Direktvergleich

Gemini 3.5 Flash vs. Grok 4.5

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

gemeinsame Messreihen: 232
verschiedene Benchmarks: 27
jüngster Abruf: 26.08.2026

Erstes ModellZweites Modell

Steckbrief

Allgemeine Daten

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

Allgemeine Daten von Gemini 3.5 Flash und Grok 4.5
Merkmal	Gemini 3.5 Flash	Grok 4.5
Anbieter	Google	xAI
Erschienen	19. Mai 2026	16. Juli 2026
Verfügbarkeit	Aktiv	Aktiv
Modelltyp	Proprietär	Proprietär
Parameter	Nicht veröffentlicht	Nicht veröffentlicht
Architektur	Nicht veröffentlicht	Nicht veröffentlicht
Kontextfenster	1.048.576 Token	500.000 Token
Wissensstand	Nicht veröffentlicht	1. Februar 2026
Technische Quellen	Modell	Modell

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 Gemini 3.5 Flash und Grok 4.5
Preisart	Gemini 3.5 Flash	Grok 4.5
API-Eingabe	1,5 $	2 $ ≤200K / 4 $ >200K
API-Ausgabe	9 $	6 $ ≤200K / 12 $ >200K
Cache lesen	0,15 $	0,3 $ ≤200K / 0,6 $ >200K
Cache schreiben (5 Min.)	Nicht ausgewiesen	Nicht ausgewiesen
Cache schreiben (1 Std.)	Nicht ausgewiesen	Nicht ausgewiesen
Preis geprüft	30.07.2026 Quelle	11.08.2026 Quelle

Gemini 3.5 FlashGrok 4.5

API-EingabeUSD pro 1 Mio. Token, Basistarif

Gemini 3.5 Flash1,5 $

Grok 4.52 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

Gemini 3.5 Flash9 $

Grok 4.56 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

Gemini 3.5 Flash0,15 $

Grok 4.50,3 $

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 Gemini 3.5 Flash und Grok 4.5
Modell	Anbieter	Bezugsweg und Tarif	Eingabe pro 1 Mio. Token	Ausgabe pro 1 Mio. Token	Quelle
Gemini 3.5 Flash	Google	Direkt beim EntwicklerStandard-API	1,5 $	9 $	Quelle30.07.2026
	Google	Über OpenRoutergoogle-vertex/global	1,5 $	9 $	Quelle25.08.2026
	Google	Über OpenRoutergoogle-vertex/global/flex	Günstigster erfasster Preis: 0,75 $	Günstigster erfasster Preis: 4,5 $	Quelle25.08.2026
	Google	Über OpenRoutergoogle-vertex/global/priority	2,7 $	16,2 $	Quelle25.08.2026
	Google	Über OpenRoutergoogle-vertex/us	1,65 $	9,9 $	Quelle25.08.2026
	Google AI Studio	Über OpenRoutergoogle-ai-studio	1,5 $	9 $	Quelle25.08.2026
	Google AI Studio	Über OpenRoutergoogle-ai-studio/flex	Günstigster erfasster Preis: 0,75 $	Günstigster erfasster Preis: 4,5 $	Quelle25.08.2026
	Google AI Studio	Über OpenRoutergoogle-ai-studio/priority	2,7 $	16,2 $	Quelle25.08.2026
Grok 4.5	xAI	Direkt beim EntwicklerBis 200.000 Kontext-Token	Günstigster erfasster Preis: 2 $	Günstigster erfasster Preis: 6 $	Quelle11.08.2026
	xAI	Direkt beim EntwicklerÜber 200.000 Kontext-Token	4 $	12 $	Quelle11.08.2026
	xAI	Über OpenRouterxai	Günstigster erfasster Preis: 2 $	Günstigster erfasster Preis: 6 $	Quelle25.08.2026
	xAI	Über OpenRouterxai/priority	4 $	12 $	Quelle25.08.2026
	xAI	Über OpenRouterxai/zdr	Günstigster erfasster Preis: 2 $	Günstigster erfasster Preis: 6 $	Quelle25.08.2026
	xAI	Über OpenRouterxai/zdr/priority	4 $	12 $	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.

Gemini 3.5 Flash

Grok 4.5

Coding: 86,9 / 99,9 (5 Benchmarkfamilien)

Reasoning: 99,7 / 100 (1 Benchmarkfamilie)

Mathematik: 100 / 100 (1 Benchmarkfamilie)

Wissen: 100 / 88 (2 Benchmarkfamilien)

Finanzen: 99,2 / 90,8 (5 Benchmarkfamilien)

Recht: 65,9 / 100 (3 Benchmarkfamilien)

Agenten-Aufgaben: 89,9 / 95,7 (2 Benchmarkfamilien)

Multimodal: 100 / 70 (1 Benchmarkfamilie)

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

Gemini 3.5 FlashGrok 4.5

Code MigrationOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Gemini 3.5 Flash26,745 %

Grok 4.536,596 %

CorpFin v2Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Gemini 3.5 Flash64,686 %

Grok 4.567,405 %

EMBOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Gemini 3.5 Flash63,548 %

Grok 4.552,911 %

Finance Agent (v2)Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Gemini 3.5 Flash57,861 %

Grok 4.548,349 %

GPQA DiamondOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Gemini 3.5 Flash92,676 %

Grok 4.592,929 %

Harvey's Legal Agent BenchmarkOverall · Task fully resolved. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Gemini 3.5 Flash2,5 %

Grok 4.512,917 %

Legal Research BenchOverall · All-pass. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Gemini 3.5 Flash30,769 %

Grok 4.537,981 %

LegalBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Gemini 3.5 Flash83,602 %

Grok 4.585,965 %

LiveCodeBench v6Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Gemini 3.5 Flash87,604 %

Grok 4.587,351 %

LMArena Text, Style ControlOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Gemini 3.5 Flash1.478,186

Grok 4.51.470,287

MedCodeOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Gemini 3.5 Flash55,825 %

Grok 4.543,291 %

MedScribeOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Gemini 3.5 Flash76,574 %

Grok 4.586,884 %

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von Gemini 3.5 Flash und Grok 4.5
Benchmark und Aufgabe	Gemini 3.5 Flash	Grok 4.5	Quelle
Code MigrationOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	26,745 %	Gewinner36,596 %	Vals AI Quellendetails Datenstand: 19.08.2026
CorpFin v2Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser	64,686 %	Gewinner67,405 %	Vals AI Quellendetails Datenstand: 12.08.2026
EMBOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner63,548 %	52,911 %	Vals AI Quellendetails Datenstand: 19.08.2026
Finance Agent (v2)Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser	Gewinner57,861 %	48,349 %	Vals AI Quellendetails Datenstand: 19.08.2026
GPQA DiamondOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	92,676 %	Gewinner92,929 %	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	2,5 %	Gewinner12,917 %	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	30,769 %	Gewinner37,981 %	Vals AI Quellendetails Datenstand: 19.08.2026
LegalBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	83,602 %	Gewinner85,965 %	Vals AI Quellendetails Datenstand: 19.08.2026
LiveCodeBench v6Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner87,604 %	87,351 %	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 besserGemini 3.5 Flash: Snapshot: gemini-3.5-flash-high, Reasoning: high, Harness: Arena text, style control Grok 4.5: Snapshot: grok-4.5, Harness: Arena text, style controlGemini 3.5 Flash: Stilbereinigte Arena-Bewertung aus 30.004 anonymen Paarvergleichen.Grok 4.5: Stilbereinigte Arena-Bewertung aus 22.030 anonymen Paarvergleichen.	Höherer Messwert1.478,186 95-%-Konfidenzintervall: ±4,512Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.470,287 95-%-Konfidenzintervall: ±5,161Der 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	Gewinner55,825 %	43,291 %	Vals AI Quellendetails Datenstand: 20.08.2026
MedScribeOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	76,574 %	Gewinner86,884 %	Vals AI Quellendetails Datenstand: 20.08.2026
MMLU-ProOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner89,515 %	89,216 %	Vals AI Quellendetails Datenstand: 19.08.2026
MMMU-ProOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner88,266 %	61,792 %	Vals AI Quellendetails Datenstand: 19.08.2026
MortgageTaxOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner68,124 %	61,804 %	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	Gleichstand31 %	Gleichstand31 %	Vals AI Quellendetails Datenstand: 21.08.2026
SAGEOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner49,885 %	34,967 %	Vals AI Quellendetails Datenstand: 19.08.2026
SimpleQA Verified v2Kaggle score Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: Kaggle leaderboard 2026-08-03Messgröße: Kaggle leaderboard scoreBewertung: Mehr ist besser1.000 verifizierte Prompts ohne Werkzeuge. Kaggle hat die Ergebnisse unabhängig reproduziert.	Gewinner70,4 % 95-%-Konfidenzintervall: ±2,9	53,8 % 95-%-Konfidenzintervall: ±3,2	Kaggle Quellendetails Datenstand: 03.08.2026
SkillsBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Harness: OpenHands	52,737 %	Gewinner66,034 %	Vals AI Quellendetails Datenstand: 19.08.2026
SWE-bench VerifiedOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	78,8 %	Gewinner86,6 %	Vals AI Quellendetails Datenstand: 19.08.2026
TaxEval v2Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser	Gewinner74,366 %	71,668 %	Vals AI Quellendetails Datenstand: 19.08.2026
Terminal-Bench 2.1Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner74,157 %	67,79 %	Vals AI Quellendetails Datenstand: 19.08.2026
Vals IndexOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: weighted index scoreBewertung: Mehr ist besser	Gewinner53,079 %	51,528 %	Vals AI Quellendetails Datenstand: 19.08.2026
Vals Multimodal IndexOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.2Messgröße: weighted index scoreBewertung: Mehr ist besser	62,928 %	Gewinner63,42 %	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	48,683 %	Gewinner69,002 %	Vals AI Quellendetails Datenstand: 19.08.2026
Web Search IndexOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Harness: Native	Gewinner37,041 %	35,538 %	Vals AI Quellendetails Datenstand: 16.07.2026
Code MigrationCLI Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Grok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95	17,175 %	Höherer Messwert25,461 %	Vals AI Quellendetails Datenstand: 09.08.2026
CorpFin v2Exact Pages Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Grok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95	62,821 %	Höherer Messwert66,317 %	Vals AI Quellendetails Datenstand: 06.08.2026
EMBComps Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Grok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95	Höherer Messwert69,788 %	39,489 %	Vals AI Quellendetails Datenstand: 06.08.2026
Finance Agent (v2)Adjustments Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Grok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95	Höherer Messwert54,869 %	38,568 %	Vals AI Quellendetails Datenstand: 06.08.2026
GPQA DiamondFew-Shot CoT Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Grok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95	91,414 %	Höherer Messwert92,929 %	Vals AI Quellendetails Datenstand: 09.08.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Criteria passed Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: criteria pass rateBewertung: Mehr ist besserGemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Grok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95	84,42 %	Höherer Messwert87,319 %	Vals AI Quellendetails Datenstand: 07.08.2026
Legal Research BenchAdministrative / Regulatory · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserGemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Grok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95	43,939 %	Höherer Messwert51,515 %	Vals AI Quellendetails Datenstand: 06.08.2026
LegalBenchConclusion Tasks Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Grok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95	81,939 %	Höherer Messwert89,507 %	Vals AI Quellendetails Datenstand: 09.08.2026
LiveCodeBench v6Easy Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Grok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95	Kein direkter Sieger99,068 %	Kein direkter Sieger99,068 %	Vals AI Quellendetails Datenstand: 09.08.2026
LMArena Text, Style ControlOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGemini 3.5 Flash: Snapshot: gemini-3.5-flash-medium, Reasoning: medium, Harness: Arena text, style control Grok 4.5: Snapshot: grok-4.5, Harness: Arena text, style controlGemini 3.5 Flash: Stilbereinigte Arena-Bewertung aus 28.343 anonymen Paarvergleichen.Grok 4.5: Stilbereinigte Arena-Bewertung aus 22.030 anonymen Paarvergleichen.	Höherer Messwert1.474,044 95-%-Konfidenzintervall: ±4,865Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.470,287 95-%-Konfidenzintervall: ±5,161Der 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 besserGemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Grok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95	93,863 %	Höherer Messwert94,282 %	Vals AI Quellendetails Datenstand: 09.08.2026
MortgageTaxNumerical Extraction Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Grok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95	Höherer Messwert77,504 %	62,798 %	Vals AI Quellendetails Datenstand: 09.08.2026
ProgramBenchAlmost Resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Grok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95	1,5 %	Höherer Messwert4,5 %	Vals AI Quellendetails Datenstand: 09.08.2026
SAGEAutomata Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens Grok 4.5: Reasoning: high, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 30.000 tokens	Höherer Messwert38,492 %	32,54 %	Vals AI Quellendetails Datenstand: 09.08.2026
SkillsBenchNo Skills Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.5 Flash: Reasoning: high, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 65.536 tokens Grok 4.5: Reasoning: high, Harness: OpenHands, Temperatur: 0.7, Top P: 0.95	40,971 %	Höherer Messwert48,808 %	Vals AI Quellendetails Datenstand: 07.08.2026
SWE-bench Verified<15 min fix Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Grok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95	86,598 %	Höherer Messwert93,814 %	Vals AI Quellendetails Datenstand: 08.08.2026
TaxEval v2Correctness Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Grok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95	61,897 %	Höherer Messwert62,551 %	Vals AI Quellendetails Datenstand: 09.08.2026
Terminal-Bench 2.1Easy Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Grok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95	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 besserGemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Grok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95	64,569 %	Höherer Messwert68,415 %	Vals AI Quellendetails Datenstand: 09.08.2026
Vals Multimodal IndexCorpFin v2 Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserGemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Grok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95	64,569 %	Höherer Messwert68,415 %	Vals AI Quellendetails Datenstand: 09.08.2026
Web Search IndexFinance Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.5 Flash: Reasoning: high, Harness: Native, Temperatur: 1, Ausgabegrenze: 65.536 tokens Grok 4.5: Reasoning: high, Harness: Native, Temperatur: 0.7, Top P: 0.95	Höherer Messwert47,639 %	32,133 %	Vals AI Quellendetails Datenstand: 16.07.2026
Code MigrationCOBOL Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Grok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95	55,455 %	Höherer Messwert70 %	Vals AI Quellendetails Datenstand: 09.08.2026
CorpFin v2Max Fitting Context Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Grok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95	66,667 %	Höherer Messwert67,483 %	Vals AI Quellendetails Datenstand: 06.08.2026
EMBDataroom Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Grok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95	Höherer Messwert80,921 %	64,953 %	Vals AI Quellendetails Datenstand: 06.08.2026
Finance Agent (v2)All-Pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Grok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95	Höherer Messwert45,706 %	36,743 %	Vals AI Quellendetails Datenstand: 06.08.2026
GPQA DiamondZero-Shot CoT Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Grok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95	Höherer Messwert93,939 %	92,929 %	Vals AI Quellendetails Datenstand: 09.08.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserGemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Grok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95	Kein direkter Sieger0 %	Kein direkter Sieger0 %	Vals AI Quellendetails Datenstand: 07.08.2026
Legal Research BenchAdministrative / Regulatory · Weighted partial credit Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: weighted partial-credit scoreBewertung: Mehr ist besserGemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Grok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95	87,126 %	Höherer Messwert88,75 %	Vals AI Quellendetails Datenstand: 06.08.2026
LegalBenchInterpretation Tasks Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Grok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95	Höherer Messwert88,675 %	83,22 %	Vals AI Quellendetails Datenstand: 09.08.2026
LiveCodeBench v6Hard Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Grok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95	73,143 %	Höherer Messwert73,429 %	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 besserGemini 3.5 Flash: Snapshot: gemini-3.5-flash-high, Reasoning: high, Harness: Arena text, style control Grok 4.5: Snapshot: grok-4.5, Harness: Arena text, style controlGemini 3.5 Flash: Stilbereinigte Arena-Bewertung aus 5.980 anonymen Paarvergleichen.Grok 4.5: Stilbereinigte Arena-Bewertung aus 4.365 anonymen Paarvergleichen.	1.462,48 95-%-Konfidenzintervall: ±8,36Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.463,609 95-%-Konfidenzintervall: ±9,541Der 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 besserGemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Grok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95	Kein direkter Sieger93,283 %	Kein direkter Sieger93,283 %	Vals AI Quellendetails Datenstand: 09.08.2026
MortgageTaxSemantic Extraction Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Grok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95	58,744 %	Höherer Messwert60,811 %	Vals AI Quellendetails Datenstand: 09.08.2026
ProgramBenchFully Resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Grok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95	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 besserGemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens Grok 4.5: Reasoning: high, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 30.000 tokens	Höherer Messwert68,305 %	46,964 %	Vals AI Quellendetails Datenstand: 09.08.2026
SkillsBenchWith Skills Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.5 Flash: Reasoning: high, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 65.536 tokens Grok 4.5: Reasoning: high, Harness: OpenHands, Temperatur: 0.7, Top P: 0.95	52,737 %	Höherer Messwert66,034 %	Vals AI Quellendetails Datenstand: 07.08.2026
SWE-bench Verified>4 hours Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Grok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95	33,333 %	Höherer Messwert66,667 %	Vals AI Quellendetails Datenstand: 08.08.2026
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

Vergleiche Gemini 3.5 Flash und Grok 4.5 mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich