Direktvergleich

GPT-5.6 Sol 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: 158
verschiedene Benchmarks: 31
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 Sol und Gemini 3.1 Pro Preview
Merkmal	GPT-5.6 Sol	Gemini 3.1 Pro Preview
Anbieter	OpenAI	Google
Erschienen	26. Juni 2026	19. Feb. 2026
Verfügbarkeit	Aktiv	Preview
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 Sol und Gemini 3.1 Pro Preview
Preisart	GPT-5.6 Sol	Gemini 3.1 Pro Preview
API-Eingabe	4 $ ≤272K / 8 $ >272K	2 $ ≤200K / 4 $ >200K
API-Ausgabe	20 $ ≤272K / 30 $ >272K	12 $ ≤200K / 18 $ >200K
Cache lesen	0,4 $ ≤272K / 0,8 $ >272K	0,2 $ ≤200K / 0,4 $ >200K
Cache schreiben (5 Min.)	5 $ ≤272K / 10 $ >272K	Nicht ausgewiesen
Cache schreiben (1 Std.)	Nicht ausgewiesen	Nicht ausgewiesen
Preis geprüft	24.08.2026 Quelle	30.07.2026 Quelle

GPT-5.6 SolGemini 3.1 Pro Preview

API-EingabeUSD pro 1 Mio. Token, Basistarif

GPT-5.6 Sol4 $

Gemini 3.1 Pro Preview2 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

GPT-5.6 Sol20 $

Gemini 3.1 Pro Preview12 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

GPT-5.6 Sol0,4 $

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 Sol und Gemini 3.1 Pro Preview
Modell	Anbieter	Bezugsweg und Tarif	Eingabe pro 1 Mio. Token	Ausgabe pro 1 Mio. Token	Quelle
GPT-5.6 Sol	OpenAI	Direkt beim EntwicklerBis 272.000 Kontext-Token	4 $	20 $	Quelle24.08.2026
	OpenAI	Direkt beim EntwicklerÜber 272.000 Kontext-Token	8 $	30 $	Quelle24.08.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock/us-east-1	5,5 $	33 $	Quelle25.08.2026
	Azure	Über OpenRouterazure	5 $	30 $	Quelle25.08.2026
	Azure	Über OpenRouterazure/eu	5,5 $	33 $	Quelle25.08.2026
	Azure	Über OpenRouterazure/us	5,5 $	33 $	Quelle25.08.2026
	OpenAI	Über OpenRouteropenai	2 $	10 $	Quelle25.08.2026
	OpenAI	Über OpenRouteropenai/flex	Günstigster erfasster Preis: 1 $	Günstigster erfasster Preis: 5 $	Quelle25.08.2026
	OpenAI	Über OpenRouteropenai/priority	4 $	20 $	Quelle25.08.2026
Gemini 3.1 Pro Preview	Google	Direkt beim EntwicklerBis 200.000 Kontext-Token	2 $	12 $	Quelle30.07.2026
	Google	Direkt beim EntwicklerÜber 200.000 Kontext-Token	4 $	18 $	Quelle30.07.2026
	Google	Über OpenRoutergoogle-vertex/global	2 $	12 $	Quelle25.08.2026
	Google	Über OpenRoutergoogle-vertex/global/flex	Günstigster erfasster Preis: 1 $	Günstigster erfasster Preis: 6 $	Quelle25.08.2026
	Google	Über OpenRoutergoogle-vertex/global/priority	3,6 $	21,6 $	Quelle25.08.2026
	Google AI Studio	Über OpenRoutergoogle-ai-studio	2 $	12 $	Quelle25.08.2026
	Google AI Studio	Über OpenRoutergoogle-ai-studio/flex	Günstigster erfasster Preis: 1 $	Günstigster erfasster Preis: 6 $	Quelle25.08.2026
	Google AI Studio	Über OpenRoutergoogle-ai-studio/priority	3,6 $	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.

GPT-5.6 Sol

Gemini 3.1 Pro Preview

Coding: 98,7 / 50,9 (5 Benchmarkfamilien)

Reasoning: 99,9 / 99,5 (2 Benchmarkfamilien)

Mathematik: 100 / 31,3 (1 Benchmarkfamilie)

Wissen: 93,6 / 100 (2 Benchmarkfamilien)

Finanzen: 99,4 / 90 (5 Benchmarkfamilien)

Recht: 99,8 / 47,7 (3 Benchmarkfamilien)

Agenten-Aufgaben: 100 / 82,5 (1 Benchmarkfamilie)

Multimodal: 100 / 99,3 (1 Benchmarkfamilie)

32 passende Messreihen aus 28 Benchmarkfamilien wurden berücksichtigt. Das Radar zeigt 8 von 14 vergleichbaren Kategorien.

GPT-5.6 SolGemini 3.1 Pro Preview

BrowseCompOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-5.6 Sol90,4 %

Gemini 3.1 Pro Preview85,9 %

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

GPT-5.6 Sol52,916 %

Gemini 3.1 Pro Preview17,313 %

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

GPT-5.6 Sol64,375 %

Gemini 3.1 Pro Preview64,491 %

CyberBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-5.6 Sol88,136 %

Gemini 3.1 Pro Preview36,441 %

EMBOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-5.6 Sol72,339 %

Gemini 3.1 Pro Preview52,616 %

EnigmaEvalOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-5.6 Sol37,12 % ± 2,8

Gemini 3.1 Pro Preview36,78 % ± 2,71

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

GPT-5.6 Sol53,756 %

Gemini 3.1 Pro Preview42,982 %

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

GPT-5.6 Sol95,202 %

Gemini 3.1 Pro Preview95,454 %

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

GPT-5.6 Sol2,5 %

Gemini 3.1 Pro Preview0 %

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

GPT-5.6 Sol48,077 %

Gemini 3.1 Pro Preview20,673 %

LegalBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-5.6 Sol86,965 %

Gemini 3.1 Pro Preview87,398 %

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

GPT-5.6 Sol82,604 %

Gemini 3.1 Pro Preview88,485 %

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von GPT-5.6 Sol und Gemini 3.1 Pro Preview
Benchmark und Aufgabe	GPT-5.6 Sol	Gemini 3.1 Pro Preview	Quelle
BrowseCompOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1,266 tasksMessgröße: accuracyBewertung: Mehr ist besserHerstellerübergreifende Vergleichstabelle mit Browser-Werkzeugen. Die genauen Agentensysteme unterscheiden sich.	Gewinner90,4 % Redaktionelle Auswahl aus der Hersteller-Tabelle, kein vollständiger Auszug der Vergleichsgruppe.	85,9 % 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	Gewinner52,916 %	17,313 %	Vals AI Quellendetails Datenstand: 19.08.2026
CorpFin v2Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser	64,375 %	Gewinner64,491 %	Vals AI Quellendetails Datenstand: 12.08.2026
CyberBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner88,136 %	36,441 %	Vals AI Quellendetails Datenstand: 03.08.2026
EMBOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner72,339 %	52,616 %	Vals AI Quellendetails Datenstand: 19.08.2026
EnigmaEvalOverall Testdetails Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: open-source release 2026-07-23Messgröße: pass@1 accuracyBewertung: Mehr ist besserGPT-5.6 Sol: Snapshot: gpt-5.6-sol-high, Reasoning: high, Versuche: pass@1 Gemini 3.1 Pro Preview: Snapshot: gemini-3.1-pro-preview-high, Reasoning: high, Versuche: pass@1Komplexe multimodale Rätsel mit exaktem Antwortabgleich und einem Versuch.	Kein klarer Vorsprung37,12 % ± 2,8 95-%-Konfidenzintervall: ±2,8	36,78 % ± 2,71 95-%-Konfidenzintervall: ±2,71	Scale AI Quellendetails Datenstand: 23.07.2026
Finance Agent (v2)Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser	Gewinner53,756 %	42,982 %	Vals AI Quellendetails Datenstand: 19.08.2026
GPQA DiamondOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	95,202 %	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	Gewinner2,5 %	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	Gewinner48,077 %	20,673 %	Vals AI Quellendetails Datenstand: 19.08.2026
LegalBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	86,965 %	Gewinner87,398 %	Vals AI Quellendetails Datenstand: 19.08.2026
LiveCodeBench v6Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	82,604 %	Gewinner88,485 %	Vals AI Quellendetails Datenstand: 19.08.2026
LMArena Text, Style ControlOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGPT-5.6 Sol: Snapshot: gpt-5.6-sol-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 Sol: Stilbereinigte Arena-Bewertung aus 19.541 anonymen Paarvergleichen.Gemini 3.1 Pro Preview: Stilbereinigte Arena-Bewertung aus 99.182 anonymen Paarvergleichen.	1.482,26 95-%-Konfidenzintervall: ±5,4Der 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	43,974 %	Gewinner59,062 %	Vals AI Quellendetails Datenstand: 20.08.2026
MedScribeOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner85,233 %	76,114 %	Vals AI Quellendetails Datenstand: 20.08.2026
MMLU-ProOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	89,1 %	Gewinner90,987 %	Vals AI Quellendetails Datenstand: 19.08.2026
MMMU-ProOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner88,844 %	88,208 %	Vals AI Quellendetails Datenstand: 19.08.2026
MortgageTaxOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	67,289 %	Gewinner69,396 %	Vals AI Quellendetails Datenstand: 19.08.2026
PRBench FinanceOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: full finance setMessgröße: weighted rubric scoreBewertung: Mehr ist besserGPT-5.6 Sol: Snapshot: gpt-5.6-sol-max, Reasoning: max, Versuche: pass@1 Gemini 3.1 Pro Preview: Versuche: pass@1600 Finanzaufgaben mit aufgabenspezifischen Rubriken und o4-mini als Juror.	Höherer Messwert50,45 % ± 0,33 95-%-Konfidenzintervall: ±0,33	41,87 % ± 1,22 95-%-Konfidenzintervall: ±1,22	Scale AI Quellendetails Datenstand: 26.08.2026
PRBench LegalOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: full legal setMessgröße: weighted rubric scoreBewertung: Mehr ist besserGPT-5.6 Sol: Snapshot: gpt-5.6-sol-max, Reasoning: max, Versuche: pass@1 Gemini 3.1 Pro Preview: Versuche: pass@1500 Rechtsaufgaben mit aufgabenspezifischen Rubriken und o4-mini als Juror.	Höherer Messwert50,5 % ± 0,54 95-%-Konfidenzintervall: ±0,54	44,02 % ± 1,12 95-%-Konfidenzintervall: ±1,12	Scale AI Quellendetails Datenstand: 26.08.2026
ProgramBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner1,5 %	0 %	Vals AI Quellendetails Datenstand: 19.08.2026
ProofBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner83 %	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	Gewinner66,509 %	53,789 %	Vals AI Quellendetails Datenstand: 12.08.2026
SAGEOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner52,563 %	48,677 %	Vals AI Quellendetails Datenstand: 19.08.2026
SimpleQA Verified v2Kaggle score Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: Kaggle leaderboard 2026-08-03Messgröße: Kaggle leaderboard scoreBewertung: Mehr ist besser1.000 verifizierte Prompts ohne Werkzeuge. Kaggle hat die Ergebnisse unabhängig reproduziert.	69,2 % 95-%-Konfidenzintervall: ±2,9	Gewinner77,5 % 95-%-Konfidenzintervall: ±2,6	Kaggle Quellendetails Datenstand: 03.08.2026
SWE-bench VerifiedOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner96,2 %	78,8 %	Vals AI Quellendetails Datenstand: 19.08.2026
TaxEval v2Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser	Gewinner74,775 %	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	Gewinner85,768 %	70,787 %	Vals AI Quellendetails Datenstand: 19.08.2026
Vals IndexOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: weighted index scoreBewertung: Mehr ist besser	Gewinner63,709 %	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	Gewinner72,64 %	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	Gewinner80,495 %	32,034 %	Vals AI Quellendetails Datenstand: 19.08.2026
BrowseCompOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1,266 tasksMessgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Sol: Reasoning: ultraHerstellerübergreifende Vergleichstabelle mit Browser-Werkzeugen. Die genauen Agentensysteme unterscheiden sich.	Höherer Messwert92,2 % Redaktionelle Auswahl aus der Hersteller-Tabelle, kein vollständiger Auszug der Vergleichsgruppe.	85,9 % Redaktionelle Auswahl aus der Hersteller-Tabelle, kein vollständiger Auszug der Vergleichsgruppe.	OpenAI Quellendetails Datenstand: 09.07.2026
Code MigrationCLI Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert47,221 %	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 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert61,538 %	60,839 %	Vals AI Quellendetails Datenstand: 06.08.2026
CyberBenchPatch Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner83,051 %	69,492 %	Vals AI Quellendetails Datenstand: 03.08.2026
EMBComps Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert71,309 %	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 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert49,233 %	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 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.535 tokens	94,949 %	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 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert60,606 %	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 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert90,492 %	89,257 %	Vals AI Quellendetails Datenstand: 09.08.2026
LiveCodeBench v6Easy Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	98,137 %	Höherer Messwert99,068 %	Vals AI Quellendetails Datenstand: 09.08.2026
LMArena Text, Style ControlBusiness, management and finance Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGPT-5.6 Sol: Snapshot: gpt-5.6-sol-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 Sol: Stilbereinigte Arena-Bewertung aus 3.815 anonymen Paarvergleichen.Gemini 3.1 Pro Preview: Stilbereinigte Arena-Bewertung aus 19.582 anonymen Paarvergleichen.	Höherer Messwert1.487,572 95-%-Konfidenzintervall: ±10,213Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.476,214 95-%-Konfidenzintervall: ±5,563Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 21.08.2026
MMLU-ProBiology Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.535 tokens	94,561 %	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 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	75,119 %	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 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert23 %	1 %	Vals AI Quellendetails Datenstand: 09.08.2026
SAGEAutomata Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 30.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens	Höherer Messwert39,682 %	32,143 %	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 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert97,423 %	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 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.535 tokens	Höherer Messwert65,004 %	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 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Kein direkter Sieger91,667 %	Kein direkter Sieger91,667 %	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 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert66,434 %	65,734 %	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 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert66,434 %	65,734 %	Vals AI Quellendetails Datenstand: 09.08.2026
Code MigrationCOBOL Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Sol: 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 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	65,152 %	Höherer Messwert66,9 %	Vals AI Quellendetails Datenstand: 06.08.2026
CyberBenchPoC Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner93,22 %	3,39 %	Vals AI Quellendetails Datenstand: 03.08.2026
EMBDataroom Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert85,243 %	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 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert41,362 %	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 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.535 tokens	Höherer Messwert95,455 %	94,949 %	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 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert90,69 %	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 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert84,398 %	83,823 %	Vals AI Quellendetails Datenstand: 09.08.2026
LiveCodeBench v6Hard Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	67,429 %	Höherer Messwert76,571 %	Vals AI Quellendetails Datenstand: 09.08.2026
LMArena Text, Style ControlChinese Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGPT-5.6 Sol: Snapshot: gpt-5.6-sol-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 Sol: Stilbereinigte Arena-Bewertung aus 1.320 anonymen Paarvergleichen.Gemini 3.1 Pro Preview: Stilbereinigte Arena-Bewertung aus 5.615 anonymen Paarvergleichen.	Höherer Messwert1.546,638 95-%-Konfidenzintervall: ±17,222Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.532,092 95-%-Konfidenzintervall: ±9,242Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 21.08.2026
MMLU-ProBusiness Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.535 tokens	93,283 %	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 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	59,459 %	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 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert1,5 %	0 %	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

Vergleiche GPT-5.6 Sol und Gemini 3.1 Pro Preview mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich