Direktvergleich

Claude Sonnet 5 vs. Gemini 3.8 Flash

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

gemeinsame Messreihen: 261
verschiedene Benchmarks: 42
jüngster Abruf: 15.10.2026

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 Sonnet 5 und Gemini 3.8 Flash
Merkmal	Claude Sonnet 5	Gemini 3.8 Flash
Anbieter	Anthropic	Google
Erschienen	30. Juni 2026	2. Sept. 2026
Verfügbarkeit	Aktiv	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, Kontext	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 Sonnet 5 und Gemini 3.8 Flash
Preisart	Claude Sonnet 5	Gemini 3.8 Flash
API-Eingabe	2 $	0,75 $
API-Ausgabe	10 $	3,75 $
Cache lesen	0,2 $	0,075 $
Cache schreiben (5 Min.)	2,5 $	Nicht ausgewiesen
Cache schreiben (1 Std.)	4 $	Nicht ausgewiesen
Preis geprüft	22.09.2026 Quelle	22.09.2026 Quelle

Claude Sonnet 5Gemini 3.8 Flash

API-EingabeUSD pro 1 Mio. Token, Basistarif

Claude Sonnet 52 $

Gemini 3.8 Flash0,75 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

Claude Sonnet 510 $

Gemini 3.8 Flash3,75 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

Claude Sonnet 50,2 $

Gemini 3.8 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.

Anbieterpreise von Claude Sonnet 5 und Gemini 3.8 Flash
Modell	Anbieter	Bezugsweg und Tarif	Eingabe pro 1 Mio. Token	Ausgabe pro 1 Mio. Token	Quelle
Claude Sonnet 5	Anthropic	Direkt beim EntwicklerStandard-API	Günstigster erfasster Preis: 2 $	Günstigster erfasster Preis: 10 $	Quelle22.09.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock/eu-west-1	2,2 $	11 $	Quelle17.10.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock/global	Günstigster erfasster Preis: 2 $	Günstigster erfasster Preis: 10 $	Quelle17.10.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock/us-east-1	2,2 $	11 $	Quelle17.10.2026
	Anthropic	Über OpenRouteranthropic	Günstigster erfasster Preis: 2 $	Günstigster erfasster Preis: 10 $	Quelle17.10.2026
	Azure	Über OpenRouterazure/global	Günstigster erfasster Preis: 2 $	Günstigster erfasster Preis: 10 $	Quelle17.10.2026
	Azure	Über OpenRouterazure/us	2,2 $	11 $	Quelle17.10.2026
	Claude Platform on AWS	Über OpenRouterclaude-on-aws	Günstigster erfasster Preis: 2 $	Günstigster erfasster Preis: 10 $	Quelle17.10.2026
	Google	Über OpenRoutergoogle-vertex/europe	2,2 $	11 $	Quelle17.10.2026
	Google	Über OpenRoutergoogle-vertex/global	Günstigster erfasster Preis: 2 $	Günstigster erfasster Preis: 10 $	Quelle17.10.2026
	Google	Über OpenRoutergoogle-vertex/us	2,2 $	11 $	Quelle17.10.2026
Gemini 3.8 Flash	Google	Direkt beim EntwicklerStandard-API	0,75 $	3,75 $	Quelle22.09.2026
	Google	Über OpenRoutergoogle-vertex/us	0,825 $	4,125 $	Quelle17.10.2026
	Google AI Studio	Über OpenRoutergoogle-ai-studio	0,75 $	3,75 $	Quelle17.10.2026
	Google AI Studio	Über OpenRoutergoogle-ai-studio/flex	Günstigster erfasster Preis: 0,375 $	Günstigster erfasster Preis: 1,875 $	Quelle17.10.2026
	Google AI Studio	Über OpenRoutergoogle-ai-studio/priority	1,35 $	6,75 $	Quelle17.10.2026

Leistung

Gemeinsame Benchmarks

Nur veröffentlichte Ergebnisse mit derselben Benchmark-Version, Aufgabe, Metrik und Vergleichskohorte werden gegenübergestellt. Wenn Anbieter unterschiedliche Reasoning-Stufen, Agenten oder Ausgabegrenzen verwendet haben, steht das direkt in der Tabelle.

Fähigkeitsprofil aus vergleichbaren Benchmarks

Jede Achse mittelt direkt vergleichbare Benchmarkfamilien. Ein Wert von 100 bedeutet den stärkeren Wert innerhalb dieses Duells, keinen universellen Qualitätswert.

Claude Sonnet 5

Gemini 3.8 Flash

Coding: 71,3 / 100 (3 Benchmarkfamilien)

Reasoning: 77,6 / 100 (4 Benchmarkfamilien)

Mathematik: 97,7 / 100 (1 Benchmarkfamilie)

Wissen: 49,1 / 100 (2 Benchmarkfamilien)

Finanzen: 99 / 100 (1 Benchmarkfamilie)

Recht: 98,9 / 100 (1 Benchmarkfamilie)

Agenten-Aufgaben: 75,9 / 100 (3 Benchmarkfamilien)

Multimodal: 97,5 / 100 (1 Benchmarkfamilie)

60 passende Messreihen aus 12 Benchmarkfamilien wurden berücksichtigt. Das Radar zeigt 8 von 11 vergleichbaren Kategorien.

Claude Sonnet 5Gemini 3.8 Flash

AA-BriefcaseOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Sonnet 51.176,53 elo

Gemini 3.8 Flash1.203,02 elo

AA-LCROverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Sonnet 576,7 %

Gemini 3.8 Flash81,3 %

AA-OmniscienceOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Sonnet 5-3,683 Punkte

Gemini 3.8 Flash29,55 Punkte

Artificial Analysis Intelligence IndexOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Sonnet 524,264 Punkte

Gemini 3.8 Flash33,455 Punkte

AutomationBench-AAOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Sonnet 532,1 %

Gemini 3.8 Flash59,9 %

Code MigrationOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Sonnet 544,392 %

Gemini 3.8 Flash36,546 %

CyberBench v1.1Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Sonnet 561,905 %

Gemini 3.8 Flash43,75 %

EMBOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Sonnet 566,316 %

Gemini 3.8 Flash72,196 %

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

Claude Sonnet 553,909 %

Gemini 3.8 Flash61,435 %

GDP.pdfOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Sonnet 59,4 %

Gemini 3.8 Flash21,0 %

GDPval-AAOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Sonnet 51.254,48 elo

Gemini 3.8 Flash1.436,3 elo

GPQA DiamondOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Sonnet 588,889 %

Gemini 3.8 Flash94,444 %

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von Claude Sonnet 5 und Gemini 3.8 Flash
Benchmark und Aufgabe	Claude Sonnet 5	Gemini 3.8 Flash	Quelle
AA-BriefcaseOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v1.1Messgröße: AA-Briefcase EloBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: Claude Sonnet 5 (High), Reasoning: High Gemini 3.8 Flash: Snapshot: Gemini 3.8 Flash (High), Reasoning: HighClaude Sonnet 5: Exakte AA-Konfiguration: Claude Sonnet 5 (High) (Release claude-sonnet-5, Zeile claude-sonnet-5-high, UUID ba0224cf-0351-4f56-8508-b3f1a740ae4a, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Gemini 3.8 Flash: Exakte AA-Konfiguration: Gemini 3.8 Flash (High) (Release gemini-3-8-flash, Zeile gemini-3-8-flash, UUID 8a999846-4c1d-4ce7-a8b7-1310a7166fd7, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	1.176,53 elo	Gewinner1.203,02 elo	Artificial Analysis Quellendetails Datenstand: 15.10.2026
AA-LCROverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v1.1Messgröße: Pass rateBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: Claude Sonnet 5 (High), Reasoning: High Gemini 3.8 Flash: Snapshot: Gemini 3.8 Flash (High), Reasoning: HighClaude Sonnet 5: Exakte AA-Konfiguration: Claude Sonnet 5 (High) (Release claude-sonnet-5, Zeile claude-sonnet-5-high, UUID ba0224cf-0351-4f56-8508-b3f1a740ae4a, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Gemini 3.8 Flash: Exakte AA-Konfiguration: Gemini 3.8 Flash (High) (Release gemini-3-8-flash, Zeile gemini-3-8-flash, UUID 8a999846-4c1d-4ce7-a8b7-1310a7166fd7, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	76,7 %	Gewinner81,3 %	Artificial Analysis Quellendetails Datenstand: 15.10.2026
AA-OmniscienceOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: AA-Omniscience IndexBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: Claude Sonnet 5 (High), Reasoning: High Gemini 3.8 Flash: Snapshot: Gemini 3.8 Flash (High), Reasoning: HighClaude Sonnet 5: Exakte AA-Konfiguration: Claude Sonnet 5 (High) (Release claude-sonnet-5, Zeile claude-sonnet-5-high, UUID ba0224cf-0351-4f56-8508-b3f1a740ae4a, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Gemini 3.8 Flash: Exakte AA-Konfiguration: Gemini 3.8 Flash (High) (Release gemini-3-8-flash, Zeile gemini-3-8-flash, UUID 8a999846-4c1d-4ce7-a8b7-1310a7166fd7, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	-3,683 Punkte Der Index kann negative Werte annehmen und reicht laut Anbieter von -100 bis 100.	Gewinner29,55 Punkte Der Index kann negative Werte annehmen und reicht laut Anbieter von -100 bis 100.	Artificial Analysis Quellendetails Datenstand: 15.10.2026
Artificial Analysis Intelligence IndexOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v4.3.2Messgröße: Artificial Analysis Intelligence IndexBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: Claude Sonnet 5 (Low), Reasoning: Low Gemini 3.8 Flash: Snapshot: Gemini 3.8 Flash (Low), Reasoning: LowClaude Sonnet 5: Exakte AA-Konfiguration: Claude Sonnet 5 (Low) (Release claude-sonnet-5, Zeile claude-sonnet-5-low, UUID 142b93bf-09c4-42dc-9c3a-50b1a222cbd4, reasoning=true, source reasoning-token configuration budget=0, suffix=Low). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Gemini 3.8 Flash: Exakte AA-Konfiguration: Gemini 3.8 Flash (Low) (Release gemini-3-8-flash, Zeile gemini-3-8-flash-low, UUID f6db039b-0f3b-485c-9d7f-982988e44f26, reasoning=true, source reasoning-token configuration budget=0, suffix=Low). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	24,264 Punkte	Gewinner33,455 Punkte	Artificial Analysis Quellendetails Datenstand: 15.10.2026
AutomationBench-AAOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: Objectives completed without guardrail violationsBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: Claude Sonnet 5 (High), Reasoning: High Gemini 3.8 Flash: Snapshot: Gemini 3.8 Flash (High), Reasoning: HighClaude Sonnet 5: Exakte AA-Konfiguration: Claude Sonnet 5 (High) (Release claude-sonnet-5, Zeile claude-sonnet-5-high, UUID ba0224cf-0351-4f56-8508-b3f1a740ae4a, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Gemini 3.8 Flash: Exakte AA-Konfiguration: Gemini 3.8 Flash (High) (Release gemini-3-8-flash, Zeile gemini-3-8-flash, UUID 8a999846-4c1d-4ce7-a8b7-1310a7166fd7, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	32,1 %	Gewinner59,9 %	Artificial Analysis Quellendetails Datenstand: 15.10.2026
Code MigrationOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert44,392 %	36,546 %	Vals AI Quellendetails Datenstand: 12.10.2026
CyberBench v1.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert61,905 %	43,75 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	66,316 %	Höherer Messwert72,196 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	53,909 %	Höherer Messwert61,435 %	Vals AI Quellendetails Datenstand: 12.10.2026
GDP.pdfOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: All-pass rateBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: Claude Sonnet 5 (High), Reasoning: High Gemini 3.8 Flash: Snapshot: Gemini 3.8 Flash (High), Reasoning: HighClaude Sonnet 5: Exakte AA-Konfiguration: Claude Sonnet 5 (High) (Release claude-sonnet-5, Zeile claude-sonnet-5-high, UUID ba0224cf-0351-4f56-8508-b3f1a740ae4a, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Gemini 3.8 Flash: Exakte AA-Konfiguration: Gemini 3.8 Flash (High) (Release gemini-3-8-flash, Zeile gemini-3-8-flash, UUID 8a999846-4c1d-4ce7-a8b7-1310a7166fd7, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	9,4 %	Gewinner21,0 %	Artificial Analysis Quellendetails Datenstand: 15.10.2026
GDPval-AAOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v2.1Messgröße: GDPval-AA EloBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: Claude Sonnet 5 (High), Reasoning: High Gemini 3.8 Flash: Snapshot: Gemini 3.8 Flash (High), Reasoning: HighClaude Sonnet 5: Exakte AA-Konfiguration: Claude Sonnet 5 (High) (Release claude-sonnet-5, Zeile claude-sonnet-5-high, UUID ba0224cf-0351-4f56-8508-b3f1a740ae4a, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Gemini 3.8 Flash: Exakte AA-Konfiguration: Gemini 3.8 Flash (High) (Release gemini-3-8-flash, Zeile gemini-3-8-flash, UUID 8a999846-4c1d-4ce7-a8b7-1310a7166fd7, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	1.254,48 elo	Gewinner1.436,3 elo	Artificial Analysis Quellendetails Datenstand: 15.10.2026
GPQA DiamondOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	88,889 %	Höherer Messwert94,444 %	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 Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	5 %	Höherer Messwert10 %	Vals AI Quellendetails Datenstand: 12.10.2026
Humanity's Last ExamOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: Text-only pass@1 accuracyBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: Claude Sonnet 5 (High), Reasoning: High Gemini 3.8 Flash: Snapshot: Gemini 3.8 Flash (High), Reasoning: HighClaude Sonnet 5: Exakte AA-Konfiguration: Claude Sonnet 5 (High) (Release claude-sonnet-5, Zeile claude-sonnet-5-high, UUID ba0224cf-0351-4f56-8508-b3f1a740ae4a, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Gemini 3.8 Flash: Exakte AA-Konfiguration: Gemini 3.8 Flash (High) (Release gemini-3-8-flash, Zeile gemini-3-8-flash, UUID 8a999846-4c1d-4ce7-a8b7-1310a7166fd7, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	35,7 % Der Anbieter beschreibt seine Vergleichsauswertung als text-only 2.158 Fragen, nicht als den vollständigen 2.500-Fragen-Datensatz.	Gewinner47,8 % Der Anbieter beschreibt seine Vergleichsauswertung als text-only 2.158 Fragen, nicht als den vollständigen 2.500-Fragen-Datensatz.	Artificial Analysis Quellendetails Datenstand: 15.10.2026
IOIOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	45 %	Höherer Messwert56,944 %	Vals AI Quellendetails Datenstand: 14.10.2026
Legal Research BenchOverall · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert41,827 %	38,942 %	Vals AI Quellendetails Datenstand: 12.10.2026
LegalBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	83,922 %	Höherer Messwert86,993 %	Vals AI Quellendetails Datenstand: 13.10.2026
LiveCodeBench v6Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	82,429 %	Höherer Messwert89,484 %	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 Sonnet 5: Snapshot: claude-sonnet-5-high, Reasoning: high, Harness: Arena Code Arena WebDev Gemini 3.8 Flash: Snapshot: gemini-3.8-flash-high, Reasoning: high, Harness: Arena Code Arena WebDevClaude Sonnet 5: Arena-Bewertung aus 15.175 veröffentlichten Paarvergleichen.Gemini 3.8 Flash: Arena-Bewertung aus 10.077 veröffentlichten Paarvergleichen.	1.539,919 95-%-Konfidenzintervall: ±6,061Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Gewinner1.584,77 95-%-Konfidenzintervall: ±7,59Der 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 TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: claude-sonnet-5-high, Reasoning: high, Harness: Arena Text, style control Gemini 3.8 Flash: Snapshot: gemini-3.8-flash-high, Reasoning: high, Harness: Arena Text, style controlClaude Sonnet 5: Arena-Bewertung aus 48.998 veröffentlichten Paarvergleichen.Gemini 3.8 Flash: Arena-Bewertung aus 35.670 veröffentlichten Paarvergleichen.	1.461,284 95-%-Konfidenzintervall: ±4,141Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Gewinner1.496,319 95-%-Konfidenzintervall: ±4,654Der 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 Vision, Style ControlOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: claude-sonnet-5-high, Reasoning: high, Harness: Arena Vision, style control Gemini 3.8 Flash: Snapshot: gemini-3.8-flash-high, Reasoning: high, Harness: Arena Vision, style controlClaude Sonnet 5: Arena-Bewertung aus 13.503 veröffentlichten Paarvergleichen.Gemini 3.8 Flash: Arena-Bewertung aus 3.792 veröffentlichten Paarvergleichen.	1.263,255 95-%-Konfidenzintervall: ±6,921Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Gewinner1.289,129 95-%-Konfidenzintervall: ±10,62Der 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 Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	47,54 %	Höherer Messwert48,135 %	Vals AI Quellendetails Datenstand: 13.10.2026
MedScribeOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	76,054 %	Höherer Messwert84,496 %	Vals AI Quellendetails Datenstand: 13.10.2026
MMLU-ProOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	87,545 %	Höherer Messwert90,221 %	Vals AI Quellendetails Datenstand: 01.09.2026
MMMU-ProOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	83,006 %	Höherer Messwert89,075 %	Vals AI Quellendetails Datenstand: 01.09.2026
MortgageTaxOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert70,032 %	65,342 %	Vals AI Quellendetails Datenstand: 01.09.2026
ProgramBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully resolved rateBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	0 %	Höherer Messwert1 %	Vals AI Quellendetails Datenstand: 12.10.2026
ProofBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert77 %	48 %	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 Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert66,035 %	65,291 %	Vals AI Quellendetails Datenstand: 12.10.2026
SAGEOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens	Höherer Messwert48,925 %	35,064 %	Vals AI Quellendetails Datenstand: 08.10.2026
SkillsBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 65.536 tokens	46,476 %	Höherer Messwert57,985 %	Vals AI Quellendetails Datenstand: 27.09.2026
SRE BenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully solved rateBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	0,382 %	Höherer Messwert11,069 %	Vals AI Quellendetails Datenstand: 14.10.2026
SWE-bench VerifiedOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	79,6 %	Höherer Messwert80 %	Vals AI Quellendetails Datenstand: 01.09.2026
Tax Agent BenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	29,374 %	Höherer Messwert32,124 %	Vals AI Quellendetails Datenstand: 12.10.2026
TaxEval v2Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert75,634 %	74,448 %	Vals AI Quellendetails Datenstand: 01.09.2026
Terminal-BenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 4.0Messgröße: Task successBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: Claude Sonnet 5 (High), Reasoning: High Gemini 3.8 Flash: Snapshot: Gemini 3.8 Flash (High), Reasoning: HighClaude Sonnet 5: Exakte AA-Konfiguration: Claude Sonnet 5 (High) (Release claude-sonnet-5, Zeile claude-sonnet-5-high, UUID ba0224cf-0351-4f56-8508-b3f1a740ae4a, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Gemini 3.8 Flash: Exakte AA-Konfiguration: Gemini 3.8 Flash (High) (Release gemini-3-8-flash, Zeile gemini-3-8-flash, UUID 8a999846-4c1d-4ce7-a8b7-1310a7166fd7, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	5,1 %	Gewinner19,7 %	Artificial Analysis Quellendetails Datenstand: 15.10.2026
Terminal-Bench 2.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	74,532 %	Höherer Messwert81,273 %	Vals AI Quellendetails Datenstand: 28.09.2026
Terminal-Bench 4.0Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 4.0Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	10,606 %	Höherer Messwert19,697 %	Vals AI Quellendetails Datenstand: 13.10.2026
Terminal-Bench ScienceOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 0.1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Harness: Mini-SWE-agent, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Harness: Mini-SWE-agent, Temperatur: 1, Ausgabegrenze: 65.536 tokens	5,714 %	Höherer Messwert8,571 %	Vals AI Quellendetails Datenstand: 14.10.2026
Vals IndexOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: weighted index scoreBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	51,898 %	Höherer Messwert54,887 %	Vals AI Quellendetails Datenstand: 13.10.2026
Vibe Code Bench 1-100Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.0Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 65.536 tokens	13,822 %	Höherer Messwert18,772 %	Vals AI Quellendetails Datenstand: 14.10.2026
Vibe Code Bench v1.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert81,325 %	78,651 %	Vals AI Quellendetails Datenstand: 12.10.2026
AA-BriefcaseOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v1.1Messgröße: AA-Briefcase EloBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: Claude Sonnet 5 (Medium), Reasoning: Medium Gemini 3.8 Flash: Snapshot: Gemini 3.8 Flash (Medium), Reasoning: MediumClaude Sonnet 5: Exakte AA-Konfiguration: Claude Sonnet 5 (Medium) (Release claude-sonnet-5, Zeile claude-sonnet-5-medium, UUID effcd151-7c31-4437-af3d-e88daeae9385, reasoning=true, source reasoning-token configuration budget=0, suffix=Medium). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Gemini 3.8 Flash: Exakte AA-Konfiguration: Gemini 3.8 Flash (Medium) (Release gemini-3-8-flash, Zeile gemini-3-8-flash-medium, UUID 744fa3c1-42a7-4995-b138-fb6be11f463c, reasoning=true, source reasoning-token configuration budget=0, suffix=Medium). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	1.057,7 elo	Gewinner1.181,5 elo	Artificial Analysis Quellendetails Datenstand: 15.10.2026
AA-LCROverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v1.1Messgröße: Pass rateBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: Claude Sonnet 5 (Medium), Reasoning: Medium Gemini 3.8 Flash: Snapshot: Gemini 3.8 Flash (Medium), Reasoning: MediumClaude Sonnet 5: Exakte AA-Konfiguration: Claude Sonnet 5 (Medium) (Release claude-sonnet-5, Zeile claude-sonnet-5-medium, UUID effcd151-7c31-4437-af3d-e88daeae9385, reasoning=true, source reasoning-token configuration budget=0, suffix=Medium). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Gemini 3.8 Flash: Exakte AA-Konfiguration: Gemini 3.8 Flash (Medium) (Release gemini-3-8-flash, Zeile gemini-3-8-flash-medium, UUID 744fa3c1-42a7-4995-b138-fb6be11f463c, reasoning=true, source reasoning-token configuration budget=0, suffix=Medium). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	73,7 %	Gewinner84,0 %	Artificial Analysis Quellendetails Datenstand: 15.10.2026
AA-OmniscienceOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: AA-Omniscience IndexBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: Claude Sonnet 5 (Medium), Reasoning: Medium Gemini 3.8 Flash: Snapshot: Gemini 3.8 Flash (Medium), Reasoning: MediumClaude Sonnet 5: Exakte AA-Konfiguration: Claude Sonnet 5 (Medium) (Release claude-sonnet-5, Zeile claude-sonnet-5-medium, UUID effcd151-7c31-4437-af3d-e88daeae9385, reasoning=true, source reasoning-token configuration budget=0, suffix=Medium). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Gemini 3.8 Flash: Exakte AA-Konfiguration: Gemini 3.8 Flash (Medium) (Release gemini-3-8-flash, Zeile gemini-3-8-flash-medium, UUID 744fa3c1-42a7-4995-b138-fb6be11f463c, reasoning=true, source reasoning-token configuration budget=0, suffix=Medium). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	-6,867 Punkte Der Index kann negative Werte annehmen und reicht laut Anbieter von -100 bis 100.	Gewinner28,583 Punkte Der Index kann negative Werte annehmen und reicht laut Anbieter von -100 bis 100.	Artificial Analysis Quellendetails Datenstand: 15.10.2026
Artificial Analysis Intelligence IndexOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v4.3.2Messgröße: Artificial Analysis Intelligence IndexBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: Claude Sonnet 5 (High), Reasoning: High Gemini 3.8 Flash: Snapshot: Gemini 3.8 Flash (High), Reasoning: HighClaude Sonnet 5: Exakte AA-Konfiguration: Claude Sonnet 5 (High) (Release claude-sonnet-5, Zeile claude-sonnet-5-high, UUID ba0224cf-0351-4f56-8508-b3f1a740ae4a, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Gemini 3.8 Flash: Exakte AA-Konfiguration: Gemini 3.8 Flash (High) (Release gemini-3-8-flash, Zeile gemini-3-8-flash, UUID 8a999846-4c1d-4ce7-a8b7-1310a7166fd7, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	31,662 Punkte	Gewinner40,926 Punkte	Artificial Analysis Quellendetails Datenstand: 15.10.2026
AutomationBench-AAOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: Objectives completed without guardrail violationsBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: Claude Sonnet 5 (Medium), Reasoning: Medium Gemini 3.8 Flash: Snapshot: Gemini 3.8 Flash (Medium), Reasoning: MediumClaude Sonnet 5: Exakte AA-Konfiguration: Claude Sonnet 5 (Medium) (Release claude-sonnet-5, Zeile claude-sonnet-5-medium, UUID effcd151-7c31-4437-af3d-e88daeae9385, reasoning=true, source reasoning-token configuration budget=0, suffix=Medium). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Gemini 3.8 Flash: Exakte AA-Konfiguration: Gemini 3.8 Flash (Medium) (Release gemini-3-8-flash, Zeile gemini-3-8-flash-medium, UUID 744fa3c1-42a7-4995-b138-fb6be11f463c, reasoning=true, source reasoning-token configuration budget=0, suffix=Medium). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	27,9 %	Gewinner60,9 %	Artificial Analysis Quellendetails Datenstand: 15.10.2026
Code MigrationCLI Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert36,332 %	25,871 %	Vals AI Quellendetails Datenstand: 12.10.2026
CyberBench v1.1Patch Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	82,143 %	Höherer Messwert87,5 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBComps Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	69,384 %	Höherer Messwert76,435 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Adjustments Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	48,715 %	Höherer Messwert54,828 %	Vals AI Quellendetails Datenstand: 12.10.2026
GDP.pdfOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: All-pass rateBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: Claude Sonnet 5 (Medium), Reasoning: Medium Gemini 3.8 Flash: Snapshot: Gemini 3.8 Flash (Medium), Reasoning: MediumClaude Sonnet 5: Exakte AA-Konfiguration: Claude Sonnet 5 (Medium) (Release claude-sonnet-5, Zeile claude-sonnet-5-medium, UUID effcd151-7c31-4437-af3d-e88daeae9385, reasoning=true, source reasoning-token configuration budget=0, suffix=Medium). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Gemini 3.8 Flash: Exakte AA-Konfiguration: Gemini 3.8 Flash (Medium) (Release gemini-3-8-flash, Zeile gemini-3-8-flash-medium, UUID 744fa3c1-42a7-4995-b138-fb6be11f463c, reasoning=true, source reasoning-token configuration budget=0, suffix=Medium). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	11,6 %	Gewinner22,8 %	Artificial Analysis Quellendetails Datenstand: 15.10.2026
GDPval-AAOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v2.1Messgröße: GDPval-AA EloBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: Claude Sonnet 5 (Medium), Reasoning: Medium Gemini 3.8 Flash: Snapshot: Gemini 3.8 Flash (Medium), Reasoning: MediumClaude Sonnet 5: Exakte AA-Konfiguration: Claude Sonnet 5 (Medium) (Release claude-sonnet-5, Zeile claude-sonnet-5-medium, UUID effcd151-7c31-4437-af3d-e88daeae9385, reasoning=true, source reasoning-token configuration budget=0, suffix=Medium). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Gemini 3.8 Flash: Exakte AA-Konfiguration: Gemini 3.8 Flash (Medium) (Release gemini-3-8-flash, Zeile gemini-3-8-flash-medium, UUID 744fa3c1-42a7-4995-b138-fb6be11f463c, reasoning=true, source reasoning-token configuration budget=0, suffix=Medium). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	1.156,51 elo	Gewinner1.421,18 elo	Artificial Analysis Quellendetails Datenstand: 15.10.2026
GPQA DiamondFew-Shot CoT Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	87,374 %	Höherer Messwert94,949 %	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 Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert88,768 %	87,681 %	Vals AI Quellendetails Datenstand: 12.10.2026
Humanity's Last ExamOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: Text-only pass@1 accuracyBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: Claude Sonnet 5 (Medium), Reasoning: Medium Gemini 3.8 Flash: Snapshot: Gemini 3.8 Flash (Medium), Reasoning: MediumClaude Sonnet 5: Exakte AA-Konfiguration: Claude Sonnet 5 (Medium) (Release claude-sonnet-5, Zeile claude-sonnet-5-medium, UUID effcd151-7c31-4437-af3d-e88daeae9385, reasoning=true, source reasoning-token configuration budget=0, suffix=Medium). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Gemini 3.8 Flash: Exakte AA-Konfiguration: Gemini 3.8 Flash (Medium) (Release gemini-3-8-flash, Zeile gemini-3-8-flash-medium, UUID 744fa3c1-42a7-4995-b138-fb6be11f463c, reasoning=true, source reasoning-token configuration budget=0, suffix=Medium). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	30,0 % Der Anbieter beschreibt seine Vergleichsauswertung als text-only 2.158 Fragen, nicht als den vollständigen 2.500-Fragen-Datensatz.	Gewinner42,1 % Der Anbieter beschreibt seine Vergleichsauswertung als text-only 2.158 Fragen, nicht als den vollständigen 2.500-Fragen-Datensatz.	Artificial Analysis Quellendetails Datenstand: 15.10.2026
IOIIOI 2024 Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	50,5 %	Höherer Messwert55,667 %	Vals AI Quellendetails Datenstand: 14.10.2026
Legal Research BenchAdministrative / Regulatory · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert54,545 %	46,97 %	Vals AI Quellendetails Datenstand: 12.10.2026
LegalBenchConclusion Tasks Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	89,555 %	Höherer Messwert90,691 %	Vals AI Quellendetails Datenstand: 13.10.2026
LiveCodeBench v6Easy Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	98,447 %	Höherer Messwert99,068 %	Vals AI Quellendetails Datenstand: 01.09.2026
LMArena Code Arena WebDevImage to webdev Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: claude-sonnet-5-high, Reasoning: high, Harness: Arena Code Arena WebDev Gemini 3.8 Flash: Snapshot: gemini-3.8-flash-high, Reasoning: high, Harness: Arena Code Arena WebDevClaude Sonnet 5: Arena-Bewertung aus 7.633 veröffentlichten Paarvergleichen.Gemini 3.8 Flash: Arena-Bewertung aus 2.015 veröffentlichten Paarvergleichen.	1.539,169 95-%-Konfidenzintervall: ±7,844Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Gewinner1.593,067 95-%-Konfidenzintervall: ±13,862Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 09.10.2026
LMArena Text, Style ControlBusiness, management and finance Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: claude-sonnet-5-high, Reasoning: high, Harness: Arena Text, style control Gemini 3.8 Flash: Snapshot: gemini-3.8-flash-high, Reasoning: high, Harness: Arena Text, style controlClaude Sonnet 5: Arena-Bewertung aus 9.443 veröffentlichten Paarvergleichen.Gemini 3.8 Flash: Arena-Bewertung aus 6.520 veröffentlichten Paarvergleichen.	1.464,402 95-%-Konfidenzintervall: ±6,971Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Gewinner1.479,887 95-%-Konfidenzintervall: ±8,136Der 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 Vision, Style ControlChinese Testdetails Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Sonnet 5: Snapshot: claude-sonnet-5-high, Reasoning: high, Harness: Arena Vision, style control Gemini 3.8 Flash: Snapshot: gemini-3.8-flash-high, Reasoning: high, Harness: Arena Vision, style controlClaude Sonnet 5: Arena-Bewertung aus 822 veröffentlichten Paarvergleichen.Gemini 3.8 Flash: Arena-Bewertung aus 182 veröffentlichten Paarvergleichen.	1.316,791 95-%-Konfidenzintervall: ±22,41Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Kein klarer Vorsprung1.379,729 95-%-Konfidenzintervall: ±43,521Der 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 Sonnet 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	93,584 %	Höherer Messwert94,979 %	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: 4ae5d8eeb9a9

Claude Sonnet 5

In dieser Runde nicht verfügbar

Gemini 3.8 Flash

In dieser Runde nicht verfügbar

Frühere Tests

Pelikan auf dem Fahrrad

Community-Klassiker für eine freie SVG-Zeichnung.

Claude Sonnet 5

Reasoning (angefragt): high

Aktueller Versuch

Datum des Testlaufs: 07.09.2026
API-Anbieter: openrouter
Angefragtes API-Modell: anthropic/claude-sonnet-5
API-Modell laut Antwort: anthropic/claude-sonnet-5
Reasoning-Einstellung: high
Festgelegter Endpunkt: Anthropic | anthropic/claude-sonnet-5-20260630
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Bestanden, keine Qualitätsbewertung
Antwortzeit: 47,9 s

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

Gemini 3.8 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-3.8-flash
API-Modell laut Antwort: google/gemini-3.8-flash
Reasoning-Einstellung: high
Festgelegter Endpunkt: Google AI Studio | google/gemini-3.8-flash-20260902
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Nicht bestanden
Antwortzeit: 40,2 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 Sonnet 5 und Gemini 3.8 Flash mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich

Claude Sonnet 5 vs. Gemini 3.8 Flash

Modellauswahl ändern

Allgemeine Daten

API-Preise im Vergleich

Gemeinsame Benchmarks

Fähigkeitsprofil aus vergleichbaren Benchmarks

Unsere Tests

SVG-Kurztest

Claude Sonnet 5

Gemini 3.8 Flash

Pelikan auf dem Fahrrad

Ein Benchmark-Sieg ist kein Gesamturteil

Ähnliche LLM-Vergleiche