Zum Hauptinhalt springen

Direktvergleich

Gemini 3.6 Flash 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
151
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 Gemini 3.6 Flash und Gemini 3.1 Pro Preview
MerkmalGemini 3.6 FlashGemini 3.1 Pro Preview
AnbieterGoogleGoogle
Erschienen21. Juli 202619. Feb. 2026
VerfügbarkeitAktivPreview
ModelltypProprietärProprietär
ParameterNicht veröffentlichtNicht veröffentlicht
ArchitekturNicht veröffentlichtNicht veröffentlicht
Kontextfenster1.048.576 Token1.048.576 Token
WissensstandNicht veröffentlichtNicht veröffentlicht
Technische QuellenModellModell

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 3.6 Flash und Gemini 3.1 Pro Preview
PreisartGemini 3.6 FlashGemini 3.1 Pro Preview
API-Eingabe0,75 $2 $ ≤200K / 4 $ >200K
API-Ausgabe3,75 $12 $ ≤200K / 18 $ >200K
Cache lesen0,07 $0,2 $ ≤200K / 0,4 $ >200K
Cache schreiben (5 Min.)Nicht ausgewiesenNicht ausgewiesen
Cache schreiben (1 Std.)Nicht ausgewiesenNicht ausgewiesen
Preis geprüft16.08.2026 Quelle30.07.2026 Quelle
Gemini 3.6 FlashGemini 3.1 Pro Preview
API-EingabeUSD pro 1 Mio. Token, Basistarif
Gemini 3.6 FlashGünstiger0,75 $
Gemini 3.1 Pro Preview2 $
API-AusgabeUSD pro 1 Mio. Token, Basistarif
Gemini 3.6 FlashGünstiger3,75 $
Gemini 3.1 Pro Preview12 $
Cache lesenUSD pro 1 Mio. Token, Basistarif
Gemini 3.6 FlashGünstiger0,075 $
Gemini 3.1 Pro Preview0,2 $

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 Gemini 3.6 Flash und Gemini 3.1 Pro Preview
ModellAnbieterBezugsweg und TarifEingabe pro 1 Mio. TokenAusgabe pro 1 Mio. TokenQuelle
Gemini 3.6 FlashGoogleDirekt beim EntwicklerStandard-API0,75 $3,75 $Quelle16.08.2026
GoogleÜber OpenRoutergoogle-vertex/global0,75 $3,75 $Quelle25.08.2026
GoogleÜber OpenRoutergoogle-vertex/global/flexGünstigster erfasster Preis: 0,375 $Günstigster erfasster Preis: 1,875 $Quelle25.08.2026
GoogleÜber OpenRoutergoogle-vertex/global/priority1,35 $6,75 $Quelle25.08.2026
GoogleÜber OpenRoutergoogle-vertex/us0,825 $4,125 $Quelle25.08.2026
Google AI StudioÜber OpenRoutergoogle-ai-studio0,75 $3,75 $Quelle25.08.2026
Google AI StudioÜber OpenRoutergoogle-ai-studio/flexGünstigster erfasster Preis: 0,375 $Günstigster erfasster Preis: 1,875 $Quelle25.08.2026
Google AI StudioÜber OpenRoutergoogle-ai-studio/priority1,35 $6,75 $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.

255075100CodingReasoningWissenFinanzenRechtAgenten-AufgabenMultimodalProduktivität
Gemini 3.6 Flash
Gemini 3.1 Pro Preview
Coding: 99,8 / 76,8 (5 Benchmarkfamilien)
Reasoning: 97,9 / 100 (1 Benchmarkfamilie)
Wissen: 98,1 / 100 (1 Benchmarkfamilie)
Finanzen: 98,9 / 90,1 (5 Benchmarkfamilien)
Recht: 99,4 / 62,7 (3 Benchmarkfamilien)
Agenten-Aufgaben: 100 / 94,6 (1 Benchmarkfamilie)
Multimodal: 100 / 99,8 (1 Benchmarkfamilie)
Produktivität: 100 / 95,1 (1 Benchmarkfamilie)

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

Gemini 3.6 FlashGemini 3.1 Pro Preview
Code MigrationOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Gemini 3.6 FlashGewinner30,928 %
Gemini 3.1 Pro Preview17,313 %
CorpFin v2Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Gemini 3.6 Flash63,326 %
Gemini 3.1 Pro PreviewGewinner64,491 %
CyberBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Gemini 3.6 FlashGewinner48,514 %
Gemini 3.1 Pro Preview36,441 %
EMBOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Gemini 3.6 FlashGewinner65,411 %
Gemini 3.1 Pro Preview52,616 %
Finance Agent (v2)Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Gemini 3.6 FlashGewinner56,296 %
Gemini 3.1 Pro Preview42,982 %
GPQA DiamondOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Gemini 3.6 Flash93,434 %
Gemini 3.1 Pro PreviewGewinner95,454 %
Harvey's Legal Agent BenchmarkOverall · Task fully resolved. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Gemini 3.6 FlashGewinner3,333 %
Gemini 3.1 Pro Preview0 %
Legal Research BenchOverall · All-pass. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Gemini 3.6 FlashGewinner25 %
Gemini 3.1 Pro Preview20,673 %
LegalBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Gemini 3.6 Flash86,705 %
Gemini 3.1 Pro PreviewGewinner87,398 %
LiveCodeBench v6Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Gemini 3.6 Flash88,08 %
Gemini 3.1 Pro PreviewGewinner88,485 %
LMArena Text, Style ControlOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Gemini 3.6 Flash1.480,771
Gemini 3.1 Pro PreviewHöherer Messwert1.486,268
MedCodeOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Gemini 3.6 Flash53,153 %
Gemini 3.1 Pro PreviewGewinner59,062 %

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von Gemini 3.6 Flash und Gemini 3.1 Pro Preview
Benchmark und AufgabeGemini 3.6 FlashGemini 3.1 Pro PreviewQuelle
Code MigrationOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
Gewinner30,928 %
17,313 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
CorpFin v2Overall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser
63,326 %
Gewinner64,491 %
Vals AI
Quellendetails
Datenstand: 12.08.2026
CyberBenchOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
Gewinner48,514 %
36,441 %
Vals AI
Quellendetails
Datenstand: 03.08.2026
EMBOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
Gewinner65,411 %
52,616 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
Finance Agent (v2)Overall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser
Gewinner56,296 %
42,982 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
GPQA DiamondOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
93,434 %
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
Gewinner3,333 %
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
Gewinner25 %
20,673 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
LegalBenchOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
86,705 %
Gewinner87,398 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
LiveCodeBench v6Overall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
88,08 %
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 besserGemini 3.6 Flash: Snapshot: gemini-3.6-flash-high, Reasoning: high, Harness: Arena text, style control
Gemini 3.1 Pro Preview: Snapshot: gemini-3.1-pro-preview, Harness: Arena text, style controlGemini 3.6 Flash: Stilbereinigte Arena-Bewertung aus 18.018 anonymen Paarvergleichen.Gemini 3.1 Pro Preview: Stilbereinigte Arena-Bewertung aus 99.182 anonymen Paarvergleichen.
1.480,771
95-%-Konfidenzintervall: ±5,455Der 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
53,153 %
Gewinner59,062 %
Vals AI
Quellendetails
Datenstand: 20.08.2026
MedScribeOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
Gewinner79,661 %
76,114 %
Vals AI
Quellendetails
Datenstand: 20.08.2026
MMLU-ProOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
89,276 %
Gewinner90,987 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
MMMU-ProOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
Gewinner88,382 %
88,208 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
MortgageTaxOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
67,608 %
Gewinner69,396 %
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
Public Benefits Bench v1.1Overall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besser
Gewinner56,563 %
53,789 %
Vals AI
Quellendetails
Datenstand: 12.08.2026
SAGEOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
Gewinner48,686 %
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
Gewinner74,857 %
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
Gewinner73,783 %
70,787 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
Vals IndexOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: weighted index scoreBewertung: Mehr ist besser
Gewinner55,354 %
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
Gewinner65,077 %
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
Gewinner64,005 %
32,034 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
Code MigrationCLI
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Gewinner19,332 %
10,833 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
CorpFin v2Exact Pages
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Gewinner61,072 %
60,839 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
CyberBenchPatch
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert84,746 %
69,492 %
Vals AI
Quellendetails
Datenstand: 03.08.2026
EMBComps
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Gewinner70,019 %
44,505 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
Finance Agent (v2)Adjustments
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Gewinner53,608 %
38,361 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
GPQA DiamondFew-Shot CoT
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.535 tokens
92,424 %
Höherer Messwert95,96 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
Legal Research BenchAdministrative / Regulatory · All-pass
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Gewinner31,818 %
24,242 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
LegalBenchConclusion Tasks
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Gewinner91,081 %
89,257 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
LiveCodeBench v6Easy
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Gleichstand99,068 %
Gleichstand99,068 %
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 besserGemini 3.6 Flash: Snapshot: gemini-3.6-flash-high, Reasoning: high, Harness: Arena text, style control
Gemini 3.1 Pro Preview: Snapshot: gemini-3.1-pro-preview, Harness: Arena text, style controlGemini 3.6 Flash: Stilbereinigte Arena-Bewertung aus 3.503 anonymen Paarvergleichen.Gemini 3.1 Pro Preview: Stilbereinigte Arena-Bewertung aus 19.582 anonymen Paarvergleichen.
Höherer Messwert1.484,234
95-%-Konfidenzintervall: ±10,628Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
1.476,214
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 besserGemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.535 tokens
94,7 %
Höherer Messwert95,258 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
MortgageTaxNumerical Extraction
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Gewinner76,789 %
76,391 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
ProgramBenchAlmost Resolved
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Gewinner2,5 %
1 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
SAGEAutomata
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens
Gewinner34,92 %
32,143 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
SWE-bench Verified<15 min fix
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
87,113 %
Gewinner88,66 %
Vals AI
Quellendetails
Datenstand: 08.08.2026
TaxEval v2Correctness
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.535 tokens
Höherer Messwert63,532 %
60,749 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
Terminal-Bench 2.1Easy
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Gewinner100 %
91,667 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
Vals IndexCorpFin v2
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
63,52 %
Gewinner65,734 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
Vals Multimodal IndexCorpFin v2
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
63,52 %
Gewinner65,734 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
Code MigrationCOBOL
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Gewinner65,714 %
36,753 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
CorpFin v2Max Fitting Context
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
65,385 %
Gewinner66,9 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
CyberBenchPoC
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert12,281 %
3,39 %
Vals AI
Quellendetails
Datenstand: 03.08.2026
EMBDataroom
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
72,965 %
Gewinner79,17 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
Finance Agent (v2)All-Pass
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Gewinner44,634 %
30,879 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
GPQA DiamondZero-Shot CoT
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.535 tokens
94,444 %
Höherer Messwert94,949 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
Legal Research BenchAdministrative / Regulatory · Weighted partial credit
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: weighted partial-credit scoreBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Gewinner83,517 %
79,215 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
LegalBenchInterpretation Tasks
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Gewinner83,894 %
83,823 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
LiveCodeBench v6Hard
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
74,571 %
Gewinner76,571 %
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 besserGemini 3.6 Flash: Snapshot: gemini-3.6-flash-high, Reasoning: high, Harness: Arena text, style control
Gemini 3.1 Pro Preview: Snapshot: gemini-3.1-pro-preview, Harness: Arena text, style controlGemini 3.6 Flash: Stilbereinigte Arena-Bewertung aus 1.107 anonymen Paarvergleichen.Gemini 3.1 Pro Preview: Stilbereinigte Arena-Bewertung aus 5.615 anonymen Paarvergleichen.
Höherer Messwert1.545,677
95-%-Konfidenzintervall: ±18,518Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
1.532,092
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 besserGemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.535 tokens
92,776 %
Höherer Messwert93,409 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
MortgageTaxSemantic Extraction
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
58,426 %
Gewinner62,401 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
ProgramBenchFully Resolved
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Gleichstand0 %
Gleichstand0 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
SAGECalculus
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens
75,309 %
Gewinner78,395 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
SWE-bench Verified>4 hours
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Gleichstand33,333 %
Gleichstand33,333 %
Vals AI
Quellendetails
Datenstand: 08.08.2026
TaxEval v2Stepwise Reasoning
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.535 tokens
Höherer Messwert86,182 %
85,016 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
Terminal-Bench 2.1Hard
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Gewinner64,444 %
60 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
Vals IndexFinance Agent v2
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Gewinner55,302 %
42,968 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
Vals Multimodal IndexFinance Agent v2
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Gewinner55,302 %
42,968 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
Code MigrationCode Quality
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: mean reviewer code-quality ratingBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Gewinner3,299 / 5
2,538 / 5
Vals AI
Quellendetails
Datenstand: 09.08.2026

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 Gemini 3.6 Flash und Gemini 3.1 Pro Preview mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich