Direktvergleich

GPT-5.6 Terra vs. Kimi K2.6

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

gemeinsame Messreihen: 197
verschiedene Benchmarks: 24
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 Kimi K2.6
Merkmal	GPT-5.6 Terra	Kimi K2.6
Anbieter	OpenAI	Moonshot AI
Erschienen	26. Juni 2026	20. Apr. 2026
Verfügbarkeit	Aktiv	Aktiv
Modelltyp	Proprietär	Open Weights
Parameter	Nicht veröffentlicht	1 Billionen, 32 Mrd. aktiv
Architektur	Nicht veröffentlicht	Mixture of Experts
Kontextfenster	1.050.000 Token	262.144 Token
Wissensstand	16. Februar 2026	Nicht veröffentlicht
Technische Quellen	Modell, Kontext, Wissensstand	Modell, Kontext

Kosten

API-Preise im Vergleich

Die Tabelle vergleicht die offiziellen Standard-API-Tarife pro 1 Mio. Token einschließlich veröffentlichter Cache-Preise. Batch, Fast, Priority, regionale Aufschläge, Toolaufrufe und Cloudpreise sind nicht eingerechnet.

API-Preise von GPT-5.6 Terra und Kimi K2.6
Preisart	GPT-5.6 Terra	Kimi K2.6
API-Eingabe	2 $ ≤272K / 4 $ >272K	0,95 $
API-Ausgabe	12 $ ≤272K / 18 $ >272K	4 $
Cache lesen	0,2 $ ≤272K / 0,4 $ >272K	0,16 $
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 TerraKimi K2.6

API-EingabeUSD pro 1 Mio. Token, Basistarif

GPT-5.6 Terra2 $

Kimi K2.60,95 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

GPT-5.6 Terra12 $

Kimi K2.64 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

GPT-5.6 Terra0,2 $

Kimi K2.60,16 $

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 Kimi K2.6
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
Kimi K2.6	Moonshot AI	Direkt beim EntwicklerStandard-API	0,95 $	4 $	Quelle30.07.2026
	AtlasCloud	Über OpenRouteratlas-cloud/int4	0,95 $	4 $	Quelle25.08.2026
	Baidu	Über OpenRouterbaidu/fp4	0,95 $	4 $	Quelle25.08.2026
	BaseTen	Über OpenRouterbaseten/fp4	0,95 $	4 $	Quelle25.08.2026
	Chutes	Über OpenRouterchutes/int4	0,58 $	3,4 $	Quelle25.08.2026
	Cloudflare	Über OpenRoutercloudflare	0,95 $	4 $	Quelle25.08.2026
	CoreWeave	Über OpenRoutercoreweave/fp4	0,65 $	3,41 $	Quelle25.08.2026
	Crusoe	Über OpenRoutercrusoe/bf16	0,7 $	3,5 $	Quelle25.08.2026
	Decart	Über OpenRouterdecart/fp4	0,5865 $	Günstigster erfasster Preis: 2,4696 $	Quelle25.08.2026
	DeepInfra	Über OpenRouterdeepinfra/fp4	0,75 $	3,5 $	Quelle25.08.2026
	DigitalOcean	Über OpenRouterdigitalocean	0,95 $	4 $	Quelle25.08.2026
	Fireworks	Über OpenRouterfireworks	0,95 $	4 $	Quelle25.08.2026
	GMICloud	Über OpenRoutergmicloud/fp8	0,855 $	3,6 $	Quelle25.08.2026
	Inceptron	Über OpenRouterinceptron/int4	Günstigster erfasster Preis: 0,57 $	3,39 $	Quelle25.08.2026
	Moonshot AI	Über OpenRoutermoonshotai/int4	0,95 $	4 $	Quelle25.08.2026
	Novita	Über OpenRouternovita	0,8 $	3,4 $	Quelle25.08.2026
	Parasail	Über OpenRouterparasail/int4	0,75 $	3,5 $	Quelle25.08.2026
	Phala	Über OpenRouterphala	1,09 $	4,6 $	Quelle25.08.2026
	SiliconFlow	Über OpenRoutersiliconflow/fp8	0,77 $	3,4 $	Quelle25.08.2026
	StreamLake	Über OpenRouterstreamlake/fp8	0,5985 $	2,52 $	Quelle25.08.2026
	Venice	Über OpenRoutervenice/int4	0,75 $	3,5 $	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

Kimi K2.6

Coding: 99,8 / 57,8 (5 Benchmarkfamilien)

Reasoning: 100 / 98,1 (1 Benchmarkfamilie)

Wissen: 99 / 100 (1 Benchmarkfamilie)

Finanzen: 99,6 / 93,1 (5 Benchmarkfamilien)

Recht: 83,3 / 79,3 (3 Benchmarkfamilien)

Agenten-Aufgaben: 100 / 69,1 (1 Benchmarkfamilie)

Multimodal: 100 / 99,8 (1 Benchmarkfamilie)

Produktivität: 100 / 90,8 (1 Benchmarkfamilie)

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

GPT-5.6 TerraKimi K2.6

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

GPT-5.6 Terra47,804 %

Kimi K2.627,768 %

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

GPT-5.6 Terra65,307 %

Kimi K2.666,744 %

EMBOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-5.6 Terra66,205 %

Kimi K2.657,855 %

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

GPT-5.6 Terra54,436 %

Kimi K2.644,899 %

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

GPT-5.6 Terra90,909 %

Kimi K2.689,142 %

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

GPT-5.6 Terra0,833 %

Kimi K2.61,667 %

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

GPT-5.6 Terra41,346 %

Kimi K2.615,865 %

LegalBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-5.6 Terra85,105 %

Kimi K2.684,738 %

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

GPT-5.6 Terra85,93 %

Kimi K2.686,771 %

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

GPT-5.6 Terra1.465,368

Kimi K2.61.460,65

MedCodeOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-5.6 Terra43,414 %

Kimi K2.640,142 %

MedScribeOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-5.6 Terra82,869 %

Kimi K2.678,149 %

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von GPT-5.6 Terra und Kimi K2.6
Benchmark und Aufgabe	GPT-5.6 Terra	Kimi K2.6	Quelle
Code MigrationOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner47,804 %	27,768 %	Vals AI Quellendetails Datenstand: 19.08.2026
CorpFin v2Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser	65,307 %	Gewinner66,744 %	Vals AI Quellendetails Datenstand: 12.08.2026
EMBOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner66,205 %	57,855 %	Vals AI Quellendetails Datenstand: 19.08.2026
Finance Agent (v2)Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser	Gewinner54,436 %	44,899 %	Vals AI Quellendetails Datenstand: 19.08.2026
GPQA DiamondOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner90,909 %	89,142 %	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 %	Gewinner1,667 %	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 %	15,865 %	Vals AI Quellendetails Datenstand: 19.08.2026
LegalBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner85,105 %	84,738 %	Vals AI Quellendetails Datenstand: 19.08.2026
LiveCodeBench v6Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	85,93 %	Gewinner86,771 %	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 Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlGPT-5.6 Terra: Stilbereinigte Arena-Bewertung aus 20.216 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 37.543 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.	1.460,65 95-%-Konfidenzintervall: ±4,54Der 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 %	40,142 %	Vals AI Quellendetails Datenstand: 20.08.2026
MedScribeOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner82,869 %	78,149 %	Vals AI Quellendetails Datenstand: 20.08.2026
MMLU-ProOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	86,659 %	Gewinner87,572 %	Vals AI Quellendetails Datenstand: 19.08.2026
MMMU-ProOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner86,474 %	86,301 %	Vals AI Quellendetails Datenstand: 19.08.2026
MortgageTaxOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner67,329 %	65,818 %	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
Public Benefits Bench v1.1Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner62,382 %	56,631 %	Vals AI Quellendetails Datenstand: 12.08.2026
SAGEOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	47,003 %	Gewinner50,224 %	Vals AI Quellendetails Datenstand: 19.08.2026
SWE-bench VerifiedOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner95,4 %	76,2 %	Vals AI Quellendetails Datenstand: 19.08.2026
TaxEval v2Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser	Gewinner76,166 %	74,652 %	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 %	53,558 %	Vals AI Quellendetails Datenstand: 19.08.2026
Vals IndexOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: weighted index scoreBewertung: Mehr ist besser	Gewinner59,588 %	43,465 %	Vals AI Quellendetails Datenstand: 19.08.2026
Vals Multimodal IndexOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.2Messgröße: weighted index scoreBewertung: Mehr ist besser	Gewinner65,07 %	56,434 %	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 %	37,891 %	Vals AI Quellendetails Datenstand: 19.08.2026
Code MigrationCLI Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens	Höherer Messwert26,645 %	17,977 %	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 Kimi K2.6: Top P: 0.95, Ausgabegrenze: 48.000 tokens	63,17 %	Höherer Messwert64,802 %	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 Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens	Höherer Messwert72,539 %	61,395 %	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 Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens	Höherer Messwert50,442 %	37,934 %	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 Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens	Kein direkter Sieger89,899 %	Kein direkter Sieger89,899 %	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 Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens	Höherer Messwert76,449 %	63,768 %	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 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens	Höherer Messwert57,576 %	18,182 %	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 Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens	Höherer Messwert90,327 %	89,413 %	Vals AI Quellendetails Datenstand: 09.08.2026
LiveCodeBench v6Easy Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 256.000 tokens	97,205 %	Höherer Messwert99,068 %	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 Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlGPT-5.6 Terra: Stilbereinigte Arena-Bewertung aus 3.864 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 7.490 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.	1.456,017 95-%-Konfidenzintervall: ±7,737Der 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 Kimi K2.6: Top P: 0.95, Ausgabegrenze: 96.000 tokens	93,026 %	Höherer Messwert93,724 %	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 Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens	74,324 %	Höherer Messwert74,483 %	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 Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens	Höherer Messwert6,5 %	0,5 %	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 Kimi K2.6: Top P: 0.95, Ausgabegrenze: 96.000 tokens	38,889 %	Höherer Messwert42,857 %	Vals AI Quellendetails Datenstand: 09.08.2026
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 Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens	77,835 %	Höherer Messwert87,629 %	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 Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens	Höherer Messwert65,822 %	62,715 %	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 Kimi K2.6: Top P: 0.95, Ausgabegrenze: 256.000 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 Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens	66,434 %	Höherer Messwert68,182 %	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 Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens	66,434 %	Höherer Messwert68,182 %	Vals AI Quellendetails Datenstand: 09.08.2026
Code MigrationCOBOL Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens	Höherer Messwert65,844 %	57,143 %	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 Kimi K2.6: Top P: 0.95, Ausgabegrenze: 48.000 tokens	66,317 %	Höherer Messwert67,249 %	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 Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens	Höherer Messwert81,591 %	75,069 %	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 Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens	Höherer Messwert40,448 %	32,584 %	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 Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens	Höherer Messwert91,919 %	88,384 %	Vals AI Quellendetails Datenstand: 09.08.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Kimi K2.6: Top P: 0.95, 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 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens	Höherer Messwert86,696 %	75,531 %	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 Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens	Höherer Messwert83,178 %	82,197 %	Vals AI Quellendetails Datenstand: 09.08.2026
LiveCodeBench v6Hard Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 256.000 tokens	Höherer Messwert72,857 %	71,429 %	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 Kimi K2.6: Snapshot: kimi-k2.6, Harness: Arena text, style controlGPT-5.6 Terra: Stilbereinigte Arena-Bewertung aus 1.398 anonymen Paarvergleichen.Kimi K2.6: Stilbereinigte Arena-Bewertung aus 1.901 anonymen Paarvergleichen.	1.520,254 95-%-Konfidenzintervall: ±16,617Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.527,8 95-%-Konfidenzintervall: ±14,479Der 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 Kimi K2.6: Top P: 0.95, Ausgabegrenze: 96.000 tokens	90,875 %	Höherer Messwert91,635 %	Vals AI Quellendetails Datenstand: 09.08.2026
MortgageTaxSemantic Extraction Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens	Höherer Messwert60,334 %	57,154 %	Vals AI Quellendetails Datenstand: 09.08.2026
ProgramBenchFully Resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens	Höherer Messwert0,5 %	0 %	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 Kimi K2.6: Top P: 0.95, Ausgabegrenze: 96.000 tokens	Höherer Messwert59,259 %	22,839 %	Vals AI Quellendetails Datenstand: 09.08.2026
SWE-bench Verified>4 hours Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens	Höherer Messwert33,333 %	0 %	Vals AI Quellendetails Datenstand: 08.08.2026
TaxEval v2Stepwise Reasoning Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens	86,509 %	Höherer Messwert86,59 %	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 Kimi K2.6: Top P: 0.95, Ausgabegrenze: 256.000 tokens	Höherer Messwert63,333 %	25,556 %	Vals AI Quellendetails Datenstand: 06.08.2026
Vals IndexFinance Agent v2 Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens	Höherer Messwert52,626 %	44,932 %	Vals AI Quellendetails Datenstand: 09.08.2026
Vals Multimodal IndexFinance Agent v2 Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens	Höherer Messwert52,626 %	44,932 %	Vals AI Quellendetails Datenstand: 09.08.2026
Code MigrationCode Quality Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: mean reviewer code-quality ratingBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 128.000 tokens	Höherer Messwert3,305 / 5	3,149 / 5	Vals AI Quellendetails Datenstand: 09.08.2026
CorpFin v2Shared Max Context Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Terra: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Kimi K2.6: Top P: 0.95, Ausgabegrenze: 48.000 tokens	66,434 %	Höherer Messwert68,182 %	Vals AI Quellendetails Datenstand: 06.08.2026
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

So liest du den Vergleich

Ein Benchmark-Sieg ist kein Gesamturteil

Entscheidend sind deine Aufgaben, dein Budget und die benötigte Kontextlänge. Ein Coding-Benchmark sagt wenig über Bildverständnis oder Agentenarbeit aus.

Die Standardpreistabelle nutzt direkte Entwicklertarife. Der Anbieter-Vergleich kennzeichnet OpenRouter-Endpoints, Regionen und Sondertarife separat.

Jeder Messwert verlinkt seine Messstelle und zeigt den Abrufstand. Je nach Kennzeichnung handelt es sich um eine Anbieterangabe, ein offizielles Benchmark-Leaderboard oder eine unabhängige Evaluation. Strittige oder archivierte Ergebnisse werden nicht verwendet.

Weitere Duelle

Vergleiche GPT-5.6 Terra und Kimi K2.6 mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich