Direktvergleich

Claude Opus 4.5 vs. Gemini 3.5 Flash

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

gemeinsame Messreihen: 61
verschiedene Benchmark-Messgrößen: 14
jüngster Abruf: 16.10.2026

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 Claude Opus 4.5 und Gemini 3.5 Flash
Merkmal	Claude Opus 4.5	Gemini 3.5 Flash
Anbieter	Anthropic	Google
Erschienen	Nov. 2025	19. Mai 2026
Verfügbarkeit	Aktiv	Aktiv
Modelltyp	Proprietär	Proprietär
Parameter	Nicht veröffentlicht	Nicht veröffentlicht
Architektur	Nicht veröffentlicht	Nicht veröffentlicht
Kontextfenster	200.000 Token	1.048.576 Token
Wissensstand	Mai 2025	Nicht veröffentlicht
Technische Quellen	Modell, Kontext	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 Claude Opus 4.5 und Gemini 3.5 Flash
Preisart	Claude Opus 4.5	Gemini 3.5 Flash
API-Eingabe	5 $	1,5 $
API-Ausgabe	25 $	9 $
Cache lesen	0,5 $	0,15 $
Cache schreiben (5 Min.)	6,25 $	Nicht ausgewiesen
Cache schreiben (1 Std.)	10 $	Nicht ausgewiesen
Preis geprüft	22.09.2026 Quelle	22.09.2026 Quelle

Claude Opus 4.5Gemini 3.5 Flash

API-EingabeUSD pro 1 Mio. Token, Basistarif

Claude Opus 4.55 $

Gemini 3.5 Flash1,5 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

Claude Opus 4.525 $

Gemini 3.5 Flash9 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

Claude Opus 4.50,5 $

Gemini 3.5 Flash0,15 $

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 Claude Opus 4.5 und Gemini 3.5 Flash
Modell	Anbieter	Bezugsweg und Tarif	Eingabe pro 1 Mio. Token	Ausgabe pro 1 Mio. Token	Quelle
Claude Opus 4.5	Anthropic	Direkt beim EntwicklerStandard-API	Günstigster erfasster Preis: 5 $	Günstigster erfasster Preis: 25 $	Quelle22.09.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock	Günstigster erfasster Preis: 5 $	Günstigster erfasster Preis: 25 $	Quelle26.10.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock/eu-west-1	5,5 $	27,5 $	Quelle26.10.2026
	Anthropic	Über OpenRouteranthropic	Günstigster erfasster Preis: 5 $	Günstigster erfasster Preis: 25 $	Quelle26.10.2026
	Azure	Über OpenRouterazure/global	Günstigster erfasster Preis: 5 $	Günstigster erfasster Preis: 25 $	Quelle26.10.2026
	Claude Platform on AWS	Über OpenRouterclaude-on-aws	Günstigster erfasster Preis: 5 $	Günstigster erfasster Preis: 25 $	Quelle26.10.2026
	Google	Über OpenRoutergoogle-vertex/global	Günstigster erfasster Preis: 5 $	Günstigster erfasster Preis: 25 $	Quelle26.10.2026
Gemini 3.5 Flash	Google	Direkt beim EntwicklerStandard-API	1,5 $	9 $	Quelle22.09.2026
	Google	Über OpenRoutergoogle-vertex/global	1,5 $	9 $	Quelle26.10.2026
	Google	Über OpenRoutergoogle-vertex/global/flex	Günstigster erfasster Preis: 0,75 $	Günstigster erfasster Preis: 4,5 $	Quelle26.10.2026
	Google	Über OpenRoutergoogle-vertex/global/priority	2,7 $	16,2 $	Quelle26.10.2026
	Google	Über OpenRoutergoogle-vertex/us	1,65 $	9,9 $	Quelle26.10.2026
	Google AI Studio	Über OpenRoutergoogle-ai-studio	1,5 $	9 $	Quelle26.10.2026
	Google AI Studio	Über OpenRoutergoogle-ai-studio/flex	Günstigster erfasster Preis: 0,75 $	Günstigster erfasster Preis: 4,5 $	Quelle26.10.2026
	Google AI Studio	Über OpenRoutergoogle-ai-studio/priority	2,7 $	16,2 $	Quelle26.10.2026

Benchmark-Index

Benchmark-Index im Vergleich

Der Index fasst unabhängige Benchmarks auf einer Skala von 0 bis 100 zusammen. Ein Vorsprung zählt erst, wenn ein Modell in mindestens 95 % von 200 Neuberechnungen mit zufällig neu gezogenen Testfamilien vorn liegt. Sonst gelten beide als gleichauf.

Zur KI-Bestenliste

Claude Opus 4.5

Gesamtindex

12,1

Gemini 3.5 Flash

Gesamtindex

43,4

Gemini 3.5 Flash liegt in 8 von 9 gemeinsamen Bereichen vorn. In einem Bereich liegen beide gleichauf.

Bereich	Claude Opus 4.5	Gemini 3.5 Flash
Programmieren	8,1	31,6
Schlussfolgern	7,0	38,4
Wissen	10,8	62,3
Agenten	12,3	33,7
Finanzen	19,8	48,3
Recht	15,3	28,5
Gesundheitgleichauf	19,6	41,2
Multimodal	10,4	60,9
Bildung	17,1	47,2

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.

Nicht genug direkt vergleichbare Kategorien für ein belastbares Radar

Nur 1 von mindestens 5 Kategorien enthalten direkt vergleichbare Modellmessungen. Die Benchmarktabellen darunter zeigen die vorhandenen Belege, ohne fehlende Achsen aufzufüllen.

Claude Opus 4.5Gemini 3.5 Flash

CorpFin v2Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.561,305 %

Gemini 3.5 Flash64,686 %

GAIA ReliabilityAccuracy. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Opus 4.568,5 %

Gemini 3.5 Flash79,2 %

GPQA DiamondOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.579,546 %

Gemini 3.5 Flash92,676 %

LegalBenchOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.582,837 %

Gemini 3.5 Flash83,602 %

LiveCodeBench v6Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.575,034 %

Gemini 3.5 Flash87,604 %

MedCodeOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.545,174 %

Gemini 3.5 Flash55,825 %

MedScribeOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.583,246 %

Gemini 3.5 Flash76,574 %

MMLU-ProOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.585,59 %

Gemini 3.5 Flash89,515 %

MMMU-ProOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.581,098 %

Gemini 3.5 Flash88,266 %

MortgageTaxOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.568,68 %

Gemini 3.5 Flash68,124 %

SAGEOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.545,002 %

Gemini 3.5 Flash49,885 %

TaxEval v2Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.574,325 %

Gemini 3.5 Flash74,366 %

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von Claude Opus 4.5 und Gemini 3.5 Flash
Benchmark und Aufgabe	Claude Opus 4.5	Gemini 3.5 Flash	Quelle
CorpFin v2Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	61,305 %	Höherer Messwert64,686 %	Vals AI Quellendetails Datenstand: 12.08.2026
GAIA ReliabilityAccuracy Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: final leak-cleaned public validation setMessgröße: exact-match accuracyBewertung: Mehr ist besserEinstellungen: Agent: HAL Reliability, Harness: HAL Reliability165 GAIA-Aufgaben mit wiederholten Läufen und Perturbationen. Kosten veröffentlicht HAL für diese Auswertung nicht.	68,5 %	Gewinner79,2 %	Princeton HAL Quellendetails Datenstand: 06.08.2026
GPQA DiamondOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	79,546 %	Höherer Messwert92,676 %	Vals AI Quellendetails Datenstand: 01.09.2026
LegalBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	82,837 %	Höherer Messwert83,602 %	Vals AI Quellendetails Datenstand: 13.10.2026
LiveCodeBench v6Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	75,034 %	Höherer Messwert87,604 %	Vals AI Quellendetails Datenstand: 01.09.2026
MedCodeOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens	45,174 %	Höherer Messwert55,825 %	Vals AI Quellendetails Datenstand: 13.10.2026
MedScribeOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens	Höherer Messwert83,246 %	76,574 %	Vals AI Quellendetails Datenstand: 13.10.2026
MMLU-ProOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	85,59 %	Höherer Messwert89,515 %	Vals AI Quellendetails Datenstand: 01.09.2026
MMMU-ProOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	81,098 %	Höherer Messwert88,266 %	Vals AI Quellendetails Datenstand: 01.09.2026
MortgageTaxOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert68,68 %	68,124 %	Vals AI Quellendetails Datenstand: 01.09.2026
SAGEOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens	45,002 %	Höherer Messwert49,885 %	Vals AI Quellendetails Datenstand: 08.10.2026
TaxEval v2Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	74,325 %	Höherer Messwert74,366 %	Vals AI Quellendetails Datenstand: 01.09.2026
Terminal-Bench 2.0Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.0Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	58,427 %	Höherer Messwert67,416 %	Vals AI Quellendetails Datenstand: 04.06.2026
τ-bench Airline CleanAccuracy Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 26-task cleaned subsetMessgröße: task success rateBewertung: Mehr ist besserEinstellungen: Agent: HAL Reliability, Harness: HAL Reliability26 bereinigte Airline-Aufgaben. Alle Kennzahlen wurden von Princeton HAL auf diesem Ausschnitt neu berechnet.	Gleichstand80,8 %	Gleichstand80,8 %	Princeton HAL Quellendetails Datenstand: 05.08.2026
CorpFin v2Exact Pages Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	60,839 %	Höherer Messwert62,821 %	Vals AI Quellendetails Datenstand: 12.08.2026
GAIA ReliabilityConsistency Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: final leak-cleaned public validation setMessgröße: aggregate consistencyBewertung: Mehr ist besserEinstellungen: Agent: HAL Reliability, Harness: HAL Reliability165 GAIA-Aufgaben mit wiederholten Läufen und Perturbationen. Kosten veröffentlicht HAL für diese Auswertung nicht.	Gewinner0,81 Bewertungspunkte	0,75 Bewertungspunkte	Princeton HAL Quellendetails Datenstand: 06.08.2026
GPQA DiamondFew-Shot CoT Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	79,293 %	Höherer Messwert91,414 %	Vals AI Quellendetails Datenstand: 01.09.2026
LegalBenchConclusion Tasks Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert87,7 %	81,939 %	Vals AI Quellendetails Datenstand: 13.10.2026
LiveCodeBench v6Easy Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Kein direkter Sieger99,068 %	Kein direkter Sieger99,068 %	Vals AI Quellendetails Datenstand: 01.09.2026
MMLU-ProBiology Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert94,003 %	93,863 %	Vals AI Quellendetails Datenstand: 01.09.2026
MortgageTaxNumerical Extraction Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	77,424 %	Höherer Messwert77,504 %	Vals AI Quellendetails Datenstand: 01.09.2026
SAGEAutomata Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens	29,365 %	Höherer Messwert38,492 %	Vals AI Quellendetails Datenstand: 08.10.2026
TaxEval v2Correctness Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert63,123 %	61,897 %	Vals AI Quellendetails Datenstand: 01.09.2026
Terminal-Bench 2.0Easy Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.0Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Kein direkter Sieger100 %	Kein direkter Sieger100 %	Vals AI Quellendetails Datenstand: 04.06.2026
τ-bench Airline CleanConsistency Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 26-task cleaned subsetMessgröße: aggregate consistencyBewertung: Mehr ist besserEinstellungen: Agent: HAL Reliability, Harness: HAL Reliability26 bereinigte Airline-Aufgaben. Alle Kennzahlen wurden von Princeton HAL auf diesem Ausschnitt neu berechnet.	Gewinner0,84 Bewertungspunkte	0,78 Bewertungspunkte	Princeton HAL Quellendetails Datenstand: 05.08.2026
CorpFin v2Max Fitting Context Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	60,723 %	Höherer Messwert66,667 %	Vals AI Quellendetails Datenstand: 12.08.2026
GAIA ReliabilityPredictability Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: final leak-cleaned public validation setMessgröße: aggregate predictabilityBewertung: Mehr ist besserEinstellungen: Agent: HAL Reliability, Harness: HAL Reliability165 GAIA-Aufgaben mit wiederholten Läufen und Perturbationen. Kosten veröffentlicht HAL für diese Auswertung nicht.	Gewinner0,84 Bewertungspunkte	0,8 Bewertungspunkte	Princeton HAL Quellendetails Datenstand: 06.08.2026
GPQA DiamondZero-Shot CoT Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	79,798 %	Höherer Messwert93,939 %	Vals AI Quellendetails Datenstand: 01.09.2026
LegalBenchInterpretation Tasks Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	82,235 %	Höherer Messwert88,675 %	Vals AI Quellendetails Datenstand: 13.10.2026
LiveCodeBench v6Hard Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	44,571 %	Höherer Messwert73,143 %	Vals AI Quellendetails Datenstand: 01.09.2026
MMLU-ProBusiness Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	80,862 %	Höherer Messwert93,283 %	Vals AI Quellendetails Datenstand: 01.09.2026
MortgageTaxSemantic Extraction Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert59,936 %	58,744 %	Vals AI Quellendetails Datenstand: 01.09.2026
SAGELinear Algebra Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens	64,372 %	Höherer Messwert68,305 %	Vals AI Quellendetails Datenstand: 08.10.2026
TaxEval v2Stepwise Reasoning Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	85,527 %	Höherer Messwert86,836 %	Vals AI Quellendetails Datenstand: 01.09.2026
Terminal-Bench 2.0Hard Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.0Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	33,333 %	Höherer Messwert53,333 %	Vals AI Quellendetails Datenstand: 04.06.2026
τ-bench Airline CleanPredictability Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 26-task cleaned subsetMessgröße: aggregate predictabilityBewertung: Mehr ist besserEinstellungen: Agent: HAL Reliability, Harness: HAL Reliability26 bereinigte Airline-Aufgaben. Alle Kennzahlen wurden von Princeton HAL auf diesem Ausschnitt neu berechnet.	Gewinner0,85 Bewertungspunkte	0,82 Bewertungspunkte	Princeton HAL Quellendetails Datenstand: 05.08.2026
CorpFin v2Shared Max Context Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	62,354 %	Höherer Messwert64,569 %	Vals AI Quellendetails Datenstand: 12.08.2026
GAIA ReliabilityReliability Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: final leak-cleaned public validation setMessgröße: aggregate reliabilityBewertung: Mehr ist besserEinstellungen: Agent: HAL Reliability, Harness: HAL Reliability165 GAIA-Aufgaben mit wiederholten Läufen und Perturbationen. Kosten veröffentlicht HAL für diese Auswertung nicht.	Gewinner0,85 Bewertungspunkte	0,84 Bewertungspunkte	Princeton HAL Quellendetails Datenstand: 06.08.2026
LegalBenchIssue Tasks Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert84,152 %	76,014 %	Vals AI Quellendetails Datenstand: 13.10.2026
LiveCodeBench v6Medium Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	81,462 %	Höherer Messwert90,601 %	Vals AI Quellendetails Datenstand: 01.09.2026
MMLU-ProChemistry Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	89,488 %	Höherer Messwert93,11 %	Vals AI Quellendetails Datenstand: 01.09.2026
SAGEPartial Differential Equations Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens	41,27 %	Höherer Messwert42,857 %	Vals AI Quellendetails Datenstand: 08.10.2026
Terminal-Bench 2.0Medium Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.0Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	69,091 %	Höherer Messwert72,727 %	Vals AI Quellendetails Datenstand: 04.06.2026
τ-bench Airline CleanReliability Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 26-task cleaned subsetMessgröße: aggregate reliabilityBewertung: Mehr ist besserEinstellungen: Agent: HAL Reliability, Harness: HAL Reliability26 bereinigte Airline-Aufgaben. Alle Kennzahlen wurden von Princeton HAL auf diesem Ausschnitt neu berechnet.	Gewinner0,88 Bewertungspunkte	0,86 Bewertungspunkte	Princeton HAL Quellendetails Datenstand: 05.08.2026
GAIA ReliabilityRobustness Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: final leak-cleaned public validation setMessgröße: aggregate robustnessBewertung: Mehr ist besserEinstellungen: Agent: HAL Reliability, Harness: HAL Reliability165 GAIA-Aufgaben mit wiederholten Läufen und Perturbationen. Kosten veröffentlicht HAL für diese Auswertung nicht.	0,91 Bewertungspunkte	Gewinner0,96 Bewertungspunkte	Princeton HAL Quellendetails Datenstand: 06.08.2026
LegalBenchRhetoric Tasks Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	79,777 %	Höherer Messwert83,384 %	Vals AI Quellendetails Datenstand: 13.10.2026
MMLU-ProComputer Science Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	84,146 %	Höherer Messwert91,707 %	Vals AI Quellendetails Datenstand: 01.09.2026
τ-bench Airline CleanRobustness Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 26-task cleaned subsetMessgröße: aggregate robustnessBewertung: Mehr ist besserEinstellungen: Agent: HAL Reliability, Harness: HAL Reliability26 bereinigte Airline-Aufgaben. Alle Kennzahlen wurden von Princeton HAL auf diesem Ausschnitt neu berechnet.	Gleichstand0,97 Bewertungspunkte	Gleichstand0,97 Bewertungspunkte	Princeton HAL Quellendetails Datenstand: 05.08.2026
GAIA ReliabilitySafety Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: final leak-cleaned public validation setMessgröße: aggregate safetyBewertung: Mehr ist besserEinstellungen: Agent: HAL Reliability, Harness: HAL Reliability165 GAIA-Aufgaben mit wiederholten Läufen und Perturbationen. Kosten veröffentlicht HAL für diese Auswertung nicht.	Gleichstand1 Bewertungspunkte	Gleichstand1 Bewertungspunkte	Princeton HAL Quellendetails Datenstand: 06.08.2026
LegalBenchRule Tasks Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	80,32 %	Höherer Messwert87,996 %	Vals AI Quellendetails Datenstand: 13.10.2026
MMLU-ProEconomics Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	89,573 %	Höherer Messwert91,943 %	Vals AI Quellendetails Datenstand: 01.09.2026
τ-bench Airline CleanSafety Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 26-task cleaned subsetMessgröße: aggregate safetyBewertung: Mehr ist besserEinstellungen: Agent: HAL Reliability, Harness: HAL Reliability26 bereinigte Airline-Aufgaben. Alle Kennzahlen wurden von Princeton HAL auf diesem Ausschnitt neu berechnet.	0,98 Bewertungspunkte	Gewinner0,99 Bewertungspunkte	Princeton HAL Quellendetails Datenstand: 05.08.2026
MMLU-ProEngineering Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	76,161 %	Höherer Messwert87,822 %	Vals AI Quellendetails Datenstand: 01.09.2026
MMLU-ProHealth Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert83,985 %	83,619 %	Vals AI Quellendetails Datenstand: 01.09.2026
MMLU-ProHistory Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	78,478 %	Höherer Messwert81,627 %	Vals AI Quellendetails Datenstand: 01.09.2026
MMLU-ProLaw Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	78,292 %	Höherer Messwert80,381 %	Vals AI Quellendetails Datenstand: 01.09.2026
MMLU-ProMath Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	92,302 %	Höherer Messwert96,299 %	Vals AI Quellendetails Datenstand: 01.09.2026
MMLU-ProOthers Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	84,632 %	Höherer Messwert87,554 %	Vals AI Quellendetails Datenstand: 01.09.2026
MMLU-ProPhilosophy Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert87,776 %	87,575 %	Vals AI Quellendetails Datenstand: 01.09.2026
MMLU-ProPhysics Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	89,838 %	Höherer Messwert94,072 %	Vals AI Quellendetails Datenstand: 01.09.2026
MMLU-ProPsychology Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.5: Snapshot: claude-opus-4-5-20251101, Compute: high, Temperatur: 1, Ausgabegrenze: 64.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	88,722 %	Höherer Messwert90,351 %	Vals AI Quellendetails Datenstand: 01.09.2026
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Eigene Modelltests

Unsere Tests

SVG-Kurztest

Ein SVG-Prompt, feste Ausgabeparameter. Aufnahmen erscheinen nur bei gemeldeten 0 Reasoning-Tokens oder dokumentiert fehlender Reasoning-Steuerung. Gleiche Testbedingungen machen die interne Rechenleistung der Modelle nicht identisch.

Gemeinsame Testrunde: 43b8c5c46830

Claude Opus 4.5

In dieser Runde nicht verfügbar

Gemini 3.5 Flash

In dieser Runde nicht verfügbar

Frühere Tests

Pelikan auf dem Fahrrad

Community-Klassiker für eine freie SVG-Zeichnung.

Claude Opus 4.5

Reasoning (angefragt): high

Aktueller Versuch

Datum des Testlaufs: 01.10.2026
API-Anbieter: openrouter
Angefragtes API-Modell: anthropic/claude-opus-4.5
API-Modell laut Antwort: anthropic/claude-opus-4.5
Reasoning-Einstellung: high
Festgelegter Endpunkt: Anthropic | anthropic/claude-4.5-opus-20251124
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Bestanden, keine Qualitätsbewertung
Antwortzeit: 21,6 s

Visuell geprüft. Aus diesem Einzeltest ergibt sich kein Gesamturteil über das Modell.

Gemini 3.5 Flash

Die Antwort hat das Tokenlimit erreicht. Es liegt keine vollständige Aufzeichnung vor.

Reasoning (angefragt): high

Aktueller Versuch

Datum des Testlaufs: 06.10.2026
API-Anbieter: openrouter
Angefragtes API-Modell: google/gemini-3.5-flash
API-Modell laut Antwort: google/gemini-3.5-flash
Reasoning-Einstellung: high
Festgelegter Endpunkt: Google AI Studio | google/gemini-3.5-flash-20260519
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Nicht bestanden
Antwortzeit: 31,7 s

Visuell noch nicht bewertet. Eine erfolgreiche Aufzeichnung bestätigt weder korrekte Physik noch die vollständige Umsetzung des Prompts.

Frühere Versuche (3)

02.10.2026API-Anfrage fehlgeschlagenReasoning-Einstellung: high
01.10.2026API-Anfrage fehlgeschlagenReasoning-Einstellung: high
07.09.2026API-Anfrage fehlgeschlagenReasoning-Einstellung: high

Prompt und Testbedingungen

Generate an SVG of a pelican riding a bicycle

Tokenlimit inklusive Reasoning: 8.192 Token

Ursprung der Aufgabe (Simon Willison)

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 Claude Opus 4.5 und Gemini 3.5 Flash mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich

Claude Opus 4.5 vs. Gemini 3.5 Flash

Modellauswahl ändern

Allgemeine Daten

API-Preise im Vergleich

Benchmark-Index im Vergleich

Gemeinsame Benchmarks

Fähigkeitsprofil aus vergleichbaren Benchmarks

Unsere Tests

SVG-Kurztest

Claude Opus 4.5

Gemini 3.5 Flash

Pelikan auf dem Fahrrad

Ein Benchmark-Sieg ist kein Gesamturteil

Ähnliche LLM-Vergleiche