Kurz gesagt: Astra führt bei der juristischen Substanz mit 17,63 von 20 Punkten und gewinnt mit weniger als einem Punkt Vorsprung. Für diesen Vorsprung kostet es pro Antwort elfmal so viel wie GPT-5.6 Luna Pro; gegenüber Claude Opus 5 ist es mit 1,7-mal geringeren Kosten pro Antwort die wirtschaftlichere Wahl, weil es 3,5-mal weniger schreibt. Jedes getestete Modell lag beim saudischen oder ägyptischen Recht falsch, obwohl es den richtigen Artikel zitierte. Das ist der Fehler, den kein Prüfwerkzeug erkennt, und er betrifft unseren Markt.
Was wir getestet haben
41 Prompts aus 20 Rechtsgebieten, von M&A und Kapitalmarktrecht bis zu Migrationsrecht und Baurecht. Drei Modelle: GPT-6 Astra, Claude Opus 5, GPT-5.6 Luna Pro. Der Reasoning-Aufwand war bei allen dreien auf mittel festgelegt, damit der Vergleich fair und nicht geschönt ist. Neun Eigenschaften wurden getrennt gemessen, denn ein Modell, das glänzend formuliert und eine Norm erfindet, ist kein gutes juristisches Modell. 66,55 $ abgerechnete Inferenz. Durchgeführt am 10. September 2026.
HAQQ ist nicht Teil dieses Benchmarks. Wir haben unser eigenes Produkt nicht in eine Studie aufgenommen, die wir selbst durchgeführt haben. Im Folgenden geht es um drei Frontier-Modelle, gemessen aneinander.
Das Ranking ist knapp. Der Preis nicht.
Bei der juristischen Substanz (bewertete Qualität plus Genauigkeit) führt Astra mit 17,63 von 20. Im Gesamtwert, der einen Geschwindigkeitsrang einbezieht, liegt Luna Pro mit 30,93 von 35 vorn, gegenüber 30,05 für Astra und 28,13 für Opus 5.
Beides stimmt, und genau darum geht es. Ein Benchmark, der nur den Gesamtwert ausweist, sagt Ihnen stillschweigend, dass Latenz genauso wichtig sei wie eine richtige Antwort.
Niemand kauft ein Token
| Modell | Preis pro Mio. Output-Tokens | Tokens pro Antwort | Kosten pro Antwort |
|---|---|---|---|
| GPT-6 Astra | 50 $ | 5.201 | 0,2622 $ |
| Claude Opus 5 | 25 $ | 18.190 | 0,4566 $ |
| GPT-5.6 Luna Pro | 1,20 $ | 16.356 | 0,0231 $ |
Astra berechnet pro Token das Doppelte von Opus 5 und kostet pro Antwort trotzdem 1,7-mal weniger, weil es 3,5-mal weniger Tokens braucht, um dasselbe zu sagen.
Das nominell günstigere Modell ist das teurere.
Die Knappheit ist der eigentliche Befund. Der Vorteil von Astra liegt nicht darin, dass es klüger ist, sondern darin, dass es aufhört zu schreiben.
Gegenüber Luna Pro bricht die Rechnung zusammen: elffache Kosten pro Antwort für weniger als einen Punkt im Gesamtwert. Für allgemeine juristische Fragen und Antworten in großem Umfang ist das nicht vertretbar.
Der Reasoning-Regler steuert die Kosten, nicht die Qualität
Astra bietet eine Einstellung für den Reasoning-Aufwand, also haben wir auf jeder Stufe zehn Prompts ausgeführt. Von niedrig auf hoch stiegen die Kosten um das 1,5-Fache und die Latenz um das 1,8-Fache, die bewertete Qualität veränderte sich um -0,17 Punkte.
Ein höherer Wert machte die Antworten etwas schlechter und spürbar teurer. Wenn Sie Astra einsetzen, legen Sie den Aufwand fest.
Der Teil, der Sie beunruhigen sollte
Sechs Fragen in fünf Rechtsordnungen, gestellt in der Sprache, die eine örtliche Praktikerin oder ein örtlicher Praktiker verwenden würde. Kündigungsfristen im saudischen Arbeitsrecht und Höchstdauer der Probezeit in den VAE, auf Arabisch. Verjährungsfristen und die Lehre von missbräuchlichen Klauseln im französischen Recht. Wechselregeln in Katar. Ägyptisches Datenschutzrecht.
Astra: 83,3 % rechtlich korrekt. Luna Pro: 83,3 %. Claude Opus 5: 83,3 %. Jedes Modell beantwortete 5 der 6 Fragen richtig.
Alle drei antworteten jedes Mal in der richtigen Sprache. Alle drei zitierten jedes Mal die richtige Vorschrift. Jedes gab dann den Inhalt einer Vorschrift falsch wieder: Astra und Luna Pro bei der Einwilligung in grenzüberschreitende Übermittlungen nach dem ägyptischen Datenschutzgesetz (PDPL), Claude Opus 5 bei Artikel 75 des saudischen Arbeitsgesetzes, wo es den Wortlaut zur Kündigungsfrist aus der Zeit vor 2025 zitierte.
Ein Zitatprüfer lässt diese Antwort durch. Jedes Werkzeug zur Erkennung von Halluzinationen auf dem Markt lässt diese Antwort durch. Ein Mandant nicht.
Das ist die Lücke zwischen sprachlicher Gewandtheit und Richtigkeit in einer Rechtsordnung, und weder ein größeres Kontextfenster noch ein stärkeres Reasoning-Modell schließt sie.
Langer Kontext ist gelöst. Ihn zu bezahlen nicht.
Wir haben vier widersprüchliche Klauseln in einem Rahmendienstleistungsvertrag platziert (eine Haftungsobergrenze, eine Ausnahme, die sie verdrängt, eine kumulative Preisgleitklausel und eine Rechtswahlklausel), bei 6 %, 24 %, 47 % und 68 % seiner Länge. Eine richtige Antwort setzt voraus, alle vier zu finden und die richtige Rangfolge anzuwenden. Wer nur die erste findet, liefert eine selbstbewusste, konkrete und falsche Zahl.
Alle drei lagen bei 25k, 100k und 200k Tokens richtig. Doch dieselbe Antwort bei 200k kostete bei Astra 2,01 $ und bei Luna Pro 0,15 $. Ein Unterschied um den Faktor 13 bei identischem Ergebnis.
Determinismus gibt es zu keinem Preis
Dieselbe Frage, derselbe Seed, fünfmal. Kein Modell gab eine identische Antwort wieder. Die Ähnlichkeit auf Wortebene lag zwischen 0,47 und 0,78. Zwei der drei akzeptieren einen Seed und erzeugen trotzdem nie zweimal denselben Text.
Wenn dieselbe Vertragsfrage am Dienstag eine andere Antwort liefert, war sie schon am Montag nicht verlässlich. Was Sie einem Mandanten an Konsistenz zusagen, muss oberhalb des Modells aufgebaut werden und lässt sich nicht beim Modell einkaufen.
Was wir einer Kanzlei raten würden, die heute wählt
Verteilen Sie nach Mandatsart, nicht nach Marke. Unsere Tabelle nach Rechtsgebieten zeigt Astra in den meisten Gebieten vorn und Opus 5 vorn bei Insolvenzrecht und ESG, mit so geringen Abständen, dass die Entscheidung in der Regel von Kosten und Latenz abhängt und weniger von der Leistungsfähigkeit.
Verlagern Sie juristische Fragen und Antworten mit hohem Volumen nicht in der Erwartung eines Qualitätssprungs auf Astra. Ziehen Sie es aber dort in Betracht, wo Sie Opus 5 für lange Antworten bezahlen, die niemand liest.
Und welches Modell Sie auch wählen: Prüfen Sie die Rechtsordnung. Alle drei liefern Ihnen die richtige Artikelnummer zusammen mit der falschen Regel, in den Sprachen, in denen unser Markt arbeitet.
Einschränkungen, klar benannt
Die Ergebnisse beruhen auf weniger Prompts als geplant, und Claude Opus 5 beantwortete 37 der 41, die beiden anderen alle 41, die Basis ist also ungleich. Betrachten Sie das Ranking als vorläufig und das mehrsprachige Ergebnis als den Befund, auf den es zu reagieren lohnt. Wir messen erneut, sobald der vollständige Satz vorliegt, und veröffentlichen, was er ergibt.
Wir haben den Test selbst durchgeführt. Er ist nicht unabhängig geprüft. Die Methode ist oben beschrieben, damit Sie sie nachvollziehen können.
HAQQ AI kostenlos testen
Erleben Sie KI-gestützte juristische Recherche und Entwurf
