GPT-5
GPT-5 ist OpenAIs früheres Kernmodell für Coding-, Reasoning- und agentische Aufgaben über die API. Offiziell dokumentiert sind 272K Kontext, 128K maximale Ausgabe, Text-/Bildeingaben sowie konfigurierbarer Reasoning-Aufwand über reasoning.effort. Das Modell ist proprietär und cloud-only, wurde aber in der Produktlinie inzwischen durch GPT-5.5 als empfohlene Standardwahl abgelöst.
- Proprietär
- Frontier
- API
- General
- Thinking-Optional
- Long-Context
- Interactive
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
- 74.2
- Routine
- 48.06
- Reasoning
- 26.14
- LLM Judge Avg
- 3.63 / 5
- 100% Coverage
- Avg Task Duration
- 33.04s
- ️ Interactive
- Token Rate
- 43.71tok/s
- Output Rate
- P95 Latency
- 82.04s
- Top 5 %
- Total Tokens
- 145.8K
- Output Volume
- Cost per 1K
- $0.01
- USD / 1K Requests
- Benchmark Cost
- $1.46
- Total · 145.8K tok
Benchmark-Module
7 Module · gewichtet · vs. Modellmedian & Spitzenreiter
GPT-5
Bestes Modell
Ø Alle Modelle
Code Quality
82.1
CLI Benchmark
86.11
Logical Reasoning
51.75
UX Writing
71.45
Documentation
71.88
Content Transform.
76.15
Cultural Intelligence
85.9
Benchmark Cost
$1.46
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.