Direktvergleich

Gemini 3.1 Pro Preview vs. Gemini 3.5 Flash-Lite

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

gemeinsame Messreihen: 143
verschiedene Benchmarks: 25
jüngster Abruf: 29.09.2026

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 Gemini 3.1 Pro Preview und Gemini 3.5 Flash-Lite
Merkmal	Gemini 3.1 Pro Preview	Gemini 3.5 Flash-Lite
Anbieter	Google	Google
Erschienen	19. Feb. 2026	21. Juli 2026
Verfügbarkeit	Preview	Aktiv
Modelltyp	Proprietär	Proprietär
Parameter	Nicht veröffentlicht	Nicht veröffentlicht
Architektur	Nicht veröffentlicht	Nicht veröffentlicht
Kontextfenster	1.048.576 Token	1.048.576 Token
Wissensstand	Nicht veröffentlicht	Nicht veröffentlicht
Technische Quellen	Modell	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 Gemini 3.1 Pro Preview und Gemini 3.5 Flash-Lite
Preisart	Gemini 3.1 Pro Preview	Gemini 3.5 Flash-Lite
API-Eingabe	2 $ ≤200K / 4 $ >200K	0,3 $
API-Ausgabe	12 $ ≤200K / 18 $ >200K	2,5 $
Cache lesen	0,2 $ ≤200K / 0,4 $ >200K	0,03 $
Cache schreiben (5 Min.)	Nicht ausgewiesen	Nicht ausgewiesen
Cache schreiben (1 Std.)	Nicht ausgewiesen	Nicht ausgewiesen
Preis geprüft	22.09.2026 Quelle	22.09.2026 Quelle

Gemini 3.1 Pro PreviewGemini 3.5 Flash-Lite

API-EingabeUSD pro 1 Mio. Token, Basistarif

Gemini 3.1 Pro Preview2 $

Gemini 3.5 Flash-Lite0,3 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

Gemini 3.1 Pro Preview12 $

Gemini 3.5 Flash-Lite2,5 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

Gemini 3.1 Pro Preview0,2 $

Gemini 3.5 Flash-Lite0,03 $

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 Gemini 3.1 Pro Preview und Gemini 3.5 Flash-Lite
Modell	Anbieter	Bezugsweg und Tarif	Eingabe pro 1 Mio. Token	Ausgabe pro 1 Mio. Token	Quelle
Gemini 3.1 Pro Preview	Google	Direkt beim EntwicklerBis 200.000 Kontext-Token	2 $	12 $	Quelle22.09.2026
	Google	Direkt beim EntwicklerÜber 200.000 Kontext-Token	4 $	18 $	Quelle22.09.2026
	Google	Über OpenRoutergoogle-vertex/global	2 $	12 $	Quelle02.10.2026
	Google	Über OpenRoutergoogle-vertex/global/flex	Günstigster erfasster Preis: 1 $	Günstigster erfasster Preis: 6 $	Quelle02.10.2026
	Google	Über OpenRoutergoogle-vertex/global/priority	3,6 $	21,6 $	Quelle02.10.2026
	Google AI Studio	Über OpenRoutergoogle-ai-studio	2 $	12 $	Quelle02.10.2026
	Google AI Studio	Über OpenRoutergoogle-ai-studio/flex	Günstigster erfasster Preis: 1 $	Günstigster erfasster Preis: 6 $	Quelle02.10.2026
	Google AI Studio	Über OpenRoutergoogle-ai-studio/priority	3,6 $	21,6 $	Quelle02.10.2026
Gemini 3.5 Flash-Lite	Google	Direkt beim EntwicklerStandard-API	0,3 $	2,5 $	Quelle22.09.2026
	Google	Über OpenRoutergoogle-vertex/eu	0,33 $	2,75 $	Quelle02.10.2026
	Google	Über OpenRoutergoogle-vertex/global	0,3 $	2,5 $	Quelle02.10.2026
	Google	Über OpenRoutergoogle-vertex/global/flex	Günstigster erfasster Preis: 0,15 $	Günstigster erfasster Preis: 1,25 $	Quelle02.10.2026
	Google	Über OpenRoutergoogle-vertex/global/priority	0,54 $	4,5 $	Quelle02.10.2026
	Google	Über OpenRoutergoogle-vertex/us	0,33 $	2,75 $	Quelle02.10.2026
	Google AI Studio	Über OpenRoutergoogle-ai-studio	0,3 $	2,5 $	Quelle02.10.2026
	Google AI Studio	Über OpenRoutergoogle-ai-studio/flex	Günstigster erfasster Preis: 0,15 $	Günstigster erfasster Preis: 1,25 $	Quelle02.10.2026
	Google AI Studio	Über OpenRoutergoogle-ai-studio/priority	0,54 $	4,5 $	Quelle02.10.2026

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.

Gemini 3.1 Pro Preview

Gemini 3.5 Flash-Lite

Coding: 97,5 / 84,5 (6 Benchmarkfamilien)

Reasoning: 100 / 92,8 (2 Benchmarkfamilien)

Mathematik: 100 / 97,1 (1 Benchmarkfamilie)

Wissen: 100 / 96 (2 Benchmarkfamilien)

Finanzen: 98,1 / 96 (7 Benchmarkfamilien)

Recht: 100 / 94,1 (4 Benchmarkfamilien)

Agenten-Aufgaben: 100 / 68,6 (1 Benchmarkfamilie)

Multimodal: 100 / 94,8 (1 Benchmarkfamilie)

123 passende Messreihen aus 24 Benchmarkfamilien wurden berücksichtigt. Das Radar zeigt 8 von 13 vergleichbaren Kategorien.

Gemini 3.1 Pro PreviewGemini 3.5 Flash-Lite

Code MigrationOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Gemini 3.1 Pro Preview17,313 %

Gemini 3.5 Flash-Lite6,148 %

CorpFin v2Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Gemini 3.1 Pro Preview64,491 %

Gemini 3.5 Flash-Lite60,684 %

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

Gemini 3.1 Pro Preview69,492 %

Gemini 3.5 Flash-Lite77,966 %

EMBOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Gemini 3.1 Pro Preview52,616 %

Gemini 3.5 Flash-Lite43,231 %

Finance Agent (v2)Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Gemini 3.1 Pro Preview42,982 %

Gemini 3.5 Flash-Lite47,442 %

GPQA DiamondOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Gemini 3.1 Pro Preview95,454 %

Gemini 3.5 Flash-Lite83,838 %

Harvey's Legal Agent BenchmarkOverall · Task fully resolved. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Gemini 3.1 Pro Preview0 %

Gemini 3.5 Flash-Lite0 %

Legal Research BenchOverall · All-pass. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Gemini 3.1 Pro Preview20,673 %

Gemini 3.5 Flash-Lite13,942 %

LegalBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Gemini 3.1 Pro Preview87,398 %

Gemini 3.5 Flash-Lite84,073 %

LiveCodeBench v6Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Gemini 3.1 Pro Preview88,485 %

Gemini 3.5 Flash-Lite79,014 %

LMArena Text, Style ControlOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Gemini 3.1 Pro Preview1.486,678

Gemini 3.5 Flash-Lite1.456,026

MedCodeOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Gemini 3.1 Pro Preview59,062 %

Gemini 3.5 Flash-Lite43,489 %

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von Gemini 3.1 Pro Preview und Gemini 3.5 Flash-Lite
Benchmark und Aufgabe	Gemini 3.1 Pro Preview	Gemini 3.5 Flash-Lite	Quelle
Code MigrationOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner17,313 %	6,148 %	Vals AI Quellendetails Datenstand: 27.09.2026
CorpFin v2Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser	Gewinner64,491 %	60,684 %	Vals AI Quellendetails Datenstand: 12.08.2026
CyberBench v1.1Patch Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	69,492 %	Höherer Messwert77,966 %	Vals AI Quellendetails Datenstand: 03.08.2026
EMBOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner52,616 %	43,231 %	Vals AI Quellendetails Datenstand: 27.09.2026
Finance Agent (v2)Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser	42,982 %	Gewinner47,442 %	Vals AI Quellendetails Datenstand: 27.09.2026
GPQA DiamondOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner95,454 %	83,838 %	Vals AI Quellendetails Datenstand: 01.09.2026
Harvey's Legal Agent BenchmarkOverall · Task fully resolved Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besser	Gleichstand0 %	Gleichstand0 %	Vals AI Quellendetails Datenstand: 27.09.2026
Legal Research BenchOverall · All-pass Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besser	Gewinner20,673 %	13,942 %	Vals AI Quellendetails Datenstand: 27.09.2026
LegalBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner87,398 %	84,073 %	Vals AI Quellendetails Datenstand: 27.09.2026
LiveCodeBench v6Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner88,485 %	79,014 %	Vals AI Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGemini 3.1 Pro Preview: Snapshot: gemini-3.1-pro-preview, Harness: Arena text, style control Gemini 3.5 Flash-Lite: Snapshot: gemini-3.5-flash-lite, Harness: Arena text, style controlGemini 3.1 Pro Preview: Stilbereinigte Arena-Bewertung aus 119.196 anonymen Paarvergleichen.Gemini 3.5 Flash-Lite: Stilbereinigte Arena-Bewertung aus 33.501 anonymen Paarvergleichen.	Gewinner1.486,678 95-%-Konfidenzintervall: ±3,034Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.456,026 95-%-Konfidenzintervall: ±4,576Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 25.09.2026
MedCodeOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner59,062 %	43,489 %	Vals AI Quellendetails Datenstand: 26.09.2026
MedScribeOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner76,114 %	70,886 %	Vals AI Quellendetails Datenstand: 26.09.2026
MMLU-ProOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner90,987 %	85,836 %	Vals AI Quellendetails Datenstand: 01.09.2026
MMMU-ProOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner88,208 %	83,584 %	Vals AI Quellendetails Datenstand: 01.09.2026
MortgageTaxOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner69,396 %	68,68 %	Vals AI Quellendetails Datenstand: 01.09.2026
ProgramBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gleichstand0 %	Gleichstand0 %	Vals AI Quellendetails Datenstand: 27.09.2026
Public Benefits Bench v1.1Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner53,789 %	51,827 %	Vals AI Quellendetails Datenstand: 27.09.2026
SAGEOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner48,677 %	47,303 %	Vals AI Quellendetails Datenstand: 26.09.2026
SWE-bench VerifiedOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner78,8 %	75 %	Vals AI Quellendetails Datenstand: 01.09.2026
Tax Agent BenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner37,842 %	37,451 %	Vals AI Quellendetails Datenstand: 27.09.2026
TaxEval v2Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser	Gewinner72,882 %	72,608 %	Vals AI Quellendetails Datenstand: 01.09.2026
Terminal-Bench 2.1Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner70,787 %	50,187 %	Vals AI Quellendetails Datenstand: 27.09.2026
Vals IndexOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: weighted index scoreBewertung: Mehr ist besser	Gewinner41,903 %	36,711 %	Vals AI Quellendetails Datenstand: 27.09.2026
Vibe Code Bench v1.1Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Harness: OpenHands	32,034 %	Gewinner37,161 %	Vals AI Quellendetails Datenstand: 27.09.2026
Code MigrationCLI Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Gewinner10,833 %	5,875 %	Vals AI Quellendetails Datenstand: 09.08.2026
CorpFin v2Exact Pages Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Gewinner60,839 %	57,459 %	Vals AI Quellendetails Datenstand: 06.08.2026
CyberBench v1.1PoC Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	3,39 %	Höherer Messwert66,667 %	Vals AI Quellendetails Datenstand: 03.08.2026
EMBComps Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	44,505 %	Gewinner46,417 %	Vals AI Quellendetails Datenstand: 06.08.2026
Finance Agent (v2)Adjustments Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	38,361 %	Gewinner41,741 %	Vals AI Quellendetails Datenstand: 06.08.2026
GPQA DiamondFew-Shot CoT Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.535 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert95,96 %	81,818 %	Vals AI Quellendetails Datenstand: 09.08.2026
Legal Research BenchAdministrative / Regulatory · All-pass Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Gewinner24,242 %	19,697 %	Vals AI Quellendetails Datenstand: 06.08.2026
LegalBenchConclusion Tasks Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Gewinner89,257 %	88,404 %	Vals AI Quellendetails Datenstand: 09.08.2026
LiveCodeBench v6Easy Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Gewinner99,068 %	98,758 %	Vals AI Quellendetails Datenstand: 09.08.2026
LMArena Text, Style ControlBusiness, management and finance Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGemini 3.1 Pro Preview: Snapshot: gemini-3.1-pro-preview, Harness: Arena text, style control Gemini 3.5 Flash-Lite: Snapshot: gemini-3.5-flash-lite, Harness: Arena text, style controlGemini 3.1 Pro Preview: Stilbereinigte Arena-Bewertung aus 23.398 anonymen Paarvergleichen.Gemini 3.5 Flash-Lite: Stilbereinigte Arena-Bewertung aus 6.238 anonymen Paarvergleichen.	Gewinner1.477,195 95-%-Konfidenzintervall: ±5,145Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.453,642 95-%-Konfidenzintervall: ±8,177Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 25.09.2026
MMLU-ProBiology Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.535 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert95,258 %	91,911 %	Vals AI Quellendetails Datenstand: 09.08.2026
MortgageTaxNumerical Extraction Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Gewinner76,391 %	75,835 %	Vals AI Quellendetails Datenstand: 09.08.2026
ProgramBenchAlmost Resolved Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Gewinner1 %	0 %	Vals AI Quellendetails Datenstand: 09.08.2026
SAGEAutomata Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens	Gewinner32,143 %	28,968 %	Vals AI Quellendetails Datenstand: 09.08.2026
SWE-bench Verified<15 min fix Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Gewinner88,66 %	85,567 %	Vals AI Quellendetails Datenstand: 08.08.2026
TaxEval v2Correctness Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.535 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	60,749 %	Höherer Messwert61,733 %	Vals AI Quellendetails Datenstand: 09.08.2026
Terminal-Bench 2.1Easy Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Gewinner91,667 %	66,667 %	Vals AI Quellendetails Datenstand: 06.08.2026
Vals IndexCorpFin v2 Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Gewinner65,734 %	62,238 %	Vals AI Quellendetails Datenstand: 09.08.2026
Code MigrationCOBOL Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Gewinner36,753 %	6,964 %	Vals AI Quellendetails Datenstand: 09.08.2026
CorpFin v2Max Fitting Context Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Gewinner66,9 %	62,354 %	Vals AI Quellendetails Datenstand: 06.08.2026
EMBDataroom Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Gewinner79,17 %	57,687 %	Vals AI Quellendetails Datenstand: 06.08.2026
Finance Agent (v2)All-Pass Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	30,879 %	Gewinner35,265 %	Vals AI Quellendetails Datenstand: 06.08.2026
GPQA DiamondZero-Shot CoT Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.535 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert94,949 %	85,859 %	Vals AI Quellendetails Datenstand: 09.08.2026
Legal Research BenchAdministrative / Regulatory · Weighted partial credit Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: weighted partial-credit scoreBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Gewinner79,215 %	71,96 %	Vals AI Quellendetails Datenstand: 06.08.2026
LegalBenchInterpretation Tasks Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Gewinner83,823 %	80,332 %	Vals AI Quellendetails Datenstand: 09.08.2026
LiveCodeBench v6Hard Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Gewinner76,571 %	53,429 %	Vals AI Quellendetails Datenstand: 09.08.2026
LMArena Text, Style ControlChinese Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGemini 3.1 Pro Preview: Snapshot: gemini-3.1-pro-preview, Harness: Arena text, style control Gemini 3.5 Flash-Lite: Snapshot: gemini-3.5-flash-lite, Harness: Arena text, style controlGemini 3.1 Pro Preview: Stilbereinigte Arena-Bewertung aus 8.183 anonymen Paarvergleichen.Gemini 3.5 Flash-Lite: Stilbereinigte Arena-Bewertung aus 2.584 anonymen Paarvergleichen.	Gewinner1.528,226 95-%-Konfidenzintervall: ±7,531Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.483,555 95-%-Konfidenzintervall: ±12,381Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 25.09.2026
MMLU-ProBusiness Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.535 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert93,409 %	90,621 %	Vals AI Quellendetails Datenstand: 09.08.2026
MortgageTaxSemantic Extraction Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Gewinner62,401 %	61,526 %	Vals AI Quellendetails Datenstand: 09.08.2026
ProgramBenchFully Resolved Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Gleichstand0 %	Gleichstand0 %	Vals AI Quellendetails Datenstand: 09.08.2026
SAGECalculus Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens	Gewinner78,395 %	60,494 %	Vals AI Quellendetails Datenstand: 09.08.2026
SWE-bench Verified>4 hours Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Gleichstand33,333 %	Gleichstand33,333 %	Vals AI Quellendetails Datenstand: 08.08.2026
TaxEval v2Stepwise Reasoning Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.535 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert85,016 %	83,483 %	Vals AI Quellendetails Datenstand: 09.08.2026
Terminal-Bench 2.1Hard Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Gewinner60 %	31,111 %	Vals AI Quellendetails Datenstand: 06.08.2026
Vals IndexFinance Agent v2 Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	42,968 %	Gewinner46,626 %	Vals AI Quellendetails Datenstand: 09.08.2026
Code MigrationCode Quality Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: mean reviewer code-quality ratingBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	2,538 / 5	Gewinner2,652 / 5	Vals AI Quellendetails Datenstand: 09.08.2026
CorpFin v2Shared Max Context Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Gewinner65,734 %	62,238 %	Vals AI Quellendetails Datenstand: 06.08.2026
EMBDCF Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Gewinner46,388 %	33,614 %	Vals AI Quellendetails Datenstand: 06.08.2026
Finance Agent (v2)Comparables Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	36,66 %	Gewinner45,186 %	Vals AI Quellendetails Datenstand: 06.08.2026
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Eigene Modelltests

Unsere Tests

Vergleiche, wie die Modelle denselben Prompt umsetzen. Jeder Test zeigt den ersten Versuch, ohne nachträgliche Korrekturen am erzeugten Code. Die Ergebnisse fließen nicht in einen Gesamtscore ein.

Pelikan auf dem Fahrrad

Community-Klassiker für eine freie SVG-Zeichnung.

Gemini 3.1 Pro Preview

In diesem Testlauf war kein API-Zugang verfügbar. Das Modell wurde nicht bewertet.

Reasoning (angefragt): high

Erster Versuch

Datum des Testlaufs: 07.09.2026
API-Anbieter: openrouter
Angefragtes API-Modell: google/gemini-3.1-pro-preview
Reasoning-Einstellung: high
Festgelegter Endpunkt: Google AI Studio | google/gemini-3.1-pro-preview-20260219
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Nicht ausgeführt

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

Gemini 3.5 Flash-Lite

In diesem Testlauf war kein API-Zugang verfügbar. Das Modell wurde nicht bewertet.

Reasoning (angefragt): high

Erster Versuch

Datum des Testlaufs: 07.09.2026
API-Anbieter: openrouter
Angefragtes API-Modell: google/gemini-3.5-flash-lite
Reasoning-Einstellung: high
Festgelegter Endpunkt: Google AI Studio | google/gemini-3.5-flash-lite-20260721
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Nicht ausgeführt

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

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 Gemini 3.1 Pro Preview und Gemini 3.5 Flash-Lite mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich