Zum Hauptinhalt springen

Direktvergleich

GPT-5.6 Terra vs. GPT-5.5

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

gemeinsame Messreihen
238
verschiedene Benchmarks
27
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 Terra und GPT-5.5
MerkmalGPT-5.6 TerraGPT-5.5
AnbieterOpenAIOpenAI
Erschienen26. Juni 2026Apr. 2026
VerfügbarkeitAktivAktiv
ModelltypProprietärProprietär
ParameterNicht veröffentlichtNicht veröffentlicht
ArchitekturNicht veröffentlichtNicht veröffentlicht
Kontextfenster1.050.000 Token1.050.000 Token
Wissensstand16. Februar 20261. Dezember 2025
Technische QuellenModell, Kontext, WissensstandModell

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-5.5
PreisartGPT-5.6 TerraGPT-5.5
API-Eingabe2 $ ≤272K / 4 $ >272K5 $ ≤272K / 10 $ >272K
API-Ausgabe12 $ ≤272K / 18 $ >272K30 $ ≤272K / 45 $ >272K
Cache lesen0,2 $ ≤272K / 0,4 $ >272K0,5 $ ≤272K / 1 $ >272K
Cache schreiben (5 Min.)2,5 $ ≤272K / 5 $ >272KNicht ausgewiesen
Cache schreiben (1 Std.)Nicht ausgewiesenNicht ausgewiesen
Preis geprüft11.08.2026 Quelle30.07.2026 Quelle
GPT-5.6 TerraGPT-5.5
API-EingabeUSD pro 1 Mio. Token, Basistarif
GPT-5.6 TerraGünstiger2 $
GPT-5.55 $
API-AusgabeUSD pro 1 Mio. Token, Basistarif
GPT-5.6 TerraGünstiger12 $
GPT-5.530 $
Cache lesenUSD pro 1 Mio. Token, Basistarif
GPT-5.6 TerraGünstiger0,2 $
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 GPT-5.6 Terra und GPT-5.5
ModellAnbieterBezugsweg und TarifEingabe pro 1 Mio. TokenAusgabe pro 1 Mio. TokenQuelle
GPT-5.6 TerraOpenAIDirekt beim EntwicklerBis 272.000 Kontext-Token2 $12 $Quelle11.08.2026
OpenAIDirekt beim EntwicklerÜber 272.000 Kontext-Token4 $18 $Quelle11.08.2026
Amazon BedrockÜber OpenRouteramazon-bedrock/us-east-12,2 $13,2 $Quelle25.08.2026
AzureÜber OpenRouterazure2 $12 $Quelle25.08.2026
AzureÜber OpenRouterazure/eu2,2 $13,2 $Quelle25.08.2026
AzureÜber OpenRouterazure/us2,2 $13,2 $Quelle25.08.2026
OpenAIÜber OpenRouteropenai2 $12 $Quelle25.08.2026
OpenAIÜber OpenRouteropenai/flexGünstigster erfasster Preis: 1 $Günstigster erfasster Preis: 6 $Quelle25.08.2026
OpenAIÜber OpenRouteropenai/priority4 $24 $Quelle25.08.2026
GPT-5.5OpenAIDirekt beim EntwicklerBis 272.000 Kontext-Token5 $30 $Quelle30.07.2026
OpenAIDirekt beim EntwicklerÜber 272.000 Kontext-Token10 $45 $Quelle30.07.2026
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 OpenRouteropenai5 $30 $Quelle25.08.2026
OpenAIÜber OpenRouteropenai/fast12,5 $75 $Quelle25.08.2026
OpenAIÜber OpenRouteropenai/flexGünstigster 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.

255075100CodingReasoningWissenFinanzenRechtAgenten-AufgabenMultimodalSuche
GPT-5.6 Terra
GPT-5.5
Coding: 93,2 / 96,8 (5 Benchmarkfamilien)
Reasoning: 97,2 / 99,8 (2 Benchmarkfamilien)
Wissen: 98,2 / 99,9 (1 Benchmarkfamilie)
Finanzen: 98,1 / 97,9 (5 Benchmarkfamilien)
Recht: 95,8 / 98,5 (3 Benchmarkfamilien)
Agenten-Aufgaben: 96,8 / 99,3 (2 Benchmarkfamilien)
Multimodal: 98 / 100 (1 Benchmarkfamilie)
Suche: 100 / 96,5 (1 Benchmarkfamilie)

171 passende Messreihen aus 26 Benchmarkfamilien wurden berücksichtigt. Das Radar zeigt 8 von 12 vergleichbaren Kategorien.

GPT-5.6 TerraGPT-5.5
BrowseCompOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 TerraGewinner87,5 %
GPT-5.584,4 %
Code MigrationOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 TerraGewinner47,804 %
GPT-5.545,161 %
CorpFin v2Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Terra65,307 %
GPT-5.5Gewinner68,415 %
EMBOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 TerraGewinner66,205 %
GPT-5.564,543 %
Finance Agent (v2)Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 TerraGewinner54,436 %
GPT-5.551,76 %
GPQA DiamondOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Terra90,909 %
GPT-5.5Gewinner93,182 %
Harvey's Legal Agent BenchmarkOverall · Task fully resolved. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Terra0,833 %
GPT-5.5Gewinner3,75 %
Legal Research BenchOverall · All-pass. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 TerraGewinner41,346 %
GPT-5.540,385 %
LegalBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Terra85,105 %
GPT-5.5Gewinner86,515 %
LiveBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Terra77,94 Punkte
GPT-5.5Gewinner80,19 Punkte
LiveCodeBench v6Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 TerraGewinner85,93 %
GPT-5.585,296 %
LMArena Text, Style ControlOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
GPT-5.6 Terra1.465,368
GPT-5.5Höherer Messwert1.476,271

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von GPT-5.6 Terra und GPT-5.5
Benchmark und AufgabeGPT-5.6 TerraGPT-5.5Quelle
BrowseCompOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1,266 tasksMessgröße: accuracyBewertung: Mehr ist besserHerstellerübergreifende Vergleichstabelle mit Browser-Werkzeugen. Die genauen Agentensysteme unterscheiden sich.
Gewinner87,5 %
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
Gewinner47,804 %
45,161 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
CorpFin v2Overall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser
65,307 %
Gewinner68,415 %
Vals AI
Quellendetails
Datenstand: 12.08.2026
EMBOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
Gewinner66,205 %
64,543 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
Finance Agent (v2)Overall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser
Gewinner54,436 %
51,76 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
GPQA DiamondOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
90,909 %
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
0,833 %
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
Gewinner41,346 %
40,385 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
LegalBenchOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
85,105 %
Gewinner86,515 %
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.
77,94 Punkte
Gewinner80,19 Punkte
LiveBench
Quellendetails
Datenstand: 25.06.2026
LiveCodeBench v6Overall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
Gewinner85,93 %
85,296 %
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 Terra: Snapshot: gpt-5.6-terra-xhigh, Reasoning: xhigh, Harness: Arena text, style control
GPT-5.5: Snapshot: gpt-5.5, Harness: Arena text, style controlGPT-5.6 Terra: Stilbereinigte Arena-Bewertung aus 20.216 anonymen Paarvergleichen.GPT-5.5: Stilbereinigte Arena-Bewertung aus 60.896 anonymen Paarvergleichen.
1.465,368
95-%-Konfidenzintervall: ±5,311Der 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
43,414 %
Gewinner49,1 %
Vals AI
Quellendetails
Datenstand: 20.08.2026
MedScribeOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
82,869 %
Gewinner86,868 %
Vals AI
Quellendetails
Datenstand: 20.08.2026
MMLU-ProOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
86,659 %
Gewinner88,144 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
MMMU-ProOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
86,474 %
Gewinner88,266 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
MortgageTaxOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
67,329 %
Gewinner68,76 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
ProgramBenchOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
Gleichstand0,5 %
Gleichstand0,5 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
Public Benefits Bench v1.1Overall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besser
Gewinner62,382 %
60,893 %
Vals AI
Quellendetails
Datenstand: 12.08.2026
SAGEOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
47,003 %
Gewinner51,532 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
SkillsBenchOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Harness: OpenHands
58,895 %
Gewinner62,209 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
SWE-bench VerifiedOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
Gewinner95,4 %
82,6 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
TaxEval v2Overall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser
Gewinner76,166 %
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
Gewinner77,528 %
76,404 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
Vals IndexOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: weighted index scoreBewertung: Mehr ist besser
Gewinner59,588 %
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
65,07 %
Gewinner68,071 %
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
Gewinner74,594 %
69,847 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
Code MigrationCLI
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
26,645 %
Gewinner36,882 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
CorpFin v2Exact Pages
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
63,17 %
Gewinner65,618 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
EMBComps
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Gewinner72,539 %
64,681 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
Finance Agent (v2)Adjustments
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Gewinner50,442 %
45,74 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
GPQA DiamondFew-Shot CoT
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
89,899 %
Gewinner93,434 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Criteria passed
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: criteria pass rateBewertung: Mehr ist besserEinstellungen: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
76,449 %
Gewinner82,246 %
Vals AI
Quellendetails
Datenstand: 07.08.2026
Legal Research BenchAdministrative / Regulatory · All-pass
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserEinstellungen: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Gewinner57,576 %
53,03 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
LegalBenchConclusion Tasks
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Gewinner90,327 %
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.
Gewinner54,9 Punkte
54 Punkte
LiveBench
Quellendetails
Datenstand: 25.06.2026
LiveCodeBench v6Easy
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
97,205 %
Gewinner98,447 %
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 Terra: Snapshot: gpt-5.6-terra-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 Terra: Stilbereinigte Arena-Bewertung aus 20.216 anonymen Paarvergleichen.GPT-5.5: Stilbereinigte Arena-Bewertung aus 59.545 anonymen Paarvergleichen.
1.465,368
95-%-Konfidenzintervall: ±5,311Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
Höherer Messwert1.481,893
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
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
93,026 %
Gewinner94,003 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
MortgageTaxNumerical Extraction
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
74,324 %
Gewinner76,153 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
ProgramBenchAlmost Resolved
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
6,5 %
Gewinner9,5 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
SAGEAutomata
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 30.000 tokens
GPT-5.5: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 30.000 tokens
38,889 %
Höherer Messwert40,476 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
SkillsBenchNo Skills
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: xhigh, Harness: OpenHands, Ausgabegrenze: 128.000 tokens
44,208 %
Gewinner49,875 %
Vals AI
Quellendetails
Datenstand: 07.08.2026
SWE-bench Verified<15 min fix
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
77,835 %
Gewinner91,753 %
Vals AI
Quellendetails
Datenstand: 08.08.2026
TaxEval v2Correctness
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Gewinner65,822 %
65,495 %
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 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
GPT-5.5: Reasoning: high, Ausgabegrenze: 128.000 tokens
Kein direkter Sieger83,333 %
Kein direkter Sieger83,333 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
Vals IndexCorpFin v2
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserEinstellungen: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
66,434 %
Gewinner69,58 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
Vals Multimodal IndexCorpFin v2
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserEinstellungen: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
66,434 %
Gewinner69,58 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
Code MigrationCOBOL
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
65,844 %
Gewinner70 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
CorpFin v2Max Fitting Context
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
66,317 %
Gewinner70,047 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
EMBDataroom
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Gewinner81,591 %
81,227 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
Finance Agent (v2)All-Pass
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Gewinner40,448 %
39,562 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
GPQA DiamondZero-Shot CoT
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
91,919 %
Gewinner92,929 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Task fully resolved
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserEinstellungen: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Gleichstand0 %
Gleichstand0 %
Vals AI
Quellendetails
Datenstand: 07.08.2026
Legal Research BenchAdministrative / Regulatory · Weighted partial credit
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: weighted partial-credit scoreBewertung: Mehr ist besserEinstellungen: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Gewinner86,696 %
86,669 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
LegalBenchInterpretation Tasks
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
83,178 %
Gewinner83,836 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
LiveBenchCoding
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2026-06-25Messgröße: category scoreBewertung: Mehr ist besserKategorie Coding innerhalb desselben LiveBench-Releases.
78,2 Punkte
Gewinner82,1 Punkte
LiveBench
Quellendetails
Datenstand: 25.06.2026
LiveCodeBench v6Hard
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Gewinner72,857 %
69,714 %
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 besserGPT-5.6 Terra: Snapshot: gpt-5.6-terra-xhigh, Reasoning: xhigh, Harness: Arena text, style control
GPT-5.5: Snapshot: gpt-5.5, Harness: Arena text, style controlGPT-5.6 Terra: Stilbereinigte Arena-Bewertung aus 3.864 anonymen Paarvergleichen.GPT-5.5: Stilbereinigte Arena-Bewertung aus 12.172 anonymen Paarvergleichen.
1.467,407
95-%-Konfidenzintervall: ±10,118Der 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
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
90,875 %
Gewinner92,015 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
MortgageTaxSemantic Extraction
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
60,334 %
Gewinner61,367 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
ProgramBenchFully Resolved
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Gleichstand0,5 %
Gleichstand0,5 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
SAGECalculus
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 30.000 tokens
GPT-5.5: Reasoning: xhigh, Temperatur: 1
59,259 %
Höherer Messwert72,222 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
SkillsBenchWith Skills
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: xhigh, Harness: OpenHands, Ausgabegrenze: 128.000 tokens
60,645 %
Gewinner62,209 %
Vals AI
Quellendetails
Datenstand: 07.08.2026

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 Terra und GPT-5.5 mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich