Direktvergleich

GPT-5.6 Luna vs. Gemini 3.6 Flash

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

gemeinsame Messreihen: 196
verschiedene Benchmarks: 24
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 GPT-5.6 Luna und Gemini 3.6 Flash
Merkmal	GPT-5.6 Luna	Gemini 3.6 Flash
Anbieter	OpenAI	Google
Erschienen	26. Juni 2026	21. Juli 2026
Verfügbarkeit	Aktiv	Aktiv
Modelltyp	Proprietär	Proprietär
Parameter	Nicht veröffentlicht	Nicht veröffentlicht
Architektur	Nicht veröffentlicht	Nicht veröffentlicht
Kontextfenster	1.050.000 Token	1.048.576 Token
Wissensstand	16. Februar 2026	Nicht veröffentlicht
Technische Quellen	Modell, Kontext, Wissensstand	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 GPT-5.6 Luna und Gemini 3.6 Flash
Preisart	GPT-5.6 Luna	Gemini 3.6 Flash
API-Eingabe	0,2 $ ≤272K / 0,4 $ >272K	0,75 $
API-Ausgabe	1,2 $ ≤272K / 1,8 $ >272K	3,75 $
Cache lesen	0,02 $ ≤272K / 0,04 $ >272K	0,07 $
Cache schreiben (5 Min.)	0,25 $ ≤272K / 0,5 $ >272K	Nicht ausgewiesen
Cache schreiben (1 Std.)	Nicht ausgewiesen	Nicht ausgewiesen
Preis geprüft	11.08.2026 Quelle	16.08.2026 Quelle

GPT-5.6 LunaGemini 3.6 Flash

API-EingabeUSD pro 1 Mio. Token, Basistarif

GPT-5.6 Luna0,2 $

Gemini 3.6 Flash0,75 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

GPT-5.6 Luna1,2 $

Gemini 3.6 Flash3,75 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

GPT-5.6 Luna0,02 $

Gemini 3.6 Flash0,075 $

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 3.6 Flash
Modell	Anbieter	Bezugsweg und Tarif	Eingabe pro 1 Mio. Token	Ausgabe pro 1 Mio. Token	Quelle
GPT-5.6 Luna	OpenAI	Direkt beim EntwicklerBis 272.000 Kontext-Token	0,2 $	1,2 $	Quelle11.08.2026
	OpenAI	Direkt beim EntwicklerÜber 272.000 Kontext-Token	0,4 $	1,8 $	Quelle11.08.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock/us-east-1	0,22 $	1,32 $	Quelle25.08.2026
	Azure	Über OpenRouterazure	0,2 $	1,2 $	Quelle25.08.2026
	Azure	Über OpenRouterazure/eu	0,22 $	1,32 $	Quelle25.08.2026
	Azure	Über OpenRouterazure/us	0,22 $	1,32 $	Quelle25.08.2026
	OpenAI	Über OpenRouteropenai	0,2 $	1,2 $	Quelle25.08.2026
	OpenAI	Über OpenRouteropenai/flex	Günstigster erfasster Preis: 0,1 $	Günstigster erfasster Preis: 0,6 $	Quelle25.08.2026
	OpenAI	Über OpenRouteropenai/priority	0,4 $	2,4 $	Quelle25.08.2026
Gemini 3.6 Flash	Google	Direkt beim EntwicklerStandard-API	0,75 $	3,75 $	Quelle16.08.2026
	Google	Über OpenRoutergoogle-vertex/global	0,75 $	3,75 $	Quelle25.08.2026
	Google	Über OpenRoutergoogle-vertex/global/flex	Günstigster erfasster Preis: 0,375 $	Günstigster erfasster Preis: 1,875 $	Quelle25.08.2026
	Google	Über OpenRoutergoogle-vertex/global/priority	1,35 $	6,75 $	Quelle25.08.2026
	Google	Über OpenRoutergoogle-vertex/us	0,825 $	4,125 $	Quelle25.08.2026
	Google AI Studio	Über OpenRoutergoogle-ai-studio	0,75 $	3,75 $	Quelle25.08.2026
	Google AI Studio	Über OpenRoutergoogle-ai-studio/flex	Günstigster erfasster Preis: 0,375 $	Günstigster erfasster Preis: 1,875 $	Quelle25.08.2026
	Google AI Studio	Über OpenRoutergoogle-ai-studio/priority	1,35 $	6,75 $	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.

GPT-5.6 Luna

Gemini 3.6 Flash

Coding: 100 / 84,5 (4 Benchmarkfamilien)

Reasoning: 98,1 / 100 (1 Benchmarkfamilie)

Wissen: 96,4 / 100 (1 Benchmarkfamilie)

Finanzen: 99,5 / 98,9 (5 Benchmarkfamilien)

Recht: 78,1 / 89,5 (3 Benchmarkfamilien)

Agenten-Aufgaben: 100 / 93,4 (1 Benchmarkfamilie)

Multimodal: 96,2 / 100 (1 Benchmarkfamilie)

Produktivität: 100 / 92,5 (1 Benchmarkfamilie)

25 passende Messreihen aus 23 Benchmarkfamilien wurden berücksichtigt. Das Radar zeigt 8 von 12 vergleichbaren Kategorien.

GPT-5.6 LunaGemini 3.6 Flash

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

GPT-5.6 Luna44,55 %

Gemini 3.6 Flash30,928 %

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

GPT-5.6 Luna64,219 %

Gemini 3.6 Flash63,326 %

CyberBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-5.6 Luna83,898 %

Gemini 3.6 Flash48,514 %

EMBOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-5.6 Luna67,116 %

Gemini 3.6 Flash65,411 %

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

GPT-5.6 Luna55,044 %

Gemini 3.6 Flash56,296 %

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

GPT-5.6 Luna91,666 %

Gemini 3.6 Flash93,434 %

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

GPT-5.6 Luna1,25 %

Gemini 3.6 Flash3,333 %

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

GPT-5.6 Luna36,538 %

Gemini 3.6 Flash25 %

LegalBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-5.6 Luna84,034 %

Gemini 3.6 Flash86,705 %

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

GPT-5.6 Luna1.450,797

Gemini 3.6 Flash1.480,771

MedCodeOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-5.6 Luna42,391 %

Gemini 3.6 Flash53,153 %

MedScribeOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-5.6 Luna84,391 %

Gemini 3.6 Flash79,661 %

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von GPT-5.6 Luna und Gemini 3.6 Flash
Benchmark und Aufgabe	GPT-5.6 Luna	Gemini 3.6 Flash	Quelle
Code MigrationOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner44,55 %	30,928 %	Vals AI Quellendetails Datenstand: 19.08.2026
CorpFin v2Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser	Gewinner64,219 %	63,326 %	Vals AI Quellendetails Datenstand: 12.08.2026
CyberBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner83,898 %	48,514 %	Vals AI Quellendetails Datenstand: 03.08.2026
EMBOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner67,116 %	65,411 %	Vals AI Quellendetails Datenstand: 19.08.2026
Finance Agent (v2)Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser	55,044 %	Gewinner56,296 %	Vals AI Quellendetails Datenstand: 19.08.2026
GPQA DiamondOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	91,666 %	Gewinner93,434 %	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	1,25 %	Gewinner3,333 %	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 %	25 %	Vals AI Quellendetails Datenstand: 19.08.2026
LegalBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	84,034 %	Gewinner86,705 %	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 3.6 Flash: Snapshot: gemini-3.6-flash-high, Reasoning: high, Harness: Arena text, style controlGPT-5.6 Luna: Stilbereinigte Arena-Bewertung aus 20.693 anonymen Paarvergleichen.Gemini 3.6 Flash: Stilbereinigte Arena-Bewertung aus 18.018 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 Messwert1.480,771 95-%-Konfidenzintervall: ±5,455Der 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 %	Gewinner53,153 %	Vals AI Quellendetails Datenstand: 20.08.2026
MedScribeOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner84,391 %	79,661 %	Vals AI Quellendetails Datenstand: 20.08.2026
MMLU-ProOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	86,036 %	Gewinner89,276 %	Vals AI Quellendetails Datenstand: 19.08.2026
MMMU-ProOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	85,029 %	Gewinner88,382 %	Vals AI Quellendetails Datenstand: 19.08.2026
MortgageTaxOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	67,29 %	Gewinner67,608 %	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	Gewinner61,164 %	56,563 %	Vals AI Quellendetails Datenstand: 12.08.2026
SAGEOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	44,22 %	Gewinner48,686 %	Vals AI Quellendetails Datenstand: 19.08.2026
SWE-bench VerifiedOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner93 %	79,6 %	Vals AI Quellendetails Datenstand: 19.08.2026
TaxEval v2Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser	Gewinner76,166 %	74,857 %	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 %	73,783 %	Vals AI Quellendetails Datenstand: 19.08.2026
Vals IndexOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: weighted index scoreBewertung: Mehr ist besser	Gewinner59,881 %	55,354 %	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 %	65,077 %	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 %	64,005 %	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 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert36,067 %	19,332 %	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 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert63,52 %	61,072 %	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	79,661 %	Höherer Messwert84,746 %	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 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	54,573 %	Höherer Messwert70,019 %	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 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	52,027 %	Höherer Messwert53,608 %	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 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Kein direkter Sieger92,424 %	Kein direkter Sieger92,424 %	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 besserGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert85,145 %	79,71 %	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 besserGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert48,485 %	31,818 %	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 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	88,864 %	Höherer Messwert91,081 %	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 3.6 Flash: Snapshot: gemini-3.6-flash-high, Reasoning: high, Harness: Arena text, style controlGPT-5.6 Luna: Stilbereinigte Arena-Bewertung aus 3.979 anonymen Paarvergleichen.Gemini 3.6 Flash: Stilbereinigte Arena-Bewertung aus 3.503 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 Messwert1.484,234 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-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	93,305 %	Höherer Messwert94,7 %	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 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	75,596 %	Höherer Messwert76,789 %	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 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert9 %	2,5 %	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 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens	31,35 %	Höherer Messwert34,92 %	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 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert96,392 %	87,113 %	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 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert66,558 %	63,532 %	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 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	83,333 %	Höherer Messwert100 %	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 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert65,035 %	63,52 %	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 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert65,035 %	63,52 %	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 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert70 %	65,714 %	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 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	64,103 %	Höherer Messwert65,385 %	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 Messwert88,136 %	12,281 %	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 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert83,009 %	72,965 %	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 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	43,285 %	Höherer Messwert44,634 %	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 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	90,909 %	Höherer Messwert94,444 %	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 besserGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	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 besserGPT-5.6 Luna: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert87,513 %	83,517 %	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 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	82,142 %	Höherer Messwert83,894 %	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 3.6 Flash: Snapshot: gemini-3.6-flash-high, Reasoning: high, Harness: Arena text, style controlGPT-5.6 Luna: Stilbereinigte Arena-Bewertung aus 1.471 anonymen Paarvergleichen.Gemini 3.6 Flash: Stilbereinigte Arena-Bewertung aus 1.107 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 Messwert1.545,677 95-%-Konfidenzintervall: ±18,518Der 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 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	91,001 %	Höherer Messwert92,776 %	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 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert58,983 %	58,426 %	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 3.6 Flash: 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 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens	64,506 %	Höherer Messwert75,309 %	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 3.6 Flash: 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 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	85,773 %	Höherer Messwert86,182 %	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 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert70 %	64,444 %	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 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert55,555 %	55,302 %	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 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert55,555 %	55,302 %	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 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	3,195 / 5	Höherer Messwert3,299 / 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 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert65,035 %	63,52 %	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

Vergleiche GPT-5.6 Luna und Gemini 3.6 Flash mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich