SprachmodellAktiv

Gemini 3.5 Flash

Google

Veröffentlicht: 19. Mai 2026
Datenstand: 30. Juli 2026

Einordnung

Position in der Kategorie

Die Übersicht nutzt nur veröffentlichte, zusammenpassende Daten. Fehlende Werte verändern keinen Rang.

Der Index mittelt Rangperzentile aus 4 dokumentierten Vergleichskohorten. Nur Modelle mit vollständiger Abdeckung erhalten eine Position.

Position: Platz 11 von 26
Indexwert: 58,7 / 100
Abdeckung: 4 / 4

Bestenliste

1Claude Opus 588,9 / 100

2Gemini 3.8 Flash88,5 / 100

3Claude Fable 583,2 / 100

10GPT-5.6 Terra59,1 / 100

11Gemini 3.5 Flash58,7 / 100

12Claude Sonnet 557,7 / 100

25MiMo-V2.5-Pro12,5 / 100

Quelle: Vals AI, GPQA Diamond Quelle: Vals AI, Vibe Code Bench v1.1 Quelle: Vals AI, Terminal-Bench 2.1 Quelle: Vals AI, Finance Agent (v2)

Messreihen

Vergleichbare Benchmarkwerte

Jedes Diagramm zeigt ausschließlich eine Quelle, eine Messreihe und eine gespeicherte Vergleichskohorte. Die Balken ordnen die Position. Der Messwert steht rechts.

τ-bench Airline Clean

80,8 % · Platz 2 von 3

Aufgabe: Trefferquote · Vergleichskohorte: hal-tau-airline-clean-hal-reliability-overall · Datenstand: 5. August 2026

1.Gemini 3.1 Pro Preview82,1 %

2.Gemini 3.5 Flash80,8 %

3.GPT-5.579,5 %

3 von 3 Modellversionen im Diagramm. Ein höherer Wert liegt vorn.

26 bereinigte Airline-Aufgaben. Alle Kennzahlen wurden von Princeton HAL auf diesem Ausschnitt neu berechnet.

Quelle: Princeton HALTeilnehmer: 3

τ-bench Airline Clean

0,86 Bewertung · Platz 2 von 3

Aufgabe: Zuverlässigkeit · Vergleichskohorte: hal-tau-airline-clean-hal-reliability-reliability · Datenstand: 5. August 2026

1.GPT-5.50,89 Bewertung

2.Gemini 3.1 Pro Preview0,86 Bewertung

2.Gemini 3.5 Flash0,86 Bewertung

3 von 3 Modellversionen im Diagramm. Ein höherer Wert liegt vorn.

26 bereinigte Airline-Aufgaben. Alle Kennzahlen wurden von Princeton HAL auf diesem Ausschnitt neu berechnet.

Quelle: Princeton HALTeilnehmer: 3

τ-bench Airline Clean

0,78 Bewertung · Platz 3 von 3

Aufgabe: Konsistenz · Vergleichskohorte: hal-tau-airline-clean-hal-reliability-consistency · Datenstand: 5. August 2026

1.GPT-5.50,84 Bewertung

2.Gemini 3.1 Pro Preview0,81 Bewertung

3.Gemini 3.5 Flash0,78 Bewertung

3 von 3 Modellversionen im Diagramm. Ein höherer Wert liegt vorn.

26 bereinigte Airline-Aufgaben. Alle Kennzahlen wurden von Princeton HAL auf diesem Ausschnitt neu berechnet.

Quelle: Princeton HALTeilnehmer: 3

τ-bench Airline Clean

0,82 Bewertung · Platz 3 von 3

Aufgabe: Vorhersagbarkeit · Vergleichskohorte: hal-tau-airline-clean-hal-reliability-predictability · Datenstand: 5. August 2026

1.GPT-5.50,84 Bewertung

2.Gemini 3.1 Pro Preview0,83 Bewertung

3.Gemini 3.5 Flash0,82 Bewertung

3 von 3 Modellversionen im Diagramm. Ein höherer Wert liegt vorn.

26 bereinigte Airline-Aufgaben. Alle Kennzahlen wurden von Princeton HAL auf diesem Ausschnitt neu berechnet.

Quelle: Princeton HALTeilnehmer: 3

τ-bench Airline Clean

0,97 Bewertung · Platz 1 von 3

Aufgabe: Robustheit · Vergleichskohorte: hal-tau-airline-clean-hal-reliability-robustness · Datenstand: 5. August 2026

1.Gemini 3.5 Flash0,97 Bewertung

1.GPT-5.50,97 Bewertung

3.Gemini 3.1 Pro Preview0,94 Bewertung

3 von 3 Modellversionen im Diagramm. Ein höherer Wert liegt vorn.

26 bereinigte Airline-Aufgaben. Alle Kennzahlen wurden von Princeton HAL auf diesem Ausschnitt neu berechnet.

Quelle: Princeton HALTeilnehmer: 3

τ-bench Airline Clean

0,99 Bewertung · Platz 1 von 3

Aufgabe: Sicherheit · Vergleichskohorte: hal-tau-airline-clean-hal-reliability-safety · Datenstand: 5. August 2026

1.Gemini 3.5 Flash0,99 Bewertung

2.Gemini 3.1 Pro Preview0,97 Bewertung

3.GPT-5.50,96 Bewertung

3 von 3 Modellversionen im Diagramm. Ein höherer Wert liegt vorn.

26 bereinigte Airline-Aufgaben. Alle Kennzahlen wurden von Princeton HAL auf diesem Ausschnitt neu berechnet.

Quelle: Princeton HALTeilnehmer: 3

GAIA Reliability

79,2 % · Platz 1 von 3

Aufgabe: Trefferquote · Vergleichskohorte: hal-gaia-reliability-hal-reliability-overall · Datenstand: 6. August 2026

1.Gemini 3.5 Flash79,2 %

2.Gemini 3.1 Pro Preview76,2 %

3.GPT-5.562,8 %

3 von 3 Modellversionen im Diagramm. Ein höherer Wert liegt vorn.

165 GAIA-Aufgaben mit wiederholten Läufen und Perturbationen. Kosten veröffentlicht HAL für diese Auswertung nicht.

Quelle: Princeton HALTeilnehmer: 3

GAIA Reliability

0,84 Bewertung · Platz 1 von 3

Aufgabe: Zuverlässigkeit · Vergleichskohorte: hal-gaia-reliability-hal-reliability-reliability · Datenstand: 6. August 2026

1.Gemini 3.5 Flash0,84 Bewertung

2.Gemini 3.1 Pro Preview0,82 Bewertung

3.GPT-5.50,79 Bewertung

3 von 3 Modellversionen im Diagramm. Ein höherer Wert liegt vorn.

165 GAIA-Aufgaben mit wiederholten Läufen und Perturbationen. Kosten veröffentlicht HAL für diese Auswertung nicht.

Quelle: Princeton HALTeilnehmer: 3

GAIA Reliability

0,75 Bewertung · Platz 2 von 3

Aufgabe: Konsistenz · Vergleichskohorte: hal-gaia-reliability-hal-reliability-consistency · Datenstand: 6. August 2026

1.Gemini 3.1 Pro Preview0,76 Bewertung

2.Gemini 3.5 Flash0,75 Bewertung

3.GPT-5.50,61 Bewertung

3 von 3 Modellversionen im Diagramm. Ein höherer Wert liegt vorn.

165 GAIA-Aufgaben mit wiederholten Läufen und Perturbationen. Kosten veröffentlicht HAL für diese Auswertung nicht.

Quelle: Princeton HALTeilnehmer: 3

GAIA Reliability

0,8 Bewertung · Platz 1 von 3

Aufgabe: Vorhersagbarkeit · Vergleichskohorte: hal-gaia-reliability-hal-reliability-predictability · Datenstand: 6. August 2026

1.Gemini 3.5 Flash0,8 Bewertung

1.GPT-5.50,8 Bewertung

3.Gemini 3.1 Pro Preview0,78 Bewertung

3 von 3 Modellversionen im Diagramm. Ein höherer Wert liegt vorn.

165 GAIA-Aufgaben mit wiederholten Läufen und Perturbationen. Kosten veröffentlicht HAL für diese Auswertung nicht.

Quelle: Princeton HALTeilnehmer: 3

GAIA Reliability

0,96 Bewertung · Platz 1 von 3

Aufgabe: Robustheit · Vergleichskohorte: hal-gaia-reliability-hal-reliability-robustness · Datenstand: 6. August 2026

1.Gemini 3.5 Flash0,96 Bewertung

2.GPT-5.50,95 Bewertung

3.Gemini 3.1 Pro Preview0,94 Bewertung

3 von 3 Modellversionen im Diagramm. Ein höherer Wert liegt vorn.

165 GAIA-Aufgaben mit wiederholten Läufen und Perturbationen. Kosten veröffentlicht HAL für diese Auswertung nicht.

Quelle: Princeton HALTeilnehmer: 3

GAIA Reliability

1 Bewertung · Platz 1 von 3

Aufgabe: Sicherheit · Vergleichskohorte: hal-gaia-reliability-hal-reliability-safety · Datenstand: 6. August 2026

1.Gemini 3.1 Pro Preview1 Bewertung

1.Gemini 3.5 Flash1 Bewertung

1.GPT-5.51 Bewertung

3 von 3 Modellversionen im Diagramm. Ein höherer Wert liegt vorn.

165 GAIA-Aufgaben mit wiederholten Läufen und Perturbationen. Kosten veröffentlicht HAL für diese Auswertung nicht.

Quelle: Princeton HALTeilnehmer: 3

SimpleQA Verified v2

70,4 % · Platz 2 von 5

Aufgabe: Kaggle-Score · Vergleichskohorte: simpleqa-verified-v2:official:overall · Datenstand: 9. August 2026

1.Gemini 3.1 Pro Preview77,5 %

2.Gemini 3.5 Flash70,4 %

3.GPT-5.6 Sol69,2 %

4.Claude Opus 563,3 %

5.Grok 4.553,8 %

5 von 5 Modellversionen im Diagramm. Ein höherer Wert liegt vorn.

1.000 verifizierte Prompts ohne Werkzeuge. Kaggle hat die Ergebnisse unabhängig reproduziert.

Quelle: KaggleTeilnehmer: 5

SWE-Marathon v1.0

7 % · Platz 4 von 4

Aufgabe: Binäre Lösung, Pass@1 · Vergleichskohorte: swe-marathon-v1-0:official:pass1 · Datenstand: 9. August 2026

1.Grok 4.529 %

2.Claude Fable 524 %

3.GPT-5.512 %

4.Gemini 3.5 Flash7 %

4 von 4 Modellversionen im Diagramm. Ein höherer Wert liegt vorn.

20 mehrstündige Aufgaben. Der benannte Coding-Agent ist Teil jeder Ergebniszeile.

Quelle: SWE-MarathonTeilnehmer: 4

EnigmaEval

25,41 % · Platz 4 von 4

Aufgabe: Gesamt · Vergleichskohorte: scale-enigma-eval-2026-07-23 · Datenstand: 26. August 2026

1.Claude Fable 539,28 %

2.GPT-5.6 Sol37,12 %

3.Gemini 3.1 Pro Preview36,78 %

4.Gemini 3.5 Flash25,41 %

4 von 4 Modellversionen im Diagramm. Ein höherer Wert liegt vorn.

Komplexe multimodale Rätsel mit exaktem Antwortabgleich und einem Versuch.

Quelle: Scale AITeilnehmer: 4

Steckbrief

Technische Daten und Zugang

Veröffentlichte Angaben zum Modell. Nicht bekannte Werte werden nicht geschätzt.

Modelltyp: ProprietärQuelle
Kontextfenster: 1.048.576 TokenQuelle
Hinweise: Veröffentlicht am 19. Mai 2026. Google veröffentlicht weder Parameterzahl noch Architektur oder Wissensstand.Quelle

Kosten