Zum Hauptinhalt springen

Direktvergleich

GPT-5.6 Luna 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
149
verschiedene Benchmarks
26
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-5.6 Luna und Gemini 3.1 Pro Preview
MerkmalGPT-5.6 LunaGemini 3.1 Pro Preview
AnbieterOpenAIGoogle
Erschienen26. Juni 202619. Feb. 2026
VerfügbarkeitAktivPreview
ModelltypProprietärProprietär
ParameterNicht veröffentlichtNicht veröffentlicht
ArchitekturNicht veröffentlichtNicht veröffentlicht
Kontextfenster1.050.000 Token1.048.576 Token
Wissensstand16. Februar 2026Nicht veröffentlicht
Technische QuellenModell, Kontext, WissensstandModell

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-5.6 Luna und Gemini 3.1 Pro Preview
PreisartGPT-5.6 LunaGemini 3.1 Pro Preview
API-Eingabe0,2 $ ≤272K / 0,4 $ >272K2 $ ≤200K / 4 $ >200K
API-Ausgabe1,2 $ ≤272K / 1,8 $ >272K12 $ ≤200K / 18 $ >200K
Cache lesen0,02 $ ≤272K / 0,04 $ >272K0,2 $ ≤200K / 0,4 $ >200K
Cache schreiben (5 Min.)0,25 $ ≤272K / 0,5 $ >272KNicht ausgewiesen
Cache schreiben (1 Std.)Nicht ausgewiesenNicht ausgewiesen
Preis geprüft11.08.2026 Quelle30.07.2026 Quelle
GPT-5.6 LunaGemini 3.1 Pro Preview
API-EingabeUSD pro 1 Mio. Token, Basistarif
GPT-5.6 LunaGünstiger0,2 $
Gemini 3.1 Pro Preview2 $
API-AusgabeUSD pro 1 Mio. Token, Basistarif
GPT-5.6 LunaGünstiger1,2 $
Gemini 3.1 Pro Preview12 $
Cache lesenUSD pro 1 Mio. Token, Basistarif
GPT-5.6 LunaGünstiger0,02 $
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 GPT-5.6 Luna und Gemini 3.1 Pro Preview
ModellAnbieterBezugsweg und TarifEingabe pro 1 Mio. TokenAusgabe pro 1 Mio. TokenQuelle
GPT-5.6 LunaOpenAIDirekt beim EntwicklerBis 272.000 Kontext-Token0,2 $1,2 $Quelle11.08.2026
OpenAIDirekt beim EntwicklerÜber 272.000 Kontext-Token0,4 $1,8 $Quelle11.08.2026
Amazon BedrockÜber OpenRouteramazon-bedrock/us-east-10,22 $1,32 $Quelle25.08.2026
AzureÜber OpenRouterazure0,2 $1,2 $Quelle25.08.2026
AzureÜber OpenRouterazure/eu0,22 $1,32 $Quelle25.08.2026
AzureÜber OpenRouterazure/us0,22 $1,32 $Quelle25.08.2026
OpenAIÜber OpenRouteropenai0,2 $1,2 $Quelle25.08.2026
OpenAIÜber OpenRouteropenai/flexGünstigster erfasster Preis: 0,1 $Günstigster erfasster Preis: 0,6 $Quelle25.08.2026
OpenAIÜber OpenRouteropenai/priority0,4 $2,4 $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
GPT-5.6 Luna
Gemini 3.1 Pro Preview
Coding: 100 / 66,3 (4 Benchmarkfamilien)
Reasoning: 96 / 100 (1 Benchmarkfamilie)
Mathematik: 100 / 43,3 (1 Benchmarkfamilie)
Wissen: 94,6 / 100 (1 Benchmarkfamilie)
Finanzen: 99,3 / 90,4 (5 Benchmarkfamilien)
Recht: 98,7 / 52,2 (3 Benchmarkfamilien)
Agenten-Aufgaben: 100 / 89,6 (1 Benchmarkfamilie)
Multimodal: 96,4 / 100 (1 Benchmarkfamilie)

29 passende Messreihen aus 25 Benchmarkfamilien wurden berücksichtigt. Das Radar zeigt 8 von 14 vergleichbaren Kategorien.

GPT-5.6 LunaGemini 3.1 Pro Preview
BrowseCompOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Luna83,3 %
Gemini 3.1 Pro PreviewGewinner85,9 %
Code MigrationOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 LunaGewinner44,55 %
Gemini 3.1 Pro Preview17,313 %
CorpFin v2Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Luna64,219 %
Gemini 3.1 Pro PreviewGewinner64,491 %
CyberBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 LunaGewinner83,898 %
Gemini 3.1 Pro Preview36,441 %
EMBOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 LunaGewinner67,116 %
Gemini 3.1 Pro Preview52,616 %
Finance Agent (v2)Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 LunaGewinner55,044 %
Gemini 3.1 Pro Preview42,982 %
GPQA DiamondOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Luna91,666 %
Gemini 3.1 Pro PreviewGewinner95,454 %
Harvey's Legal Agent BenchmarkOverall · Task fully resolved. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 LunaGewinner1,25 %
Gemini 3.1 Pro Preview0 %
Legal Research BenchOverall · All-pass. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 LunaGewinner36,538 %
Gemini 3.1 Pro Preview20,673 %
LegalBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Luna84,034 %
Gemini 3.1 Pro PreviewGewinner87,398 %
LMArena Text, Style ControlOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
GPT-5.6 Luna1.450,797
Gemini 3.1 Pro PreviewHöherer Messwert1.486,268
MedCodeOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Luna42,391 %
Gemini 3.1 Pro PreviewGewinner59,062 %

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von GPT-5.6 Luna und Gemini 3.1 Pro Preview
Benchmark und AufgabeGPT-5.6 LunaGemini 3.1 Pro PreviewQuelle
BrowseCompOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1,266 tasksMessgröße: accuracyBewertung: Mehr ist besserHerstellerübergreifende Vergleichstabelle mit Browser-Werkzeugen. Die genauen Agentensysteme unterscheiden sich.
83,3 %
Redaktionelle Auswahl aus der Hersteller-Tabelle, kein vollständiger Auszug der Vergleichsgruppe.
Gewinner85,9 %
Redaktionelle Auswahl aus der Hersteller-Tabelle, kein vollständiger Auszug der Vergleichsgruppe.		OpenAI
Quellendetails
Datenstand: 09.07.2026
Code MigrationOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
Gewinner44,55 %
17,313 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
CorpFin v2Overall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser
64,219 %
Gewinner64,491 %
Vals AI
Quellendetails
Datenstand: 12.08.2026
CyberBenchOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
Gewinner83,898 %
36,441 %
Vals AI
Quellendetails
Datenstand: 03.08.2026
EMBOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
Gewinner67,116 %
52,616 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
Finance Agent (v2)Overall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser
Gewinner55,044 %
42,982 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
GPQA DiamondOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
91,666 %
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
Gewinner1,25 %
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
Gewinner36,538 %
20,673 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
LegalBenchOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
84,034 %
Gewinner87,398 %
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-5.6 Luna: Snapshot: gpt-5.6-luna-xhigh, Reasoning: xhigh, Harness: Arena text, style control
Gemini 3.1 Pro Preview: Snapshot: gemini-3.1-pro-preview, Harness: Arena text, style controlGPT-5.6 Luna: Stilbereinigte Arena-Bewertung aus 20.693 anonymen Paarvergleichen.Gemini 3.1 Pro Preview: Stilbereinigte Arena-Bewertung aus 99.182 anonymen Paarvergleichen.
1.450,797
95-%-Konfidenzintervall: ±5,266Der 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
42,391 %
Gewinner59,062 %
Vals AI
Quellendetails
Datenstand: 20.08.2026
MedScribeOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
Gewinner84,391 %
76,114 %
Vals AI
Quellendetails
Datenstand: 20.08.2026
MMLU-ProOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
86,036 %
Gewinner90,987 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
MMMU-ProOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
85,029 %
Gewinner88,208 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
MortgageTaxOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
67,29 %
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
ProofBenchOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besser
Gewinner60 %
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
Gewinner61,164 %
53,789 %
Vals AI
Quellendetails
Datenstand: 12.08.2026
SAGEOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
44,22 %
Gewinner48,677 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
SWE-bench VerifiedOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
Gewinner93 %
78,8 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
TaxEval v2Overall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser
Gewinner76,166 %
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
Gewinner79,026 %
70,787 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
Vals IndexOverall
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: weighted index scoreBewertung: Mehr ist besser
Gewinner59,881 %
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
Gewinner69,058 %
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
Gewinner77,055 %
32,034 %
Vals AI
Quellendetails
Datenstand: 19.08.2026
Code MigrationCLI
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert36,067 %
10,833 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
CorpFin v2Exact Pages
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert63,52 %
60,839 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
CyberBenchPatch
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
Gewinner79,661 %
69,492 %
Vals AI
Quellendetails
Datenstand: 03.08.2026
EMBComps
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert54,573 %
44,505 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
Finance Agent (v2)Adjustments
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert52,027 %
38,361 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
GPQA DiamondFew-Shot CoT
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 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
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert48,485 %
24,242 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
LegalBenchConclusion Tasks
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
88,864 %
Höherer Messwert89,257 %
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-5.6 Luna: Snapshot: gpt-5.6-luna-xhigh, Reasoning: xhigh, Harness: Arena text, style control
Gemini 3.1 Pro Preview: Snapshot: gemini-3.1-pro-preview, Harness: Arena text, style controlGPT-5.6 Luna: Stilbereinigte Arena-Bewertung aus 3.979 anonymen Paarvergleichen.Gemini 3.1 Pro Preview: Stilbereinigte Arena-Bewertung aus 19.582 anonymen Paarvergleichen.
1.466,521
95-%-Konfidenzintervall: ±10,029Der 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 besserGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.535 tokens
93,305 %
Höherer Messwert95,258 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
MortgageTaxNumerical Extraction
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
75,596 %
Höherer Messwert76,391 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
ProgramBenchAlmost Resolved
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert9 %
1 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
SAGEAutomata
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 30.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens
31,35 %
Höherer Messwert32,143 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
SWE-bench Verified<15 min fix
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert96,392 %
88,66 %
Vals AI
Quellendetails
Datenstand: 08.08.2026
TaxEval v2Correctness
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.535 tokens
Höherer Messwert66,558 %
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 besserGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
83,333 %
Höherer Messwert91,667 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
Vals IndexCorpFin v2
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
65,035 %
Höherer Messwert65,734 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
Vals Multimodal IndexCorpFin v2
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
65,035 %
Höherer Messwert65,734 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
Code MigrationCOBOL
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert70 %
36,753 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
CorpFin v2Max Fitting Context
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
64,103 %
Höherer Messwert66,9 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
CyberBenchPoC
Testdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser
Gewinner88,136 %
3,39 %
Vals AI
Quellendetails
Datenstand: 03.08.2026
EMBDataroom
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert83,009 %
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 besserGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert43,285 %
30,879 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
GPQA DiamondZero-Shot CoT
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.535 tokens
90,909 %
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 besserGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert87,513 %
79,215 %
Vals AI
Quellendetails
Datenstand: 06.08.2026
LegalBenchInterpretation Tasks
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
82,142 %
Höherer Messwert83,823 %
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-5.6 Luna: Snapshot: gpt-5.6-luna-xhigh, Reasoning: xhigh, Harness: Arena text, style control
Gemini 3.1 Pro Preview: Snapshot: gemini-3.1-pro-preview, Harness: Arena text, style controlGPT-5.6 Luna: Stilbereinigte Arena-Bewertung aus 1.471 anonymen Paarvergleichen.Gemini 3.1 Pro Preview: Stilbereinigte Arena-Bewertung aus 5.615 anonymen Paarvergleichen.
1.477,909
95-%-Konfidenzintervall: ±16,694Der 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 besserGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.535 tokens
91,001 %
Höherer Messwert93,409 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
MortgageTaxSemantic Extraction
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
58,983 %
Höherer Messwert62,401 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
ProgramBenchFully Resolved
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Luna: Reasoning: max, 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
SAGECalculus
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 30.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens
64,506 %
Höherer Messwert78,395 %
Vals AI
Quellendetails
Datenstand: 09.08.2026
SWE-bench Verified>4 hours
Testdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Luna: Reasoning: max, 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 besserGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.535 tokens
Höherer Messwert85,773 %
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 besserGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert70 %
60 %
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-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert55,555 %
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 besserGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert55,555 %
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 besserGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
Höherer Messwert3,195 / 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 besserGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens
Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens
65,035 %
Höherer Messwert65,734 %
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 GPT-5.6 Luna und Gemini 3.1 Pro Preview mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich