Zum Hauptinhalt springen

Direktvergleich

Claude Opus 5 vs. GPT-5.4 mini

Veröffentlichte Benchmarkwerte aus derselben Version und Vergleichskohorte, API-Preise und technische Eckdaten. Unterschiedliche Testeinstellungen werden sichtbar ausgewiesen.

gemeinsame Messreihen
171
verschiedene Benchmarks
21
jüngster Abruf
26.08.2026

Modellauswahl ändern

Steckbrief

Allgemeine Daten

Erscheinungsdatum, Verfügbarkeit, Kontextfenster, Architektur und veröffentlichte Parameterzahlen auf einen Blick. Nicht veröffentlichte Angaben bleiben als solche markiert.

Allgemeine Daten von Claude Opus 5 und GPT-5.4 mini
MerkmalClaude Opus 5GPT-5.4 mini
AnbieterAnthropicOpenAI
Erschienen24. Juli 2026März 2026
VerfügbarkeitAktivAktiv
ModelltypProprietärProprietär
ParameterNicht veröffentlichtNicht veröffentlicht
ArchitekturNicht veröffentlichtNicht veröffentlicht
Kontextfenster1.000.000 Token400.000 Token
WissensstandMai 202631. August 2025
Technische QuellenModell, WissensstandModell

Kosten

API-Preise im Vergleich

Die Tabelle vergleicht die offiziellen Standard-API-Tarife pro 1 Mio. Token einschließlich veröffentlichter Cache-Preise. Batch, Fast, Priority, regionale Aufschläge, Toolaufrufe und Cloudpreise sind nicht eingerechnet.

API-Preise von Claude Opus 5 und GPT-5.4 mini
PreisartClaude Opus 5GPT-5.4 mini
API-Eingabe5 $0,75 $
API-Ausgabe25 $4,5 $
Cache lesen0,5 $0,07 $
Cache schreiben (5 Min.)6,25 $Nicht ausgewiesen
Cache schreiben (1 Std.)10 $Nicht ausgewiesen
Preis geprüft30.07.2026 Quelle30.07.2026 Quelle
Claude Opus 5GPT-5.4 mini
API-EingabeUSD pro 1 Mio. Token, Basistarif
Claude Opus 55 $
GPT-5.4 miniGünstiger0,75 $
API-AusgabeUSD pro 1 Mio. Token, Basistarif
Claude Opus 525 $
GPT-5.4 miniGünstiger4,5 $
Cache lesenUSD pro 1 Mio. Token, Basistarif
Claude Opus 50,5 $
GPT-5.4 miniGünstiger0,075 $

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Preise nach Anbieter

Direkte Entwicklertarife und über OpenRouter geroutete Anbieterpreise sind getrennt gekennzeichnet. Alle Preise gelten in USD pro 1 Mio. Token. Kontextabhängige Direktpreise sowie regionale, Flex-, Priority- und weitere OpenRouter-Tarife bleiben einzeln erkennbar.

Anbieterpreise von Claude Opus 5 und GPT-5.4 mini
ModellAnbieterBezugsweg und TarifEingabe pro 1 Mio. TokenAusgabe pro 1 Mio. TokenQuelle
Claude Opus 5AnthropicDirekt beim EntwicklerStandard-APIGünstigster erfasster Preis: 5 $Günstigster erfasster Preis: 25 $Quelle30.07.2026
Amazon BedrockÜber OpenRouteramazon-bedrockGünstigster erfasster Preis: 5 $Günstigster erfasster Preis: 25 $Quelle25.08.2026
Amazon BedrockÜber OpenRouteramazon-bedrock/us-east-15,5 $27,5 $Quelle25.08.2026
AnthropicÜber OpenRouteranthropicGünstigster erfasster Preis: 5 $Günstigster erfasster Preis: 25 $Quelle25.08.2026
AzureÜber OpenRouterazure/globalGünstigster erfasster Preis: 5 $Günstigster erfasster Preis: 25 $Quelle25.08.2026
AzureÜber OpenRouterazure/usGünstigster erfasster Preis: 5 $Günstigster erfasster Preis: 25 $Quelle25.08.2026
Claude Platform on AWSÜber OpenRouterclaude-on-awsGünstigster erfasster Preis: 5 $Günstigster erfasster Preis: 25 $Quelle25.08.2026
GoogleÜber OpenRoutergoogle-vertex/europe5,5 $27,5 $Quelle25.08.2026
GoogleÜber OpenRoutergoogle-vertex/globalGünstigster erfasster Preis: 5 $Günstigster erfasster Preis: 25 $Quelle25.08.2026
GoogleÜber OpenRoutergoogle-vertex/us5,5 $27,5 $Quelle25.08.2026
GPT-5.4 miniOpenAIDirekt beim EntwicklerStandard-API0,75 $4,5 $Quelle30.07.2026
AzureÜber OpenRouterazure0,75 $4,5 $Quelle25.08.2026
AzureÜber OpenRouterazure/us0,825 $4,95 $Quelle25.08.2026
OpenAIÜber OpenRouteropenai0,75 $4,5 $Quelle25.08.2026
OpenAIÜber OpenRouteropenai/flexGünstigster erfasster Preis: 0,375 $Günstigster erfasster Preis: 2,25 $Quelle25.08.2026
OpenAIÜber OpenRouteropenai/priority1,5 $9 $Quelle25.08.2026

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.

Fähigkeitsprofil aus vergleichbaren Benchmarks

Jede Achse mittelt direkt vergleichbare Benchmarkfamilien. Ein Wert von 100 bedeutet den stärkeren Wert innerhalb dieses Duells, keinen universellen Qualitätswert.

255075100CodingReasoningMathematikWissenFinanzenRechtAgenten-AufgabenMultimodal
Claude Opus 5
GPT-5.4 mini
Coding: 100 / 49,7 (7 Benchmarkfamilien)
Reasoning: 100 / 92,7 (2 Benchmarkfamilien)
Mathematik: 100 / 94,6 (1 Benchmarkfamilie)
Wissen: 100 / 94,2 (2 Benchmarkfamilien)
Finanzen: 100 / 83,9 (6 Benchmarkfamilien)
Recht: 100 / 39,8 (3 Benchmarkfamilien)
Agenten-Aufgaben: 100 / 64,6 (1 Benchmarkfamilie)
Multimodal: 100 / 88,2 (1 Benchmarkfamilie)

51 passende Messreihen aus 21 Benchmarkfamilien wurden berücksichtigt. Das Radar zeigt 8 von 12 vergleichbaren Kategorien.

Claude Opus 5GPT-5.4 mini
Code MigrationOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 5Gewinner57,473 %
GPT-5.4 mini12,936 %
CorpFin v2Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 5Gewinner73,194 %
GPT-5.4 mini60,917 %
EMBOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 5Gewinner73,556 %
GPT-5.4 mini45,426 %
Finance Agent (v2)Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 5Gewinner58,633 %
GPT-5.4 mini45,36 %
GPQA DiamondOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 5Gewinner93,434 %
GPT-5.4 mini83,08 %
Harvey's Legal Agent BenchmarkOverall · Task fully resolved. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 5Gewinner6,667 %
GPT-5.4 mini0 %
IOIOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 5Gewinner91,667 %
GPT-5.4 mini6,417 %
Legal Research BenchOverall · All-pass. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 5Gewinner55,288 %
GPT-5.4 mini12,5 %
LiveCodeBench v6Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 5Gewinner89,033 %
GPT-5.4 mini81,465 %
LMArena Text, Style ControlOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 5Gewinner1.492,589
GPT-5.4 mini1.448,161
MMLU-ProOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 5Gewinner91,591 %
GPT-5.4 mini84,554 %
MMMU-ProOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 5Gewinner89,884 %
GPT-5.4 mini79,249 %

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von Claude Opus 5 und GPT-5.4 mini
Benchmark und AufgabeClaude Opus 5GPT-5.4 miniQuelle
Code MigrationOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17
Gewinner57,473 %
12,936 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
CorpFin v2Overall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17
Gewinner73,194 %
60,917 %
Vals AI
Quellendetails
Datenstand: 12.08.2026
EMBOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17
Gewinner73,556 %
45,426 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
Finance Agent (v2)Overall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17
Gewinner58,633 %
45,36 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
GPQA DiamondOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17
Gewinner93,434 %
83,08 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
Harvey's Legal Agent BenchmarkOverall · Task fully resolved
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17
Gewinner6,667 %
0 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
IOIOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17
Gewinner91,667 %
6,417 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
Legal Research BenchOverall · All-pass
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17
Gewinner55,288 %
12,5 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
LiveCodeBench v6Overall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17
Gewinner89,033 %
81,465 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
LMArena Text, Style ControlOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 5: Snapshot: claude-opus-5-high, Reasoning: high, Harness: Arena text, style control
GPT-5.4 mini: Snapshot: gpt-5.4-mini-high, Reasoning: high, Harness: Arena text, style controlClaude Opus 5: Stilbereinigte Arena-Bewertung aus 27.610 anonymen Paarvergleichen.GPT-5.4 mini: Stilbereinigte Arena-Bewertung aus 59.502 anonymen Paarvergleichen.
Gewinner1.492,589
95-%-Konfidenzintervall: ±4,812Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
1.448,161
95-%-Konfidenzintervall: ±3,857Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.		LMArena
Quellendetails
Datenstand: 21.08.2026
MMLU-ProOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17
Gewinner91,591 %
84,554 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
MMMU-ProOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17
Gewinner89,884 %
79,249 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
MortgageTaxOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17
Gewinner72,059 %
63,514 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
ProgramBenchOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17
Gewinner3 %
0 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
SAGEOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17
49,426 %
Gewinner50,813 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
SWE-bench VerifiedOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17
Gewinner97 %
73 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
TaxEval v2Overall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17
Gewinner75,143 %
71,218 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
Terminal-Bench 2.1Overall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17
Gewinner84,644 %
54,682 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
Vals IndexOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: weighted index scoreBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17
Gewinner67,213 %
39,632 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
Vals Multimodal IndexOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1.2Messgröße: weighted index scoreBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17
Gewinner73,896 %
54,219 %
Vals AI
Quellendetails
Datenstand: 11.08.2026
Vibe Code Bench v1.1Overall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5: Harness: OpenHands
GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Harness: OpenHands
Gewinner88,404 %
47,969 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
Code MigrationCLI
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Höherer Messwert53,297 %
8,2 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
CorpFin v2Exact Pages
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Höherer Messwert68,648 %
61,538 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
EMBComps
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Höherer Messwert75,171 %
40,488 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
Finance Agent (v2)Adjustments
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Höherer Messwert54,617 %
45,366 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
GPQA DiamondFew-Shot CoT
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Höherer Messwert92,424 %
84,848 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
IOIIOI 2024
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Höherer Messwert100 %
6,667 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
Legal Research BenchAdministrative / Regulatory · All-pass
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Höherer Messwert65,152 %
15,152 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
LiveCodeBench v6Easy
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Höherer Messwert99,068 %
97,826 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
LMArena Text, Style ControlOverall
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 5: Snapshot: claude-opus-5-max, Reasoning: max, Harness: Arena text, style control
GPT-5.4 mini: Snapshot: gpt-5.4-mini-high, Reasoning: high, Harness: Arena text, style controlClaude Opus 5: Stilbereinigte Arena-Bewertung aus 13.403 anonymen Paarvergleichen.GPT-5.4 mini: Stilbereinigte Arena-Bewertung aus 59.502 anonymen Paarvergleichen.
Höherer Messwert1.487,463
95-%-Konfidenzintervall: ±6,331Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
1.448,161
95-%-Konfidenzintervall: ±3,857Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.		LMArena
Quellendetails
Datenstand: 21.08.2026
MMLU-ProBiology
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Höherer Messwert95,676 %
91,353 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
MortgageTaxNumerical Extraction
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Höherer Messwert81,399 %
79,412 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
ProgramBenchAlmost Resolved
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Höherer Messwert41,5 %
3 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
SAGEAutomata
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5: Temperatur: 1, Ausgabegrenze: 30.000 tokens
GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 30.000 tokens
32,54 %
Höherer Messwert41,27 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
SWE-bench Verified<15 min fix
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Höherer Messwert98,454 %
85,567 %
Vals AI
Quellendetails
Datenstand: 08.08.2026
TaxEval v2Correctness
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
61,979 %
Höherer Messwert63,042 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
Terminal-Bench 2.1Easy
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5: Compute: high, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: high, Ausgabegrenze: 128.000 tokens
Höherer Messwert100 %
75 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
Vals IndexCorpFin v2
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Höherer Messwert74,942 %
60,256 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
Vals Multimodal IndexCorpFin v2
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Höherer Messwert74,942 %
60,256 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
Code MigrationCOBOL
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Höherer Messwert70 %
27,143 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
CorpFin v2Max Fitting Context
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Höherer Messwert75,991 %
60,956 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
EMBDataroom
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Höherer Messwert87,681 %
48,286 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
Finance Agent (v2)All-Pass
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Höherer Messwert47,708 %
32,369 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
GPQA DiamondZero-Shot CoT
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Höherer Messwert94,444 %
81,313 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
IOIIOI 2025
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Höherer Messwert83,333 %
6,167 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
Legal Research BenchAdministrative / Regulatory · Weighted partial credit
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: weighted partial-credit scoreBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Höherer Messwert92,676 %
69,72 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
LiveCodeBench v6Hard
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Höherer Messwert77,429 %
61,714 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
LMArena Text, Style ControlBusiness, management and finance
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 5: Snapshot: claude-opus-5-high, Reasoning: high, Harness: Arena text, style control
GPT-5.4 mini: Snapshot: gpt-5.4-mini-high, Reasoning: high, Harness: Arena text, style controlClaude Opus 5: Stilbereinigte Arena-Bewertung aus 5.306 anonymen Paarvergleichen.GPT-5.4 mini: Stilbereinigte Arena-Bewertung aus 12.118 anonymen Paarvergleichen.
Gewinner1.490,15
95-%-Konfidenzintervall: ±9,076Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
1.459,918
95-%-Konfidenzintervall: ±6,664Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.		LMArena
Quellendetails
Datenstand: 21.08.2026
MMLU-ProBusiness
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Höherer Messwert93,536 %
89,734 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
MortgageTaxSemantic Extraction
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Höherer Messwert62,719 %
47,615 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
ProgramBenchFully Resolved
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Höherer Messwert3 %
0 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
SAGECalculus
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5: Temperatur: 1, Ausgabegrenze: 30.000 tokens
GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 30.000 tokens
Höherer Messwert77,16 %
59,259 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
SWE-bench Verified>4 hours
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Höherer Messwert100 %
0 %
Vals AI
Quellendetails
Datenstand: 08.08.2026
TaxEval v2Stepwise Reasoning
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Höherer Messwert88,307 %
79,395 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
Terminal-Bench 2.1Hard
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5: Compute: high, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: high, Ausgabegrenze: 128.000 tokens
Höherer Messwert84,444 %
34,444 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
Vals IndexFinance Agent v2
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Höherer Messwert56,57 %
45,407 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
Vals Multimodal IndexFinance Agent v2
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Höherer Messwert56,57 %
45,407 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
Code MigrationCode Quality
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: mean reviewer code-quality ratingBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Höherer Messwert4,75 / 5
3,053 / 5
Vals AI
Quellendetails
Datenstand: 09.08.2026
CorpFin v2Shared Max Context
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Höherer Messwert74,942 %
60,256 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
EMBDCF
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Höherer Messwert70,018 %
40,605 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
Finance Agent (v2)Comparables
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Höherer Messwert47,42 %
40,273 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
Legal Research BenchBusiness & Commercial · All-pass
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Höherer Messwert62,791 %
11,628 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
LiveCodeBench v6Medium
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Höherer Messwert90,601 %
84,856 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
LMArena Text, Style ControlBusiness, management and finance
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 5: Snapshot: claude-opus-5-max, Reasoning: max, Harness: Arena text, style control
GPT-5.4 mini: Snapshot: gpt-5.4-mini-high, Reasoning: high, Harness: Arena text, style controlClaude Opus 5: Stilbereinigte Arena-Bewertung aus 2.499 anonymen Paarvergleichen.GPT-5.4 mini: Stilbereinigte Arena-Bewertung aus 12.118 anonymen Paarvergleichen.
Höherer Messwert1.475,74
95-%-Konfidenzintervall: ±12,599Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
1.459,918
95-%-Konfidenzintervall: ±6,664Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.		LMArena
Quellendetails
Datenstand: 21.08.2026

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

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.

Die Standardpreistabelle nutzt direkte Entwicklertarife. Der Anbieter-Vergleich kennzeichnet OpenRouter-Endpoints, Regionen und Sondertarife separat.

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.

Weitere Duelle

Ähnliche LLM-Vergleiche

Vergleiche Claude Opus 5 und GPT-5.4 mini mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich