GPT-5
GPT-5 ist OpenAIs Kernmodell für Coding, Reasoning und agentische Aufgaben mit einem Kontextfenster von 400.000 Tokens und bis zu 128.000 Tokens Ausgabe. Das Modell unterstützt Text- und Bildeingaben sowie konfigurierbaren Reasoning-Aufwand für Kosten-, Latenz- und Qualitätssteuerung. Proprietär und ausschliesslich über die OpenAI-API verfügbar.
- Proprietär
- Frontier
- API
- Text
- Vision
- Batch
Sovereign Risk: MEDIUM OpenAI ist ein US-Anbieter; die Gewichte sind nicht öffentlich, und relevante Risikoaspekte betreffen primär API-Verarbeitung unter US-Recht und CLOUD Act.
Schlüsselmetriken
Score · Latenz · Kosten · Qualität
- Total Score Silver
- 76.43
- Routine
- 49.04
- Reasoning
- 27.39
- LLM Judge Avg
- 3.77 / 5
- 100 Coverage
- Avg Task Duration
- 46.49s
- Batch
- Token Rate
- 35.63tok/s
- Output Rate
- P95 Latency
- 106.62s
- Top 5 %
- Total Tokens
- 153600
- Output Volume
- Cost per 1K
- $0.01
- USD / 1K Requests
- Benchmark Cost
- $1.54
- Total · 153600 tok
Benchmark-Module
10 Module · gewichtet · vs. Modellmedian & Spitzenreiter
GPT-5
Bestes Modell
Ø Alle Modelle
Code Quality
76.72
CLI Benchmark
89
Logical Reasoning
61.65
UX Writing
77.51
Documentation
79.61
Content Transform.
77.24
Cultural Intelligence
79.56
Synthesis Quality
53.33
Tool Execution
76.67
ToolUse Score
62.33
Benchmark Cost
$1.54
Token-Effizienz & Latenz
Verbrauch pro Modul vs. Modellmedian
Token-Verbrauch pro Modul
Performance-Profil
Schlüsselmetriken – Legende
Score
- Total Score
- Gesamtpunktzahl aus Routine- und Reasoning-Score. Basis für den Flotten-Rang und die Tier-Zuordnung (Gold / Silver / Bronze).
- Routine
- Punktzahl für Standardaufgaben: Code-Generierung, Texttransformation, strukturierte Ausgaben. Gewichtet nach Aufgabenkomplexität.
- Reasoning
- Punktzahl für analytische und logische Aufgaben: mehrstufige Problemlösung, mathematisches Schlussfolgern, strukturierte Argumentationen.
- Rang
- Position im Flottenvergleich, sortiert nach Total Score. Bezieht sich auf den Snapshot zum Zeitpunkt des Tests.
LLM Judge
- LLM Judge Ø
- Durchschnittliche Qualitätsbewertung durch ein unabhängiges Richter-Modell auf einer Skala von 1–5.
- Coverage
- Anteil der Aufgaben, für die eine Judge-Bewertung vorliegt. 100 % bedeutet, alle Antworten wurden bewertet.
Latenz & Geschwindigkeit
- Avg. Task Duration
- Durchschnittliche Zeit pro Aufgabe vom ersten bis zum letzten Token der Antwort, gemessen über alle Benchmark-Aufgaben.
- Token Rate
- Ausgabe-Geschwindigkeit in Tokens pro Sekunde. Relevant für interaktive Anwendungen und Echtzeit-Streaming.
- P95 Latency
- 95. Perzentil der Antwortzeiten – zeigt Ausreißer. Niedrigere Werte bedeuten weniger lange Wartezeiten in Ausnahmefällen.
Kosten
- Cost per 1K
- API-Preis pro 1.000 Output-Tokens in US-Dollar. Basis für Kostenkalkulation bei produktivem Einsatz.
- Benchmark Cost
- Gesamtkosten für den vollständigen Benchmark-Durchlauf dieses Modells.