AI-Roundtable Ranking — ein Eintrag pro Benchmark-Lauf — Wirtschaftsrecht

Wirtschaftsrecht 10.09.2026: Claude Opus 5 (80)

2026-09-10T06:41:54.000Z

Wirtschaftsrecht: Claude Opus 5 80/100.

Im Bereich Wirtschaftsrecht widerspricht Claude Opus 5 (Score-Spitze) im Mittel in 0,5 Fällen pro Antwort einem hinterlegten Soll-Fakt und fügt Ø 3,2 Behauptungen hinzu, die das Judge-Panel als falsch oder unbelegt markiert; 100 % der Antworten enthalten mindestens eine Markierung. Den niedrigsten Wert hat Grok 4.5 mit Ø 1,0 pro Antwort. Auf die Antwortlänge bezogen: 0,47 pro 1000 Ausgabe-Tokens, am niedrigsten DeepSeek V4 Pro mit 0,25.

Vollständiger Lauf mit Konfidenzintervallen, Diff zum Vorlauf und Roh-Daten

Wirtschaftsrecht 07.09.2026: Claude Opus 5 (81)

2026-09-07T18:18:39.000Z

Wirtschaftsrecht: Claude Opus 5 81/100.

Im Bereich Wirtschaftsrecht widerspricht Claude Opus 5 (Score-Spitze) im Mittel in 0,8 Fällen pro Antwort einem hinterlegten Soll-Fakt und fügt Ø 2,2 Behauptungen hinzu, die das Judge-Panel als falsch oder unbelegt markiert; 100 % der Antworten enthalten mindestens eine Markierung. Den niedrigsten Wert hat Grok 4.5 mit Ø 1,0 pro Antwort. Auf die Antwortlänge bezogen: 0,41 pro 1000 Ausgabe-Tokens, am niedrigsten GLM-5.3 mit 0,21.

Vollständiger Lauf mit Konfidenzintervallen, Diff zum Vorlauf und Roh-Daten

Wirtschaftsrecht 01.08.2026: GPT-5.6 Sol (79)

2026-08-01T05:54:40.000Z

Wirtschaftsrecht: GPT-5.6 Sol 79/100.

Im Bereich Wirtschaftsrecht widerspricht GPT-5.6 Sol (Score-Spitze) im Mittel in 0,7 Fällen pro Antwort einem hinterlegten Soll-Fakt und fügt Ø 0,7 Behauptungen hinzu, die das Judge-Panel als falsch oder unbelegt markiert; 97 % der Antworten enthalten mindestens eine Markierung. Den niedrigsten Wert hat Grok 4.5 mit Ø 1,0 pro Antwort. Auf die Antwortlänge bezogen: 0,21 pro 1000 Ausgabe-Tokens.

Vollständiger Lauf mit Konfidenzintervallen, Diff zum Vorlauf und Roh-Daten

Wirtschaftsrecht 19.07.2026: Claude Opus 4.7 (80)

2026-07-19T12:01:08.000Z

Wirtschaftsrecht: Claude Opus 4.7 80/100.

Im Bereich Wirtschaftsrecht widerspricht Claude Opus 4.7 (Score-Spitze) im Mittel in 0,4 Fällen pro Antwort einem hinterlegten Soll-Fakt und fügt Ø 1,8 Behauptungen hinzu, die das Judge-Panel als falsch oder unbelegt markiert; 97 % der Antworten enthalten mindestens eine Markierung. Den niedrigsten Wert hat Grok 4.5 mit Ø 1,1 pro Antwort. Auf die Antwortlänge bezogen: 1,53 pro 1000 Ausgabe-Tokens, am niedrigsten GPT-5.6 Sol mit 0,25.

Vollständiger Lauf mit Konfidenzintervallen, Diff zum Vorlauf und Roh-Daten

Wirtschaftsrecht 21.06.2026: GPT-5.5 Pro (82)

2026-06-21T14:39:14.000Z

Wirtschaftsrecht: GPT-5.5 Pro 82/100.

Im Bereich Wirtschaftsrecht widerspricht GPT-5.5 Pro (Score-Spitze) im Mittel in 0,4 Fällen pro Antwort einem hinterlegten Soll-Fakt und fügt Ø 0,8 Behauptungen hinzu, die das Judge-Panel als falsch oder unbelegt markiert; 100 % der Antworten enthalten mindestens eine Markierung. Auf die Antwortlänge bezogen: 0,11 pro 1000 Ausgabe-Tokens.

Vollständiger Lauf mit Konfidenzintervallen, Diff zum Vorlauf und Roh-Daten

Wirtschaftsrecht 29.05.2026: GPT-5 (80)

2026-05-29T04:35:00.000Z

Wirtschaftsrecht: GPT-5 80/100.

Im Bereich Wirtschaftsrecht widerspricht GPT-5 (Score-Spitze) im Mittel in 0,4 Fällen pro Antwort einem hinterlegten Soll-Fakt und fügt Ø 1,0 Behauptungen hinzu, die das Judge-Panel als falsch oder unbelegt markiert; 97 % der Antworten enthalten mindestens eine Markierung. Den niedrigsten Wert hat Grok 4.3 mit Ø 1,1 pro Antwort. Auf die Antwortlänge bezogen: 0,63 pro 1000 Ausgabe-Tokens.

Vollständiger Lauf mit Konfidenzintervallen, Diff zum Vorlauf und Roh-Daten