Direktvergleich

GPT-5.6 Terra vs. GPT-5.6 Luna

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

gemeinsame Messreihen: 209
verschiedene Benchmarks: 29
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-5.6 Luna
Merkmal	GPT-5.6 Terra	GPT-5.6 Luna
Anbieter	OpenAI	OpenAI
Erschienen	26. Juni 2026	26. Juni 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	16. Februar 2026
Technische Quellen	Modell, Kontext, Wissensstand	Modell, Kontext, Wissensstand

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-5.6 Luna
Preisart	GPT-5.6 Terra	GPT-5.6 Luna
API-Eingabe	2 $ ≤272K / 4 $ >272K	0,2 $ ≤272K / 0,4 $ >272K
API-Ausgabe	12 $ ≤272K / 18 $ >272K	1,2 $ ≤272K / 1,8 $ >272K
Cache lesen	0,2 $ ≤272K / 0,4 $ >272K	0,02 $ ≤272K / 0,04 $ >272K
Cache schreiben (5 Min.)	2,5 $ ≤272K / 5 $ >272K	0,25 $ ≤272K / 0,5 $ >272K
Cache schreiben (1 Std.)	Nicht ausgewiesen	Nicht ausgewiesen
Preis geprüft	11.08.2026 Quelle	11.08.2026 Quelle

GPT-5.6 TerraGPT-5.6 Luna

API-EingabeUSD pro 1 Mio. Token, Basistarif

GPT-5.6 Terra2 $

GPT-5.6 Luna0,2 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

GPT-5.6 Terra12 $

GPT-5.6 Luna1,2 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

GPT-5.6 Terra0,2 $

GPT-5.6 Luna0,02 $

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-5.6 Luna
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-5.6 Luna	OpenAI	Direkt beim EntwicklerBis 272.000 Kontext-Token	0,2 $	1,2 $	Quelle11.08.2026
	OpenAI	Direkt beim EntwicklerÜber 272.000 Kontext-Token	0,4 $	1,8 $	Quelle11.08.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock/us-east-1	0,22 $	1,32 $	Quelle25.08.2026
	Azure	Über OpenRouterazure	0,2 $	1,2 $	Quelle25.08.2026
	Azure	Über OpenRouterazure/eu	0,22 $	1,32 $	Quelle25.08.2026
	Azure	Über OpenRouterazure/us	0,22 $	1,32 $	Quelle25.08.2026
	OpenAI	Über OpenRouteropenai	0,2 $	1,2 $	Quelle25.08.2026
	OpenAI	Über OpenRouteropenai/flex	Günstigster erfasster Preis: 0,1 $	Günstigster erfasster Preis: 0,6 $	Quelle25.08.2026
	OpenAI	Über OpenRouteropenai/priority	0,4 $	2,4 $	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-5.6 Luna

Coding: 97,7 / 81,6 (6 Benchmarkfamilien)

Reasoning: 99,7 / 81,5 (3 Benchmarkfamilien)

Mathematik: 100 / 90,4 (2 Benchmarkfamilien)

Wissen: 100 / 99,1 (2 Benchmarkfamilien)

Finanzen: 99,6 / 99,7 (6 Benchmarkfamilien)

Recht: 91,7 / 96,4 (4 Benchmarkfamilien)

Agenten-Aufgaben: 98,5 / 74,2 (3 Benchmarkfamilien)

Multimodal: 100 / 98,3 (1 Benchmarkfamilie)

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

GPT-5.6 TerraGPT-5.6 Luna

ARC-AGI-2Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-5.6 Terra67,1 %

GPT-5.6 Luna29,3 %

ARC-AGI-3RHAE overall score. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-5.6 Terra0,49 %

GPT-5.6 Luna0,18 %

BrowseCompOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-5.6 Terra87,5 %

GPT-5.6 Luna83,3 %

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

GPT-5.6 Terra47,804 %

GPT-5.6 Luna44,55 %

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

GPT-5.6 Terra65,307 %

GPT-5.6 Luna64,219 %

EMBOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-5.6 Terra66,205 %

GPT-5.6 Luna67,116 %

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

GPT-5.6 Terra54,436 %

GPT-5.6 Luna55,044 %

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

GPT-5.6 Terra90,909 %

GPT-5.6 Luna91,666 %

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

GPT-5.6 Terra0,833 %

GPT-5.6 Luna1,25 %

IOIOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-5.6 Terra65,25 %

GPT-5.6 Luna72,917 %

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

GPT-5.6 Terra41,346 %

GPT-5.6 Luna36,538 %

LegalBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-5.6 Terra85,105 %

GPT-5.6 Luna84,034 %

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von GPT-5.6 Terra und GPT-5.6 Luna
Benchmark und Aufgabe	GPT-5.6 Terra	GPT-5.6 Luna	Quelle
ARC-AGI-2Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: exact task accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Versuche: two exact output guesses per taskDerselbe verifizierte Test mit fünf Reasoning-Stufen je Modell.	Gewinner67,1 %	29,3 %	ARC Prize Quellendetails Datenstand: 09.07.2026
ARC-AGI-3RHAE overall score Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: ARC-AGI-3 2026 verifiedMessgröße: RHAE scoreBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: high, Agent: ARC Prize official harness, Harness: ARC Prize official harness GPT-5.6 Luna: Reasoning: max, Agent: ARC Prize official harness, Harness: ARC Prize official harnessOffizieller ARC-Prize-Harness auf unbekannten interaktiven Umgebungen. Reasoning-Stufen bleiben getrennt.	Höherer Messwert0,49 %	0,18 %	ARC Prize Quellendetails Datenstand: 26.08.2026
BrowseCompOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1,266 tasksMessgröße: accuracyBewertung: Mehr ist besserHerstellerübergreifende Vergleichstabelle mit Browser-Werkzeugen. Die genauen Agentensysteme unterscheiden sich.	Gewinner87,5 % Redaktionelle Auswahl aus der Hersteller-Tabelle, kein vollständiger Auszug der Vergleichsgruppe.	83,3 % 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 %	44,55 %	Vals AI Quellendetails Datenstand: 19.08.2026
CorpFin v2Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser	Gewinner65,307 %	64,219 %	Vals AI Quellendetails Datenstand: 12.08.2026
EMBOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	66,205 %	Gewinner67,116 %	Vals AI Quellendetails Datenstand: 19.08.2026
Finance Agent (v2)Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser	54,436 %	Gewinner55,044 %	Vals AI Quellendetails Datenstand: 19.08.2026
GPQA DiamondOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	90,909 %	Gewinner91,666 %	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 %	Gewinner1,25 %	Vals AI Quellendetails Datenstand: 19.08.2026
IOIOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	65,25 %	Gewinner72,917 %	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	Gewinner41,346 %	36,538 %	Vals AI Quellendetails Datenstand: 19.08.2026
LegalBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner85,105 %	84,034 %	Vals AI Quellendetails Datenstand: 19.08.2026
LMArena Text, Style ControlOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 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-5.6 Luna: Snapshot: gpt-5.6-luna-xhigh, Reasoning: xhigh, Harness: Arena text, style controlGPT-5.6 Terra: Stilbereinigte Arena-Bewertung aus 20.216 anonymen Paarvergleichen.GPT-5.6 Luna: Stilbereinigte Arena-Bewertung aus 20.693 anonymen Paarvergleichen.	Gewinner1.465,368 95-%-Konfidenzintervall: ±5,311Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.450,797 95-%-Konfidenzintervall: ±5,266Der 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	Gewinner43,414 %	42,391 %	Vals AI Quellendetails Datenstand: 20.08.2026
MedScribeOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	82,869 %	Gewinner84,391 %	Vals AI Quellendetails Datenstand: 20.08.2026
MMLU-ProOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner86,659 %	86,036 %	Vals AI Quellendetails Datenstand: 19.08.2026
MMMU-ProOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner86,474 %	85,029 %	Vals AI Quellendetails Datenstand: 19.08.2026
MortgageTaxOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner67,329 %	67,29 %	Vals AI Quellendetails Datenstand: 19.08.2026
ProgramBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner0,5 %	0 %	Vals AI Quellendetails Datenstand: 19.08.2026
ProofBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner74 %	60 %	Vals AI Quellendetails Datenstand: 21.08.2026
Public Benefits Bench v1.1Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner62,382 %	61,164 %	Vals AI Quellendetails Datenstand: 12.08.2026
SAGEOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner47,003 %	44,22 %	Vals AI Quellendetails Datenstand: 19.08.2026
SkillsBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Harness: OpenHands	58,895 %	Gewinner60,447 %	Vals AI Quellendetails Datenstand: 19.08.2026
SWE-bench VerifiedOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner95,4 %	93 %	Vals AI Quellendetails Datenstand: 19.08.2026
TaxEval v2Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser	Gleichstand76,166 %	Gleichstand76,166 %	Vals AI Quellendetails Datenstand: 19.08.2026
Terminal-Bench 2.1Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besser	77,528 %	Gewinner79,026 %	Vals AI Quellendetails Datenstand: 19.08.2026
Vals IndexOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: weighted index scoreBewertung: Mehr ist besser	59,588 %	Gewinner59,881 %	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 %	Gewinner69,058 %	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	74,594 %	Gewinner77,055 %	Vals AI Quellendetails Datenstand: 19.08.2026
ARC-AGI-2Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: exact task accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: low, Versuche: two exact output guesses per taskDerselbe verifizierte Test mit fünf Reasoning-Stufen je Modell.	Gewinner18,8 %	5,1 %	ARC Prize Quellendetails Datenstand: 09.07.2026
ARC-AGI-3RHAE overall score Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: ARC-AGI-3 2026 verifiedMessgröße: RHAE scoreBewertung: Mehr ist besserEinstellungen: Reasoning: max, Agent: ARC Prize official harness, Harness: ARC Prize official harnessOffizieller ARC-Prize-Harness auf unbekannten interaktiven Umgebungen. Reasoning-Stufen bleiben getrennt.	Gewinner0,8 %	0,18 %	ARC Prize Quellendetails Datenstand: 26.08.2026
Code MigrationCLI Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	26,645 %	Höherer Messwert36,067 %	Vals AI Quellendetails Datenstand: 09.08.2026
CorpFin v2Exact Pages Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	63,17 %	Höherer Messwert63,52 %	Vals AI Quellendetails Datenstand: 06.08.2026
EMBComps Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert72,539 %	54,573 %	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 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	50,442 %	Höherer Messwert52,027 %	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 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	89,899 %	Höherer Messwert92,424 %	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 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	76,449 %	Höherer Messwert85,145 %	Vals AI Quellendetails Datenstand: 07.08.2026
IOIIOI 2024 Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	66,167 %	Höherer Messwert78 %	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 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert57,576 %	48,485 %	Vals AI Quellendetails Datenstand: 06.08.2026
LegalBenchConclusion Tasks Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert90,327 %	88,864 %	Vals AI Quellendetails Datenstand: 09.08.2026
LMArena Text, Style ControlBusiness, management and finance Testdetails Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: 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-5.6 Luna: Snapshot: gpt-5.6-luna-xhigh, Reasoning: xhigh, Harness: Arena text, style controlGPT-5.6 Terra: Stilbereinigte Arena-Bewertung aus 3.864 anonymen Paarvergleichen.GPT-5.6 Luna: Stilbereinigte Arena-Bewertung aus 3.979 anonymen Paarvergleichen.	Kein klarer Vorsprung1.467,407 95-%-Konfidenzintervall: ±10,118Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.466,521 95-%-Konfidenzintervall: ±10,029Der 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 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	93,026 %	Höherer Messwert93,305 %	Vals AI Quellendetails Datenstand: 09.08.2026
MortgageTaxNumerical Extraction Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	74,324 %	Höherer Messwert75,596 %	Vals AI Quellendetails Datenstand: 09.08.2026
ProgramBenchAlmost Resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	6,5 %	Höherer Messwert9 %	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-5.6 Luna: Reasoning: max, Ausgabegrenze: 30.000 tokens	Höherer Messwert38,889 %	31,35 %	Vals AI Quellendetails Datenstand: 09.08.2026
SkillsBenchNo Skills Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Harness: OpenHands, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 128.000 tokens	44,208 %	Höherer Messwert45,189 %	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 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	77,835 %	Höherer Messwert96,392 %	Vals AI Quellendetails Datenstand: 08.08.2026
TaxEval v2Correctness Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	65,822 %	Höherer Messwert66,558 %	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-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	Kein direkter Sieger83,333 %	Kein direkter Sieger83,333 %	Vals AI Quellendetails Datenstand: 06.08.2026
Vals IndexCorpFin v2 Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert66,434 %	65,035 %	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 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert66,434 %	65,035 %	Vals AI Quellendetails Datenstand: 09.08.2026
ARC-AGI-2Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: exact task accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: max, Versuche: two exact output guesses per taskDerselbe verifizierte Test mit fünf Reasoning-Stufen je Modell.	Gewinner83,9 %	59,5 %	ARC Prize Quellendetails Datenstand: 09.07.2026
ARC-AGI-3RHAE overall score Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: ARC-AGI-3 2026 verifiedMessgröße: RHAE scoreBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Agent: ARC Prize official harness, Harness: ARC Prize official harness GPT-5.6 Luna: Reasoning: max, Agent: ARC Prize official harness, Harness: ARC Prize official harnessOffizieller ARC-Prize-Harness auf unbekannten interaktiven Umgebungen. Reasoning-Stufen bleiben getrennt.	Höherer Messwert0,65 %	0,18 %	ARC Prize Quellendetails Datenstand: 26.08.2026
Code MigrationCOBOL Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	65,844 %	Höherer Messwert70 %	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 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert66,317 %	64,103 %	Vals AI Quellendetails Datenstand: 06.08.2026
EMBDataroom Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	81,591 %	Höherer Messwert83,009 %	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 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	40,448 %	Höherer Messwert43,285 %	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 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert91,919 %	90,909 %	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 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 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 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	64,333 %	Höherer Messwert67,833 %	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 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	86,696 %	Höherer Messwert87,513 %	Vals AI Quellendetails Datenstand: 06.08.2026
LegalBenchInterpretation Tasks Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	Höherer Messwert83,178 %	82,142 %	Vals AI Quellendetails Datenstand: 09.08.2026
LMArena Text, Style ControlChinese Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 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-5.6 Luna: Snapshot: gpt-5.6-luna-xhigh, Reasoning: xhigh, Harness: Arena text, style controlGPT-5.6 Terra: Stilbereinigte Arena-Bewertung aus 1.398 anonymen Paarvergleichen.GPT-5.6 Luna: Stilbereinigte Arena-Bewertung aus 1.471 anonymen Paarvergleichen.	Gewinner1.520,254 95-%-Konfidenzintervall: ±16,617Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.477,909 95-%-Konfidenzintervall: ±16,694Der 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 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens GPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens	90,875 %	Höherer Messwert91,001 %	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 Terra und GPT-5.6 Luna mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich