Verglichene Modelle

Benchmark-Vergleich GPT-5.5 (medium) vs GPT-5.4 (medium) vs Gemini 3.1 Pro Preview (medium) vs Claude Opus 4.7 (medium): Gemini 3.1 Pro Preview (medium) führt bei Punktzahl mit 9.2. GPT-5.5 (medium) führt bei Zuverlässigkeit mit 10.0. Gemini 3.1 Pro Preview (medium) hat den niedrigsten Gesamtkosten mit $1.361. Claude Opus 4.7 (medium) ist mit 7.61s am schnellsten.

Benchmarks aus AI BENCHY-Test-Suites generiert am: 2026-08-07

Rang: #15
Gesamte Ausgabe-Token: 124,436
Antwortzeit (Durchschnitt): 38.42s
Gesamtkosten: $4.137

Rang: #29
Gesamte Ausgabe-Token: 88,670
Antwortzeit (Durchschnitt): 23.10s
Gesamtkosten: $1.533

Rang: #9
Gesamte Ausgabe-Token: 97,958
Antwortzeit (Durchschnitt): 21.47s
Gesamtkosten: $1.361

Rang: #23
Gesamte Ausgabe-Token: 29,990
Antwortzeit (Durchschnitt): 7.61s
Gesamtkosten: $1.477

Empfohlenes Modell Gemini 3.1 Pro Preview (medium)

Es hat hier die beste Punktzahl (9.2) und kostet etwa 1.8x weniger als die anderen Modelle in diesem Vergleich.

Detaillierter Vergleich

Metrik	GPT-5.5 GPT-5.5 medium Veröffentlichung: 2026-04-24	GPT-5.4 GPT-5.4 medium Veröffentlichung: 2026-03-05	Gemini 3.1 Pro Preview Gemini 3.1 Pro Preview medium Veröffentlichung: 2026-02-19	Claude Opus 4.7 Claude Opus 4.7 medium Veröffentlichung: 2026-04-16

Metrik	GPT-5.5 GPT-5.5 medium Veröffentlichung: 2026-04-24	GPT-5.4 GPT-5.4 medium Veröffentlichung: 2026-03-05	Gemini 3.1 Pro Preview Gemini 3.1 Pro Preview medium Veröffentlichung: 2026-02-19	Claude Opus 4.7 Claude Opus 4.7 medium Veröffentlichung: 2026-04-16
Punktzahl	9.0	8.5	9.2	8.7
Rang	#15	#29	#9	#23
Zuverlässigkeit	10.0	10.0	10.0	10.0
Konsistenz	8.9	8.6	10.0	9.6
Benchmark-Abdeckung	22/22 Tests · 66/66 Versuche	22/22 Tests · 66/66 Versuche	22/22 Tests · 66/66 Versuche	22/22 Tests · 66/66 Versuche
Korrekte Tests
Erfolgsquote pro Versuch	87.9%	77.3%	90.9%	83.3%
Instabile Tests	3	4	0	1
Gesamtläufe	66	66	66	66
Kosten pro Ergebnis	22.980	10.220	6.801	8.201
Gesamtkosten	$4.137	$1.533	$1.361	$1.477
Eingabepreis	$5.000 / 1M	$2.500 / 1M	$2.000 / 1M	$5.000 / 1M
Ausgabepreis	$30.000 / 1M	$15.000 / 1M	$12.000 / 1M	$25.000 / 1M
Gesamte Eingabe-Token	80,659	81,127	92,287	145,252
Ausgabe-Token	5,617	6,155	5,232	24,948
Denk-Token	118,819	82,515	92,726	5,042
Antwortzeit (Durchschnitt)	38.42s	23.10s	21.47s	7.61s
Antwortzeit (Maximum)	332.10s	100.41s	88.68s	65.40s
Antwortzeit (Gesamt)	845.35s	508.26s	322.08s	159.91s

Modell-Generierungs-Showcase

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#15 GPT-5.5

medium

Kosten: $0.112
Zeit: 71.9s
Token: 3,807 tok

#29 GPT-5.4

medium

Kosten: $0.214
Zeit: 199.6s
Token: 14,349 tok

#9 Gemini 3.1 Pro Preview

medium

Kosten: $0.115
Zeit: 87.2s
Token: 9,629 tok

#23 Claude Opus 4.7

medium

Kosten: $0.059
Zeit: 26.8s
Token: 2,475 tok

Top-Modelle nach Score

Score vs. Gesamtkosten

Antwortzeit (Durchschnitt)

Punktzahl vs Antwortzeit (Durchschnitt)

Gesamte Ausgabe-Token

Punktzahl vs Gesamte Ausgabe-Token

Kategorieaufschlüsselung

Kategorie:

Anti-KI-Tricks	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.5	10.0	10.0	100.0%	4.66s	606	250	1,335
GPT-5.4	8.3	10.0	75.0%	4.11s	606	240	1,511
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	7.90s	498	112	3,218
Claude Opus 4.7	8.3	10.0	75.0%	1.85s	894	348	0

Programmierung	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.5	8.8	7.8	88.9%	1	59.77s	7,305	362	24,959
GPT-5.4	8.8	7.8	88.9%	1	44.36s	7,305	433	24,216
Gemini 3.1 Pro Preview	7.9	9.9	66.7%	0	40.17s	8,124	435	41,247
Claude Opus 4.7	7.6	7.2	77.8%	1	12.96s	10,635	7,629	1,114

Kombiniert	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.5	10.0	10.0	100.0%	33.52s	57,466	3,944	6,735
GPT-5.4	10.0	10.0	100.0%	29.77s	58,038	4,214	13,351
Gemini 3.1 Pro Preview	9.8	10.0	100.0%	40.39s	67,910	3,687	23,111
Claude Opus 4.7	10.0	10.0	100.0%	43.42s	104,347	15,459	3,928

Datenanalyse und -extraktion	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.5	10.0	10.0	100.0%	4.18s	7,140	234	593
GPT-5.4	10.0	10.0	100.0%	5.32s	7,140	234	804
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	7.72s	7,265	279	3,904
Claude Opus 4.7	10.0	10.0	100.0%	2.37s	10,533	324	0

Domänenspezifisch	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.5	5.3	7.2	44.4%	1	164.14s	723	67	79,625
GPT-5.4	5.3	7.2	44.4%	1	74.27s	619	61	34,748
Gemini 3.1 Pro Preview	7.7	10.0	66.7%	0	32.73s	635	18	12,424
Claude Opus 4.7	7.7	10.0	66.7%	0	1.17s	630	51	0

Allgemeine Intelligenz	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.5	10.0	10.0	100.0%	0	4.16s	477	138	223
GPT-5.4	4.7	3.1	33.3%	1	4.92s	477	145	321
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	0	11.77s	490	108	1,179
Claude Opus 4.7	10.0	10.0	100.0%	0	2.87s	723	256	0

Befolgung von Anweisungen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.5	10.0	10.0	100.0%	3.36s	660	93	538
GPT-5.4	10.0	10.0	100.0%	3.11s	660	93	897
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	9.56s	621	72	2,236
Claude Opus 4.7	10.0	10.0	100.0%	1.57s	939	114	0

Rätsellösen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.5	10.0	10.0	100.0%	0	6.76s	642	241	2,225
GPT-5.4	8.2	7.2	88.9%	1	9.14s	642	441	3,815
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	0	6.90s	570	235	3,128
Claude Opus 4.7	10.0	10.0	100.0%	0	2.43s	939	370	0

Werkzeugaufrufe	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.5	10.0	10.0	100.0%	10.57s	5,445	258	832
GPT-5.4	10.0	10.0	100.0%	13.28s	5,445	264	1,031
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	23.15s	6,018	274	982
Claude Opus 4.7	10.0	10.0	100.0%	4.17s	15,339	373	0

Allgemeinwissen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.5	2.8	1.6	33.3%	1	37.86s	195	30	1,754
GPT-5.4	3.0	10.0	0.0%	0	13.95s	195	30	1,821
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	0	6.27s	156	12	1,297
Claude Opus 4.7	3.0	10.0	0.0%	0	2.25s	273	24	0

Schnellvergleich

Vergleichspaar wechseln

Claude Opus 5highvsGemini 3.1 Pro Previewmedium Claude Opus 4.7mediumvsGemini 3.6 Flashlow Claude Opus 4.7mediumvsQwen3.8 Maxlow Claude Opus 4.7mediumvsGemini 3.5 Flash Litehigh Gemini 3.5 FlashlowvsGPT-5.5medium Claude Opus 4.7mediumvsMuse Spark 1.2high GPT-5.5mediumvsGrok 4.5high Claude Opus 5lowvsGPT-5.4medium Muse Spark 1.2lowvsGPT-5.4medium Gemini 3.1 Pro PreviewmediumvsGPT-5.5low Gemini 3.1 Pro PreviewmediumvsGPT-5.6 Solhigh GPT-5.4mediumvsGrok 4.5low