Zum Hauptinhalt springen

Direktvergleich

GPT-5.6 Sol vs. DeepSeek-V4-Pro

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

gemeinsame Messreihen
219
verschiedene Benchmarks
24
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 GPT-5.6 Sol und DeepSeek-V4-Pro
MerkmalGPT-5.6 SolDeepSeek-V4-Pro
AnbieterOpenAIDeepSeek
Erschienen26. Juni 202624. Apr. 2026
VerfügbarkeitAktivPreview
ModelltypProprietärOpen Weights
ParameterNicht veröffentlicht1,6 Billionen, 49 Mrd. aktiv
ArchitekturNicht veröffentlichtMixture of Experts
Kontextfenster1.050.000 Token1.000.000 Token
Wissensstand16. Februar 2026Nicht veröffentlicht
Technische QuellenModell, Kontext, WissensstandModell, Kontext

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 GPT-5.6 Sol und DeepSeek-V4-Pro
PreisartGPT-5.6 SolDeepSeek-V4-Pro
API-Eingabe4 $ ≤272K / 8 $ >272K0,43 $
API-Ausgabe20 $ ≤272K / 30 $ >272K0,87 $
Cache lesen0,4 $ ≤272K / 0,8 $ >272K0, $
Cache schreiben (5 Min.)5 $ ≤272K / 10 $ >272KNicht ausgewiesen
Cache schreiben (1 Std.)Nicht ausgewiesenNicht ausgewiesen
Preis geprüft24.08.2026 Quelle30.07.2026 Quelle
GPT-5.6 SolDeepSeek-V4-Pro
API-EingabeUSD pro 1 Mio. Token, Basistarif
GPT-5.6 Sol4 $
DeepSeek-V4-ProGünstiger0,435 $
API-AusgabeUSD pro 1 Mio. Token, Basistarif
GPT-5.6 Sol20 $
DeepSeek-V4-ProGünstiger0,87 $
Cache lesenUSD pro 1 Mio. Token, Basistarif
GPT-5.6 Sol0,4 $
DeepSeek-V4-ProGünstiger0,004 $

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 GPT-5.6 Sol und DeepSeek-V4-Pro
ModellAnbieterBezugsweg und TarifEingabe pro 1 Mio. TokenAusgabe pro 1 Mio. TokenQuelle
GPT-5.6 SolOpenAIDirekt beim EntwicklerBis 272.000 Kontext-Token4 $20 $Quelle24.08.2026
OpenAIDirekt beim EntwicklerÜber 272.000 Kontext-Token8 $30 $Quelle24.08.2026
Amazon BedrockÜber OpenRouteramazon-bedrock/us-east-15,5 $33 $Quelle25.08.2026
AzureÜber OpenRouterazure5 $30 $Quelle25.08.2026
AzureÜber OpenRouterazure/eu5,5 $33 $Quelle25.08.2026
AzureÜber OpenRouterazure/us5,5 $33 $Quelle25.08.2026
OpenAIÜber OpenRouteropenai2 $10 $Quelle25.08.2026
OpenAIÜber OpenRouteropenai/flexGünstigster erfasster Preis: 1 $Günstigster erfasster Preis: 5 $Quelle25.08.2026
OpenAIÜber OpenRouteropenai/priority4 $20 $Quelle25.08.2026
DeepSeek-V4-ProDeepSeekDirekt beim EntwicklerStandard-APIGünstigster erfasster Preis: 0,435 $Günstigster erfasster Preis: 0,87 $Quelle30.07.2026
AlibabaÜber OpenRouteralibaba1,122 $3,366 $Quelle25.08.2026
BaseTenÜber OpenRouterbaseten/fp41,32 $3,96 $Quelle25.08.2026
CloudflareÜber OpenRoutercloudflare1,32 $3,96 $Quelle25.08.2026
DeepInfraÜber OpenRouterdeepinfra/fp81,3 $2,6 $Quelle25.08.2026
DeepSeekÜber OpenRouterdeepseek0,66 $1,98 $Quelle25.08.2026
DigitalOceanÜber OpenRouterdigitalocean1,32 $3,96 $Quelle25.08.2026
FireworksÜber OpenRouterfireworks1,32 $3,96 $Quelle25.08.2026
GMICloudÜber OpenRoutergmicloud/fp81,122 $3,366 $Quelle25.08.2026
NovitaÜber OpenRouternovita/fp81,32 $3,96 $Quelle25.08.2026
ParasailÜber OpenRouterparasail/fp81,32 $3,96 $Quelle25.08.2026
PhalaÜber OpenRouterphala1,45 $4,36 $Quelle25.08.2026
Sail ResearchÜber OpenRoutersail-research/fp41,32 $3,96 $Quelle25.08.2026
SiliconFlowÜber OpenRoutersiliconflow/fp81,32 $3,96 $Quelle25.08.2026
StreamLakeÜber OpenRouterstreamlake1,32 $3,96 $Quelle25.08.2026
TogetherÜber OpenRoutertogether1,32 $3,96 $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-AufgabenProduktivität
GPT-5.6 Sol
DeepSeek-V4-Pro
Coding: 99 / 55,6 (6 Benchmarkfamilien)
Reasoning: 100 / 93,9 (1 Benchmarkfamilie)
Mathematik: 100 / 19,3 (1 Benchmarkfamilie)
Wissen: 100 / 97,9 (1 Benchmarkfamilie)
Finanzen: 100 / 86,2 (4 Benchmarkfamilien)
Recht: 88,9 / 80,1 (3 Benchmarkfamilien)
Agenten-Aufgaben: 100 / 76,6 (2 Benchmarkfamilien)
Produktivität: 100 / 94,6 (1 Benchmarkfamilie)

35 passende Messreihen aus 23 Benchmarkfamilien wurden berücksichtigt. Das Radar zeigt 8 von 11 vergleichbaren Kategorien.

GPT-5.6 SolDeepSeek-V4-Pro
Code MigrationOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 SolGewinner52,916 %
DeepSeek-V4-Pro26,201 %
CorpFin v2Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 SolGewinner64,375 %
DeepSeek-V4-Pro61,383 %
CyberBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 SolGewinner88,136 %
DeepSeek-V4-Pro68,644 %
EMBOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 SolGewinner72,339 %
DeepSeek-V4-Pro51,623 %
Finance Agent (v2)Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 SolGewinner53,756 %
DeepSeek-V4-Pro44,083 %
GPQA DiamondOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 SolGewinner95,202 %
DeepSeek-V4-Pro89,394 %
Harvey's Legal Agent BenchmarkOverall · Task fully resolved. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol2,5 %
DeepSeek-V4-ProGewinner3,75 %
IOIOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 SolGewinner86,667 %
DeepSeek-V4-Pro35,833 %
Legal Research BenchOverall · All-pass. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 SolGewinner48,077 %
DeepSeek-V4-Pro23,077 %
LegalBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 SolGewinner86,965 %
DeepSeek-V4-Pro80,323 %
LiveCodeBench v6Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol82,604 %
DeepSeek-V4-ProGewinner87,484 %
LMArena Text, Style ControlOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
GPT-5.6 SolHöherer Messwert1.482,26
DeepSeek-V4-Pro1.457,7

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von GPT-5.6 Sol und DeepSeek-V4-Pro
Benchmark und AufgabeGPT-5.6 SolDeepSeek-V4-ProQuelle
Code MigrationOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
Gewinner52,916 %
26,201 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
CorpFin v2Overall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser
Gewinner64,375 %
61,383 %
Vals AI
Quellendetails
Datenstand: 12.08.2026
CyberBenchOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
Gewinner88,136 %
68,644 %
Vals AI
Quellendetails
Datenstand: 03.08.2026
EMBOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
Gewinner72,339 %
51,623 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
Finance Agent (v2)Overall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser
Gewinner53,756 %
44,083 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
GPQA DiamondOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
Gewinner95,202 %
89,394 %
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
2,5 %
Gewinner3,75 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
IOIOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
Gewinner86,667 %
35,833 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
Legal Research BenchOverall · All-pass
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besser
Gewinner48,077 %
23,077 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
LegalBenchOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
Gewinner86,965 %
80,323 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
LiveCodeBench v6Overall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
82,604 %
Gewinner87,484 %
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 besserGPT-5.6 Sol: Snapshot: gpt-5.6-sol-xhigh, Reasoning: xhigh, Harness: Arena text, style control
DeepSeek-V4-Pro: Snapshot: deepseek-v4-pro, Harness: Arena text, style controlGPT-5.6 Sol: Stilbereinigte Arena-Bewertung aus 19.541 anonymen Paarvergleichen.DeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 54.263 anonymen Paarvergleichen.
Höherer Messwert1.482,26
95-%-Konfidenzintervall: ±5,4Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
1.457,7
95-%-Konfidenzintervall: ±4,017Der 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
Gewinner43,974 %
40,455 %
Vals AI
Quellendetails
Datenstand: 20.08.2026
MedScribeOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
Gewinner85,233 %
75,144 %
Vals AI
Quellendetails
Datenstand: 20.08.2026
MMLU-ProOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
Gewinner89,1 %
87,249 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
ProgramBenchOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
Gewinner1,5 %
0 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
ProofBenchOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besser
Gewinner83 %
16 %
Vals AI
Quellendetails
Datenstand: 21.08.2026
Public Benefits Bench v1.1Overall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besser
Gewinner66,509 %
62,923 %
Vals AI
Quellendetails
Datenstand: 12.08.2026
SkillsBenchOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Harness: OpenHands
Gewinner54,1 %
51,274 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
SWE-bench VerifiedOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
Gewinner96,2 %
77,4 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
TaxEval v2Overall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser
Gewinner74,775 %
72,077 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
Terminal-Bench 2.1Overall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besser
Gewinner85,768 %
50,187 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
Vals IndexOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: weighted index scoreBewertung: Mehr ist besser
Gewinner63,709 %
42,888 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
Vibe Code Bench v1.1Overall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Harness: OpenHands
Gewinner80,495 %
49,931 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
Code MigrationCLI
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens
DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens
Höherer Messwert47,221 %
15,47 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
CorpFin v2Exact Pages
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens
Gewinner61,538 %
59,207 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
CyberBenchPatch
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
Gewinner83,051 %
79,661 %
Vals AI
Quellendetails
Datenstand: 03.08.2026
EMBComps
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens
DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens
Höherer Messwert71,309 %
57,434 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
Finance Agent (v2)Adjustments
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens
DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens
Höherer Messwert49,233 %
41,586 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
GPQA DiamondFew-Shot CoT
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens
DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 tokens
Höherer Messwert94,949 %
90,404 %
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 besserGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens
DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens
78,623 %
Höherer Messwert83,696 %
Vals AI
Quellendetails
Datenstand: 07.08.2026
IOIIOI 2024
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens
DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 tokens
Höherer Messwert85 %
31,333 %
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-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens
DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens
Höherer Messwert60,606 %
28,788 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
LegalBenchConclusion Tasks
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens
DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 tokens
Höherer Messwert90,492 %
89,117 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
LiveCodeBench v6Easy
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens
98,137 %
Gewinner98,758 %
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 besserGPT-5.6 Sol: Snapshot: gpt-5.6-sol-xhigh, Reasoning: xhigh, Harness: Arena text, style control
DeepSeek-V4-Pro: Snapshot: deepseek-v4-pro-high-preview, Reasoning: high, Harness: Arena text, style controlGPT-5.6 Sol: Stilbereinigte Arena-Bewertung aus 19.541 anonymen Paarvergleichen.DeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 51.642 anonymen Paarvergleichen.
Höherer Messwert1.482,26
95-%-Konfidenzintervall: ±5,4Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
1.455,038
95-%-Konfidenzintervall: ±4,085Der 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-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens
DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 tokens
Höherer Messwert94,561 %
92,887 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
ProgramBenchAlmost Resolved
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens
DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens
Höherer Messwert23 %
0 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
SkillsBenchNo Skills
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Sol: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 128.000 tokens
DeepSeek-V4-Pro: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 384.000 tokens
Höherer Messwert43,312 %
27,226 %
Vals AI
Quellendetails
Datenstand: 07.08.2026
SWE-bench Verified<15 min fix
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens
DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 tokens
Höherer Messwert97,423 %
87,629 %
Vals AI
Quellendetails
Datenstand: 08.08.2026
TaxEval v2Correctness
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens
Gewinner65,004 %
60,589 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
Terminal-Bench 2.1Easy
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens
DeepSeek-V4-Pro: Ausgabegrenze: 128.000 tokens
Höherer Messwert91,667 %
66,667 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
Vals IndexCorpFin v2
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens
Gewinner66,434 %
61,888 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
Code MigrationCOBOL
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens
DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens
Höherer Messwert70 %
58,393 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
CorpFin v2Max Fitting Context
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens
Gewinner65,152 %
63,054 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
CyberBenchPoC
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
Gewinner93,22 %
57,627 %
Vals AI
Quellendetails
Datenstand: 03.08.2026
EMBDataroom
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens
DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens
Höherer Messwert85,243 %
62,572 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
Finance Agent (v2)All-Pass
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens
DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens
Höherer Messwert41,362 %
31,448 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
GPQA DiamondZero-Shot CoT
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens
DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 tokens
Höherer Messwert95,455 %
88,384 %
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 besserGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens
DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens
Kein direkter Sieger0 %
Kein direkter Sieger0 %
Vals AI
Quellendetails
Datenstand: 07.08.2026
IOIIOI 2025
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens
DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 tokens
Höherer Messwert88,333 %
40,333 %
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-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens
DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens
Höherer Messwert90,69 %
83,372 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
LegalBenchInterpretation Tasks
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens
DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 tokens
Höherer Messwert84,398 %
75,169 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
LiveCodeBench v6Hard
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens
67,429 %
Gewinner72,571 %
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 besserGPT-5.6 Sol: Snapshot: gpt-5.6-sol-xhigh, Reasoning: xhigh, Harness: Arena text, style control
DeepSeek-V4-Pro: Snapshot: deepseek-v4-pro, Harness: Arena text, style controlGPT-5.6 Sol: Stilbereinigte Arena-Bewertung aus 3.815 anonymen Paarvergleichen.DeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 10.743 anonymen Paarvergleichen.
Höherer Messwert1.487,572
95-%-Konfidenzintervall: ±10,213Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
1.460,843
95-%-Konfidenzintervall: ±6,925Der 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-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens
DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 tokens
Höherer Messwert93,283 %
91,888 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
ProgramBenchFully Resolved
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens
DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens
Höherer Messwert1,5 %
0 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
SkillsBenchWith Skills
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Sol: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 128.000 tokens
DeepSeek-V4-Pro: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 384.000 tokens
Höherer Messwert54,1 %
51,274 %
Vals AI
Quellendetails
Datenstand: 07.08.2026
SWE-bench Verified>4 hours
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens
DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 tokens
Höherer Messwert100 %
0 %
Vals AI
Quellendetails
Datenstand: 08.08.2026
TaxEval v2Stepwise Reasoning
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens
Gewinner84,546 %
83,565 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
Terminal-Bench 2.1Hard
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens
DeepSeek-V4-Pro: Ausgabegrenze: 128.000 tokens
Höherer Messwert84,444 %
31,111 %
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-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens
DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens
Höherer Messwert54,955 %
44,081 %
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-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens
DeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 tokens
Höherer Messwert3,847 / 5
3,401 / 5
Vals AI
Quellendetails
Datenstand: 09.08.2026
CorpFin v2Shared Max Context
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Ausgabegrenze: 128.000 tokens
Gewinner66,434 %
61,888 %
Vals AI
Quellendetails
Datenstand: 06.08.2026

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 GPT-5.6 Sol und DeepSeek-V4-Pro mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich