Direktvergleich

GPT-5.6 Terra vs. GPT-5.4 mini

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

gemeinsame Messreihen: 142
verschiedene Benchmarks: 21
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 Terra und GPT-5.4 mini
Merkmal	GPT-5.6 Terra	GPT-5.4 mini
Anbieter	OpenAI	OpenAI
Erschienen	26. Juni 2026	März 2026
Verfügbarkeit	Aktiv	Aktiv
Modelltyp	Proprietär	Proprietär
Parameter	Nicht veröffentlicht	Nicht veröffentlicht
Architektur	Nicht veröffentlicht	Nicht veröffentlicht
Kontextfenster	1.050.000 Token	400.000 Token
Wissensstand	16. Februar 2026	31. August 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 Terra und GPT-5.4 mini
Preisart	GPT-5.6 Terra	GPT-5.4 mini
API-Eingabe	2 $ ≤272K / 4 $ >272K	0,75 $
API-Ausgabe	12 $ ≤272K / 18 $ >272K	4,5 $
Cache lesen	0,2 $ ≤272K / 0,4 $ >272K	0,07 $
Cache schreiben (5 Min.)	2,5 $ ≤272K / 5 $ >272K	Nicht ausgewiesen
Cache schreiben (1 Std.)	Nicht ausgewiesen	Nicht ausgewiesen
Preis geprüft	11.08.2026 Quelle	30.07.2026 Quelle

GPT-5.6 TerraGPT-5.4 mini

API-EingabeUSD pro 1 Mio. Token, Basistarif

GPT-5.6 Terra2 $

GPT-5.4 mini0,75 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

GPT-5.6 Terra12 $

GPT-5.4 mini4,5 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

GPT-5.6 Terra0,2 $

GPT-5.4 mini0,075 $

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Preise nach Anbieter

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

Anbieterpreise von GPT-5.6 Terra und GPT-5.4 mini
Modell	Anbieter	Bezugsweg und Tarif	Eingabe pro 1 Mio. Token	Ausgabe pro 1 Mio. Token	Quelle
GPT-5.6 Terra	OpenAI	Direkt beim EntwicklerBis 272.000 Kontext-Token	2 $	12 $	Quelle11.08.2026
	OpenAI	Direkt beim EntwicklerÜber 272.000 Kontext-Token	4 $	18 $	Quelle11.08.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock/us-east-1	2,2 $	13,2 $	Quelle25.08.2026
	Azure	Über OpenRouterazure	2 $	12 $	Quelle25.08.2026
	Azure	Über OpenRouterazure/eu	2,2 $	13,2 $	Quelle25.08.2026
	Azure	Über OpenRouterazure/us	2,2 $	13,2 $	Quelle25.08.2026
	OpenAI	Über OpenRouteropenai	2 $	12 $	Quelle25.08.2026
	OpenAI	Über OpenRouteropenai/flex	Günstigster erfasster Preis: 1 $	Günstigster erfasster Preis: 6 $	Quelle25.08.2026
	OpenAI	Über OpenRouteropenai/priority	4 $	24 $	Quelle25.08.2026
GPT-5.4 mini	OpenAI	Direkt beim EntwicklerStandard-API	0,75 $	4,5 $	Quelle30.07.2026
	Azure	Über OpenRouterazure	0,75 $	4,5 $	Quelle25.08.2026
	Azure	Über OpenRouterazure/us	0,825 $	4,95 $	Quelle25.08.2026
	OpenAI	Über OpenRouteropenai	0,75 $	4,5 $	Quelle25.08.2026
	OpenAI	Über OpenRouteropenai/flex	Günstigster erfasster Preis: 0,375 $	Günstigster erfasster Preis: 2,25 $	Quelle25.08.2026
	OpenAI	Über OpenRouteropenai/priority	1,5 $	9 $	Quelle25.08.2026

Leistung

Gemeinsame Benchmarks

Nur veröffentlichte Ergebnisse mit derselben Benchmark-Version, Aufgabe, Metrik und Vergleichskohorte werden gegenübergestellt. Wenn Anbieter unterschiedliche Reasoning-Stufen, Agenten oder Ausgabegrenzen verwendet haben, steht das direkt in der Tabelle.

Fähigkeitsprofil aus vergleichbaren Benchmarks

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

GPT-5.6 Terra

GPT-5.4 mini

Coding: 99,7 / 52,1 (6 Benchmarkfamilien)

Reasoning: 100 / 91,4 (1 Benchmarkfamilie)

Wissen: 100 / 97,5 (1 Benchmarkfamilie)

Finanzen: 99,6 / 86,4 (5 Benchmarkfamilien)

Recht: 100 / 27,5 (2 Benchmarkfamilien)

Agenten-Aufgaben: 100 / 70,5 (1 Benchmarkfamilie)

Multimodal: 100 / 91,6 (1 Benchmarkfamilie)

Bildung: 94,5 / 100 (1 Benchmarkfamilie)

108 passende Messreihen aus 20 Benchmarkfamilien wurden berücksichtigt. Das Radar zeigt 8 von 9 vergleichbaren Kategorien.

GPT-5.6 TerraGPT-5.4 mini

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

GPT-5.6 Terra47,804 %

GPT-5.4 mini12,936 %

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

GPT-5.6 Terra65,307 %

GPT-5.4 mini60,917 %

EMBOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-5.6 Terra66,205 %

GPT-5.4 mini45,426 %

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

GPT-5.6 Terra54,436 %

GPT-5.4 mini45,36 %

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

GPT-5.6 Terra90,909 %

GPT-5.4 mini83,08 %

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

GPT-5.6 Terra0,833 %

GPT-5.4 mini0 %

IOIOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-5.6 Terra65,25 %

GPT-5.4 mini6,417 %

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

GPT-5.6 Terra41,346 %

GPT-5.4 mini12,5 %

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

GPT-5.6 Terra85,93 %

GPT-5.4 mini81,465 %

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

GPT-5.6 Terra1.465,368

GPT-5.4 mini1.448,161

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

GPT-5.6 Terra86,659 %

GPT-5.4 mini84,554 %

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

GPT-5.6 Terra86,474 %

GPT-5.4 mini79,249 %

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von GPT-5.6 Terra und GPT-5.4 mini
Benchmark und Aufgabe	GPT-5.6 Terra	GPT-5.4 mini	Quelle
Code MigrationOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17	Gewinner47,804 %	12,936 %	Vals AI Quellendetails Datenstand: 19.08.2026
CorpFin v2Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17	Gewinner65,307 %	60,917 %	Vals AI Quellendetails Datenstand: 12.08.2026
EMBOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17	Gewinner66,205 %	45,426 %	Vals AI Quellendetails Datenstand: 19.08.2026
Finance Agent (v2)Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17	Gewinner54,436 %	45,36 %	Vals AI Quellendetails Datenstand: 19.08.2026
GPQA DiamondOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17	Gewinner90,909 %	83,08 %	Vals AI Quellendetails Datenstand: 19.08.2026
Harvey's Legal Agent BenchmarkOverall · Task fully resolved Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17	Gewinner0,833 %	0 %	Vals AI Quellendetails Datenstand: 19.08.2026
IOIOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17	Gewinner65,25 %	6,417 %	Vals AI Quellendetails Datenstand: 09.08.2026
Legal Research BenchOverall · All-pass Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17	Gewinner41,346 %	12,5 %	Vals AI Quellendetails Datenstand: 19.08.2026
LiveCodeBench v6Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17	Gewinner85,93 %	81,465 %	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 Terra: Snapshot: gpt-5.6-terra-xhigh, Reasoning: xhigh, Harness: Arena text, style control GPT-5.4 mini: Snapshot: gpt-5.4-mini-high, Reasoning: high, Harness: Arena text, style controlGPT-5.6 Terra: Stilbereinigte Arena-Bewertung aus 20.216 anonymen Paarvergleichen.GPT-5.4 mini: Stilbereinigte Arena-Bewertung aus 59.502 anonymen Paarvergleichen.	Höherer Messwert1.465,368 95-%-Konfidenzintervall: ±5,311Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.448,161 95-%-Konfidenzintervall: ±3,857Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 21.08.2026
MMLU-ProOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17	Gewinner86,659 %	84,554 %	Vals AI Quellendetails Datenstand: 19.08.2026
MMMU-ProOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17	Gewinner86,474 %	79,249 %	Vals AI Quellendetails Datenstand: 19.08.2026
MortgageTaxOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17	Gewinner67,329 %	63,514 %	Vals AI Quellendetails Datenstand: 19.08.2026
ProgramBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17	Gewinner0,5 %	0 %	Vals AI Quellendetails Datenstand: 19.08.2026
SAGEOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17	47,003 %	Gewinner50,813 %	Vals AI Quellendetails Datenstand: 19.08.2026
SWE-bench VerifiedOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17	Gewinner95,4 %	73 %	Vals AI Quellendetails Datenstand: 19.08.2026
TaxEval v2Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17	Gewinner76,166 %	71,218 %	Vals AI Quellendetails Datenstand: 19.08.2026
Terminal-Bench 2.1Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17	Gewinner77,528 %	54,682 %	Vals AI Quellendetails Datenstand: 19.08.2026
Vals IndexOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: weighted index scoreBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17	Gewinner59,588 %	39,632 %	Vals AI Quellendetails Datenstand: 19.08.2026
Vals Multimodal IndexOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.2Messgröße: weighted index scoreBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17	Gewinner65,07 %	54,219 %	Vals AI Quellendetails Datenstand: 11.08.2026
Vibe Code Bench v1.1Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Harness: OpenHands GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Harness: OpenHands	Gewinner74,594 %	47,969 %	Vals AI Quellendetails Datenstand: 19.08.2026
Code MigrationCLI Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Gewinner26,645 %	8,2 %	Vals AI Quellendetails Datenstand: 09.08.2026
CorpFin v2Exact Pages Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Gewinner63,17 %	61,538 %	Vals AI Quellendetails Datenstand: 06.08.2026
EMBComps Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Gewinner72,539 %	40,488 %	Vals AI Quellendetails Datenstand: 06.08.2026
Finance Agent (v2)Adjustments Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Gewinner50,442 %	45,366 %	Vals AI Quellendetails Datenstand: 06.08.2026
GPQA DiamondFew-Shot CoT Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Gewinner89,899 %	84,848 %	Vals AI Quellendetails Datenstand: 09.08.2026
IOIIOI 2024 Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Gewinner66,167 %	6,667 %	Vals AI Quellendetails Datenstand: 09.08.2026
Legal Research BenchAdministrative / Regulatory · All-pass Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Gewinner57,576 %	15,152 %	Vals AI Quellendetails Datenstand: 06.08.2026
LiveCodeBench v6Easy Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	97,205 %	Gewinner97,826 %	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 Terra: Snapshot: gpt-5.6-terra-xhigh, Reasoning: xhigh, Harness: Arena text, style control GPT-5.4 mini: Snapshot: gpt-5.4-mini-high, Reasoning: high, Harness: Arena text, style controlGPT-5.6 Terra: Stilbereinigte Arena-Bewertung aus 3.864 anonymen Paarvergleichen.GPT-5.4 mini: Stilbereinigte Arena-Bewertung aus 12.118 anonymen Paarvergleichen.	Höherer Messwert1.467,407 95-%-Konfidenzintervall: ±10,118Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.459,918 95-%-Konfidenzintervall: ±6,664Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 21.08.2026
MMLU-ProBiology Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Gewinner93,026 %	91,353 %	Vals AI Quellendetails Datenstand: 09.08.2026
MortgageTaxNumerical Extraction Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	74,324 %	Gewinner79,412 %	Vals AI Quellendetails Datenstand: 09.08.2026
ProgramBenchAlmost Resolved Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Gewinner6,5 %	3 %	Vals AI Quellendetails Datenstand: 09.08.2026
SAGEAutomata Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 30.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 30.000 tokens	38,889 %	Gewinner41,27 %	Vals AI Quellendetails Datenstand: 09.08.2026
SWE-bench Verified<15 min fix Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	77,835 %	Gewinner85,567 %	Vals AI Quellendetails Datenstand: 08.08.2026
TaxEval v2Correctness Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Gewinner65,822 %	63,042 %	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 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: high, Ausgabegrenze: 128.000 tokens	Höherer Messwert83,333 %	75 %	Vals AI Quellendetails Datenstand: 06.08.2026
Vals IndexCorpFin v2 Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Gewinner66,434 %	60,256 %	Vals AI Quellendetails Datenstand: 09.08.2026
Vals Multimodal IndexCorpFin v2 Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Gewinner66,434 %	60,256 %	Vals AI Quellendetails Datenstand: 09.08.2026
Code MigrationCOBOL Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Gewinner65,844 %	27,143 %	Vals AI Quellendetails Datenstand: 09.08.2026
CorpFin v2Max Fitting Context Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Gewinner66,317 %	60,956 %	Vals AI Quellendetails Datenstand: 06.08.2026
EMBDataroom Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Gewinner81,591 %	48,286 %	Vals AI Quellendetails Datenstand: 06.08.2026
Finance Agent (v2)All-Pass Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Gewinner40,448 %	32,369 %	Vals AI Quellendetails Datenstand: 06.08.2026
GPQA DiamondZero-Shot CoT Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Gewinner91,919 %	81,313 %	Vals AI Quellendetails Datenstand: 09.08.2026
IOIIOI 2025 Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Gewinner64,333 %	6,167 %	Vals AI Quellendetails Datenstand: 09.08.2026
Legal Research BenchAdministrative / Regulatory · Weighted partial credit Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: weighted partial-credit scoreBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Gewinner86,696 %	69,72 %	Vals AI Quellendetails Datenstand: 06.08.2026
LiveCodeBench v6Hard Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Gewinner72,857 %	61,714 %	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 besserGPT-5.6 Terra: Snapshot: gpt-5.6-terra-xhigh, Reasoning: xhigh, Harness: Arena text, style control GPT-5.4 mini: Snapshot: gpt-5.4-mini-high, Reasoning: high, Harness: Arena text, style controlGPT-5.6 Terra: Stilbereinigte Arena-Bewertung aus 1.398 anonymen Paarvergleichen.GPT-5.4 mini: Stilbereinigte Arena-Bewertung aus 3.222 anonymen Paarvergleichen.	Höherer Messwert1.520,254 95-%-Konfidenzintervall: ±16,617Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.478,454 95-%-Konfidenzintervall: ±11,501Der 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 Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Gewinner90,875 %	89,734 %	Vals AI Quellendetails Datenstand: 09.08.2026
MortgageTaxSemantic Extraction Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Gewinner60,334 %	47,615 %	Vals AI Quellendetails Datenstand: 09.08.2026
ProgramBenchFully Resolved Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Gewinner0,5 %	0 %	Vals AI Quellendetails Datenstand: 09.08.2026
SAGECalculus Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 30.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 30.000 tokens	Gleichstand59,259 %	Gleichstand59,259 %	Vals AI Quellendetails Datenstand: 09.08.2026
SWE-bench Verified>4 hours Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Gewinner33,333 %	0 %	Vals AI Quellendetails Datenstand: 08.08.2026
TaxEval v2Stepwise Reasoning Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Gewinner86,509 %	79,395 %	Vals AI Quellendetails Datenstand: 09.08.2026
Terminal-Bench 2.1Hard Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: high, Ausgabegrenze: 128.000 tokens	Höherer Messwert63,333 %	34,444 %	Vals AI Quellendetails Datenstand: 06.08.2026
Vals IndexFinance Agent v2 Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Gewinner52,626 %	45,407 %	Vals AI Quellendetails Datenstand: 09.08.2026
Vals Multimodal IndexFinance Agent v2 Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Gewinner52,626 %	45,407 %	Vals AI Quellendetails Datenstand: 09.08.2026
Code MigrationCode Quality Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: mean reviewer code-quality ratingBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Gewinner3,305 / 5	3,053 / 5	Vals AI Quellendetails Datenstand: 09.08.2026
CorpFin v2Shared Max Context Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Gewinner66,434 %	60,256 %	Vals AI Quellendetails Datenstand: 06.08.2026
EMBDCF Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Gewinner63,137 %	40,605 %	Vals AI Quellendetails Datenstand: 06.08.2026
Finance Agent (v2)Comparables Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Gewinner45,218 %	40,273 %	Vals AI Quellendetails Datenstand: 06.08.2026
Legal Research BenchBusiness & Commercial · All-pass Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Gewinner37,209 %	11,628 %	Vals AI Quellendetails Datenstand: 06.08.2026
LiveCodeBench v6Medium Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens	Gewinner87,728 %	84,856 %	Vals AI Quellendetails Datenstand: 09.08.2026
LMArena Text, Style ControlCoding Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGPT-5.6 Terra: Snapshot: gpt-5.6-terra-xhigh, Reasoning: xhigh, Harness: Arena text, style control GPT-5.4 mini: Snapshot: gpt-5.4-mini-high, Reasoning: high, Harness: Arena text, style controlGPT-5.6 Terra: Stilbereinigte Arena-Bewertung aus 5.622 anonymen Paarvergleichen.GPT-5.4 mini: Stilbereinigte Arena-Bewertung aus 16.230 anonymen Paarvergleichen.	Höherer Messwert1.517,046 95-%-Konfidenzintervall: ±8,553Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.496,23 95-%-Konfidenzintervall: ±6,038Der 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 GPT-5.6 Terra und GPT-5.4 mini mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich