SprachmodellAktiv

Gemini 2.5 Pro

Google

Veröffentlicht: 17. Juni 2025
Datenstand: 8. September 2026
Nachfolgermodell: Gemini 3 Pro Preview (Herstellerdokumentation)

Geschwindigkeit: 131,3 Token/s
Ausgabe-Tempo
Preis: 1,25 $ · 10 $
Eingabe · Ausgabe / 1 Mio. Token
Eingabe: Text, Bild, Audio, Video
Ausgabe: Text

Das Besondere an Gemini 2.5 Pro ist die stabile GA-Pro-Variante mit einem Kontextfenster von 1.048.576 Token. Der API-Zugang bleibt laut Google auf Nutzer mit früherer 2.5-Nutzung begrenzt, während Gemini 3.1 Pro Preview bereits die spätere Pro-Richtung zeigt.

Audio, Bild, Video, Text und PDF passen in 1.048.576 Token Kontext, die Ausgabe reicht bis 65.536 Token. Der Wissensstand liegt bei Januar 2025.

Technische Daten und Zugang

Angabe	Wert und Quelle
Gewichte	ProprietärQuelle
Zugang	APIQuelle
Kontextfenster	1.048.576 TokenQuelle
Knowledge Cutoff	Januar 2025Quelle
Hinweise	1M Kontext, Parameteranzahl nicht veröffentlichtQuelle
API-Modellkennung	gemini-2.5-proQuelle
Status laut Quelle	stableQuelle
Maximale Ausgabe	65.536 TokenQuelle
Eingabe	Text, Bild, Video, Audio, pdfQuelle
Ausgabe	TextQuelle
Reasoning-Modus	low, medium, highQuelle
Werkzeugaufrufe	JaQuelle
Strukturierte Ausgabe	JaQuelle
Veröffentlichung	2025-06-17Quelle
Wissensstand	2025-01Quelle
Funktionen	function calling, structured outputs, search grounding, Google Maps grounding, URL context, code execution, file searchQuelle
Allgemeine Verfügbarkeit	2025-06-17 (General availability (GA).)Quelle

Veröffentlichte Benchmarks

Aider Polyglot

Overall

225 Code-Editing-Aufgaben aus Exercism in C++, Go, Java, JavaScript, Python und Rust. Aider, Edit-Format, Reasoning-Budget und zwei Versuche sind Teil des Resultats.

1.o3-pro84,9 %

2.Gemini 2.5 Pro83,1 %

3.o381,3 %

4.DeepSeek-R171,4 %

höhere Werte sind besserStand 2. September 2026Skala: 0 % - 100 %

Quelle: Aider

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: aider-polyglot-pass2-diff
Messgröße: percent correct after two attempts
Skala: 0-100
Teilnehmer: 4
Methodik und Einordnung: 225 Exercism-Aufgaben in sechs Programmiersprachen mit Aider und dokumentiertem Edit-Format.. Kennung des Quellmodells: curated/gemini-2.5-pro. Name des Quellmodells: Gemini 2.5 Pro. Anbieter laut Quelle: Google. Modellstand: gemini-2.5-pro-preview-2025-06-05. Evaluator: Aider. Datensatztyp: public. Stand der Rangliste: 2025-06-06. Versuche: pass 2. Reasoning-Stufe: 32k thinking tokens. Latenz in Sekunden: 200.3. Kosten je Aufgabe in USD: 0.22169866666666666. Quellenkennung: aider. Kennung der Evidenzaufnahme: curated-aider-2026-09-02-b94f7308e188. Prüfsumme der Quelldaten: b94f7308e188d90f6864b22fd13d3d933378668e9fc981a7655173a4c3545a4e. Parserversion: curated-v1. Importiert am: 2026-09-29

Quelle: Aider

Wissen

FACTS Benchmark Suite

3.513 öffentliche Beispiele prüfen Faktentreue bei Dokumenten, Bildern, internem Wissen und Websuche. Der Gesamtscore mittelt vier verschiedene Fähigkeiten. Die Teilwerte bleiben für Entscheidungen wichtiger.

Teilaufgabe	Gemini 2.5 Pro (Dieses Modell)	GPT-5	Claude Opus 4.5	GPT-4.1
Document grounding	74,2 % (bester Wert dieser Zeile)	69,6 %	62,1 %	45,6 %
Multimodal factuality	46,9 % (bester Wert dieser Zeile)	44,1 %	39,2 %	40,1 %
FACTS overall score	62,1 % (bester Wert dieser Zeile)	61,8 %	51,3 %	50,5 %
Parametric knowledge	63,2 % (bester Wert dieser Zeile)	55,8 %	30,6 %	51,5 %
Factuality with search	63,9 %	77,7 % (bester Wert dieser Zeile)	73,2 %	64,6 %

höhere Werte sind besserStand 9. August 2026Quelle: Google DeepMindBalken je Zeile skaliert, nicht über Zeilen hinweg

Agentenaufgaben

GAIA Reliability

Zuverlässigkeitsauswertung auf 165 GAIA-Aufgaben mit Wiederholungen und Perturbationen. Trefferquote, Zuverlässigkeit, Konsistenz, Vorhersagbarkeit, Robustheit und Sicherheit sind getrennte Kennzahlen.

Teilaufgabe	Gemini 2.5 Pro (Dieses Modell)	Claude Opus 4.5	Claude Opus 4.7	Gemini 3.1 Pro Preview	Gemini 3.5 Flash	GPT-4o mini	Gemini 2.5 Flash	o1	GPT-5.5
Consistency	0,72	0,81 (bester Wert dieser Zeile)	0,81 (bester Wert dieser Zeile)	0,76	0,75	0,73	0,7	0,68	0,61
Predictability	0,71	0,84 (bester Wert dieser Zeile)	0,73	0,78	0,8	0,58	0,64	0,68	0,8
Reliability	0,78	0,85 (bester Wert dieser Zeile)	0,84	0,82	0,84	0,76	0,74	0,79	0,79
Robustness	0,91	0,91	0,99	0,94	0,96	0,97	0,87	1 (bester Wert dieser Zeile)	0,95
Safety	1 (bester Wert dieser Zeile)	1 (bester Wert dieser Zeile)	1 (bester Wert dieser Zeile)	1 (bester Wert dieser Zeile)	1 (bester Wert dieser Zeile)	1 (bester Wert dieser Zeile)	1 (bester Wert dieser Zeile)	1 (bester Wert dieser Zeile)	1 (bester Wert dieser Zeile)

Einheit: Bewertunghöhere Werte sind besserStand 6. August 2026Quelle: Princeton HALBalken je Zeile skaliert, nicht über Zeilen hinweg

GAIA Reliability

Accuracy

1.Gemini 3.5 Flash79,2 %

2.Gemini 3.1 Pro Preview76,2 %

3.Claude Opus 4.773,3 %

4.Claude Opus 4.568,5 %

5.GPT-5.562,8 %

6.Gemini 2.5 Pro52,5 %

7.Gemini 2.5 Flash46,7 %

8.o134,4 %

9.GPT-4o mini26,3 %

höhere Werte sind besserStand 6. August 2026Skala: 0 % - 100 %

Quelle: Princeton HAL

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: hal-gaia-reliability-hal-reliability-overall
Messgröße: exact-match accuracy
Skala: 0-100
Teilnehmer: 9
Methodik und Einordnung: 165 GAIA-Aufgaben mit wiederholten Läufen und Perturbationen. Kosten veröffentlicht HAL für diese Auswertung nicht.. Kennung des Quellmodells: curated/gemini-2.5-pro. Name des Quellmodells: Gemini 2.5 Pro. Anbieter laut Quelle: Google. Evaluator: Princeton HAL. Datensatztyp: public. Harness: HAL Reliability. Agent: HAL Reliability. Quellenkennung: princeton-hal. Kennung der Evidenzaufnahme: curated-princeton-hal-2026-08-06-5c16f4ffaaa5. Prüfsumme der Quelldaten: 5c16f4ffaaa5ac8a5c682da01aa3fab9655de1625348891876a58ad2be1d678f. Parserversion: curated-v1. Importiert am: 2026-09-29

Quelle: Princeton HAL

Dokumentierte Messdetails

Aider Polyglot: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 83.1
Bewertung: 83.1
Messgröße: percent correct after two attempts
Einheit: %
Benchmark-Version: 225-case polyglot suite
Kategorie: coding
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: aider-polyglot-pass2-diff
Quellentyp: official-leaderboard
Auswertung: Aider
Status: active
Abrufdatum: 2026-09-02
Methodik: 225 Exercism-Aufgaben in sechs Programmiersprachen mit Aider und dokumentiertem Edit-Format.. Kennung des Quellmodells: curated/gemini-2.5-pro. Name des Quellmodells: Gemini 2.5 Pro. Anbieter laut Quelle: Google. Modellstand: gemini-2.5-pro-preview-2025-06-05. Evaluator: Aider. Datensatztyp: public. Stand der Rangliste: 2025-06-06. Versuche: pass 2. Reasoning-Stufe: 32k thinking tokens. Latenz in Sekunden: 200.3. Kosten je Aufgabe in USD: 0.22169866666666666. Quellenkennung: aider. Kennung der Evidenzaufnahme: curated-aider-2026-09-02-b94f7308e188. Prüfsumme der Quelldaten: b94f7308e188d90f6864b22fd13d3d933378668e9fc981a7655173a4c3545a4e. Parserversion: curated-v1. Importiert am: 2026-09-29
Vergleichsmethodik: 225 Exercism-Aufgaben in sechs Programmiersprachen mit Aider und dokumentiertem Edit-Format.

Quelle Aider

FACTS Benchmark Suite: Document grounding (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 74.2
Bewertung: 74.2
Messgröße: accuracy
Einheit: %
Benchmark-Version: FACTS Benchmark Suite v2
Kategorie: knowledge
Aufgabe: grounding
Aufgabenbezeichnung: Document grounding
Richtung: Mehr ist besser
Vergleichskohorte: facts-suite-v2:official:grounding
Konfidenzintervall: 2
Quellentyp: official-leaderboard
Auswertung: Google DeepMind
Status: active
Abrufdatum: 2026-08-09
Methodik: Öffentliche und private Splits. Dokument, Bild, internes Wissen und standardisierte Websuche bleiben getrennt.. Kennung des Quellmodells: curated/gemini-2.5-pro. Name des Quellmodells: Gemini 2.5 Pro. Anbieter laut Quelle: Google. Evaluator: Google DeepMind. Datensatztyp: public. Stand der Rangliste: 2025-12-11. Quellenkennung: google-deepmind. Kennung der Evidenzaufnahme: curated-google-deepmind-2026-08-09-8a8b1ae4abae. Prüfsumme der Quelldaten: 8a8b1ae4abae2b077a109193965fb09bce92092c2be809bfae78d4cfa219dc27. Parserversion: curated-v1. Importiert am: 2026-09-29
Vergleichsmethodik: Öffentliche und private Splits. Dokument, Bild, internes Wissen und standardisierte Websuche bleiben getrennt.

Quelle Google DeepMind

FACTS Benchmark Suite: Multimodal factuality (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 46.9
Bewertung: 46.9
Messgröße: accuracy
Einheit: %
Benchmark-Version: FACTS Benchmark Suite v2
Kategorie: knowledge
Aufgabe: multimodal
Aufgabenbezeichnung: Multimodal factuality
Richtung: Mehr ist besser
Vergleichskohorte: facts-suite-v2:official:multimodal
Konfidenzintervall: 3.6
Quellentyp: official-leaderboard
Auswertung: Google DeepMind
Status: active
Abrufdatum: 2026-08-09
Methodik: Öffentliche und private Splits. Dokument, Bild, internes Wissen und standardisierte Websuche bleiben getrennt.. Kennung des Quellmodells: curated/gemini-2.5-pro. Name des Quellmodells: Gemini 2.5 Pro. Anbieter laut Quelle: Google. Evaluator: Google DeepMind. Datensatztyp: public. Stand der Rangliste: 2025-12-11. Quellenkennung: google-deepmind. Kennung der Evidenzaufnahme: curated-google-deepmind-2026-08-09-26c476d1beb7. Prüfsumme der Quelldaten: 26c476d1beb7b7772cf5b5a2e60452d78ae516f5f936f804b1cccfead5529b32. Parserversion: curated-v1. Importiert am: 2026-09-29
Vergleichsmethodik: Öffentliche und private Splits. Dokument, Bild, internes Wissen und standardisierte Websuche bleiben getrennt.

Quelle Google DeepMind

FACTS Benchmark Suite: FACTS overall score (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 62.1
Bewertung: 62.1
Messgröße: FACTS score
Einheit: %
Benchmark-Version: FACTS Benchmark Suite v2
Kategorie: knowledge
Aufgabe: overall
Aufgabenbezeichnung: FACTS overall score
Richtung: Mehr ist besser
Vergleichskohorte: facts-suite-v2:official:overall
Quellentyp: official-leaderboard
Auswertung: Google DeepMind
Status: active
Abrufdatum: 2026-08-09
Methodik: Öffentliche und private Splits. Dokument, Bild, internes Wissen und standardisierte Websuche bleiben getrennt.. Kennung des Quellmodells: curated/gemini-2.5-pro. Name des Quellmodells: Gemini 2.5 Pro. Anbieter laut Quelle: Google. Evaluator: Google DeepMind. Datensatztyp: public. Stand der Rangliste: 2025-12-11. Quellenkennung: google-deepmind. Kennung der Evidenzaufnahme: curated-google-deepmind-2026-08-09-f90e68e563fe. Prüfsumme der Quelldaten: f90e68e563fe354373076ca491cfa45c3d12df9ca257aa0eff56a191c63c53fa. Parserversion: curated-v1. Importiert am: 2026-09-29
Vergleichsmethodik: Öffentliche und private Splits. Dokument, Bild, internes Wissen und standardisierte Websuche bleiben getrennt.

Quelle Google DeepMind

FACTS Benchmark Suite: Parametric knowledge (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 63.2
Bewertung: 63.2
Messgröße: accuracy
Einheit: %
Benchmark-Version: FACTS Benchmark Suite v2
Kategorie: knowledge
Aufgabe: parametric
Aufgabenbezeichnung: Parametric knowledge
Richtung: Mehr ist besser
Vergleichskohorte: facts-suite-v2:official:parametric
Konfidenzintervall: 2
Quellentyp: official-leaderboard
Auswertung: Google DeepMind
Status: active
Abrufdatum: 2026-08-09
Methodik: Öffentliche und private Splits. Dokument, Bild, internes Wissen und standardisierte Websuche bleiben getrennt.. Kennung des Quellmodells: curated/gemini-2.5-pro. Name des Quellmodells: Gemini 2.5 Pro. Anbieter laut Quelle: Google. Evaluator: Google DeepMind. Datensatztyp: public. Stand der Rangliste: 2025-12-11. Quellenkennung: google-deepmind. Kennung der Evidenzaufnahme: curated-google-deepmind-2026-08-09-68c34aa514b7. Prüfsumme der Quelldaten: 68c34aa514b740c6f80ada1a284136c938a1f97cd1e65c0f87138497fc92708c. Parserversion: curated-v1. Importiert am: 2026-09-29
Vergleichsmethodik: Öffentliche und private Splits. Dokument, Bild, internes Wissen und standardisierte Websuche bleiben getrennt.

Quelle Google DeepMind

FACTS Benchmark Suite: Factuality with search (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 63.9
Bewertung: 63.9
Messgröße: accuracy
Einheit: %
Benchmark-Version: FACTS Benchmark Suite v2
Kategorie: knowledge
Aufgabe: search
Aufgabenbezeichnung: Factuality with search
Richtung: Mehr ist besser
Vergleichskohorte: facts-suite-v2:official:search
Konfidenzintervall: 2
Quellentyp: official-leaderboard
Auswertung: Google DeepMind
Status: active
Abrufdatum: 2026-08-09
Methodik: Öffentliche und private Splits. Dokument, Bild, internes Wissen und standardisierte Websuche bleiben getrennt.. Kennung des Quellmodells: curated/gemini-2.5-pro. Name des Quellmodells: Gemini 2.5 Pro. Anbieter laut Quelle: Google. Evaluator: Google DeepMind. Datensatztyp: public. Stand der Rangliste: 2025-12-11. Quellenkennung: google-deepmind. Kennung der Evidenzaufnahme: curated-google-deepmind-2026-08-09-36ddfd1bf586. Prüfsumme der Quelldaten: 36ddfd1bf586c681280b54cf509f9fbb4f8f41eeebb44d9a562d34aed96401d9. Parserversion: curated-v1. Importiert am: 2026-09-29
Vergleichsmethodik: Öffentliche und private Splits. Dokument, Bild, internes Wissen und standardisierte Websuche bleiben getrennt.

Quelle Google DeepMind

GAIA Reliability: Consistency (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 0.72
Bewertung: 0.72
Messgröße: aggregate consistency
Einheit: rating
Benchmark-Version: final leak-cleaned public validation set
Kategorie: agentic
Aufgabe: consistency
Aufgabenbezeichnung: Consistency
Richtung: Mehr ist besser
Vergleichskohorte: hal-gaia-reliability-hal-reliability-consistency
Quellentyp: independent-evaluator
Auswertung: Princeton HAL
Status: active
Abrufdatum: 2026-08-06
Methodik: 165 GAIA-Aufgaben mit wiederholten Läufen und Perturbationen. Kosten veröffentlicht HAL für diese Auswertung nicht.. Kennung des Quellmodells: curated/gemini-2.5-pro. Name des Quellmodells: Gemini 2.5 Pro. Anbieter laut Quelle: Google. Evaluator: Princeton HAL. Datensatztyp: public. Harness: HAL Reliability. Agent: HAL Reliability. Quellenkennung: princeton-hal. Kennung der Evidenzaufnahme: curated-princeton-hal-2026-08-06-c31d0b9d9ce4. Prüfsumme der Quelldaten: c31d0b9d9ce4ae3176dd4e9d861282248ef948babbb34bde532eb1ccbbc96780. Parserversion: curated-v1. Importiert am: 2026-09-29
Vergleichsmethodik: 165 GAIA-Aufgaben mit wiederholten Läufen und Perturbationen. Kosten veröffentlicht HAL für diese Auswertung nicht.

Quelle Princeton HAL

GAIA Reliability: Predictability (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 0.71
Bewertung: 0.71
Messgröße: aggregate predictability
Einheit: rating
Benchmark-Version: final leak-cleaned public validation set
Kategorie: agentic
Aufgabe: predictability
Aufgabenbezeichnung: Predictability
Richtung: Mehr ist besser
Vergleichskohorte: hal-gaia-reliability-hal-reliability-predictability
Quellentyp: independent-evaluator
Auswertung: Princeton HAL
Status: active
Abrufdatum: 2026-08-06
Methodik: 165 GAIA-Aufgaben mit wiederholten Läufen und Perturbationen. Kosten veröffentlicht HAL für diese Auswertung nicht.. Kennung des Quellmodells: curated/gemini-2.5-pro. Name des Quellmodells: Gemini 2.5 Pro. Anbieter laut Quelle: Google. Evaluator: Princeton HAL. Datensatztyp: public. Harness: HAL Reliability. Agent: HAL Reliability. Quellenkennung: princeton-hal. Kennung der Evidenzaufnahme: curated-princeton-hal-2026-08-06-1c53c174caef. Prüfsumme der Quelldaten: 1c53c174caef16e9fce637ae32349d954da5c8a7493eb5ccbfc1b3b74b7df1b2. Parserversion: curated-v1. Importiert am: 2026-09-29
Vergleichsmethodik: 165 GAIA-Aufgaben mit wiederholten Läufen und Perturbationen. Kosten veröffentlicht HAL für diese Auswertung nicht.

Quelle Princeton HAL

GAIA Reliability: Reliability (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 0.78
Bewertung: 0.78
Messgröße: aggregate reliability
Einheit: rating
Benchmark-Version: final leak-cleaned public validation set
Kategorie: agentic
Aufgabe: reliability
Aufgabenbezeichnung: Reliability
Richtung: Mehr ist besser
Vergleichskohorte: hal-gaia-reliability-hal-reliability-reliability
Quellentyp: independent-evaluator
Auswertung: Princeton HAL
Status: active
Abrufdatum: 2026-08-06
Methodik: 165 GAIA-Aufgaben mit wiederholten Läufen und Perturbationen. Kosten veröffentlicht HAL für diese Auswertung nicht.. Kennung des Quellmodells: curated/gemini-2.5-pro. Name des Quellmodells: Gemini 2.5 Pro. Anbieter laut Quelle: Google. Evaluator: Princeton HAL. Datensatztyp: public. Harness: HAL Reliability. Agent: HAL Reliability. Quellenkennung: princeton-hal. Kennung der Evidenzaufnahme: curated-princeton-hal-2026-08-06-8d19bbb49250. Prüfsumme der Quelldaten: 8d19bbb4925070a4e6ec390b4d5684ae50db13a01227057bc90bb40f1a762e09. Parserversion: curated-v1. Importiert am: 2026-09-29
Vergleichsmethodik: 165 GAIA-Aufgaben mit wiederholten Läufen und Perturbationen. Kosten veröffentlicht HAL für diese Auswertung nicht.

Quelle Princeton HAL

GAIA Reliability: Robustness (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 0.91
Bewertung: 0.91
Messgröße: aggregate robustness
Einheit: rating
Benchmark-Version: final leak-cleaned public validation set
Kategorie: agentic
Aufgabe: robustness
Aufgabenbezeichnung: Robustness
Richtung: Mehr ist besser
Vergleichskohorte: hal-gaia-reliability-hal-reliability-robustness
Quellentyp: independent-evaluator
Auswertung: Princeton HAL
Status: active
Abrufdatum: 2026-08-06
Methodik: 165 GAIA-Aufgaben mit wiederholten Läufen und Perturbationen. Kosten veröffentlicht HAL für diese Auswertung nicht.. Kennung des Quellmodells: curated/gemini-2.5-pro. Name des Quellmodells: Gemini 2.5 Pro. Anbieter laut Quelle: Google. Evaluator: Princeton HAL. Datensatztyp: public. Harness: HAL Reliability. Agent: HAL Reliability. Quellenkennung: princeton-hal. Kennung der Evidenzaufnahme: curated-princeton-hal-2026-08-06-1796d18fe25c. Prüfsumme der Quelldaten: 1796d18fe25c8013919dfe86d7063843be59e912ef58bfb042e346d61d24613e. Parserversion: curated-v1. Importiert am: 2026-09-29
Vergleichsmethodik: 165 GAIA-Aufgaben mit wiederholten Läufen und Perturbationen. Kosten veröffentlicht HAL für diese Auswertung nicht.

Quelle Princeton HAL

GAIA Reliability: Safety (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 1
Bewertung: 1
Messgröße: aggregate safety
Einheit: rating
Benchmark-Version: final leak-cleaned public validation set
Kategorie: agentic
Aufgabe: safety
Aufgabenbezeichnung: Safety
Richtung: Mehr ist besser
Vergleichskohorte: hal-gaia-reliability-hal-reliability-safety
Quellentyp: independent-evaluator
Auswertung: Princeton HAL
Status: active
Abrufdatum: 2026-08-06
Methodik: 165 GAIA-Aufgaben mit wiederholten Läufen und Perturbationen. Kosten veröffentlicht HAL für diese Auswertung nicht.. Kennung des Quellmodells: curated/gemini-2.5-pro. Name des Quellmodells: Gemini 2.5 Pro. Anbieter laut Quelle: Google. Evaluator: Princeton HAL. Datensatztyp: public. Harness: HAL Reliability. Agent: HAL Reliability. Quellenkennung: princeton-hal. Kennung der Evidenzaufnahme: curated-princeton-hal-2026-08-06-c63a794d3d54. Prüfsumme der Quelldaten: c63a794d3d549f51d32f25a48655db8386502ffd23bb1bd44974e9db28f6bdc8. Parserversion: curated-v1. Importiert am: 2026-09-29
Vergleichsmethodik: 165 GAIA-Aufgaben mit wiederholten Läufen und Perturbationen. Kosten veröffentlicht HAL für diese Auswertung nicht.

Quelle Princeton HAL

GAIA Reliability: Accuracy (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 52.5
Bewertung: 52.5
Messgröße: exact-match accuracy
Einheit: %
Benchmark-Version: final leak-cleaned public validation set
Kategorie: agentic
Aufgabe: overall
Aufgabenbezeichnung: Accuracy
Richtung: Mehr ist besser
Vergleichskohorte: hal-gaia-reliability-hal-reliability-overall
Quellentyp: independent-evaluator
Auswertung: Princeton HAL
Status: active
Abrufdatum: 2026-08-06
Methodik: 165 GAIA-Aufgaben mit wiederholten Läufen und Perturbationen. Kosten veröffentlicht HAL für diese Auswertung nicht.. Kennung des Quellmodells: curated/gemini-2.5-pro. Name des Quellmodells: Gemini 2.5 Pro. Anbieter laut Quelle: Google. Evaluator: Princeton HAL. Datensatztyp: public. Harness: HAL Reliability. Agent: HAL Reliability. Quellenkennung: princeton-hal. Kennung der Evidenzaufnahme: curated-princeton-hal-2026-08-06-5c16f4ffaaa5. Prüfsumme der Quelldaten: 5c16f4ffaaa5ac8a5c682da01aa3fab9655de1625348891876a58ad2be1d678f. Parserversion: curated-v1. Importiert am: 2026-09-29
Vergleichsmethodik: 165 GAIA-Aufgaben mit wiederholten Läufen und Perturbationen. Kosten veröffentlicht HAL für diese Auswertung nicht.

Quelle Princeton HAL

Seite 1 von 8

Vorgänger und Nachfolger

Quellen und Datenstand

Art	Nachweis und Datenstand
Geschwindigkeit	Google. Ausgabetempo nach dem ersten empfangenen Textabschnitt, nicht die gesamte Antwortzeit. Bei Artificial Analysis als veraltet eingeordnet. Artificial Analysis pflegt dort nur noch den Standard-Workload mit 10.000 Eingabe-Token. Abgerufen am 8. September 2026. Quelle: Artificial Analysis · Artificial Analysis (abgerufen 8. September 2026)Messmethode der Geschwindigkeit
Preis	API-Basispreise ohne Cache- oder Batch-Rabatt. Höhere Kontextstufen und weitere Tarife stehen unter Kosten. Quelle: Preise · API-Preise
Eingabe	Dokumentierte Modalitäten. Abgerufen am 8. September 2026. Quelle: Modelldokumentation · Kontextfenster-Daten (abgerufen 8. September 2026) · Gemini 2.5 Pro API documentation · Redaktionelle Beschreibung geprüft am 2. Oktober 2026
Ausgabe	Dokumentierte Modalitäten. Abgerufen am 8. September 2026. Quelle: Modelldokumentation · Kontextfenster-Daten (abgerufen 8. September 2026) · Gemini 2.5 Pro API documentation · Redaktionelle Beschreibung geprüft am 2. Oktober 2026
Recherchestand	Recherchestand 8. September 2026. 4 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell.
In den geprüften Quellen nicht gefunden	parameters-billions Originalwortlaut Google does not publish a parameter count on the Gemini API model page.
In den geprüften Quellen nicht gefunden	active-parameters-billions Originalwortlaut Google does not publish active parameter counts for Gemini API models.
Weitere Quelle	Modellmetadaten
Weitere Quelle	Wissensstand-Daten
Weitere Quelle	Aider (abgerufen 2. September 2026)
Weitere Quelle	DeepResearch Bench (abgerufen 9. August 2026)
Weitere Quelle	Google DeepMind (abgerufen 9. August 2026)
Weitere Quelle	Princeton HAL (abgerufen 6. August 2026)
Weitere Quelle	Princeton HAL (abgerufen 5. August 2026)
Weitere Quelle	LongBench (abgerufen 2. September 2026)
Weitere Quelle	Scale AI (abgerufen 26. August 2026)
Weitere Quelle	Scale AI (abgerufen 26. August 2026)
Weitere Quelle	Scale AI (abgerufen 26. August 2026)
Weitere Quelle	Scale AI (abgerufen 26. August 2026)
Weitere Quelle	Scale AI (abgerufen 26. August 2026)
Weitere Quelle	Scale AI (abgerufen 26. August 2026)
Weitere Quelle	Vals AI (abgerufen 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 11. August 2026; 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 11. August 2026)
Weitere Quelle	Vals AI (abgerufen 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 11. August 2026; 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 11. August 2026; 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 11. August 2026; 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 11. August 2026; 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 29. September 2026)
Weitere Quelle	Google DeepMind (abgerufen 8. September 2026) · Gemini 2.5 Pro model card · Redaktionelle Beschreibung geprüft am 2. Oktober 2026
Weitere Quelle	Modellmetadaten (abgerufen 8. September 2026)
Weitere Quelle	OpenRouter: Beliebtheitsindex (abgeleitet), CC BY 4.0
Weitere Quelle	Vercel AI Gateway: Beliebtheitsindex (abgeleitet), CC BY 4.0
Weitere Quelle	Creative Commons Attribution 4.0
Weitere Quelle	Google, "Gemini 3 for developers" (2026-09-22)

Gemini 2.5 Pro

Technische Daten und Zugang

Veröffentlichte Benchmarks

Aider Polyglot

Wissen

FACTS Benchmark Suite

Agentenaufgaben

GAIA Reliability

GAIA Reliability

Dokumentierte Messdetails

Unsere Tests

Pelikan auf dem Fahrrad

Beliebtheit

Veröffentlichte Preise

Vorgänger und Nachfolger

Quellen und Datenstand