Direktvergleich

Claude Sonnet 5 vs. GPT-5.4

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

gemeinsame Messreihen: 170
verschiedene Benchmarks: 18
jüngster Abruf: 26.08.2026

Erstes ModellZweites Modell

Steckbrief

Allgemeine Daten

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

Allgemeine Daten von Claude Sonnet 5 und GPT-5.4
Merkmal	Claude Sonnet 5	GPT-5.4
Anbieter	Anthropic	OpenAI
Erschienen	30. Juni 2026	März 2026
Verfügbarkeit	Aktiv	Aktiv
Modelltyp	Proprietär	Proprietär
Parameter	Nicht veröffentlicht	Nicht veröffentlicht
Architektur	Nicht veröffentlicht	Nicht veröffentlicht
Kontextfenster	1.000.000 Token	1.050.000 Token
Wissensstand	Januar 2026	31. August 2025
Technische Quellen	Modell, Kontext	Modell

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 Sonnet 5 und GPT-5.4
Preisart	Claude Sonnet 5	GPT-5.4
API-Eingabe	2 $	2,5 $ ≤272K / 5 $ >272K
API-Ausgabe	10 $	15 $ ≤272K / 22,5 $ >272K
Cache lesen	0,2 $	0,25 $ ≤272K / 0,5 $ >272K
Cache schreiben (5 Min.)	2,5 $	Nicht ausgewiesen
Cache schreiben (1 Std.)	4 $	Nicht ausgewiesen
Preis geprüft	11.08.2026 Quelle	30.07.2026 Quelle

Claude Sonnet 5GPT-5.4

API-EingabeUSD pro 1 Mio. Token, Basistarif

Claude Sonnet 52 $

GPT-5.42,5 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

Claude Sonnet 510 $

GPT-5.415 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

Claude Sonnet 50,2 $

GPT-5.40,25 $

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 Sonnet 5 und GPT-5.4
Modell	Anbieter	Bezugsweg und Tarif	Eingabe pro 1 Mio. Token	Ausgabe pro 1 Mio. Token	Quelle
Claude Sonnet 5	Anthropic	Direkt beim EntwicklerStandard-API	Günstigster erfasster Preis: 2 $	Günstigster erfasster Preis: 10 $	Quelle11.08.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock/global	Günstigster erfasster Preis: 2 $	Günstigster erfasster Preis: 10 $	Quelle25.08.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock/us-east-1	2,2 $	11 $	Quelle25.08.2026
	Anthropic	Über OpenRouteranthropic	Günstigster erfasster Preis: 2 $	Günstigster erfasster Preis: 10 $	Quelle25.08.2026
	Azure	Über OpenRouterazure/global	Günstigster erfasster Preis: 2 $	Günstigster erfasster Preis: 10 $	Quelle25.08.2026
	Azure	Über OpenRouterazure/us	Günstigster erfasster Preis: 2 $	Günstigster erfasster Preis: 10 $	Quelle25.08.2026
	Claude Platform on AWS	Über OpenRouterclaude-on-aws	Günstigster erfasster Preis: 2 $	Günstigster erfasster Preis: 10 $	Quelle25.08.2026
	Google	Über OpenRoutergoogle-vertex/europe	2,2 $	11 $	Quelle25.08.2026
	Google	Über OpenRoutergoogle-vertex/global	Günstigster erfasster Preis: 2 $	Günstigster erfasster Preis: 10 $	Quelle25.08.2026
	Google	Über OpenRoutergoogle-vertex/us	2,2 $	11 $	Quelle25.08.2026
GPT-5.4	OpenAI	Direkt beim EntwicklerBis 272.000 Kontext-Token	2,5 $	15 $	Quelle30.07.2026
	OpenAI	Direkt beim EntwicklerÜber 272.000 Kontext-Token	5 $	22,5 $	Quelle30.07.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock/us-east-1	2,75 $	16,5 $	Quelle25.08.2026
	Azure	Über OpenRouterazure	2,5 $	15 $	Quelle25.08.2026
	Azure	Über OpenRouterazure/eu	2,75 $	16,5 $	Quelle25.08.2026
	Azure	Über OpenRouterazure/us	2,75 $	16,5 $	Quelle25.08.2026
	OpenAI	Über OpenRouteropenai	2,5 $	15 $	Quelle25.08.2026
	OpenAI	Über OpenRouteropenai/flex	Günstigster erfasster Preis: 1,25 $	Günstigster erfasster Preis: 7,5 $	Quelle25.08.2026
	OpenAI	Über OpenRouteropenai/priority	5 $	30 $	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.

Claude Sonnet 5

GPT-5.4

Coding: 99,7 / 93,3 (6 Benchmarkfamilien)

Reasoning: 98,3 / 100 (2 Benchmarkfamilien)

Mathematik: 98,6 / 100 (1 Benchmarkfamilie)

Wissen: 99,9 / 100 (2 Benchmarkfamilien)

Finanzen: 99,7 / 98,2 (4 Benchmarkfamilien)

Recht: 98,9 / 66,7 (3 Benchmarkfamilien)

Agenten-Aufgaben: 89,9 / 100 (1 Benchmarkfamilie)

Multimodal: 94,8 / 100 (1 Benchmarkfamilie)

46 passende Messreihen aus 18 Benchmarkfamilien wurden berücksichtigt. Das Radar zeigt 8 von 11 vergleichbaren Kategorien.

Claude Sonnet 5GPT-5.4

Code MigrationOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Sonnet 544,392 %

GPT-5.434,984 %

CorpFin v2Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Sonnet 566,977 %

GPT-5.465,268 %

GPQA DiamondOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Sonnet 588,889 %

GPT-5.491,666 %

Harvey's Legal Agent BenchmarkOverall · Task fully resolved. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Sonnet 55 %

GPT-5.40 %

LegalBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Sonnet 583,922 %

GPT-5.486,044 %

LiveCodeBench v6Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Sonnet 582,429 %

GPT-5.484,141 %

LMArena Text, Style ControlOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Sonnet 51.461,204

GPT-5.41.465,739

MedCodeOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Sonnet 547,54 %

GPT-5.441,292 %

MedScribeOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Sonnet 576,054 %

GPT-5.477,549 %

MMLU-ProOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Sonnet 587,545 %

GPT-5.487,482 %

MMMU-ProOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Sonnet 583,006 %

GPT-5.487,514 %

MortgageTaxOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Sonnet 570,032 %

GPT-5.468,323 %

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von Claude Sonnet 5 und GPT-5.4
Benchmark und Aufgabe	Claude Sonnet 5	GPT-5.4	Quelle
Code MigrationOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4: Snapshot: gpt-5.4-2026-03-05	Gewinner44,392 %	34,984 %	Vals AI Quellendetails Datenstand: 19.08.2026
CorpFin v2Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4: Snapshot: gpt-5.4-2026-03-05	Gewinner66,977 %	65,268 %	Vals AI Quellendetails Datenstand: 12.08.2026
GPQA DiamondOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4: Snapshot: gpt-5.4-2026-03-05	88,889 %	Gewinner91,666 %	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: Snapshot: gpt-5.4-2026-03-05	Gewinner5 %	0 %	Vals AI Quellendetails Datenstand: 19.08.2026
LegalBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4: Snapshot: gpt-5.4-2026-03-05	83,922 %	Gewinner86,044 %	Vals AI Quellendetails Datenstand: 19.08.2026
LiveCodeBench v6Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4: Snapshot: gpt-5.4-2026-03-05	82,429 %	Gewinner84,141 %	Vals AI Quellendetails Datenstand: 19.08.2026
LMArena Text, Style ControlOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: claude-sonnet-5-high, Reasoning: high, Harness: Arena text, style control GPT-5.4: Snapshot: gpt-5.4, Harness: Arena text, style controlClaude Sonnet 5: Stilbereinigte Arena-Bewertung aus 27.366 anonymen Paarvergleichen.GPT-5.4: Stilbereinigte Arena-Bewertung aus 63.659 anonymen Paarvergleichen.	1.461,204 95-%-Konfidenzintervall: ±4,927Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.465,739 95-%-Konfidenzintervall: ±3,812Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 21.08.2026
MedCodeOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4: Snapshot: gpt-5.4-2026-03-05	Gewinner47,54 %	41,292 %	Vals AI Quellendetails Datenstand: 20.08.2026
MedScribeOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4: Snapshot: gpt-5.4-2026-03-05	76,054 %	Gewinner77,549 %	Vals AI Quellendetails Datenstand: 20.08.2026
MMLU-ProOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4: Snapshot: gpt-5.4-2026-03-05	Gewinner87,545 %	87,482 %	Vals AI Quellendetails Datenstand: 19.08.2026
MMMU-ProOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4: Snapshot: gpt-5.4-2026-03-05	83,006 %	Gewinner87,514 %	Vals AI Quellendetails Datenstand: 19.08.2026
MortgageTaxOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4: Snapshot: gpt-5.4-2026-03-05	Gewinner70,032 %	68,323 %	Vals AI Quellendetails Datenstand: 19.08.2026
ProgramBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4: Snapshot: gpt-5.4-2026-03-05	Gleichstand0 %	Gleichstand0 %	Vals AI Quellendetails Datenstand: 19.08.2026
SAGEOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4: Snapshot: gpt-5.4-2026-03-05	Gewinner48,925 %	43,312 %	Vals AI Quellendetails Datenstand: 19.08.2026
SkillsBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Harness: OpenHands GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Harness: OpenHands	46,476 %	Gewinner51,711 %	Vals AI Quellendetails Datenstand: 19.08.2026
SWE-bench VerifiedOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4: Snapshot: gpt-5.4-2026-03-05	Gewinner79,6 %	78,2 %	Vals AI Quellendetails Datenstand: 19.08.2026
TaxEval v2Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4: Snapshot: gpt-5.4-2026-03-05	Gewinner75,634 %	73,958 %	Vals AI Quellendetails Datenstand: 19.08.2026
Vibe Code Bench v1.1Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Harness: OpenHands GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Harness: OpenHands	Gewinner81,325 %	67,421 %	Vals AI Quellendetails Datenstand: 19.08.2026
Code MigrationCLI Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert36,332 %	23,788 %	Vals AI Quellendetails Datenstand: 09.08.2026
CorpFin v2Exact Pages Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	63,869 %	Höherer Messwert64,103 %	Vals AI Quellendetails Datenstand: 06.08.2026
GPQA DiamondFew-Shot CoT Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	87,374 %	Höherer Messwert91,414 %	Vals AI Quellendetails Datenstand: 09.08.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Criteria passed Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: criteria pass rateBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert88,768 %	76,449 %	Vals AI Quellendetails Datenstand: 07.08.2026
LegalBenchConclusion Tasks Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert89,555 %	88,939 %	Vals AI Quellendetails Datenstand: 09.08.2026
LiveCodeBench v6Easy Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	98,447 %	Höherer Messwert99,068 %	Vals AI Quellendetails Datenstand: 09.08.2026
LMArena Text, Style ControlOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: claude-sonnet-5-high, Reasoning: high, Harness: Arena text, style control GPT-5.4: Snapshot: gpt-5.4-high, Reasoning: high, Harness: Arena text, style controlClaude Sonnet 5: Stilbereinigte Arena-Bewertung aus 27.366 anonymen Paarvergleichen.GPT-5.4: Stilbereinigte Arena-Bewertung aus 60.708 anonymen Paarvergleichen.	1.461,204 95-%-Konfidenzintervall: ±4,927Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Gewinner1.476,487 95-%-Konfidenzintervall: ±3,885Der 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 besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert93,584 %	92,887 %	Vals AI Quellendetails Datenstand: 09.08.2026
MortgageTaxNumerical Extraction Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert78,696 %	75,994 %	Vals AI Quellendetails Datenstand: 09.08.2026
ProgramBenchAlmost Resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert13,5 %	7 %	Vals AI Quellendetails Datenstand: 09.08.2026
SAGEAutomata Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 30.000 tokens	Höherer Messwert34,92 %	21,428 %	Vals AI Quellendetails Datenstand: 09.08.2026
SkillsBenchNo Skills Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Harness: OpenHands, Ausgabegrenze: 128.000 tokens	35,123 %	Höherer Messwert48,905 %	Vals AI Quellendetails Datenstand: 07.08.2026
SWE-bench Verified<15 min fix Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	83,505 %	Höherer Messwert88,144 %	Vals AI Quellendetails Datenstand: 08.08.2026
TaxEval v2Correctness Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	64,023 %	Höherer Messwert64,922 %	Vals AI Quellendetails Datenstand: 09.08.2026
Code MigrationCOBOL Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Kein direkter Sieger68,571 %	Kein direkter Sieger68,571 %	Vals AI Quellendetails Datenstand: 09.08.2026
CorpFin v2Max Fitting Context Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert69,114 %	64,918 %	Vals AI Quellendetails Datenstand: 06.08.2026
GPQA DiamondZero-Shot CoT Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	90,404 %	Höherer Messwert91,919 %	Vals AI Quellendetails Datenstand: 09.08.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Kein direkter Sieger0 %	Kein direkter Sieger0 %	Vals AI Quellendetails Datenstand: 07.08.2026
LegalBenchInterpretation Tasks Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	81,412 %	Höherer Messwert83,921 %	Vals AI Quellendetails Datenstand: 09.08.2026
LiveCodeBench v6Hard Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	66,857 %	Höherer Messwert67,714 %	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 Sonnet 5: Snapshot: claude-sonnet-5-high, Reasoning: high, Harness: Arena text, style control GPT-5.4: Snapshot: gpt-5.4, Harness: Arena text, style controlClaude Sonnet 5: Stilbereinigte Arena-Bewertung aus 5.475 anonymen Paarvergleichen.GPT-5.4: Stilbereinigte Arena-Bewertung aus 13.077 anonymen Paarvergleichen.	1.463,986 95-%-Konfidenzintervall: ±8,676Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.475,009 95-%-Konfidenzintervall: ±6,546Der 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 besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	91,635 %	Höherer Messwert91,762 %	Vals AI Quellendetails Datenstand: 09.08.2026
MortgageTaxSemantic Extraction Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert61,367 %	60,652 %	Vals AI Quellendetails Datenstand: 09.08.2026
ProgramBenchFully Resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Kein direkter Sieger0 %	Kein direkter Sieger0 %	Vals AI Quellendetails Datenstand: 09.08.2026
SAGELinear Algebra Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 30.000 tokens	Höherer Messwert68,999 %	68,826 %	Vals AI Quellendetails Datenstand: 09.08.2026
SkillsBenchWith Skills Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Harness: OpenHands, Ausgabegrenze: 128.000 tokens	46,476 %	Höherer Messwert51,711 %	Vals AI Quellendetails Datenstand: 07.08.2026
SWE-bench Verified>4 hours Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert66,667 %	0 %	Vals AI Quellendetails Datenstand: 08.08.2026
TaxEval v2Stepwise Reasoning Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert87,244 %	82,993 %	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 besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert4,898 / 5	3,632 / 5	Vals AI Quellendetails Datenstand: 09.08.2026
CorpFin v2Shared Max Context Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert67,949 %	66,783 %	Vals AI Quellendetails Datenstand: 06.08.2026
Harvey's Legal Agent BenchmarkArbitration International Dispute Resolution · Criteria passed Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: criteria pass rateBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert87,455 %	66,667 %	Vals AI Quellendetails Datenstand: 07.08.2026
LegalBenchIssue Tasks Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	88,24 %	Höherer Messwert90,526 %	Vals AI Quellendetails Datenstand: 09.08.2026
LiveCodeBench v6Medium Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	81,984 %	Höherer Messwert85,64 %	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 Sonnet 5: Snapshot: claude-sonnet-5-high, Reasoning: high, Harness: Arena text, style control GPT-5.4: Snapshot: gpt-5.4-high, Reasoning: high, Harness: Arena text, style controlClaude Sonnet 5: Stilbereinigte Arena-Bewertung aus 5.475 anonymen Paarvergleichen.GPT-5.4: Stilbereinigte Arena-Bewertung aus 12.366 anonymen Paarvergleichen.	1.463,986 95-%-Konfidenzintervall: ±8,676Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Gewinner1.483,67 95-%-Konfidenzintervall: ±6,667Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 21.08.2026
MMLU-ProChemistry Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	90,813 %	Höherer Messwert91,078 %	Vals AI Quellendetails Datenstand: 09.08.2026
ProgramBenchRaw Pass Rate Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert72,067 %	68,596 %	Vals AI Quellendetails Datenstand: 09.08.2026
SAGEPartial Differential Equations Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 30.000 tokens	Höherer Messwert42,857 %	39,683 %	Vals AI Quellendetails Datenstand: 09.08.2026
SWE-bench Verified1-4 hours Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert76,19 %	50 %	Vals AI Quellendetails Datenstand: 08.08.2026
Harvey's Legal Agent BenchmarkArbitration International Dispute Resolution · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Kein direkter Sieger0 %	Kein direkter Sieger0 %	Vals AI Quellendetails Datenstand: 07.08.2026
LegalBenchRhetoric Tasks Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	81,07 %	Höherer Messwert82,824 %	Vals AI Quellendetails Datenstand: 09.08.2026
LMArena Text, Style ControlChinese Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: claude-sonnet-5-high, Reasoning: high, Harness: Arena text, style control GPT-5.4: Snapshot: gpt-5.4, Harness: Arena text, style controlClaude Sonnet 5: Stilbereinigte Arena-Bewertung aus 1.805 anonymen Paarvergleichen.GPT-5.4: Stilbereinigte Arena-Bewertung aus 3.555 anonymen Paarvergleichen.	Höherer Messwert1.501,528 95-%-Konfidenzintervall: ±14,728Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.495,577 95-%-Konfidenzintervall: ±11,192Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 21.08.2026
MMLU-ProComputer Science Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	89,024 %	Höherer Messwert89,756 %	Vals AI Quellendetails Datenstand: 09.08.2026
SWE-bench Verified15 min - 1 hour Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert77,395 %	76,245 %	Vals AI Quellendetails Datenstand: 08.08.2026
Harvey's Legal Agent BenchmarkBanking Finance · Criteria passed Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: criteria pass rateBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert89,963 %	80,297 %	Vals AI Quellendetails Datenstand: 07.08.2026
LegalBenchRule Tasks Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.4: Snapshot: gpt-5.4-2026-03-05, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	79,331 %	Höherer Messwert84,008 %	Vals AI Quellendetails Datenstand: 09.08.2026
LMArena Text, Style ControlChinese Testdetails Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: claude-sonnet-5-high, Reasoning: high, Harness: Arena text, style control GPT-5.4: Snapshot: gpt-5.4-high, Reasoning: high, Harness: Arena text, style controlClaude Sonnet 5: Stilbereinigte Arena-Bewertung aus 1.805 anonymen Paarvergleichen.GPT-5.4: Stilbereinigte Arena-Bewertung aus 3.347 anonymen Paarvergleichen.	1.501,528 95-%-Konfidenzintervall: ±14,728Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Kein klarer Vorsprung1.505,82 95-%-Konfidenzintervall: ±11,394Der 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

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

Zum vollständigen LLM-Vergleich