Gemini 4 Neon, Claude Opus 5.5 oder GPT-6.2 Sol: Was zeigen die Benchmarks wirklich?
Googles Vergleichstabelle zu Neon, Opus 5.5 und GPT-6.2 Sol mit allen Harness-Angaben, dazu unabhängige Daten zu Kosten, Tempo und Halluzinationen, offizielle Preise, Verfügbarkeit und Empfehlungen je Aufgabe.
In Googles eigener Tabelle mit 19 Zeilen führt Gemini 4 Neon in 16 Zeilen, Claude Opus 5.5 in zwei (Terminal-Bench 4.1 und FrontierCode 2.0) und GPT-6.2 Sol in einer (Chartography). Die unabhängigen Daten von Artificial Analysis bestätigen, dass Neon von den dreien den höchsten Intelligence Index hat (61 gegenüber 59 und 57) und die mit Abstand niedrigste Halluzinationsrate. Sie zeigen aber auch etwas, das die Herstellertabelle auslässt: Sol erledigte dieselben Index-Aufgaben für etwa 1,01 USD und 8,5 Minuten pro Aufgabe, Neon brauchte 6,44 USD und 21,5 Minuten, Opus 10,04 USD und 24,5 Minuten. Auf dem Papier ist Neon der stärkere Generalist. Opus behält in Googles Zeilen zu Terminal-Bench 4.1 und FrontierCode 2.0 einen knappen Vorsprung, landet aber im eigenen Terminal-Bench-4.0-Lauf von AA auf dem letzten Platz der drei. Sol ist die günstige, schnelle Option und gibt dafür fast überall ein paar Punkte ab.
Was dieser Artikel ergänzt:
- Googles Vergleichstabelle, neu aufgebaut mit Harness, Thinking-Stufe und Datenquelle für jede Zeile, entnommen aus Googles PDF zur Evaluationsmethodik (Englisch)
- Zahlen von Artificial Analysis, live abgerufen am 19. November 2026: Index, Kosten pro Aufgabe, Zeit pro Aufgabe und Halluzinationen
- offizielle Token-Preise von Google, Anthropic und OpenAI
- eine genaue Übersicht, wo sich jedes Modell heute aufrufen lässt
- ein kleiner Ofox-Lauf mit Opus 5.5 und Sol auf drei Programmieraufgaben
Ofox veröffentlicht diesen Artikel und vertreibt Opus 5.5 und Sol weiter. Neon bietet Ofox nicht an. Die Benchmark-Zeilen sind Ergebnisse anderer, nicht unsere. Selbst gemessen haben wir nur, was im Abschnitt zu unserem Lauf steht, und dieser Lauf dient nur der Veranschaulichung. Er ist keine Rangliste der Modelle.
Googles Vergleichstabelle mit allen Angaben
Googles Model Card zu Gemini 4 Neon (Englisch) (veröffentlicht am 18. November 2026) ist die einzige offizielle Quelle, die diese drei Modelle nebeneinanderstellt. Das Methodik-PDF ist dabei so wichtig wie die Werte. Dort heißt es, Neon sei “with the highest thinking settings unless indicated otherwise” (mit den höchsten Thinking-Einstellungen, sofern nicht anders angegeben) gelaufen, also mit xhigh. Für Opus 5.5 und GPT-6.2 Sol nennt Google die Werte mit der höchsten verfügbaren Reasoning-Einstellung oder, wo keine Höchststufe veröffentlicht ist, das beste verfügbare Ergebnis. Sofern eine Zeile nichts anderes sagt, sind die Werte der Konkurrenz von Anthropic und OpenAI selbst gemeldet. Google hat sie nicht selbst gemessen.
| Kategorie | Benchmark (Einstellung) | Neon | Opus 5.5 | GPT-6.2 Sol | Führend | Wer die Zahlen erhoben hat |
|---|---|---|---|---|---|---|
| Index | AA Index v5.0.1 | 61 | 59 | 57 | Neon | Artificial Analysis |
| Index | Vals Index v2.2 | 70,9 % | 70,1 % | 66,1 % | Neon | Vals AI |
| Agentisches Programmieren | CursorBench 4.1 | 65,4 % | 58,1 % | — | Neon | Cursor |
| Agentisches Programmieren | Terminal-Bench 4.1, cheating-adjusted accuracy | 65,2 % | 65,8 % | 61,5 % | Opus | Neon: Artificial Analysis mit Antigravity-CLI 1.5.9; übrige: öffentliches Leaderboard |
| Agentisches Programmieren | FrontierCode 2.0, Hauptwert | 46,2 % | 47,3 % | 43,8 % | Opus | Öffentliches Leaderboard; Neon auf high, nicht xhigh |
| Agentisches Programmieren | SWE-sweep, Harness des Anbieters | 39,0 % | 10,1 % | 8,3 % | Neon | Von Google selbst berechnet: Antigravity-CLI 1.5.9 / Claude Code / Codex |
| Agentisches Programmieren | SWE-sweep, Mini-SWE-Harness | 12,8 % | 3,6 % | 11,6 % | Neon | Von Google selbst berechnet, mini-swe-agent vision harness |
| Wissensarbeit | AutomationBench | 56,3 % | 42,5 % | 41,3 % | Neon | Öffentliches Leaderboard |
| Wissensarbeit | Agents’ Last Exam v1.1 | 75,8 % | 71,6 % | 73,0 % | Neon | Neon: Google, Antigravity-CLI 1.4.8, 5-Stunden-Fenster; Sol: OpenAI System Card; Opus: Leaderboard |
| Wissenschaft und Mathematik | RiemannBench | 84,0 % | 80,0 % | 80,0 % | Neon | Öffentliches Leaderboard |
| Wissenschaft und Mathematik | Terminal-Bench-Science 0.1 | 70,5 % | 63,3 % | 68,0 % | Neon | Neon: Google, mini-swe-agent vision harness, Mittel aus 5 Versuchen; übrige: Leaderboard |
| Reasoning | HLE-Diamond | 71,3 % | 67,9 % | 64,0 % | Neon | Artificial Analysis |
| Multimodal | MKA, Climb WSR | 56,5 % | 53,0 % | 52,7 % | Neon | Artificial Analysis |
| Multimodal | Chartography | 73,5 % | 66,3 % | 75,1 % | Sol | Neon und Sol: Google, ohne Tools; Opus: Anthropic System Card |
| Multimodal | LVBench | 89,0 % | 83,7 % | 87,6 % | Neon | Google; unterschiedliche Frame-Budgets je Modell |
| Langer Kontext | GraphWalks, 256k–1M BFS (F1) | 95,2 % | 66,8 % | 80,1 % | Neon | Von Google selbst berechnet, 200 Aufgaben |
| Cybersicherheit | CWE-Bench v2 | 70,7 % | 67,1 % | 66,0 % | Neon | Öffentliches Leaderboard (Collinear) |
| Cybersicherheit | SEC-bench Pro | 90,5 % | — | 88,3 % | Neon | Neon: Google, Antigravity-Harness; Sol: OpenAI-Bericht |
| Cybersicherheit | WebExploitBench v1.2 | 51,3 % | 37,1 % | — | Neon | Von Google selbst evaluiert, validiert durch AgentCyberRange |
Quellen: Neon Model Card (Englisch) und Evaluationsmethodik (Englisch), beide geprüft am 19. November 2026. Ein Strich bedeutet, dass Google für dieses Modell keinen Wert veröffentlicht hat. Ein Strich ist keine Null.
Wo Neons Vorsprung belastbar ist und wo er dünn ist
Mehrere Zeilen liegen so dicht beieinander, dass ein anderer Lauf sie umkehren könnte. Beim Vals Index liegt Neon 0,8 Punkte vor Opus, bei Agents’ Last Exam 2,8 Punkte vor Sol. Bei Terminal-Bench 4.1 liegt es nur 0,6 Punkte hinter Opus. Abstände unter etwa zwei Punkten auf agentischen Benchmarks liegen in einem Bereich, den Harness-Versionen, Wiederholungen und Timeouts verschieben können. Für die Planung sollten Sie diese Zeilen als Gleichstand behandeln.
Den größten Vorsprung hat Neon bei GraphWalks (95,2 % gegenüber 80,1 % für Sol und 66,8 % für Opus), AutomationBench (etwa 14 Punkte), CursorBench (7,3 Punkte vor Opus) und in der SWE-sweep-Zeile mit Anbieter-Harness. Gerade diese letzte Zeile verlangt die meiste Vorsicht.
Warum die 39,0 % bei SWE-sweep vor allem ein Harness-Ergebnis sind
Google hat SWE-sweep zweimal laufen lassen. In der Zeile Harness des Anbieters nutzte jedes Modell den Agenten seines Herstellers: Antigravity-CLI für Neon, Claude Code für Opus und Codex für Sol. Laut Googles Methodik enthält die öffentliche Antigravity-CLI standardmäßig ein Sub-Agent-Tool, das parallel über die Codebasis ausschwärmt. Google nennt es “particularly suited to bug finding tasks like SWE-sweep” (besonders geeignet für Aufgaben zur Fehlersuche wie SWE-sweep).
Neon erreicht in dieser Einstellung 39,0 % und im gemeinsamen Mini-SWE-Harness 12,8 %. Opus fällt von 10,1 % in Claude Code auf 3,6 %. Sol bewegt sich in die Gegenrichtung: 8,3 % in Codex und 11,6 % in Mini-SWE. In der Ankündigung selbst heißt es, Neon “more than triples” (mehr als verdreifacht sich) in Antigravity. Die 39,0 % messen also Neon innerhalb von Googles Agentenprodukt. Sie zeigen nicht, dass das Modell drei- bis viermal stärker ist als die Konkurrenz. In der vergleichbaren Mini-SWE-Zeile liegt Neon 1,2 Punkte vor Sol.
Zwei weitere Angaben verändern, wie man die Zeilen liest. FrontierCode wurde mit Neon auf der Standardstufe high bewertet, nicht auf xhigh. Terminal-Bench wird für alle drei Modelle als cheating-adjusted Accuracy angegeben; wie diese Bereinigung genau funktioniert, erklärt die Methodik nicht. Googles Ankündigung nennt für Neon 0,0 % Cheating auf Terminal-Bench 4.0. Auch bei LVBench bekamen die Modelle unterschiedliche Eingaben: 1 Frame pro Sekunde in niedriger Auflösung für Gemini, 500 Frames für Sol und 600 für Opus, jeweils “due to API limitations” (wegen API-Beschränkungen) so festgelegt.
Warum Herstellertabellen grundsätzlich Vorsicht verlangen
- Der Hersteller wählt die Vergleichsgruppe. Google hat Neon mit Opus 5.5 und GPT-6.2 Sol verglichen. Claude Fable 5.2 und GPT-6.2 Astra fehlen. Sie kosten 8 USD (Eingabe) und 40 USD (Ausgabe) pro Million Token und schneiden im Intelligence Index von Artificial Analysis besser ab (64,6 und 62,1 auf der Höchststufe am 19. November). Die Tabelle zeigt, wo Neon gegenüber Modellen derselben Preisklasse steht, nicht, wo es an der Spitze steht.
- Eine Spalte mischt verschiedene Quellen. Manche Zellen stammen aus Googles eigenen Läufen, andere aus den System Cards der Konkurrenz, die mit anderer Hardware, anderen Prompts und zu anderen Zeitpunkten entstanden.
- Die Einstellungen sind nicht einheitlich. Neon lief in den meisten Zeilen auf
xhigh, die Konkurrenz auf ihrer Höchststufe, sofern eine gemeldet war, und Neon bei FrontierCode aufhigh. - Die Benchmarks wurden nach dem Training ausgewählt. Eine Launch-Tabelle zeigt die Benchmarks, die der Hersteller veröffentlichen wollte. Was er weggelassen hat, kann sie nicht zeigen.
Falsch wird die Tabelle dadurch nicht. Sie eignet sich aber eher dazu, zu entscheiden, was Sie testen, als zur endgültigen Antwort.
Was unabhängige Daten ergänzen: Kosten, Zeit und Halluzinationen
Artificial Analysis (AA) lässt jedes Modell durch denselben Harness laufen und veröffentlicht Kosten und Zeit pro Aufgabe, die in der Model Card fehlen. Wir haben die Seiten zu Neon, Opus 5.5 und GPT-6.2 Sol sowie die AA-Omniscience-Evaluation (alle Englisch) am 19. November 2026 gegen 03:20 UTC gelesen. AA aktualisiert diese Seiten; prüfen Sie sie vor einer Entscheidung erneut.
| AA-Kennzahl (höchste Reasoning-Variante) | Neon (xhigh) | Opus 5.5 (max) | GPT-6.2 Sol (max) |
|---|---|---|---|
| Intelligence Index v5.0.1 | 61,4 | 59,1 | 57,3 |
| Kosten pro Intelligence-Index-Aufgabe | 6,44 USD | 10,04 USD | 1,01 USD |
| Zeit pro Aufgabe | 21,5 min | 24,5 min | 8,5 min |
| Ausgabe-Token pro Aufgabe (Reasoning + Antwort) | ~142k | ~173k | ~40k |
| Zeit bis zum ersten Antwort-Token | 56,5 s | 335,8 s | 75,1 s |
| Terminal-Bench 4.0 (AA-Lauf) | 63,6 % | 59,6 % | 60,1 % |
| FrontierCode 2.0 (AA-Lauf) | 44,4 % | 46,4 % | 44,4 % |
| AA-Omniscience-Accuracy | 60,5 % | 65,5 % | 61,6 % |
| AA-Omniscience-Halluzinationsrate | 14,4 % | 50,3 % | 55,4 % |
| AA-Omniscience-Antwortquote | 67,5 % | 86,7 % | 85,4 % |
| HLE-Diamond | 71,3 % | 67,9 % | 64,0 % |
Das sind drei verschiedene Einstellungen: xhigh für Neon und max für die beiden anderen. Niedrigere Stufen erzielen weniger Punkte und kosten weniger. Für Neon auf der Standardstufe high ergeben die AA-Daten einen Index von 59,6, 3,74 USD und 14,8 Minuten pro Aufgabe und eine Halluzinationsrate von 13,9 %. Das liegt beim Index noch immer über Sol auf max und kostet pro Aufgabe noch immer mehr als das Dreifache von Sol. AA führt Opus auf xhigh mit 57,4 (6,05 USD und 16,1 min pro Aufgabe) und Sol auf high mit 54,9 (0,56 USD und 4,6 min). Laut Anthropic-Dokumentation ist medium der Standard-Effort von Opus 5.5; auf medium nennt AA für Opus einen Index von 48,2 und 2,45 USD pro Aufgabe.
Drei Befunde fallen auf:
- Das Verhältnis der Listenpreise unterschätzt den Abstand bei den Kosten pro Aufgabe. Opus kostet pro Token doppelt so viel wie Sol, pro AA-Aufgabe aber etwa zehnmal so viel. Es erzeugte rund viermal so viele Ausgabe-Token. Neon kostet das 1,5-Fache von Sols Listenpreis und pro Aufgabe etwa das 6,4-Fache. Wie viele Token ein Modell verbraucht, zählt mehr als seine Preisliste.
- Eine niedrige Halluzinationsrate bedeutet keine höhere Accuracy. AA definiert die Halluzinationsrate als falsche Antworten geteilt durch alle nicht korrekten Antworten. Neon liegt vor allem deshalb am niedrigsten (14,4 %), weil es häufiger nicht antwortet: Es gab bei 67,5 % der Fragen überhaupt eine Antwort ab, die anderen bei etwa 86 %. Opus hat die höchste Accuracy (65,5 %), rät aber, wenn es etwas nicht weiß. Wenn eine falsche Antwort Sie mehr kostet als ein “Ich weiß es nicht”, hat Neon das bessere Profil. Wenn Abdeckung wichtiger ist, beantwortet Opus mehr Fragen richtig.
- Sols Geschwindigkeitsvorteil ist groß. Seine Zeit pro Aufgabe beträgt weniger als die Hälfte der beiden anderen, und es lieferte das erste Antwort-Token deutlich früher als Opus auf max, das 336 Sekunden brauchte.
AAs eigene Coding-Läufe verkomplizieren Googles Coding-Aussagen in beide Richtungen. Im FrontierCode-2.0-Lauf von AA führt Opus mit 46,4 %, Neon und Sol liegen beide bei 44,4 %; Opus ist dort also wie in Googles Tabelle vorn. Im Terminal-Bench-4.0-Lauf von AA führt Neon mit 63,6 %, und Opus ist mit 59,6 % Letzter, hinter Sols 60,1 %. Das ist das Gegenteil von Googles Zeile zu Terminal-Bench 4.1. Ob Opus bei Terminal-Aufgaben vorn liegt, hängt also davon ab, welche Benchmark-Version und welchen Harness man betrachtet. Googles Ankündigung behauptet außerdem, Neon belege mit 58,6 Platz 1 im AA Coding Agent Index. Das ist eine Angabe von Google. Die von uns gelesenen AA-Seiten zeigten keine Werte des Coding Agent Index pro Modell, deshalb haben wir sie nicht überprüft.
Offizielle Preise pro Token
Alle Preise gelten für die Standard-Stufe, in USD pro 1 Million Token, geprüft am 19. November 2026. Es sind die Preise der Anbieter selbst. Ofox-Preise stehen auf der jeweiligen Ofox-Modellseite und werden hier nicht wiederholt.
| Gemini 4 Neon | Claude Opus 5.5 | GPT-6.2 Sol | |
|---|---|---|---|
| Eingabe | 3,00 USD | 4,00 USD | 2,00 USD |
| Ausgabe (inkl. Thinking) | 15,00 USD | 20,00 USD | 10,00 USD |
| Gecachte Eingabe | 0,15 USD (nur implizites Caching) | 0,20 USD (Cache-Treffer) | 0,10 USD |
| Cache-Schreibvorgänge | Nicht gesondert ausgewiesen | 5 USD (5 Min.), 8 USD (1 Std.) | 2,50 USD (30 Min.), 5 USD (12 Std.) |
| Sehr lange Prompts | Ein Preis für das gesamte 1M-Fenster | Standardpreis über das volle 1M-Fenster | Über 272K Eingabe: Eingabe- und Cache-Preise ×2, Ausgabe ×1,5 |
| Batch | 1,50 / 7,50 USD (Flex identisch) | 50 % Rabatt: 2 / 10 USD | 50 % Rabatt: 1 / 5 USD |
| Kostenlose Stufe | Keine | — | — |
| Quelle | Gemini-API-Preise (Englisch) | Anthropic-Preise (Englisch) | Modellseite GPT-6.2 Sol (Englisch) |
Eine kurze Rechnung zeigt, warum der Preis pro Token allein nicht reicht. Nehmen Sie eine ungecachte Anfrage mit 50.000 Eingabe- und 10.000 Ausgabe-Token. Zu Listenpreisen kostet sie 0,30 USD bei Neon, 0,40 USD bei Opus und 0,20 USD bei Sol. Derselbe Text ergibt aber nicht bei jedem Modell dieselbe Token-Zahl. In unserem Lauf weiter unten zählte der identische Prompt bei Opus 139 Eingabe-Token und bei Sol 98. Außerdem schreiben die Modelle unterschiedlich viel. Messen Sie Ihre eigenen Token-Zahlen pro Modell, bevor Sie Rechnungen vergleichen. Der Preisleitfaden zu Claude Opus 5.5 (Englisch) und unsere Preisanalyse zu Gemini 4 Neon behandeln Caching und Thinking-Stufen ausführlicher.
Neons Preis von 3/15 USD spielt auch innerhalb der Gemini-Familie eine Rolle. Carbon und Argon steigen am 1. Dezember 2026 von 2/10 USD auf 4/20 USD; danach ist Neon günstiger als beide. Siehe was die Preisänderung im Dezember bedeutet und Neon vs. Carbon.
Wo Sie die Modelle tatsächlich nutzen können
| Gemini 4 Neon | Claude Opus 5.5 | GPT-6.2 Sol | |
|---|---|---|---|
| API-Modell-ID | gemini-4-neon | claude-opus-5-5 | gpt-6.2-sol |
| API-Status | Kostenpflichtige Stufe der Gemini API, über generateContent und die Interactions API | Claude API, Bedrock, Google Cloud, Microsoft Foundry | OpenAI API seit 17. Nov. 2026; Responses API und Chat Completions |
| Zugang für Endnutzer und IDE | Gemini-App (AI Pro und Ultra), AI Studio, Google Antigravity (kostenpflichtig, Pro und Ultra), Gemini for Business | Claude-Apps und Claude Code (Zugang und Limits (Englisch)) | Preview in ChatGPT Work und Codex Desktop (Plus und Pro; bei verwalteten Workspaces abhängig von den Seat-Einstellungen); nicht im normalen Chat |
| Auf Ofox (geprüft am 19. Nov. 2026) | Nein | Ja: anthropic/claude-opus-5.5 | Ja: openai/gpt-6.2-sol |
| Kontextfenster | 1.048.576 Token, Ein- und Ausgabe zusammen | 1M | 1.050.000 (max. 922K Eingabe) |
| Max. Ausgabe | Standardmäßig 64K synchron; mit Long Decode bis 1M | 128K (300K bei Batch mit Beta-Header) | 128K |
| Eingaben | Text, Bild, Audio, Video | Text, Bild | Text, Bild |
| Wissensstand | März 2026 | Juni 2026 (verlässlich) | 1. Juni 2026 |
Was das Preview-Label bei GPT-6.2 Sol bedeutet. In den ChatGPT-Versionshinweisen (Englisch) vom 17. November 2026 schreibt OpenAI, GPT-6.2 Astra und Sol seien “available in preview in Work and Codex desktop” (als Preview in Work und Codex Desktop verfügbar) und “Regular Chat keeps its existing model choices” (der normale Chat behält seine bisherige Modellauswahl). Dieses Label bezieht sich auf ChatGPT. Auf Entwicklerseite führt das Changelog der OpenAI API (Englisch) gpt-6.2-sol als am 17. November für die Responses API und Chat Completions veröffentlicht. Die Modellseite nennt Preise und Rate Limits für die Nutzungsstufen von Build bis Grow, und keine davon trägt ein Preview-Label. In der Praxis heißt das:
- Sie können jetzt auf der API aufbauen.
- Tool Calling erfordert die Responses API.
- Die API lehnt
reasoning.effort: noneab. - In ChatGPT sehen Sie Sol nur in den Modellauswahlen von Work und Codex.
Wenn Sie von GPT-6 Sol umsteigen, gelten die Migrationshinweise zu Tool Calling mit Responses (Englisch) weiterhin.
Neon auf Ofox. Am 19. November 2026 fehlte google/gemini-4-neon in GET https://api.ofox.io/v1/models, und https://ofox.io/models/google/gemini-4-neon lieferte 404. Wer Neon nutzen will, ruft Google direkt auf; die Einrichtung beschreibt der Neon-API-Leitfaden. Auf Ofox können Sie Gemini 4 Hydrogen und Argon schon heute über den Gemini-nativen Endpunkt verwenden.
Unser kleiner Lauf: Opus 5.5 und Sol auf drei Programmieraufgaben
Diesen Abschnitt haben wir als einzigen im Artikel selbst gemessen. Er dient der Veranschaulichung. Drei einfache Aufgaben mit je zwei Durchläufen reichen nicht, um zwei Frontier-Modelle zu ranken, und beide Modelle haben jeden Test bestanden. Wir nehmen ihn trotzdem auf, weil er den Unterschied bei Ausführlichkeit und Latenz, den die Kostendaten von AA nahelegen, in einem Umfang zeigt, den jeder nachvollziehen kann.
Aufbau (19. November 2026):
- Endpunkt: Ofox
https://api.ofox.io/v1/chat/completions - Modelle:
anthropic/claude-opus-5.5undopenai/gpt-6.2-sol - Parameter:
max_tokens: 16000. Es wurde kein Reasoning- oder Effort-Parameter gesendet; jedes Modell lief mit der Voreinstellung seiner Route.
Aufgaben:
- T1: einen Off-by-one-Fehler in der Paginierung beheben und eine Eingabeprüfung ergänzen
- T2:
parse_duration("1h30m")nach einer strikten Spezifikation mit neun ungültigen Eingaben schreiben - T3: einen
TokenBucketmit injizierbarer Uhr implementieren
Jede Antwort wurde lokal mit verdeckten Unit-Tests bewertet: 5, 16 und 5 Testfälle. Insgesamt waren es 12 Aufrufe, mit zwei Wiederholungen pro Aufgabe und Modell.
| Aufgabe | Bestandene Tests (beide Durchläufe) | Latenz Opus 5.5 | Latenz Sol | Ausgabe-Token Opus | Ausgabe-Token Sol |
|---|---|---|---|---|---|
| T1 Paginierungs-Fix | 5/5 und 5/5 bei beiden | 3,4 / 3,9 s | 3,5 / 3,1 s | 142 / 142 | 184 / 181 |
| T2 Dauer-Parser | 16/16 bei beiden | 6,2 / 5,9 s | 2,5 / 2,4 s | 471 / 438 | 119 / 117 |
| T3 Token Bucket | 5/5 bei beiden | 9,0 / 8,6 s | 2,7 / 3,6 s | 656 / 756 | 253 / 268 |
Summen: Opus verbrauchte 1.136 Eingabe- und 2.605 Ausgabe-Token, Sol 804 Eingabe- und 1.122 Ausgabe-Token. Zu den Listenpreisen der Anbieter sind das etwa 0,057 USD für Opus und 0,013 USD für Sol für jeweils alle sechs Aufrufe. Diese Zahl ist unsere Berechnung, keine Ofox-Rechnung. Die Median-Latenz lag bei 6,0 Sekunden für Opus und 2,9 Sekunden für Sol.
Was wir über Bestehen und Scheitern hinaus beobachtet haben:
- Opus ging bei T3 über die Spezifikation hinaus. In beiden Durchläufen ergänzte es einen
threading.Lock, eine Eigenschaftcapacityund eine Prüfung, obclockaufrufbar ist. Nichts davon war verlangt. Ein Lock ist für die Produktion eine vernünftige Wahl, aber zusätzlicher Umfang, den man prüfen muss. Sol lieferte genau die geforderte Schnittstelle. - Beim einfachen Bugfix (T1) schrieb Sol etwas mehr. Es ergänzte ein explizites frühes Return bei
start >= len(items), das Slicing ohnehin abdeckt. Der Unterschied war in beide Richtungen gering. - Derselbe Prompt ergab unterschiedliche Eingabe-Token-Zahlen. Opus zählte 139 bis 234 Eingabe-Token, Sol 98 bis 153, also etwa 40 % mehr bei Opus. Das wirkt sich bei langen Prompts auf Vergleiche pro Token aus.
Was dieser Lauf nicht zeigt: irgendetwas über Neon, das nicht auf Ofox verfügbar ist; schwierige Arbeit über mehrere Dateien, bei der Opus’ Benchmark-Vorsprung zum Tragen käme; oder Zuverlässigkeit über viele Durchläufe. Skripte, Prompts, Tests und Rohantworten (Key geschwärzt) liegen unserem Bericht bei, sodass sich der Lauf wiederholen lässt. Für einen eigenen Vergleich über Ofox beschreibt die Integrationsdokumentation Claude Code, Codex, Cursor und weitere Clients.
Die drei Modelle aufrufen
Opus 5.5 und Sol laufen auf Ofox über denselben OpenAI-kompatiblen Client. Die Modellseite von Opus 5.5 nennt die Protokolle openai und anthropic, die von Sol nennt openai.
from openai import OpenAI
import os, time
client = OpenAI(base_url="https://api.ofox.io/v1", api_key=os.environ["OFOX_API_KEY"])
for model in ["anthropic/claude-opus-5.5", "openai/gpt-6.2-sol"]:
t = time.time()
r = client.chat.completions.create(
model=model,
messages=[{"role": "user", "content": "Write parse_duration('1h30m') -> 5400 in Python. Code only."}],
max_tokens=16000,
)
print(model, round(time.time() - t, 1), "s", r.usage)
Neon läuft über Googles native API. Dieses Beispiel folgt Googles Neon-Leitfaden:
from google import genai
client = genai.Client() # liest GEMINI_API_KEY; Neon braucht die kostenpflichtige Stufe
interaction = client.interactions.create(
model="gemini-4-neon",
input="Write parse_duration('1h30m') -> 5400 in Python. Code only.",
)
print(interaction.output_text)
Häufige Fehler:
- Modell nicht gefunden. Verwenden Sie auf Ofox die vollständige ID mit Anbieterpräfix. Prüfen Sie bei OpenAI, ob Ihr Konto und Ihr SDK
gpt-6.2-solsehen. Siehe Fehlersuche bei model not found (Englisch). - 429 oder 529. Lange Agentenläufe mit Opus auf hohem Effort stoßen häufiger an Rate- und Überlastungsgrenzen. Bauen Sie Backoff ein, wie im Leitfaden zu 429-Wiederholungen (Englisch) und im Fix für Claude 529 (Englisch) beschrieben. Die Limits von Ofox selbst beschreibt die Dokumentation zu Rate Limits, die Antwortcodes der Leitfaden zur Fehlerbehandlung.
- Neon liefert 4xx auf der kostenlosen Stufe. Neon hat keine kostenlose Stufe. Fehler bei anderen Gemini-4-Modellen behandelt Gemini 4 Argon: API-Fehler; vieles davon gilt auch für Neon.
Welches Modell für welche Aufgabe
Das sind evidenzbasierte Ausgangspunkte, keine gemessenen Ranglisten. Jede Zeile nennt die Belege, auf die sie sich stützt.
| Ihre Aufgabe | Beginnen Sie mit | Warum | Belege |
|---|---|---|---|
| Schwierige Softwarearbeit über mehrere Dateien, bei der wenige Punkte zählen | Opus 5.5, aber testen Sie auch Neon | Führt bei FrontierCode 2.0 in Googles Tabelle und im AA-Lauf. Führt bei Terminal-Bench 4.1 in Googles Tabelle, ist aber Letzter bei AAs Terminal-Bench 4.0 | Google-Tabelle und AA (gemischt) |
| Fehlersuche in einem großen Repo mit Googles Werkzeugen | Neon in Antigravity | 39,0 % bei SWE-sweep mit Googles Sub-Agent-Harness; in Mini-SWE verschwindet der Vorsprung größtenteils | Google-Tabelle (harnessabhängig) |
| Coding-Agenten in großer Zahl, CI-Fixes, alltägliche PRs | Sol | Etwa 1/6 von Neons und 1/10 von Opus’ AA-Kosten pro Aufgabe bei weniger als der Hälfte der Zeit, mit 57 im AA Intelligence Index gegenüber 59 und 61 | AA und unser kleiner Lauf |
| Analyse langer Kontexte (256K bis 1M Token) | Neon | GraphWalks 95,2 % gegenüber 80,1 % und 66,8 %. Sols Preis steigt über 272K Eingabe | Google-Tabelle (selbst berechnet) und Preisseiten |
| Recherche oder Wissensarbeit, bei der falsche Antworten teuer sind | Neon | 14,4 % Halluzinationsrate gegenüber 50 % und mehr; rechnen Sie mit mehr Antwortverweigerungen | AA-Omniscience |
| Wissensfragen, bei denen Abdeckung am wichtigsten ist | Opus 5.5 | Höchste AA-Omniscience-Accuracy mit 65,5 % | AA-Omniscience |
| Diagramme und dichte Abbildungen lesen | Sol oder Neon | Sol führt bei Chartography, 75,1 % gegenüber 73,5 %; Opus liegt bei 66,3 % | Google-Tabelle |
| Audio- oder Videoeingaben | Neon | Das einzige der drei Modelle, das Audio und Video akzeptiert | Offizielle Modelldokumentation |
| Automatisierung von Geschäftsabläufen | Neon | AutomationBench 56,3 % gegenüber etwa 42 % | Öffentliches Leaderboard via Google |
| Sie wollen ein Gateway und einen Key | Opus 5.5 oder Sol | Beide sind auf Ofox, Neon nicht | Ofox-Modellliste, 19. Nov. 2026 |
Wo jedes Modell schwächer ist
Gemini 4 Neon
- Knapp hinter Opus bei Terminal-Bench 4.1 und FrontierCode 2.0 in Googles Tabelle sowie bei FrontierCode im AA-Lauf.
- Geringere AA-Omniscience-Accuracy als Opus, weil es mehr Fragen nicht beantwortet.
- Sein Vorzeigewert bei SWE-sweep hängt von Googles Harness ab.
- Auf
xhighdauert eine Aufgabe in der AA-Workload etwa 21 Minuten und kostet etwa 6,44 USD. - Es hat den ältesten Wissensstand der drei (März 2026).
- Es gibt keine kostenlose Stufe, und auf Ofox ist es nicht verfügbar.
Claude Opus 5.5
- Auf max pro AA-Aufgabe am teuersten und langsamsten (10,04 USD, 24,5 Minuten, 336 Sekunden bis zum ersten Antwort-Token).
- Letzter der drei im Terminal-Bench-4.0-Lauf von AA (59,6 %), obwohl es Googles Zeile zu Terminal-Bench 4.1 anführt.
- Schwächster der drei bei GraphWalks mit langem Kontext (66,8 %), Chartography (66,3 %) und SWE-sweep mit Mini-SWE (3,6 %).
- Seine Halluzinationsrate liegt bei etwa 50 %.
- Keine Audio- oder Videoeingabe.
- In unserem kleinen Lauf ergänzte es Umfang, der nicht verlangt war.
GPT-6.2 Sol
- Niedrigster AA Intelligence Index der drei (57).
- Höchste Halluzinationsrate (55,4 %).
- In Googles Tabelle Letzter der drei bei Terminal-Bench 4.1, FrontierCode, Vals und HLE-Diamond.
- Eingaben über 272K Token werden zu höheren Preisen abgerechnet.
- Google hat für Sol keinen Wert zu CursorBench oder WebExploitBench veröffentlicht.
- In ChatGPT ist es weiterhin eine Preview, beschränkt auf Work und Codex.
Nutzen Sie Googles Tabelle, um zu entscheiden, welches Modell Sie zuerst testen, und Artificial Analysis für Kosten, Tempo und Halluzinationen. Die endgültige Entscheidung sollte Ihre eigene Erfolgsquote bei Ihren eigenen Aufgaben treffen. Zu den Modellstufen ober- und unterhalb dieser drei siehe Gemini 4: Modellauswahl, den früheren Kostenvergleich GPT-6 Sol vs. Claude Opus 5.5 beim Programmieren (Englisch) und Claude Opus 5.5 vs. GPT-6 Astra für komplexes Programmieren (Englisch).
Zugehörige Dokumentation
Häufig gestellte Fragen
- Ist GPT-6.2 Sol nur eine Preview?
- Nur in ChatGPT. Laut den ChatGPT-Versionshinweisen von OpenAI vom 17. November 2026 sind GPT-6.2 Astra und Sol in ChatGPT Work und Codex Desktop als Preview verfügbar; der normale Chat behält seine bisherigen Modelle. Das Changelog der OpenAI API führt gpt-6.2-sol als am selben Tag für die Responses API und Chat Completions veröffentlicht, mit veröffentlichten Preisen und Rate Limits und ohne Preview-Kennzeichnung.
- Kann ich Gemini 4 Neon über Ofox aufrufen?
- Stand 19. November 2026 nicht. google/gemini-4-neon steht nicht in der Ofox-Modellliste und hat keine Ofox-Modellseite. Nutzen Sie direkt die kostenpflichtige Stufe der Gemini API. Claude Opus 5.5 und GPT-6.2 Sol sind beide auf Ofox verfügbar.


