Zum Hauptinhalt springen

Direktvergleich

Claude Sonnet 5 vs. Gemini 3.1 Pro Preview

Veröffentlichte Benchmarkwerte aus derselben Version und Vergleichskohorte, API-Preise und technische Eckdaten. Unterschiedliche Testeinstellungen werden sichtbar ausgewiesen.

gemeinsame Messreihen
148
verschiedene Benchmarks
25
jüngster Abruf
26.08.2026

Modellauswahl ändern

Steckbrief

Allgemeine Daten

Erscheinungsdatum, Verfügbarkeit, Kontextfenster, Architektur und veröffentlichte Parameterzahlen auf einen Blick. Nicht veröffentlichte Angaben bleiben als solche markiert.

Allgemeine Daten von Claude Sonnet 5 und Gemini 3.1 Pro Preview
MerkmalClaude Sonnet 5Gemini 3.1 Pro Preview
AnbieterAnthropicGoogle
Erschienen30. Juni 202619. Feb. 2026
VerfügbarkeitAktivPreview
ModelltypProprietärProprietär
ParameterNicht veröffentlichtNicht veröffentlicht
ArchitekturNicht veröffentlichtNicht veröffentlicht
Kontextfenster1.000.000 Token1.048.576 Token
WissensstandJanuar 2026Nicht veröffentlicht
Technische QuellenModell, KontextModell

Kosten

API-Preise im Vergleich

Die Tabelle vergleicht die offiziellen Standard-API-Tarife pro 1 Mio. Token einschließlich veröffentlichter Cache-Preise. Batch, Fast, Priority, regionale Aufschläge, Toolaufrufe und Cloudpreise sind nicht eingerechnet.

API-Preise von Claude Sonnet 5 und Gemini 3.1 Pro Preview
PreisartClaude Sonnet 5Gemini 3.1 Pro Preview
API-Eingabe2 $2 $ ≤200K / 4 $ >200K
API-Ausgabe10 $12 $ ≤200K / 18 $ >200K
Cache lesen0,2 $0,2 $ ≤200K / 0,4 $ >200K
Cache schreiben (5 Min.)2,5 $Nicht ausgewiesen
Cache schreiben (1 Std.)4 $Nicht ausgewiesen
Preis geprüft11.08.2026 Quelle30.07.2026 Quelle
Claude Sonnet 5Gemini 3.1 Pro Preview
API-EingabeUSD pro 1 Mio. Token, Basistarif
Claude Sonnet 5Gleichstand2 $
Gemini 3.1 Pro PreviewGleichstand2 $
API-AusgabeUSD pro 1 Mio. Token, Basistarif
Claude Sonnet 5Günstiger10 $
Gemini 3.1 Pro Preview12 $
Cache lesenUSD pro 1 Mio. Token, Basistarif
Claude Sonnet 5Gleichstand0,2 $
Gemini 3.1 Pro PreviewGleichstand0,2 $

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Preise nach Anbieter

Direkte Entwicklertarife und über OpenRouter geroutete Anbieterpreise sind getrennt gekennzeichnet. Alle Preise gelten in USD pro 1 Mio. Token. Kontextabhängige Direktpreise sowie regionale, Flex-, Priority- und weitere OpenRouter-Tarife bleiben einzeln erkennbar.

Anbieterpreise von Claude Sonnet 5 und Gemini 3.1 Pro Preview
ModellAnbieterBezugsweg und TarifEingabe pro 1 Mio. TokenAusgabe pro 1 Mio. TokenQuelle
Claude Sonnet 5AnthropicDirekt beim EntwicklerStandard-APIGünstigster erfasster Preis: 2 $Günstigster erfasster Preis: 10 $Quelle11.08.2026
Amazon BedrockÜber OpenRouteramazon-bedrock/globalGünstigster erfasster Preis: 2 $Günstigster erfasster Preis: 10 $Quelle25.08.2026
Amazon BedrockÜber OpenRouteramazon-bedrock/us-east-12,2 $11 $Quelle25.08.2026
AnthropicÜber OpenRouteranthropicGünstigster erfasster Preis: 2 $Günstigster erfasster Preis: 10 $Quelle25.08.2026
AzureÜber OpenRouterazure/globalGünstigster erfasster Preis: 2 $Günstigster erfasster Preis: 10 $Quelle25.08.2026
AzureÜber OpenRouterazure/usGünstigster erfasster Preis: 2 $Günstigster erfasster Preis: 10 $Quelle25.08.2026
Claude Platform on AWSÜber OpenRouterclaude-on-awsGünstigster erfasster Preis: 2 $Günstigster erfasster Preis: 10 $Quelle25.08.2026
GoogleÜber OpenRoutergoogle-vertex/europe2,2 $11 $Quelle25.08.2026
GoogleÜber OpenRoutergoogle-vertex/globalGünstigster erfasster Preis: 2 $Günstigster erfasster Preis: 10 $Quelle25.08.2026
GoogleÜber OpenRoutergoogle-vertex/us2,2 $11 $Quelle25.08.2026
Gemini 3.1 Pro PreviewGoogleDirekt beim EntwicklerBis 200.000 Kontext-Token2 $12 $Quelle30.07.2026
GoogleDirekt beim EntwicklerÜber 200.000 Kontext-Token4 $18 $Quelle30.07.2026
GoogleÜber OpenRoutergoogle-vertex/global2 $12 $Quelle25.08.2026
GoogleÜber OpenRoutergoogle-vertex/global/flexGünstigster erfasster Preis: 1 $Günstigster erfasster Preis: 6 $Quelle25.08.2026
GoogleÜber OpenRoutergoogle-vertex/global/priority3,6 $21,6 $Quelle25.08.2026
Google AI StudioÜber OpenRoutergoogle-ai-studio2 $12 $Quelle25.08.2026
Google AI StudioÜber OpenRoutergoogle-ai-studio/flexGünstigster erfasster Preis: 1 $Günstigster erfasster Preis: 6 $Quelle25.08.2026
Google AI StudioÜber OpenRoutergoogle-ai-studio/priority3,6 $21,6 $Quelle25.08.2026

Leistung

Gemeinsame Benchmarks

Nur veröffentlichte Ergebnisse mit derselben Benchmark-Version, Aufgabe, Metrik und Vergleichskohorte werden gegenübergestellt. Wenn Anbieter unterschiedliche Reasoning-Stufen, Agenten oder Ausgabegrenzen verwendet haben, steht das direkt in der Tabelle.

Fähigkeitsprofil aus vergleichbaren Benchmarks

Jede Achse mittelt direkt vergleichbare Benchmarkfamilien. Ein Wert von 100 bedeutet den stärkeren Wert innerhalb dieses Duells, keinen universellen Qualitätswert.

255075100CodingReasoningMathematikWissenFinanzenRechtAgenten-AufgabenMultimodal
Claude Sonnet 5
Gemini 3.1 Pro Preview
Coding: 98,6 / 75,5 (5 Benchmarkfamilien)
Reasoning: 93,1 / 100 (1 Benchmarkfamilie)
Mathematik: 100 / 33,8 (1 Benchmarkfamilie)
Wissen: 96,2 / 100 (1 Benchmarkfamilie)
Finanzen: 100 / 90,2 (5 Benchmarkfamilien)
Recht: 98,7 / 49,8 (3 Benchmarkfamilien)
Agenten-Aufgaben: 100 / 95 (1 Benchmarkfamilie)
Multimodal: 94,1 / 100 (1 Benchmarkfamilie)

26 passende Messreihen aus 24 Benchmarkfamilien wurden berücksichtigt. Das Radar zeigt 8 von 12 vergleichbaren Kategorien.

Claude Sonnet 5Gemini 3.1 Pro Preview
Code MigrationOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Sonnet 5Gewinner44,392 %
Gemini 3.1 Pro Preview17,313 %
CorpFin v2Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Sonnet 5Gewinner66,977 %
Gemini 3.1 Pro Preview64,491 %
EMBOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Sonnet 5Gewinner66,316 %
Gemini 3.1 Pro Preview52,616 %
Finance Agent (v2)Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Sonnet 5Gewinner53,909 %
Gemini 3.1 Pro Preview42,982 %
GPQA DiamondOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Sonnet 588,889 %
Gemini 3.1 Pro PreviewGewinner95,454 %
Harvey's Legal Agent BenchmarkOverall · Task fully resolved. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Sonnet 5Gewinner5 %
Gemini 3.1 Pro Preview0 %
Legal Research BenchOverall · All-pass. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Sonnet 5Gewinner41,827 %
Gemini 3.1 Pro Preview20,673 %
LegalBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Sonnet 583,922 %
Gemini 3.1 Pro PreviewGewinner87,398 %
LiveCodeBench v6Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Sonnet 582,429 %
Gemini 3.1 Pro PreviewGewinner88,485 %
LMArena Text, Style ControlOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Sonnet 51.461,204
Gemini 3.1 Pro PreviewHöherer Messwert1.486,268
MedCodeOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Sonnet 547,54 %
Gemini 3.1 Pro PreviewGewinner59,062 %
MedScribeOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Sonnet 576,054 %
Gemini 3.1 Pro PreviewGewinner76,114 %

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von Claude Sonnet 5 und Gemini 3.1 Pro Preview
Benchmark und AufgabeClaude Sonnet 5Gemini 3.1 Pro PreviewQuelle
Code MigrationOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
Gewinner44,392 %
17,313 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
CorpFin v2Overall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser
Gewinner66,977 %
64,491 %
Vals AI
Quellendetails
Datenstand: 12.08.2026
EMBOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
Gewinner66,316 %
52,616 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
Finance Agent (v2)Overall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser
Gewinner53,909 %
42,982 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
GPQA DiamondOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
88,889 %
Gewinner95,454 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
Harvey's Legal Agent BenchmarkOverall · Task fully resolved
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besser
Gewinner5 %
0 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
Legal Research BenchOverall · All-pass
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besser
Gewinner41,827 %
20,673 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
LegalBenchOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
83,922 %
Gewinner87,398 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
LiveCodeBench v6Overall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
82,429 %
Gewinner88,485 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
LMArena Text, Style ControlOverall
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: claude-sonnet-5-high, Reasoning: high, Harness: Arena text, style control
Gemini 3.1 Pro Preview: Snapshot: gemini-3.1-pro-preview, Harness: Arena text, style controlClaude Sonnet 5: Stilbereinigte Arena-Bewertung aus 27.366 anonymen Paarvergleichen.Gemini 3.1 Pro Preview: Stilbereinigte Arena-Bewertung aus 99.182 anonymen Paarvergleichen.
1.461,204
95-%-Konfidenzintervall: ±4,927Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
Höherer Messwert1.486,268
95-%-Konfidenzintervall: ±3,275Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.		LMArena
Quellendetails
Datenstand: 21.08.2026
MedCodeOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
47,54 %
Gewinner59,062 %
Vals AI
Quellendetails
Datenstand: 20.08.2026
MedScribeOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
76,054 %
Gewinner76,114 %
Vals AI
Quellendetails
Datenstand: 20.08.2026
MMLU-ProOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
87,545 %
Gewinner90,987 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
MMMU-ProOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
83,006 %
Gewinner88,208 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
MortgageTaxOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
Gewinner70,032 %
69,396 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
ProgramBenchOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
Gleichstand0 %
Gleichstand0 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
ProofBenchOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besser
Gewinner77 %
26 %
Vals AI
Quellendetails
Datenstand: 21.08.2026
Public Benefits Bench v1.1Overall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besser
Gewinner66,035 %
53,789 %
Vals AI
Quellendetails
Datenstand: 12.08.2026
SAGEOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
Gewinner48,925 %
48,677 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
SWE-bench VerifiedOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
Gewinner79,6 %
78,8 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
TaxEval v2Overall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser
Gewinner75,634 %
72,882 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
Terminal-Bench 2.1Overall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besser
Gewinner74,532 %
70,787 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
Vals IndexOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: weighted index scoreBewertung: Mehr ist besser
Gewinner59,61 %
41,903 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
Vals Multimodal IndexOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1.2Messgröße: weighted index scoreBewertung: Mehr ist besser
Gewinner68,826 %
56,068 %
Vals AI
Quellendetails
Datenstand: 11.08.2026
Vibe Code Bench v1.1Overall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Harness: OpenHands
Gewinner81,325 %
32,034 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
Code MigrationCLI
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert36,332 %
10,833 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
CorpFin v2Exact Pages
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert63,869 %
60,839 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
EMBComps
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert69,384 %
44,505 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
Finance Agent (v2)Adjustments
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert48,715 %
38,361 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
GPQA DiamondFew-Shot CoT
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.535 tokens
87,374 %
Höherer Messwert95,96 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
Legal Research BenchAdministrative / Regulatory · All-pass
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert54,545 %
24,242 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
LegalBenchConclusion Tasks
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert89,555 %
89,257 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
LiveCodeBench v6Easy
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
98,447 %
Höherer Messwert99,068 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
LMArena Text, Style ControlBusiness, management and finance
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: claude-sonnet-5-high, Reasoning: high, Harness: Arena text, style control
Gemini 3.1 Pro Preview: Snapshot: gemini-3.1-pro-preview, Harness: Arena text, style controlClaude Sonnet 5: Stilbereinigte Arena-Bewertung aus 5.475 anonymen Paarvergleichen.Gemini 3.1 Pro Preview: Stilbereinigte Arena-Bewertung aus 19.582 anonymen Paarvergleichen.
1.463,986
95-%-Konfidenzintervall: ±8,676Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
Höherer Messwert1.476,214
95-%-Konfidenzintervall: ±5,563Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.		LMArena
Quellendetails
Datenstand: 21.08.2026
MMLU-ProBiology
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.535 tokens
93,584 %
Höherer Messwert95,258 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
MortgageTaxNumerical Extraction
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert78,696 %
76,391 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
ProgramBenchAlmost Resolved
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert13,5 %
1 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
SAGEAutomata
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens
Höherer Messwert34,92 %
32,143 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
SWE-bench Verified<15 min fix
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
83,505 %
Höherer Messwert88,66 %
Vals AI
Quellendetails
Datenstand: 08.08.2026
TaxEval v2Correctness
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.535 tokens
Höherer Messwert64,023 %
60,749 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
Terminal-Bench 2.1Easy
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert100 %
91,667 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
Vals IndexCorpFin v2
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert67,949 %
65,734 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
Vals Multimodal IndexCorpFin v2
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert67,949 %
65,734 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
Code MigrationCOBOL
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert68,571 %
36,753 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
CorpFin v2Max Fitting Context
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert69,114 %
66,9 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
EMBDataroom
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert84,909 %
79,17 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
Finance Agent (v2)All-Pass
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert42,084 %
30,879 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
GPQA DiamondZero-Shot CoT
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.535 tokens
90,404 %
Höherer Messwert94,949 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
Legal Research BenchAdministrative / Regulatory · Weighted partial credit
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: weighted partial-credit scoreBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert87,81 %
79,215 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
LegalBenchInterpretation Tasks
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
81,412 %
Höherer Messwert83,823 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
LiveCodeBench v6Hard
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
66,857 %
Höherer Messwert76,571 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
LMArena Text, Style ControlChinese
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: claude-sonnet-5-high, Reasoning: high, Harness: Arena text, style control
Gemini 3.1 Pro Preview: Snapshot: gemini-3.1-pro-preview, Harness: Arena text, style controlClaude Sonnet 5: Stilbereinigte Arena-Bewertung aus 1.805 anonymen Paarvergleichen.Gemini 3.1 Pro Preview: Stilbereinigte Arena-Bewertung aus 5.615 anonymen Paarvergleichen.
1.501,528
95-%-Konfidenzintervall: ±14,728Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
Höherer Messwert1.532,092
95-%-Konfidenzintervall: ±9,242Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.		LMArena
Quellendetails
Datenstand: 21.08.2026
MMLU-ProBusiness
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.535 tokens
91,635 %
Höherer Messwert93,409 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
MortgageTaxSemantic Extraction
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
61,367 %
Höherer Messwert62,401 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
ProgramBenchFully Resolved
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Kein direkter Sieger0 %
Kein direkter Sieger0 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
SAGELinear Algebra
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens
68,999 %
Höherer Messwert74,205 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
SWE-bench Verified>4 hours
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert66,667 %
33,333 %
Vals AI
Quellendetails
Datenstand: 08.08.2026
TaxEval v2Stepwise Reasoning
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.535 tokens
Höherer Messwert87,244 %
85,016 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
Terminal-Bench 2.1Hard
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
57,778 %
Höherer Messwert60 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
Vals IndexFinance Agent v2
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert51,979 %
42,968 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
Vals Multimodal IndexFinance Agent v2
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert51,979 %
42,968 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
Code MigrationCode Quality
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: mean reviewer code-quality ratingBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert4,898 / 5
2,538 / 5
Vals AI
Quellendetails
Datenstand: 09.08.2026
CorpFin v2Shared Max Context
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert67,949 %
65,734 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
EMBDCF
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert56,404 %
46,388 %
Vals AI
Quellendetails
Datenstand: 06.08.2026

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

So liest du den Vergleich

Ein Benchmark-Sieg ist kein Gesamturteil

Entscheidend sind deine Aufgaben, dein Budget und die benötigte Kontextlänge. Ein Coding-Benchmark sagt wenig über Bildverständnis oder Agentenarbeit aus.

Die Standardpreistabelle nutzt direkte Entwicklertarife. Der Anbieter-Vergleich kennzeichnet OpenRouter-Endpoints, Regionen und Sondertarife separat.

Jeder Messwert verlinkt seine Messstelle und zeigt den Abrufstand. Je nach Kennzeichnung handelt es sich um eine Anbieterangabe, ein offizielles Benchmark-Leaderboard oder eine unabhängige Evaluation. Strittige oder archivierte Ergebnisse werden nicht verwendet.

Weitere Duelle

Ähnliche LLM-Vergleiche

Vergleiche Claude Sonnet 5 und Gemini 3.1 Pro Preview mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich