Zum Hauptinhalt springen

Direktvergleich

GPT-5.4 mini vs. Gemini 3.5 Flash-Lite

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

gemeinsame Messreihen
134
verschiedene Benchmarks
20
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 GPT-5.4 mini und Gemini 3.5 Flash-Lite
MerkmalGPT-5.4 miniGemini 3.5 Flash-Lite
AnbieterOpenAIGoogle
ErschienenMärz 202621. Juli 2026
VerfügbarkeitAktivAktiv
ModelltypProprietärProprietär
ParameterNicht veröffentlichtNicht veröffentlicht
ArchitekturNicht veröffentlichtNicht veröffentlicht
Kontextfenster400.000 Token1.048.576 Token
Wissensstand31. August 2025Nicht 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 GPT-5.4 mini und Gemini 3.5 Flash-Lite
PreisartGPT-5.4 miniGemini 3.5 Flash-Lite
API-Eingabe0,75 $0,3 $
API-Ausgabe4,5 $2,5 $
Cache lesen0,07 $0,03 $
Cache schreiben (5 Min.)Nicht ausgewiesenNicht ausgewiesen
Cache schreiben (1 Std.)Nicht ausgewiesenNicht ausgewiesen
Preis geprüft30.07.2026 Quelle30.07.2026 Quelle
GPT-5.4 miniGemini 3.5 Flash-Lite
API-EingabeUSD pro 1 Mio. Token, Basistarif
GPT-5.4 mini0,75 $
Gemini 3.5 Flash-LiteGünstiger0,3 $
API-AusgabeUSD pro 1 Mio. Token, Basistarif
GPT-5.4 mini4,5 $
Gemini 3.5 Flash-LiteGünstiger2,5 $
Cache lesenUSD pro 1 Mio. Token, Basistarif
GPT-5.4 mini0,075 $
Gemini 3.5 Flash-LiteGünstiger0,03 $

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 GPT-5.4 mini und Gemini 3.5 Flash-Lite
ModellAnbieterBezugsweg und TarifEingabe pro 1 Mio. TokenAusgabe pro 1 Mio. TokenQuelle
GPT-5.4 miniOpenAIDirekt beim EntwicklerStandard-API0,75 $4,5 $Quelle30.07.2026
AzureÜber OpenRouterazure0,75 $4,5 $Quelle25.08.2026
AzureÜber OpenRouterazure/us0,825 $4,95 $Quelle25.08.2026
OpenAIÜber OpenRouteropenai0,75 $4,5 $Quelle25.08.2026
OpenAIÜber OpenRouteropenai/flexGünstigster erfasster Preis: 0,375 $Günstigster erfasster Preis: 2,25 $Quelle25.08.2026
OpenAIÜber OpenRouteropenai/priority1,5 $9 $Quelle25.08.2026
Gemini 3.5 Flash-LiteGoogleDirekt beim EntwicklerStandard-API0,3 $2,5 $Quelle30.07.2026
GoogleÜber OpenRoutergoogle-vertex/global0,3 $2,5 $Quelle25.08.2026
GoogleÜber OpenRoutergoogle-vertex/global/flexGünstigster erfasster Preis: 0,15 $Günstigster erfasster Preis: 1,25 $Quelle25.08.2026
GoogleÜber OpenRoutergoogle-vertex/global/priority0,54 $4,5 $Quelle25.08.2026
GoogleÜber OpenRoutergoogle-vertex/us0,33 $2,75 $Quelle25.08.2026
Google AI StudioÜber OpenRoutergoogle-ai-studio0,3 $2,5 $Quelle25.08.2026
Google AI StudioÜber OpenRoutergoogle-ai-studio/flexGünstigster erfasster Preis: 0,15 $Günstigster erfasster Preis: 1,25 $Quelle25.08.2026
Google AI StudioÜber OpenRoutergoogle-ai-studio/priority0,54 $4,5 $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-AufgabenMultimodalBildung
GPT-5.4 mini
Gemini 3.5 Flash-Lite
Coding: 87 / 87 (6 Benchmarkfamilien)
Reasoning: 99,1 / 100 (1 Benchmarkfamilie)
Wissen: 98,5 / 100 (1 Benchmarkfamilie)
Finanzen: 97,2 / 99 (5 Benchmarkfamilien)
Recht: 94,8 / 100 (2 Benchmarkfamilien)
Agenten-Aufgaben: 100 / 91,8 (1 Benchmarkfamilie)
Multimodal: 94,8 / 100 (1 Benchmarkfamilie)
Bildung: 100 / 93,1 (1 Benchmarkfamilie)

20 passende Messreihen aus 19 Benchmarkfamilien wurden berücksichtigt. Das Radar zeigt 8 von 9 vergleichbaren Kategorien.

GPT-5.4 miniGemini 3.5 Flash-Lite
Code MigrationOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.4 miniGewinner12,936 %
Gemini 3.5 Flash-Lite6,148 %
CorpFin v2Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.4 miniGewinner60,917 %
Gemini 3.5 Flash-Lite60,684 %
EMBOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.4 miniGewinner45,426 %
Gemini 3.5 Flash-Lite43,231 %
Finance Agent (v2)Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.4 mini45,36 %
Gemini 3.5 Flash-LiteGewinner47,442 %
GPQA DiamondOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.4 mini83,08 %
Gemini 3.5 Flash-LiteGewinner83,838 %
Harvey's Legal Agent BenchmarkOverall · Task fully resolved. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.4 miniGleichstand0 %
Gemini 3.5 Flash-LiteGleichstand0 %
IOIOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.4 mini6,417 %
Gemini 3.5 Flash-LiteGewinner26,167 %
Legal Research BenchOverall · All-pass. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.4 mini12,5 %
Gemini 3.5 Flash-LiteGewinner13,942 %
LiveCodeBench v6Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.4 miniGewinner81,465 %
Gemini 3.5 Flash-Lite79,014 %
LMArena Text, Style ControlOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
GPT-5.4 mini1.448,161
Gemini 3.5 Flash-LiteHöherer Messwert1.457,158
MMLU-ProOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.4 mini84,554 %
Gemini 3.5 Flash-LiteGewinner85,836 %
MMMU-ProOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.4 mini79,249 %
Gemini 3.5 Flash-LiteGewinner83,584 %

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von GPT-5.4 mini und Gemini 3.5 Flash-Lite
Benchmark und AufgabeGPT-5.4 miniGemini 3.5 Flash-LiteQuelle
Code MigrationOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17
Gewinner12,936 %
6,148 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
CorpFin v2Overall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17
Gewinner60,917 %
60,684 %
Vals AI
Quellendetails
Datenstand: 12.08.2026
EMBOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17
Gewinner45,426 %
43,231 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
Finance Agent (v2)Overall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17
45,36 %
Gewinner47,442 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
GPQA DiamondOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17
83,08 %
Gewinner83,838 %
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 besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17
Gleichstand0 %
Gleichstand0 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
IOIOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17
6,417 %
Gewinner26,167 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
Legal Research BenchOverall · All-pass
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17
12,5 %
Gewinner13,942 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
LiveCodeBench v6Overall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17
Gewinner81,465 %
79,014 %
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 besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-high, Reasoning: high, Harness: Arena text, style control
Gemini 3.5 Flash-Lite: Snapshot: gemini-3.5-flash-lite, Harness: Arena text, style controlGPT-5.4 mini: Stilbereinigte Arena-Bewertung aus 59.502 anonymen Paarvergleichen.Gemini 3.5 Flash-Lite: Stilbereinigte Arena-Bewertung aus 17.985 anonymen Paarvergleichen.
1.448,161
95-%-Konfidenzintervall: ±3,857Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
Höherer Messwert1.457,158
95-%-Konfidenzintervall: ±5,51Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.		LMArena
Quellendetails
Datenstand: 21.08.2026
MMLU-ProOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17
84,554 %
Gewinner85,836 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
MMMU-ProOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17
79,249 %
Gewinner83,584 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
MortgageTaxOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17
63,514 %
Gewinner68,68 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
ProgramBenchOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17
Gleichstand0 %
Gleichstand0 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
SAGEOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17
Gewinner50,813 %
47,303 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
SWE-bench VerifiedOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17
73 %
Gewinner75 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
TaxEval v2Overall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17
71,218 %
Gewinner72,608 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
Terminal-Bench 2.1Overall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17
Gewinner54,682 %
50,187 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
Vals IndexOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: weighted index scoreBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17
Gewinner39,632 %
36,711 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
Vibe Code Bench v1.1Overall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Harness: OpenHands
Gemini 3.5 Flash-Lite: Harness: OpenHands
Gewinner47,969 %
37,161 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
Code MigrationCLI
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert8,2 %
5,875 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
CorpFin v2Exact Pages
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert61,538 %
57,459 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
EMBComps
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
40,488 %
Höherer Messwert46,417 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
Finance Agent (v2)Adjustments
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert45,366 %
41,741 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
GPQA DiamondFew-Shot CoT
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert84,848 %
81,818 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
IOIIOI 2024
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
6,667 %
Höherer Messwert25 %
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 besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
15,152 %
Höherer Messwert19,697 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
LiveCodeBench v6Easy
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
97,826 %
Höherer Messwert98,758 %
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 besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-high, Reasoning: high, Harness: Arena text, style control
Gemini 3.5 Flash-Lite: Snapshot: gemini-3.5-flash-lite, Harness: Arena text, style controlGPT-5.4 mini: Stilbereinigte Arena-Bewertung aus 12.118 anonymen Paarvergleichen.Gemini 3.5 Flash-Lite: Stilbereinigte Arena-Bewertung aus 3.379 anonymen Paarvergleichen.
1.459,918
95-%-Konfidenzintervall: ±6,664Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
Höherer Messwert1.460,465
95-%-Konfidenzintervall: ±10,628Der 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 besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
91,353 %
Höherer Messwert91,911 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
MortgageTaxNumerical Extraction
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert79,412 %
75,835 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
ProgramBenchAlmost Resolved
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert3 %
0 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
SAGEAutomata
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 30.000 tokens
Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens
Höherer Messwert41,27 %
28,968 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
SWE-bench Verified<15 min fix
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Kein direkter Sieger85,567 %
Kein direkter Sieger85,567 %
Vals AI
Quellendetails
Datenstand: 08.08.2026
TaxEval v2Correctness
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert63,042 %
61,733 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
Terminal-Bench 2.1Easy
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: high, Ausgabegrenze: 128.000 tokens
Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert75 %
66,667 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
Vals IndexCorpFin v2
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
60,256 %
Höherer Messwert62,238 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
Code MigrationCOBOL
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert27,143 %
6,964 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
CorpFin v2Max Fitting Context
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
60,956 %
Höherer Messwert62,354 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
EMBDataroom
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
48,286 %
Höherer Messwert57,687 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
Finance Agent (v2)All-Pass
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
32,369 %
Höherer Messwert35,265 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
GPQA DiamondZero-Shot CoT
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
81,313 %
Höherer Messwert85,859 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
IOIIOI 2025
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
6,167 %
Höherer Messwert27,333 %
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 besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
69,72 %
Höherer Messwert71,96 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
LiveCodeBench v6Hard
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert61,714 %
53,429 %
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 besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-high, Reasoning: high, Harness: Arena text, style control
Gemini 3.5 Flash-Lite: Snapshot: gemini-3.5-flash-lite, Harness: Arena text, style controlGPT-5.4 mini: Stilbereinigte Arena-Bewertung aus 3.222 anonymen Paarvergleichen.Gemini 3.5 Flash-Lite: Stilbereinigte Arena-Bewertung aus 1.261 anonymen Paarvergleichen.
1.478,454
95-%-Konfidenzintervall: ±11,501Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
Höherer Messwert1.492,653
95-%-Konfidenzintervall: ±17,579Der 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 besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
89,734 %
Höherer Messwert90,621 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
MortgageTaxSemantic Extraction
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
47,615 %
Höherer Messwert61,526 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
ProgramBenchFully Resolved
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Kein direkter Sieger0 %
Kein direkter Sieger0 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
SAGECalculus
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 30.000 tokens
Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens
59,259 %
Höherer Messwert60,494 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
SWE-bench Verified>4 hours
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
0 %
Höherer Messwert33,333 %
Vals AI
Quellendetails
Datenstand: 08.08.2026
TaxEval v2Stepwise Reasoning
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
79,395 %
Höherer Messwert83,483 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
Terminal-Bench 2.1Hard
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: high, Ausgabegrenze: 128.000 tokens
Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert34,444 %
31,111 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
Vals IndexFinance Agent v2
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
45,407 %
Höherer Messwert46,626 %
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 besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert3,053 / 5
2,652 / 5
Vals AI
Quellendetails
Datenstand: 09.08.2026
CorpFin v2Shared Max Context
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
60,256 %
Höherer Messwert62,238 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
EMBDCF
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert40,605 %
33,614 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
Finance Agent (v2)Comparables
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
40,273 %
Höherer Messwert45,186 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
Legal Research BenchBusiness & Commercial · All-pass
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert11,628 %
6,977 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
LiveCodeBench v6Medium
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Kein direkter Sieger84,856 %
Kein direkter Sieger84,856 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
LMArena Text, Style ControlCoding
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-high, Reasoning: high, Harness: Arena text, style control
Gemini 3.5 Flash-Lite: Snapshot: gemini-3.5-flash-lite, Harness: Arena text, style controlGPT-5.4 mini: Stilbereinigte Arena-Bewertung aus 16.230 anonymen Paarvergleichen.Gemini 3.5 Flash-Lite: Stilbereinigte Arena-Bewertung aus 5.135 anonymen Paarvergleichen.
1.496,23
95-%-Konfidenzintervall: ±6,038Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
Höherer Messwert1.499,584
95-%-Konfidenzintervall: ±8,91Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.		LMArena
Quellendetails
Datenstand: 21.08.2026
MMLU-ProChemistry
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
89,134 %
Höherer Messwert90,989 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
ProgramBenchRaw Pass Rate
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 128.000 tokens
Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert54,375 %
33,852 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
SAGELinear Algebra
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4 mini: Snapshot: gpt-5.4-mini-2026-03-17, Reasoning: xhigh, Ausgabegrenze: 30.000 tokens
Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens
Höherer Messwert71,486 %
63,736 %
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 GPT-5.4 mini und Gemini 3.5 Flash-Lite mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich