Direktvergleich

GPT-5.6 Sol vs. GPT-5.5

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

gemeinsame Messreihen: 246
verschiedene Benchmarks: 31
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 GPT-5.6 Sol und GPT-5.5
Merkmal	GPT-5.6 Sol	GPT-5.5
Anbieter	OpenAI	OpenAI
Erschienen	26. Juni 2026	Apr. 2026
Verfügbarkeit	Aktiv	Aktiv
Modelltyp	Proprietär	Proprietär
Parameter	Nicht veröffentlicht	Nicht veröffentlicht
Architektur	Nicht veröffentlicht	Nicht veröffentlicht
Kontextfenster	1.050.000 Token	1.050.000 Token
Wissensstand	16. Februar 2026	1. Dezember 2025
Technische Quellen	Modell, Kontext, Wissensstand	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 GPT-5.6 Sol und GPT-5.5
Preisart	GPT-5.6 Sol	GPT-5.5
API-Eingabe	4 $ ≤272K / 8 $ >272K	5 $ ≤272K / 10 $ >272K
API-Ausgabe	20 $ ≤272K / 30 $ >272K	30 $ ≤272K / 45 $ >272K
Cache lesen	0,4 $ ≤272K / 0,8 $ >272K	0,5 $ ≤272K / 1 $ >272K
Cache schreiben (5 Min.)	5 $ ≤272K / 10 $ >272K	Nicht ausgewiesen
Cache schreiben (1 Std.)	Nicht ausgewiesen	Nicht ausgewiesen
Preis geprüft	24.08.2026 Quelle	30.07.2026 Quelle

GPT-5.6 SolGPT-5.5

API-EingabeUSD pro 1 Mio. Token, Basistarif

GPT-5.6 Sol4 $

GPT-5.55 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

GPT-5.6 Sol20 $

GPT-5.530 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

GPT-5.6 Sol0,4 $

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 GPT-5.6 Sol und GPT-5.5
Modell	Anbieter	Bezugsweg und Tarif	Eingabe pro 1 Mio. Token	Ausgabe pro 1 Mio. Token	Quelle
GPT-5.6 Sol	OpenAI	Direkt beim EntwicklerBis 272.000 Kontext-Token	4 $	20 $	Quelle24.08.2026
	OpenAI	Direkt beim EntwicklerÜber 272.000 Kontext-Token	8 $	30 $	Quelle24.08.2026
	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	2 $	10 $	Quelle25.08.2026
	OpenAI	Über OpenRouteropenai/flex	Günstigster erfasster Preis: 1 $	Günstigster erfasster Preis: 5 $	Quelle25.08.2026
	OpenAI	Über OpenRouteropenai/priority	4 $	20 $	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.

GPT-5.6 Sol

GPT-5.5

Coding: 99,4 / 78,3 (5 Benchmarkfamilien)

Reasoning: 99,9 / 98,2 (2 Benchmarkfamilien)

Wissen: 100 / 98,9 (1 Benchmarkfamilie)

Finanzen: 98,3 / 97,1 (5 Benchmarkfamilien)

Recht: 88,9 / 94,5 (3 Benchmarkfamilien)

Agenten-Aufgaben: 95,7 / 84,4 (3 Benchmarkfamilien)

Multimodal: 100 / 99,3 (1 Benchmarkfamilie)

Suche: 100 / 93,4 (1 Benchmarkfamilie)

40 passende Messreihen aus 29 Benchmarkfamilien wurden berücksichtigt. Das Radar zeigt 8 von 14 vergleichbaren Kategorien.

GPT-5.6 SolGPT-5.5

AlmanBench v0.1Accepted cases. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-5.6 Sol95,141 %

GPT-5.595,432 %

BrowseCompOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-5.6 Sol90,4 %

GPT-5.584,4 %

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

GPT-5.6 Sol52,916 %

GPT-5.545,161 %

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

GPT-5.6 Sol64,375 %

GPT-5.568,415 %

CyberBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-5.6 Sol88,136 %

GPT-5.580,508 %

EMBOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-5.6 Sol72,339 %

GPT-5.564,543 %

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

GPT-5.6 Sol53,756 %

GPT-5.551,76 %

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

GPT-5.6 Sol95,202 %

GPT-5.593,182 %

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

GPT-5.6 Sol2,5 %

GPT-5.53,75 %

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

GPT-5.6 Sol48,077 %

GPT-5.540,385 %

LegalBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-5.6 Sol86,965 %

GPT-5.586,515 %

LiveBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-5.6 Sol81,05 Punkte

GPT-5.580,19 Punkte

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von GPT-5.6 Sol und GPT-5.5
Benchmark und Aufgabe	GPT-5.6 Sol	GPT-5.5	Quelle
AlmanBench v0.1Accepted cases Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: v0.1, results commit f34ddbfMessgröße: accepted casesBewertung: Mehr ist besserGPT-5.6 Sol: Reasoning: max GPT-5.5: Reasoning: xhigh1.029 öffentliche Aufgaben, ein direkter Lauf je Zeile. Gemessen wird die Alman-Sprachspezifikation.	95,141 %	Höherer Messwert95,432 %	Alman Institut Quellendetails Datenstand: 05.08.2026
BrowseCompOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1,266 tasksMessgröße: accuracyBewertung: Mehr ist besserHerstellerübergreifende Vergleichstabelle mit Browser-Werkzeugen. Die genauen Agentensysteme unterscheiden sich.	Gewinner90,4 % Redaktionelle Auswahl aus der Hersteller-Tabelle, kein vollständiger Auszug der Vergleichsgruppe.	84,4 % Redaktionelle Auswahl aus der Hersteller-Tabelle, kein vollständiger Auszug der Vergleichsgruppe.	OpenAI Quellendetails Datenstand: 09.07.2026
Code MigrationOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner52,916 %	45,161 %	Vals AI Quellendetails Datenstand: 19.08.2026
CorpFin v2Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser	64,375 %	Gewinner68,415 %	Vals AI Quellendetails Datenstand: 12.08.2026
CyberBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner88,136 %	80,508 %	Vals AI Quellendetails Datenstand: 03.08.2026
EMBOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner72,339 %	64,543 %	Vals AI Quellendetails Datenstand: 19.08.2026
Finance Agent (v2)Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser	Gewinner53,756 %	51,76 %	Vals AI Quellendetails Datenstand: 19.08.2026
GPQA DiamondOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner95,202 %	93,182 %	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	2,5 %	Gewinner3,75 %	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	Gewinner48,077 %	40,385 %	Vals AI Quellendetails Datenstand: 19.08.2026
LegalBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner86,965 %	86,515 %	Vals AI Quellendetails Datenstand: 19.08.2026
LiveBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2026-06-25Messgröße: composite scoreBewertung: Mehr ist besser23 objektiv bewertete Aufgaben in sieben Kategorien.	Gewinner81,05 Punkte	80,19 Punkte	LiveBench Quellendetails Datenstand: 25.06.2026
LiveCodeBench v6Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	82,604 %	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 besserGPT-5.6 Sol: Snapshot: gpt-5.6-sol-xhigh, Reasoning: xhigh, Harness: Arena text, style control GPT-5.5: Snapshot: gpt-5.5, Harness: Arena text, style controlGPT-5.6 Sol: Stilbereinigte Arena-Bewertung aus 19.541 anonymen Paarvergleichen.GPT-5.5: Stilbereinigte Arena-Bewertung aus 60.896 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.	1.476,271 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	43,974 %	Gewinner49,1 %	Vals AI Quellendetails Datenstand: 20.08.2026
MedScribeOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	85,233 %	Gewinner86,868 %	Vals AI Quellendetails Datenstand: 20.08.2026
MMLU-ProOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner89,1 %	88,144 %	Vals AI Quellendetails Datenstand: 19.08.2026
MMMU-ProOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner88,844 %	88,266 %	Vals AI Quellendetails Datenstand: 19.08.2026
MortgageTaxOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	67,289 %	Gewinner68,76 %	Vals AI Quellendetails Datenstand: 19.08.2026
ProgramBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner1,5 %	0,5 %	Vals AI Quellendetails Datenstand: 19.08.2026
Public Benefits Bench v1.1Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner66,509 %	60,893 %	Vals AI Quellendetails Datenstand: 12.08.2026
ReverseEngBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner30,534 %	3,817 %	Vals AI Quellendetails Datenstand: 10.08.2026
SAGEOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner52,563 %	51,532 %	Vals AI Quellendetails Datenstand: 19.08.2026
SkillsBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Harness: OpenHands	54,1 %	Gewinner62,209 %	Vals AI Quellendetails Datenstand: 19.08.2026
SWE-bench VerifiedOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner96,2 %	82,6 %	Vals AI Quellendetails Datenstand: 19.08.2026
TaxEval v2Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser	74,775 %	Gewinner74,98 %	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 %	76,404 %	Vals AI Quellendetails Datenstand: 19.08.2026
Time Horizon Index: KSPOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: progressBewertung: Mehr ist besser	Gewinner13 %	8,333 %	Vals AI Quellendetails Datenstand: 20.08.2026
Vals IndexOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: weighted index scoreBewertung: Mehr ist besser	Gewinner63,709 %	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	Gewinner72,64 %	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	Gewinner80,495 %	69,847 %	Vals AI Quellendetails Datenstand: 19.08.2026
BrowseCompOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1,266 tasksMessgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Sol: Reasoning: ultraHerstellerübergreifende Vergleichstabelle mit Browser-Werkzeugen. Die genauen Agentensysteme unterscheiden sich.	Höherer Messwert92,2 % Redaktionelle Auswahl aus der Hersteller-Tabelle, kein vollständiger Auszug der Vergleichsgruppe.	84,4 % Redaktionelle Auswahl aus der Hersteller-Tabelle, kein vollständiger Auszug der Vergleichsgruppe.	OpenAI Quellendetails Datenstand: 09.07.2026
Code MigrationCLI Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert47,221 %	36,882 %	Vals AI Quellendetails Datenstand: 09.08.2026
CorpFin v2Exact Pages Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	61,538 %	Höherer Messwert65,618 %	Vals AI Quellendetails Datenstand: 06.08.2026
CyberBenchPatch Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner83,051 %	81,356 %	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 GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert71,309 %	64,681 %	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 GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert49,233 %	45,74 %	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 GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert94,949 %	93,434 %	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 besserGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	78,623 %	Höherer Messwert82,246 %	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 besserGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert60,606 %	53,03 %	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 GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert90,492 %	89,644 %	Vals AI Quellendetails Datenstand: 09.08.2026
LiveBenchAgentic coding Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2026-06-25Messgröße: category scoreBewertung: Mehr ist besserKategorie Agentisches Coding innerhalb desselben LiveBench-Releases.	Gewinner56,2 Punkte	54 Punkte	LiveBench Quellendetails Datenstand: 25.06.2026
LiveCodeBench v6Easy Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	98,137 %	Höherer Messwert98,447 %	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 GPT-5.5: Snapshot: gpt-5.5-high, Reasoning: high, Harness: Arena text, style controlGPT-5.6 Sol: Stilbereinigte Arena-Bewertung aus 19.541 anonymen Paarvergleichen.GPT-5.5: Stilbereinigte Arena-Bewertung aus 59.545 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.	1.481,893 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 besserGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert94,561 %	94,003 %	Vals AI Quellendetails Datenstand: 09.08.2026
MortgageTaxNumerical Extraction Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	75,119 %	Höherer Messwert76,153 %	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 GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert23 %	9,5 %	Vals AI Quellendetails Datenstand: 09.08.2026
SAGEAutomata Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 30.000 tokens GPT-5.5: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 30.000 tokens	39,682 %	Höherer Messwert40,476 %	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 GPT-5.5: Reasoning: xhigh, Harness: OpenHands, Ausgabegrenze: 128.000 tokens	43,312 %	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 besserGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert97,423 %	91,753 %	Vals AI Quellendetails Datenstand: 08.08.2026
TaxEval v2Correctness Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	65,004 %	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 besserGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: high, Ausgabegrenze: 128.000 tokens	Höherer Messwert91,667 %	83,333 %	Vals AI Quellendetails Datenstand: 06.08.2026
Time Horizon Index: KSPProgress efficiency Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: progressBewertung: Mehr ist besserGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert10,634 %	6,032 %	Vals AI Quellendetails Datenstand: 05.08.2026
Vals IndexCorpFin v2 Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	66,434 %	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 besserGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	66,434 %	Höherer Messwert69,58 %	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 GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Kein direkter Sieger70 %	Kein direkter Sieger70 %	Vals AI Quellendetails Datenstand: 09.08.2026
CorpFin v2Max Fitting Context Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	65,152 %	Höherer Messwert70,047 %	Vals AI Quellendetails Datenstand: 06.08.2026
CyberBenchPoC Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner93,22 %	79,661 %	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 GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert85,243 %	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 besserGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert41,362 %	39,562 %	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 GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert95,455 %	92,929 %	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 besserGPT-5.6 Sol: Reasoning: max, 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 besserGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert90,69 %	86,669 %	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 GPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Höherer Messwert84,398 %	83,836 %	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 GPT-5.6 Sol und GPT-5.5 mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich