen am 11.08.2026 |
| LiveCodeBench v6OverallReasoning: xhigh | 85,93 %höher | 84,141 % | 1accuracyMehr ist besserKohorte: vals-lcb:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-lcb-2026-08-11-0342bcc364e4Abgerufen am 11.08.2026 |
| MedCodeOverallReasoning: xhigh | 43,414 %höher | 41,292 % | 1accuracyMehr ist besserKohorte: vals-medcode:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 30.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 30.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-medcode-2026-08-11-59016050c3a3Abgerufen am 11.08.2026 |
| MedScribeOverallReasoning: xhigh | 82,869 %höher | 77,549 % | 1accuracyMehr ist besserKohorte: vals-medscribe:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 30.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 30.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-medscribe-2026-08-11-d7cf1ca6b81fAbgerufen am 11.08.2026 |
| MMLU-ProOverallReasoning: xhigh | 86,659 % | 87,482 %höher | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, 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 % | 87,514 %höher | 1accuracyMehr ist besserKohorte: vals-mmmu:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, 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 % | 68,323 %höher | 1accuracyMehr ist besserKohorte: vals-mortgage-tax:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, 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: Snapshot: gpt-5.4-2026-03-05, 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 | 56 % | 1accuracyMehr ist besserKohorte: vals-proof-bench:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, 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 %höher | 43,312 % | 1accuracyMehr ist besserKohorte: vals-sage:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 30.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 30.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-sage-2026-08-11-f1f79f6d8af3Abgerufen am 11.08.2026 |
| SkillsBenchOverallReasoning: xhigh | 60,645 %höher | 51,711 % | 1accuracyMehr ist besserKohorte: vals-skillsbench:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Harness: OpenHands, Ausgabegrenze: 128.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, 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: xhigh | 75,2 % | 78,2 %höher | 1accuracyMehr ist besserKohorte: vals-swebench:1:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, 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 | 73,958 % | 2accuracyMehr ist besserKohorte: vals-tax-eval-v2:2:overallKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, 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 |
| Vibe Code Bench v1.1OverallReasoning: xhigh | 67,842 %höher | 67,421 % | 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: Snapshot: gpt-5.4-2026-03-05, 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 | 23,788 % | 1accuracyMehr ist besserKohorte: vals-code-migration:1:cliKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, 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 % | 64,103 %höher | 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: Snapshot: gpt-5.4-2026-03-05, 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 |
| GPQA DiamondFew-Shot CoTReasoning: xhigh | 89,899 % | 91,414 %höher | 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: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, 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: xhigh | 76,449 % | 76,449 % | 1criteria pass rateMehr ist besserKohorte: vals-legal-agent-benchmark:1:criteria_pass_rate__antitrust_competitionKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 07.08.2026Import-ID: vals-hlab-2026-08-11-ea11b6e53414Abgerufen am 11.08.2026 |
| IOIIOI 2024Reasoning: xhigh | 66,167 % | 67,167 %höher | 1accuracyMehr ist besserKohorte: vals-ioi:1:ioi2024Kein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-ioi-2026-08-11-2dfe8b4b8b7bAbgerufen am 11.08.2026 |
| LegalBenchConclusion TasksReasoning: xhigh | 90,327 %höher | 88,939 % | 1accuracyMehr ist besserKohorte: vals-legal-bench:1:conclusion_tasksKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-legal_bench-2026-08-11-836e5e44618eAbgerufen am 11.08.2026 |
| LiveCodeBench v6EasyReasoning: xhigh | 97,205 % | 99,068 %höher | 1accuracyMehr ist besserKohorte: vals-lcb:1:easyKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, 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 | 92,887 % | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:biologyKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, 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 % | 75,994 %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: Snapshot: gpt-5.4-2026-03-05, 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 % | 7 %höher | 1accuracyMehr ist besserKohorte: vals-programbench:1:almostKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, 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 %höher | 21,428 % | 1accuracyMehr ist besserKohorte: vals-sage:1:automataKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 30.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 30.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-sage-2026-08-11-f1f79f6d8af3Abgerufen am 11.08.2026 |
| SkillsBenchNo SkillsReasoning: xhigh | 44,208 % | 48,905 %höher | 1accuracyMehr ist besserKohorte: vals-skillsbench:1:no_skillsKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Harness: OpenHands, Ausgabegrenze: 128.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, 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: xhigh | 77,835 % | 88,144 %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: Snapshot: gpt-5.4-2026-03-05, 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 | 64,922 % | 2accuracyMehr ist besserKohorte: vals-tax-eval-v2:2:correctnessKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, 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 |
| Code MigrationCOBOLReasoning: xhigh | 65,844 % | 68,571 %höher | 1accuracyMehr ist besserKohorte: vals-code-migration:1:cobolKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, 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 | 64,918 % | 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: Snapshot: gpt-5.4-2026-03-05, 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 |
| GPQA DiamondZero-Shot CoTReasoning: xhigh | 91,919 % | 91,919 % | 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: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, 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: xhigh | 0 % | 0 % | 1task resolution rateMehr ist besserKohorte: vals-legal-agent-benchmark:1:antitrust_competitionKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 07.08.2026Import-ID: vals-hlab-2026-08-11-ea11b6e53414Abgerufen am 11.08.2026 |
| IOIIOI 2025Reasoning: xhigh | 64,333 % | 68,5 %höher | 1accuracyMehr ist besserKohorte: vals-ioi:1:ioi2025Kein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-ioi-2026-08-11-2dfe8b4b8b7bAbgerufen am 11.08.2026 |
| LegalBenchInterpretation TasksReasoning: xhigh | 83,178 % | 83,921 %höher | 1accuracyMehr ist besserKohorte: vals-legal-bench:1:interpretation_tasksKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-legal_bench-2026-08-11-836e5e44618eAbgerufen am 11.08.2026 |
| LiveCodeBench v6HardReasoning: xhigh | 72,857 %höher | 67,714 % | 1accuracyMehr ist besserKohorte: vals-lcb:1:hardKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, 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 % | 91,762 %höher | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:businessKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, 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 % | 60,652 %höher | 1accuracyMehr ist besserKohorte: vals-mortgage-tax:1:semantic_extractionKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, 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: Snapshot: gpt-5.4-2026-03-05, 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 % | 70,988 %höher | 1accuracyMehr ist besserKohorte: vals-sage:1:calculusKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 30.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 30.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-sage-2026-08-11-f1f79f6d8af3Abgerufen am 11.08.2026 |
| SkillsBenchWith SkillsReasoning: xhigh | 60,645 %höher | 51,711 % | 1accuracyMehr ist besserKohorte: vals-skillsbench:1:with_skillsKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Harness: OpenHands, Ausgabegrenze: 128.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, 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>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: Snapshot: gpt-5.4-2026-03-05, 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 | 82,993 % | 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: Snapshot: gpt-5.4-2026-03-05, 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 |
| Code MigrationCode QualityReasoning: xhigh | 3,305 / 5 | 3,632 / 5höher | 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: Snapshot: gpt-5.4-2026-03-05, 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 % | 66,783 %höher | 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: Snapshot: gpt-5.4-2026-03-05, 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 |
| Harvey's Legal Agent BenchmarkArbitration International Dispute Resolution · Criteria passedReasoning: xhigh | 74,552 %höher | 66,667 % | 1criteria pass rateMehr ist besserKohorte: vals-legal-agent-benchmark:1:criteria_pass_rate__arbitration_international_dispute_resolutionKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 07.08.2026Import-ID: vals-hlab-2026-08-11-ea11b6e53414Abgerufen am 11.08.2026 |
| LegalBenchIssue TasksReasoning: xhigh | 89,392 % | 90,526 %höher | 1accuracyMehr ist besserKohorte: vals-legal-bench:1:issue_tasksKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-legal_bench-2026-08-11-836e5e44618eAbgerufen am 11.08.2026 |
| LiveCodeBench v6MediumReasoning: xhigh | 87,728 %höher | 85,64 % | 1accuracyMehr ist besserKohorte: vals-lcb:1:mediumKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, 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 % | 91,078 %höher | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:chemistryKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, 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 % | 68,596 %höher | 1accuracyMehr ist besserKohorte: vals-programbench:1:partialKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, 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 % | 68,826 %höher | 1accuracyMehr ist besserKohorte: vals-sage:1:linear_algebraKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 30.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, 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 | 50 % | 1accuracyMehr ist besserKohorte: vals-swebench:1:1-4 hoursKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 08.08.2026Import-ID: vals-swebench-2026-08-11-a6212cd857d8Abgerufen am 11.08.2026 |
| Harvey's Legal Agent BenchmarkArbitration International Dispute Resolution · Task fully resolvedReasoning: xhigh | 0 % | 0 % | 1task resolution rateMehr ist besserKohorte: vals-legal-agent-benchmark:1:arbitration_international_dispute_resolutionKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 07.08.2026Import-ID: vals-hlab-2026-08-11-ea11b6e53414Abgerufen am 11.08.2026 |
| LegalBenchRhetoric TasksReasoning: xhigh | 82,098 % | 82,824 %höher | 1accuracyMehr ist besserKohorte: vals-legal-bench:1:rhetoric_tasksKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-legal_bench-2026-08-11-836e5e44618eAbgerufen am 11.08.2026 |
| MMLU-ProComputer ScienceReasoning: xhigh | 90,976 %höher | 89,756 % | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:computer_scienceKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, 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 |
| SAGEPartial Differential EquationsReasoning: xhigh | 38,095 % | 39,683 %höher | 1accuracyMehr ist besserKohorte: vals-sage:1:PDEsKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 30.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, 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 Verified15 min - 1 hourReasoning: xhigh | 75,479 % | 76,245 %höher | 1accuracyMehr ist besserKohorte: vals-swebench:1:15 min - 1 hourKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 08.08.2026Import-ID: vals-swebench-2026-08-11-a6212cd857d8Abgerufen am 11.08.2026 |
| Harvey's Legal Agent BenchmarkBanking Finance · Criteria passedReasoning: xhigh | 83,643 %höher | 80,297 % | 1criteria pass rateMehr ist besserKohorte: vals-legal-agent-benchmark:1:criteria_pass_rate__banking_financeKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 07.08.2026Import-ID: vals-hlab-2026-08-11-ea11b6e53414Abgerufen am 11.08.2026 |
| LegalBenchRule TasksReasoning: xhigh | 80,528 % | 84,008 %höher | 1accuracyMehr ist besserKohorte: vals-legal-bench:1:rule_tasksKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-legal_bench-2026-08-11-836e5e44618eAbgerufen am 11.08.2026 |
| MMLU-ProEconomicsReasoning: xhigh | 88,981 % | 89,692 %höher | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:economicsKein dokumentierter Setup-UnterschiedGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 Token GPT-5.4: Snapshot: gpt-5.4-2026-03-05, 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 |
Die Tabelle zeigt 64 diversifizierte Messreihen aus insgesamt 117 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.