Direktvergleich

Claude Opus 4.8 vs. Gemini 3.6 Flash

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

gemeinsame Messreihen: 263
verschiedene Benchmark-Messgrößen: 27
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 4.8 und Gemini 3.6 Flash
Merkmal	Claude Opus 4.8	Gemini 3.6 Flash
Anbieter	Anthropic	Google
Erschienen	Mai 2026	21. Juli 2026
Verfügbarkeit	Legacy	Aktiv
Modelltyp	Proprietär	Proprietär
Parameter	Nicht veröffentlicht	Nicht veröffentlicht
Architektur	Nicht veröffentlicht	Nicht veröffentlicht
Kontextfenster	1.000.000 Token	1.048.576 Token
Wissensstand	Januar 2026	März 2026
Technische Quellen	Modell, Wissensstand	Modell, Wissensstand

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 4.8 und Gemini 3.6 Flash
Preisart	Claude Opus 4.8	Gemini 3.6 Flash
API-Eingabe	5 $	0,75 $
API-Ausgabe	25 $	3,75 $
Cache lesen	0,5 $	0,075 $
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 4.8Gemini 3.6 Flash

API-EingabeUSD pro 1 Mio. Token, Basistarif

Claude Opus 4.85 $

Gemini 3.6 Flash0,75 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

Claude Opus 4.825 $

Gemini 3.6 Flash3,75 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

Claude Opus 4.80,5 $

Gemini 3.6 Flash0,075 $

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Preise nach Anbieter

Direkte Entwicklertarife und über OpenRouter geroutete Anbieterpreise sind getrennt gekennzeichnet. Alle Preise gelten in USD pro 1 Mio. Token. Kontextabhängige Direktpreise sowie regionale, Flex-, Priority- und weitere OpenRouter-Tarife bleiben einzeln erkennbar.

Für Claude Opus 4.8 ist im gespeicherten OpenRouter-Stand kein Anbietertarif verfügbar. Der offizielle Direktpreis wird trotzdem angezeigt.

Anbieterpreise von Claude Opus 4.8 und Gemini 3.6 Flash
Modell	Anbieter	Bezugsweg und Tarif	Eingabe pro 1 Mio. Token	Ausgabe pro 1 Mio. Token	Quelle
Claude Opus 4.8	Anthropic	Direkt beim EntwicklerStandard-API	Günstigster erfasster Preis: 5 $	Günstigster erfasster Preis: 25 $	Quelle22.09.2026
Gemini 3.6 Flash	Google	Direkt beim EntwicklerStandard-API	0,75 $	3,75 $	Quelle22.09.2026
	Google	Über OpenRoutergoogle-vertex/global	0,75 $	3,75 $	Quelle26.10.2026
	Google	Über OpenRoutergoogle-vertex/global/priority	1,35 $	6,75 $	Quelle26.10.2026
	Google	Über OpenRoutergoogle-vertex/us	0,825 $	4,125 $	Quelle26.10.2026
	Google AI Studio	Über OpenRoutergoogle-ai-studio	0,75 $	3,75 $	Quelle26.10.2026
	Google AI Studio	Über OpenRoutergoogle-ai-studio/flex	Günstigster erfasster Preis: 0,375 $	Günstigster erfasster Preis: 1,875 $	Quelle26.10.2026
	Google AI Studio	Über OpenRoutergoogle-ai-studio/priority	1,35 $	6,75 $	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 4.8

Gesamtindex

57,0

Gemini 3.6 Flash

Gesamtindex

43,8

Claude Opus 4.8 liegt in 6 von 11 gemeinsamen Bereichen vorn. In 5 Bereichen liegen beide gleichauf.

Bereich	Claude Opus 4.8	Gemini 3.6 Flash
Programmieren	55,3	35,7
Schlussfolgerngleichauf	46,2	51,5
Wissengleichauf	65,6	62,7
Agenten	56,7	30,2
Allgemeingleichauf	45,3	36,4
Finanzen	65,0	44,3
Rechtgleichauf	57,4	39,3
Gesundheit	67,8	44,1
Multimodalgleichauf	55,0	58,2
Produktivität	68,3	24,9
Bildung	71,1	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.

Claude Opus 4.8

Gemini 3.6 Flash

Coding: 100 / 99 (2 Benchmarkfamilien)

Reasoning: 100 / 98,8 (1 Benchmarkfamilie)

Mathematik: 99,7 / 99,4 (1 Benchmarkfamilie)

Wissen: 100 / 98,8 (1 Benchmarkfamilie)

Finanzen: 100 / 98,9 (1 Benchmarkfamilie)

Recht: 100 / 99,1 (1 Benchmarkfamilie)

Multimodal: 100 / 99,1 (1 Benchmarkfamilie)

Gesundheit: 100 / 98,6 (1 Benchmarkfamilie)

42 passende Messreihen aus 4 Benchmarkfamilien wurden berücksichtigt. Das Radar zeigt 8 von 10 vergleichbaren Kategorien.

Claude Opus 4.8Gemini 3.6 Flash

Code MigrationOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.847,25 %

Gemini 3.6 Flash30,928 %

CorpFin v2Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.866,706 %

Gemini 3.6 Flash63,326 %

EMBOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.869,373 %

Gemini 3.6 Flash65,411 %

Finance Agent (v2)Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.853,918 %

Gemini 3.6 Flash56,296 %

GPQA DiamondOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.892,424 %

Gemini 3.6 Flash93,434 %

Harvey's Legal Agent BenchmarkOverall · Task fully resolved. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.89,583 %

Gemini 3.6 Flash3,333 %

Legal Research BenchOverall · All-pass. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.843,75 %

Gemini 3.6 Flash25 %

LegalBenchOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.883,568 %

Gemini 3.6 Flash86,705 %

LiveCodeBench v6Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.887,819 %

Gemini 3.6 Flash88,08 %

LMArena Code Arena WebDevOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Opus 4.81.536,177

Gemini 3.6 Flash1.538,044

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

Claude Opus 4.81.474,319

Gemini 3.6 Flash1.482,702

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

Claude Opus 4.81.278,955

Gemini 3.6 Flash1.280,714

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von Claude Opus 4.8 und Gemini 3.6 Flash
Benchmark und Aufgabe	Claude Opus 4.8	Gemini 3.6 Flash	Quelle
Code MigrationOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert47,25 %	30,928 %	Vals AI Quellendetails Datenstand: 12.10.2026
CorpFin v2Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert66,706 %	63,326 %	Vals AI Quellendetails Datenstand: 12.08.2026
EMBOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert69,373 %	65,411 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	53,918 %	Höherer Messwert56,296 %	Vals AI Quellendetails Datenstand: 12.10.2026
GPQA DiamondOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	92,424 %	Höherer Messwert93,434 %	Vals AI Quellendetails Datenstand: 01.09.2026
Harvey's Legal Agent BenchmarkOverall · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert9,583 %	3,333 %	Vals AI Quellendetails Datenstand: 12.10.2026
Legal Research BenchOverall · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert43,75 %	25 %	Vals AI Quellendetails Datenstand: 12.10.2026
LegalBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	83,568 %	Höherer Messwert86,705 %	Vals AI Quellendetails Datenstand: 13.10.2026
LiveCodeBench v6Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	87,819 %	Höherer Messwert88,08 %	Vals AI Quellendetails Datenstand: 01.09.2026
LMArena Code Arena WebDevOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8, Harness: Arena Code Arena WebDev Gemini 3.6 Flash: Snapshot: gemini-3.6-flash-high, Reasoning: high, Harness: Arena Code Arena WebDevClaude Opus 4.8: Arena-Bewertung aus 17.454 veröffentlichten Paarvergleichen.Gemini 3.6 Flash: Arena-Bewertung aus 8.768 veröffentlichten Paarvergleichen.	1.536,177 95-%-Konfidenzintervall: ±5,702Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.538,044 95-%-Konfidenzintervall: ±7,497Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Text, Style ControlOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8, Harness: Arena Text, style control Gemini 3.6 Flash: Snapshot: gemini-3.6-flash-high, Reasoning: high, Harness: Arena Text, style controlClaude Opus 4.8: Arena-Bewertung aus 65.172 veröffentlichten Paarvergleichen.Gemini 3.6 Flash: Arena-Bewertung aus 36.122 veröffentlichten Paarvergleichen.	1.474,319 95-%-Konfidenzintervall: ±3,846Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.482,702 95-%-Konfidenzintervall: ±4,423Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 15.10.2026
LMArena Vision, Style ControlOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8, Harness: Arena Vision, style control Gemini 3.6 Flash: Snapshot: gemini-3.6-flash-high, Reasoning: high, Harness: Arena Vision, style controlClaude Opus 4.8: Arena-Bewertung aus 18.852 veröffentlichten Paarvergleichen.Gemini 3.6 Flash: Arena-Bewertung aus 8.127 veröffentlichten Paarvergleichen.	1.278,955 95-%-Konfidenzintervall: ±6,534Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.280,714 95-%-Konfidenzintervall: ±8,17Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 09.10.2026
MedCodeOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens	Höherer Messwert53,217 %	53,153 %	Vals AI Quellendetails Datenstand: 13.10.2026
MedScribeOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens	Höherer Messwert85,755 %	79,661 %	Vals AI Quellendetails Datenstand: 13.10.2026
MMLU-ProOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert89,585 %	89,276 %	Vals AI Quellendetails Datenstand: 01.09.2026
MMMU-ProOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	86,59 %	Höherer Messwert88,382 %	Vals AI Quellendetails Datenstand: 01.09.2026
MortgageTaxOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert69,912 %	67,608 %	Vals AI Quellendetails Datenstand: 01.09.2026
ProgramBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully resolved rateBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert1 %	0 %	Vals AI Quellendetails Datenstand: 12.10.2026
Public Benefits Bench v1.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert68,133 %	56,563 %	Vals AI Quellendetails Datenstand: 12.10.2026
SAGEOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens	Höherer Messwert54,788 %	48,686 %	Vals AI Quellendetails Datenstand: 08.10.2026
SWE-bench VerifiedOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert88,6 %	79,6 %	Vals AI Quellendetails Datenstand: 01.09.2026
Tax Agent BenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert29,999 %	18,038 %	Vals AI Quellendetails Datenstand: 12.10.2026
TaxEval v2Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert75,634 %	74,857 %	Vals AI Quellendetails Datenstand: 01.09.2026
Terminal-Bench 2.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	71,91 %	Höherer Messwert73,783 %	Vals AI Quellendetails Datenstand: 28.09.2026
Terminal-Bench ScienceOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 0.1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Harness: Mini-SWE-agent, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Harness: Mini-SWE-agent, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Kein direkter Sieger4,286 %	Kein direkter Sieger4,286 %	Vals AI Quellendetails Datenstand: 14.10.2026
Vals Multimodal IndexOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.2Messgröße: weighted index scoreBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert70,889 %	65,077 %	Vals AI Quellendetails Datenstand: 11.08.2026
Vibe Code Bench v1.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert82,725 %	64,005 %	Vals AI Quellendetails Datenstand: 12.10.2026
Code MigrationCLI Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert40,143 %	19,332 %	Vals AI Quellendetails Datenstand: 12.10.2026
CorpFin v2Exact Pages Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert64,336 %	61,072 %	Vals AI Quellendetails Datenstand: 12.08.2026
EMBComps Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert72,797 %	70,019 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Adjustments Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	48,387 %	Höherer Messwert53,608 %	Vals AI Quellendetails Datenstand: 12.10.2026
GPQA DiamondFew-Shot CoT Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	91,919 %	Höherer Messwert92,424 %	Vals AI Quellendetails Datenstand: 01.09.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Criteria passed Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: criteria pass rateBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert87,319 %	79,71 %	Vals AI Quellendetails Datenstand: 12.10.2026
Legal Research BenchAdministrative / Regulatory · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert43,939 %	31,818 %	Vals AI Quellendetails Datenstand: 12.10.2026
LegalBenchConclusion Tasks Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	88,937 %	Höherer Messwert91,081 %	Vals AI Quellendetails Datenstand: 13.10.2026
LiveCodeBench v6Easy Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Kein direkter Sieger99,068 %	Kein direkter Sieger99,068 %	Vals AI Quellendetails Datenstand: 01.09.2026
LMArena Code Arena WebDevOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8-high, Reasoning: high, Harness: Arena Code Arena WebDev Gemini 3.6 Flash: Snapshot: gemini-3.6-flash-high, Reasoning: high, Harness: Arena Code Arena WebDevClaude Opus 4.8: Arena-Bewertung aus 18.540 veröffentlichten Paarvergleichen.Gemini 3.6 Flash: Arena-Bewertung aus 8.768 veröffentlichten Paarvergleichen.	Gewinner1.555,99 95-%-Konfidenzintervall: ±5,768Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.538,044 95-%-Konfidenzintervall: ±7,497Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Text, Style ControlOverall Testdetails Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8-high, Reasoning: high, Harness: Arena Text, style control Gemini 3.6 Flash: Snapshot: gemini-3.6-flash-high, Reasoning: high, Harness: Arena Text, style controlClaude Opus 4.8: Arena-Bewertung aus 64.100 veröffentlichten Paarvergleichen.Gemini 3.6 Flash: Arena-Bewertung aus 36.122 veröffentlichten Paarvergleichen.	1.481,495 95-%-Konfidenzintervall: ±3,868Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Kein klarer Vorsprung1.482,702 95-%-Konfidenzintervall: ±4,423Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 15.10.2026
LMArena Vision, Style ControlOverall Testdetails Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8-high, Reasoning: high, Harness: Arena Vision, style control Gemini 3.6 Flash: Snapshot: gemini-3.6-flash-high, Reasoning: high, Harness: Arena Vision, style controlClaude Opus 4.8: Arena-Bewertung aus 18.341 veröffentlichten Paarvergleichen.Gemini 3.6 Flash: Arena-Bewertung aus 8.127 veröffentlichten Paarvergleichen.	Kein klarer Vorsprung1.285,632 95-%-Konfidenzintervall: ±6,5Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.280,714 95-%-Konfidenzintervall: ±8,17Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 09.10.2026
MMLU-ProBiology Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Kein direkter Sieger94,7 %	Kein direkter Sieger94,7 %	Vals AI Quellendetails Datenstand: 01.09.2026
MortgageTaxNumerical Extraction Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert79,73 %	76,789 %	Vals AI Quellendetails Datenstand: 01.09.2026
ProgramBenchAlmost Resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: almost-resolved rateBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert15,5 %	2,5 %	Vals AI Quellendetails Datenstand: 12.10.2026
SAGEAutomata Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens	Höherer Messwert41,666 %	34,92 %	Vals AI Quellendetails Datenstand: 08.10.2026
SWE-bench Verified<15 min fix Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert92,784 %	87,113 %	Vals AI Quellendetails Datenstand: 01.09.2026
Tax Agent BenchControversy & Precedence Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert13,133 %	3,333 %	Vals AI Quellendetails Datenstand: 12.10.2026
TaxEval v2Correctness Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert64,513 %	63,532 %	Vals AI Quellendetails Datenstand: 01.09.2026
Terminal-Bench 2.1Easy Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Kein direkter Sieger100 %	Kein direkter Sieger100 %	Vals AI Quellendetails Datenstand: 28.09.2026
Terminal-Bench ScienceEarth Sciences Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 0.1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Harness: Mini-SWE-agent, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Harness: Mini-SWE-agent, Temperatur: 1, Ausgabegrenze: 65.536 tokens	0 %	Höherer Messwert12,5 %	Vals AI Quellendetails Datenstand: 14.10.2026
Vals Multimodal IndexCorpFin v2 Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert65,967 %	63,52 %	Vals AI Quellendetails Datenstand: 11.08.2026
Code MigrationCOBOL Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert68,571 %	65,714 %	Vals AI Quellendetails Datenstand: 12.10.2026
CorpFin v2Max Fitting Context Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert69,814 %	65,385 %	Vals AI Quellendetails Datenstand: 12.08.2026
EMBDataroom Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert85,948 %	72,965 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)All-Pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	43,517 %	Höherer Messwert44,634 %	Vals AI Quellendetails Datenstand: 12.10.2026
GPQA DiamondZero-Shot CoT Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	92,929 %	Höherer Messwert94,444 %	Vals AI Quellendetails Datenstand: 01.09.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Kein direkter Sieger0 %	Kein direkter Sieger0 %	Vals AI Quellendetails Datenstand: 12.10.2026
Legal Research BenchAdministrative / Regulatory · Weighted partial credit Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: weighted partial-credit scoreBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert87,365 %	83,517 %	Vals AI Quellendetails Datenstand: 12.10.2026
LegalBenchInterpretation Tasks Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	82,703 %	Höherer Messwert83,894 %	Vals AI Quellendetails Datenstand: 13.10.2026
LiveCodeBench v6Hard Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Kein direkter Sieger74,571 %	Kein direkter Sieger74,571 %	Vals AI Quellendetails Datenstand: 01.09.2026
LMArena Code Arena WebDevWebdev Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8, Harness: Arena Code Arena WebDev Gemini 3.6 Flash: Snapshot: gemini-3.6-flash-high, Reasoning: high, Harness: Arena Code Arena WebDevClaude Opus 4.8: Arena-Bewertung aus 17.454 veröffentlichten Paarvergleichen.Gemini 3.6 Flash: Arena-Bewertung aus 8.768 veröffentlichten Paarvergleichen.	1.536,177 95-%-Konfidenzintervall: ±5,702Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.538,044 95-%-Konfidenzintervall: ±7,497Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Text, Style ControlBusiness, management and finance Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8, Harness: Arena Text, style control Gemini 3.6 Flash: Snapshot: gemini-3.6-flash-high, Reasoning: high, Harness: Arena Text, style controlClaude Opus 4.8: Arena-Bewertung aus 12.774 veröffentlichten Paarvergleichen.Gemini 3.6 Flash: Arena-Bewertung aus 6.836 veröffentlichten Paarvergleichen.	Höherer Messwert1.486,109 95-%-Konfidenzintervall: ±6,333Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.472,486 95-%-Konfidenzintervall: ±7,851Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 15.10.2026
LMArena Vision, Style ControlChinese Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.8: Snapshot: claude-opus-4-8, Harness: Arena Vision, style control Gemini 3.6 Flash: Snapshot: gemini-3.6-flash-high, Reasoning: high, Harness: Arena Vision, style controlClaude Opus 4.8: Arena-Bewertung aus 1.131 veröffentlichten Paarvergleichen.Gemini 3.6 Flash: Arena-Bewertung aus 479 veröffentlichten Paarvergleichen.	Höherer Messwert1.334,517 95-%-Konfidenzintervall: ±19,635Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.329,153 95-%-Konfidenzintervall: ±27,579Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 09.10.2026
MMLU-ProBusiness Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	92,649 %	Höherer Messwert92,776 %	Vals AI Quellendetails Datenstand: 01.09.2026
MortgageTaxSemantic Extraction Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert60,095 %	58,426 %	Vals AI Quellendetails Datenstand: 01.09.2026
ProgramBenchFully Resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully resolved rateBewertung: Mehr ist besserClaude Opus 4.8: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.6 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert1 %	0 %	Vals AI Quellendetails Datenstand: 12.10.2026
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 4.8

In dieser Runde nicht verfügbar

Gemini 3.6 Flash

In dieser Runde nicht verfügbar

Frühere Tests

Pelikan auf dem Fahrrad

Community-Klassiker für eine freie SVG-Zeichnung.

Claude Opus 4.8

Reasoning (angefragt): high

Aktueller Versuch

Datum des Testlaufs: 01.10.2026
API-Anbieter: openrouter
Angefragtes API-Modell: anthropic/claude-opus-4.8
API-Modell laut Antwort: anthropic/claude-opus-4.8
Reasoning-Einstellung: high
Festgelegter Endpunkt: Anthropic | anthropic/claude-4.8-opus-20260528
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Bestanden, keine Qualitätsbewertung
Antwortzeit: 18 s

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

Gemini 3.6 Flash

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

Reasoning (angefragt): high

Aktueller Versuch

Datum des Testlaufs: 05.10.2026
API-Anbieter: openrouter
Angefragtes API-Modell: google/gemini-3.6-flash
API-Modell laut Antwort: google/gemini-3.6-flash
Reasoning-Einstellung: high
Festgelegter Endpunkt: Google AI Studio | google/gemini-3.6-flash-20260721
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Nicht bestanden
Antwortzeit: 39,6 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 4.8 und Gemini 3.6 Flash mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich

Claude Opus 4.8 vs. Gemini 3.6 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 4.8

Gemini 3.6 Flash

Pelikan auf dem Fahrrad

Ein Benchmark-Sieg ist kein Gesamturteil

Ähnliche LLM-Vergleiche