Direktvergleich

Claude Sonnet 5 vs. GPT-5.5

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

gemeinsame Messreihen: 228
verschiedene Benchmarks: 25
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-5.5
Merkmal	Claude Sonnet 5	GPT-5.5
Anbieter	Anthropic	OpenAI
Erschienen	30. Juni 2026	Apr. 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	1. Dezember 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-5.5
Preisart	Claude Sonnet 5	GPT-5.5
API-Eingabe	2 $	5 $ ≤272K / 10 $ >272K
API-Ausgabe	10 $	30 $ ≤272K / 45 $ >272K
Cache lesen	0,2 $	0,5 $ ≤272K / 1 $ >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-5.5

API-EingabeUSD pro 1 Mio. Token, Basistarif

Claude Sonnet 52 $

GPT-5.55 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

Claude Sonnet 510 $

GPT-5.530 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

Claude Sonnet 50,2 $

GPT-5.50,5 $

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-5.5
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-5.5	OpenAI	Direkt beim EntwicklerBis 272.000 Kontext-Token	5 $	30 $	Quelle30.07.2026
	OpenAI	Direkt beim EntwicklerÜber 272.000 Kontext-Token	10 $	45 $	Quelle30.07.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock/us-east-1	5,5 $	33 $	Quelle25.08.2026
	Azure	Über OpenRouterazure	5 $	30 $	Quelle25.08.2026
	Azure	Über OpenRouterazure/eu	5,5 $	33 $	Quelle25.08.2026
	Azure	Über OpenRouterazure/us	5,5 $	33 $	Quelle25.08.2026
	OpenAI	Über OpenRouteropenai	5 $	30 $	Quelle25.08.2026
	OpenAI	Über OpenRouteropenai/fast	12,5 $	75 $	Quelle25.08.2026
	OpenAI	Über OpenRouteropenai/flex	Günstigster erfasster Preis: 2,5 $	Günstigster erfasster Preis: 15 $	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-5.5

Coding: 81,9 / 97,6 (6 Benchmarkfamilien)

Reasoning: 97,5 / 100 (2 Benchmarkfamilien)

Mathematik: 98,6 / 100 (1 Benchmarkfamilie)

Wissen: 99,5 / 100 (2 Benchmarkfamilien)

Finanzen: 99,4 / 98,4 (6 Benchmarkfamilien)

Recht: 99 / 92,9 (4 Benchmarkfamilien)

Agenten-Aufgaben: 86,1 / 100 (2 Benchmarkfamilien)

Multimodal: 94 / 100 (1 Benchmarkfamilie)

55 passende Messreihen aus 25 Benchmarkfamilien wurden berücksichtigt. Das Radar zeigt 8 von 13 vergleichbaren Kategorien.

Claude Sonnet 5GPT-5.5

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

Claude Sonnet 544,392 %

GPT-5.545,161 %

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

Claude Sonnet 566,977 %

GPT-5.568,415 %

EMBOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Sonnet 566,316 %

GPT-5.564,543 %

Finance Agent (v2)Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Sonnet 553,909 %

GPT-5.551,76 %

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

Claude Sonnet 588,889 %

GPT-5.593,182 %

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

Claude Sonnet 55 %

GPT-5.53,75 %

Legal Research BenchOverall · All-pass. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Sonnet 541,827 %

GPT-5.540,385 %

LegalBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Sonnet 583,922 %

GPT-5.586,515 %

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

Claude Sonnet 582,429 %

GPT-5.585,296 %

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

Claude Sonnet 51.461,204

GPT-5.51.476,271

MedCodeOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Sonnet 547,54 %

GPT-5.549,1 %

MedScribeOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Sonnet 576,054 %

GPT-5.586,868 %

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von Claude Sonnet 5 und GPT-5.5
Benchmark und Aufgabe	Claude Sonnet 5	GPT-5.5	Quelle
Code MigrationOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	44,392 %	Gewinner45,161 %	Vals AI Quellendetails Datenstand: 19.08.2026
CorpFin v2Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser	66,977 %	Gewinner68,415 %	Vals AI Quellendetails Datenstand: 12.08.2026
EMBOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner66,316 %	64,543 %	Vals AI Quellendetails Datenstand: 19.08.2026
Finance Agent (v2)Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser	Gewinner53,909 %	51,76 %	Vals AI Quellendetails Datenstand: 19.08.2026
GPQA DiamondOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	88,889 %	Gewinner93,182 %	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 besser	Gewinner5 %	3,75 %	Vals AI Quellendetails Datenstand: 19.08.2026
Legal Research BenchOverall · All-pass Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besser	Gewinner41,827 %	40,385 %	Vals AI Quellendetails Datenstand: 19.08.2026
LegalBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	83,922 %	Gewinner86,515 %	Vals AI Quellendetails Datenstand: 19.08.2026
LiveCodeBench v6Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	82,429 %	Gewinner85,296 %	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-5.5: Snapshot: gpt-5.5, Harness: Arena text, style controlClaude Sonnet 5: Stilbereinigte Arena-Bewertung aus 27.366 anonymen Paarvergleichen.GPT-5.5: Stilbereinigte Arena-Bewertung aus 60.896 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 Messwert1.476,271 95-%-Konfidenzintervall: ±3,931Der 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 besser	47,54 %	Gewinner49,1 %	Vals AI Quellendetails Datenstand: 20.08.2026
MedScribeOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	76,054 %	Gewinner86,868 %	Vals AI Quellendetails Datenstand: 20.08.2026
MMLU-ProOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	87,545 %	Gewinner88,144 %	Vals AI Quellendetails Datenstand: 19.08.2026
MMMU-ProOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	83,006 %	Gewinner88,266 %	Vals AI Quellendetails Datenstand: 19.08.2026
MortgageTaxOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner70,032 %	68,76 %	Vals AI Quellendetails Datenstand: 19.08.2026
ProgramBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	0 %	Gewinner0,5 %	Vals AI Quellendetails Datenstand: 19.08.2026
Public Benefits Bench v1.1Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner66,035 %	60,893 %	Vals AI Quellendetails Datenstand: 12.08.2026
SAGEOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	48,925 %	Gewinner51,532 %	Vals AI Quellendetails Datenstand: 19.08.2026
SkillsBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Harness: OpenHands	46,476 %	Gewinner62,209 %	Vals AI Quellendetails Datenstand: 19.08.2026
SWE-bench VerifiedOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	79,6 %	Gewinner82,6 %	Vals AI Quellendetails Datenstand: 19.08.2026
TaxEval v2Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser	Gewinner75,634 %	74,98 %	Vals AI Quellendetails Datenstand: 19.08.2026
Terminal-Bench 2.1Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besser	74,532 %	Gewinner76,404 %	Vals AI Quellendetails Datenstand: 19.08.2026
Vals IndexOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: weighted index scoreBewertung: Mehr ist besser	Gewinner59,61 %	57,411 %	Vals AI Quellendetails Datenstand: 19.08.2026
Vals Multimodal IndexOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.2Messgröße: weighted index scoreBewertung: Mehr ist besser	Gewinner68,826 %	68,071 %	Vals AI Quellendetails Datenstand: 11.08.2026
Vibe Code Bench v1.1Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Harness: OpenHands	Gewinner81,325 %	69,847 %	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-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	36,332 %	Höherer Messwert36,882 %	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-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	63,869 %	Höherer Messwert65,618 %	Vals AI Quellendetails Datenstand: 06.08.2026
EMBComps Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert69,384 %	64,681 %	Vals AI Quellendetails Datenstand: 06.08.2026
Finance Agent (v2)Adjustments Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert48,715 %	45,74 %	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-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	87,374 %	Höherer Messwert93,434 %	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-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert88,768 %	82,246 %	Vals AI Quellendetails Datenstand: 07.08.2026
Legal Research BenchAdministrative / Regulatory · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert54,545 %	53,03 %	Vals AI Quellendetails Datenstand: 06.08.2026
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-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	89,555 %	Höherer Messwert89,644 %	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-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Kein direkter Sieger98,447 %	Kein direkter Sieger98,447 %	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-5.5: Snapshot: gpt-5.5-high, Reasoning: high, Harness: Arena text, style controlClaude Sonnet 5: Stilbereinigte Arena-Bewertung aus 27.366 anonymen Paarvergleichen.GPT-5.5: Stilbereinigte Arena-Bewertung aus 59.545 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.	Gewinner1.481,893 95-%-Konfidenzintervall: ±3,953Der 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-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	93,584 %	Höherer Messwert94,003 %	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-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert78,696 %	76,153 %	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-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert13,5 %	9,5 %	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-5.5: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 30.000 tokens	34,92 %	Höherer Messwert40,476 %	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-5.5: Reasoning: xhigh, Harness: OpenHands, Ausgabegrenze: 128.000 tokens	35,123 %	Höherer Messwert49,875 %	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-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	83,505 %	Höherer Messwert91,753 %	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-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	64,023 %	Höherer Messwert65,495 %	Vals AI Quellendetails Datenstand: 09.08.2026
Terminal-Bench 2.1Easy Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: high, Ausgabegrenze: 128.000 tokens	Höherer Messwert100 %	83,333 %	Vals AI Quellendetails Datenstand: 06.08.2026
Vals IndexCorpFin v2 Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	67,949 %	Höherer Messwert69,58 %	Vals AI Quellendetails Datenstand: 09.08.2026
Vals Multimodal IndexCorpFin v2 Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	67,949 %	Höherer Messwert69,58 %	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-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	68,571 %	Höherer Messwert70 %	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-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	69,114 %	Höherer Messwert70,047 %	Vals AI Quellendetails Datenstand: 06.08.2026
EMBDataroom Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert84,909 %	81,227 %	Vals AI Quellendetails Datenstand: 06.08.2026
Finance Agent (v2)All-Pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert42,084 %	39,562 %	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-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	90,404 %	Höherer Messwert92,929 %	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-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Kein direkter Sieger0 %	Kein direkter Sieger0 %	Vals AI Quellendetails Datenstand: 07.08.2026
Legal Research BenchAdministrative / Regulatory · Weighted partial credit Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: weighted partial-credit scoreBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert87,81 %	86,669 %	Vals AI Quellendetails Datenstand: 06.08.2026
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-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	81,412 %	Höherer Messwert83,836 %	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-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	66,857 %	Höherer Messwert69,714 %	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-5.5: Snapshot: gpt-5.5, Harness: Arena text, style controlClaude Sonnet 5: Stilbereinigte Arena-Bewertung aus 5.475 anonymen Paarvergleichen.GPT-5.5: Stilbereinigte Arena-Bewertung aus 12.172 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 Messwert1.484,744 95-%-Konfidenzintervall: ±6,754Der 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-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	91,635 %	Höherer Messwert92,015 %	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-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Kein direkter Sieger61,367 %	Kein direkter Sieger61,367 %	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-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	0 %	Höherer Messwert0,5 %	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-5.5: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 30.000 tokens	68,999 %	Höherer Messwert74,436 %	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-5.5: Reasoning: xhigh, Harness: OpenHands, Ausgabegrenze: 128.000 tokens	46,476 %	Höherer Messwert62,209 %	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-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Kein direkter Sieger66,667 %	Kein direkter Sieger66,667 %	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-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert87,244 %	84,464 %	Vals AI Quellendetails Datenstand: 09.08.2026
Terminal-Bench 2.1Hard Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: high, Ausgabegrenze: 128.000 tokens	57,778 %	Höherer Messwert66,667 %	Vals AI Quellendetails Datenstand: 06.08.2026
Vals IndexFinance Agent v2 Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert51,979 %	51,834 %	Vals AI Quellendetails Datenstand: 09.08.2026
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-5.5 mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich