Direktvergleich

Gemini 3.8 Flash vs. DeepSeek-V4.1-Flash

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

gemeinsame Messreihen: 224
verschiedene Benchmarks: 29
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 Gemini 3.8 Flash und DeepSeek-V4.1-Flash
Merkmal	Gemini 3.8 Flash	DeepSeek-V4.1-Flash
Anbieter	Google	DeepSeek
Erschienen	2. Sept. 2026	10. Sept. 2026
Verfügbarkeit	Aktiv	Aktiv
Modelltyp	Proprietär	Open Weights
Parameter	Nicht veröffentlicht	552 Mrd.
Architektur	Nicht veröffentlicht	Mixture of Experts
Kontextfenster	1.048.576 Token	1.000.000 Token
Wissensstand	März 2026	Nicht veröffentlicht
Technische Quellen	Modell, Wissensstand	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 3.8 Flash und DeepSeek-V4.1-Flash
Preisart	Gemini 3.8 Flash	DeepSeek-V4.1-Flash
API-Eingabe	0,75 $	0,15 $ (Off-Peak)
API-Ausgabe	3,75 $	0,6 $ (Off-Peak)
Cache lesen	0,075 $	0,003 $ (Off-Peak)
Cache schreiben (5 Min.)	Nicht ausgewiesen	Nicht ausgewiesen
Cache schreiben (1 Std.)	Nicht ausgewiesen	Nicht ausgewiesen
Preis geprüft	22.09.2026 Quelle	23.09.2026 Quelle
DeepSeek-V4.1-Flash: Spitzenpreise sind 0,3 $ Eingabe / 1,2 $ Ausgabe pro 1 Mio. Token während Mo, Di, Mi, Do, Fr, 01:00-04:00 UTC; Mo, Di, Mi, Do, Fr, 06:00-10:00 UTC; zu allen anderen Zeiten gelten Off-Peak-Preise.

Gemini 3.8 FlashDeepSeek-V4.1-Flash

API-EingabeUSD pro 1 Mio. Token, Basistarif

Gemini 3.8 Flash0,75 $

DeepSeek-V4.1-Flash0,15 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

Gemini 3.8 Flash3,75 $

DeepSeek-V4.1-Flash0,6 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

Gemini 3.8 Flash0,075 $

DeepSeek-V4.1-Flash0,003 $

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 3.8 Flash und DeepSeek-V4.1-Flash
Modell	Anbieter	Bezugsweg und Tarif	Eingabe pro 1 Mio. Token	Ausgabe pro 1 Mio. Token	Quelle
Gemini 3.8 Flash	Google	Direkt beim EntwicklerStandard-API	0,75 $	3,75 $	Quelle22.09.2026
	Google	Über OpenRoutergoogle-vertex/global	0,75 $	3,75 $	Quelle17.10.2026
	Google	Über OpenRoutergoogle-vertex/global/flex	Günstigster erfasster Preis: 0,375 $	Günstigster erfasster Preis: 1,875 $	Quelle17.10.2026
	Google	Über OpenRoutergoogle-vertex/global/priority	1,35 $	6,75 $	Quelle17.10.2026
	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
DeepSeek-V4.1-Flash	DeepSeek	Direkt beim EntwicklerStandard-API	0,15 $	0,6 $	Quelle23.09.2026
	Alibaba	Über OpenRouteralibaba	0,3 $	1,2 $	Quelle17.10.2026
	AtlasCloud	Über OpenRouteratlas-cloud/fp8	0,135 $	0,54 $	Quelle17.10.2026
	Baidu	Über OpenRouterbaidu/fp8	0,3 $	1,2 $	Quelle17.10.2026
	BaseTen	Über OpenRouterbaseten	0,3 $	1,2 $	Quelle17.10.2026
	BaseTen	Über OpenRouterbaseten/us	0,3 $	1,2 $	Quelle17.10.2026
	Cloudflare	Über OpenRoutercloudflare	0,1 $	0,9 $	Quelle17.10.2026
	CoreWeave	Über OpenRoutercoreweave/fp8	0,15 $	0,65 $	Quelle17.10.2026
	Crusoe	Über OpenRoutercrusoe/fp8	0,29 $	1,2 $	Quelle17.10.2026
	Decart	Über OpenRouterdecart/fp4	0,09 $	0,18 $	Quelle17.10.2026
	DeepInfra	Über OpenRouterdeepinfra/fp8	0,14 $	0,42 $	Quelle17.10.2026
	DeepInfra	Über OpenRouterdeepinfra/fp8/flex	0,112 $	0,336 $	Quelle17.10.2026
	DeepInfra	Über OpenRouterdeepinfra/fp8/priority	0,21 $	0,63 $	Quelle17.10.2026
	DeepSeek	Über OpenRouterdeepseek	0,15 $	0,6 $	Quelle17.10.2026
	DigitalOcean	Über OpenRouterdigitalocean	0,195 $	0,78 $	Quelle17.10.2026
	Fireworks	Über OpenRouterfireworks	0,3 $	1,2 $	Quelle17.10.2026
	Fireworks	Über OpenRouterfireworks/us	0,45 $	1,8 $	Quelle17.10.2026
	GMICloud	Über OpenRoutergmicloud/fp8	0,18 $	0,72 $	Quelle17.10.2026
	InferenceNet	Über OpenRouterinference-net/fp8	0,103 $	0,715 $	Quelle17.10.2026
	Ionstream	Über OpenRouterionstream	0,27 $	1,1 $	Quelle17.10.2026
	Makora	Über OpenRoutermakora/fp8	0,27 $	1,15 $	Quelle17.10.2026
	Modal	Über OpenRoutermodal	0,3 $	1,2 $	Quelle17.10.2026
	Morph	Über OpenRoutermorph/fp8	0,04 $	0,7 $	Quelle17.10.2026
	Novita	Über OpenRouternovita/fp8	0,195 $	0,78 $	Quelle17.10.2026
	OpenInference	Über OpenRouteropen-inference/fp4	Günstigster erfasster Preis: 0,032 $	Günstigster erfasster Preis: 0,144 $	Quelle17.10.2026
	Parasail	Über OpenRouterparasail/fp8	0,3 $	1,2 $	Quelle17.10.2026
	Phala	Über OpenRouterphala	0,21 $	0,84 $	Quelle17.10.2026
	PrimeIntellect	Über OpenRouterprimeintellect	0,3 $	1,2 $	Quelle17.10.2026
	Relace	Über OpenRouterrelace	0,2 $	0,6 $	Quelle17.10.2026
	Sail Research	Über OpenRoutersail-research/fp4	0,09 $	0,3 $	Quelle17.10.2026
	SiliconFlow	Über OpenRoutersiliconflow/fp8	0,3 $	1,2 $	Quelle17.10.2026
	StreamLake	Über OpenRouterstreamlake/fp8	0,1497 $	0,5988 $	Quelle17.10.2026
	Together	Über OpenRoutertogether	0,3 $	1,2 $	Quelle17.10.2026
	Venice	Über OpenRoutervenice/fp8	0,3 $	1,2 $	Quelle17.10.2026
	Wafer	Über OpenRouterwafer/mxfp4	0,1 $	0,65 $	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.

Nicht genug direkt vergleichbare Kategorien für ein belastbares Radar

Nur 0 von mindestens 5 Kategorien enthalten direkt vergleichbare Modellmessungen. Die Benchmarktabellen darunter zeigen die vorhandenen Belege, ohne fehlende Achsen aufzufüllen.

Gemini 3.8 FlashDeepSeek-V4.1-Flash

BioMysteryBenchOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Gemini 3.8 Flash62,222 %

DeepSeek-V4.1-Flash67,778 %

Code MigrationOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Gemini 3.8 Flash36,546 %

DeepSeek-V4.1-Flash45,623 %

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

Gemini 3.8 Flash43,75 %

DeepSeek-V4.1-Flash73,69 %

EMBOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Gemini 3.8 Flash72,196 %

DeepSeek-V4.1-Flash57,208 %

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

Gemini 3.8 Flash61,435 %

DeepSeek-V4.1-Flash53,481 %

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

Gemini 3.8 Flash10 %

DeepSeek-V4.1-Flash6,667 %

IOIOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Gemini 3.8 Flash56,944 %

DeepSeek-V4.1-Flash40,278 %

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

Gemini 3.8 Flash38,942 %

DeepSeek-V4.1-Flash41,346 %

LegalBenchOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Gemini 3.8 Flash86,993 %

DeepSeek-V4.1-Flash83,277 %

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

Gemini 3.8 Flash1.584,77

DeepSeek-V4.1-Flash1.618,513

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

Gemini 3.8 Flash1.496,319

DeepSeek-V4.1-Flash1.474,579

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

Gemini 3.8 Flash1.289,129

DeepSeek-V4.1-Flash1.260,318

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von Gemini 3.8 Flash und DeepSeek-V4.1-Flash
Benchmark und Aufgabe	Gemini 3.8 Flash	DeepSeek-V4.1-Flash	Quelle
BioMysteryBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Harness: Terminus 2, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: high, Harness: Terminus 2, Ausgabegrenze: 384.000 tokens	62,222 %	Höherer Messwert67,778 %	Vals AI Quellendetails Datenstand: 12.10.2026
Code MigrationOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	36,546 %	Höherer Messwert45,623 %	Vals AI Quellendetails Datenstand: 12.10.2026
CyberBench v1.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	43,75 %	Höherer Messwert73,69 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	Höherer Messwert72,196 %	57,208 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	Höherer Messwert61,435 %	53,481 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkOverall · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 384.000 tokens	Höherer Messwert10 %	6,667 %	Vals AI Quellendetails Datenstand: 12.10.2026
IOIOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	Höherer Messwert56,944 %	40,278 %	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 besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 384.000 tokens	38,942 %	Höherer Messwert41,346 %	Vals AI Quellendetails Datenstand: 12.10.2026
LegalBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	Höherer Messwert86,993 %	83,277 %	Vals AI Quellendetails Datenstand: 13.10.2026
LMArena Code Arena WebDevOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserGemini 3.8 Flash: Snapshot: gemini-3.8-flash-high, Reasoning: high, Harness: Arena Code Arena WebDev DeepSeek-V4.1-Flash: Snapshot: deepseek-v4.1-flash-max, Reasoning: max, Harness: Arena Code Arena WebDevGemini 3.8 Flash: Arena-Bewertung aus 10.077 veröffentlichten Paarvergleichen.DeepSeek-V4.1-Flash: Arena-Bewertung aus 3.544 veröffentlichten Paarvergleichen.	1.584,77 95-%-Konfidenzintervall: ±7,59Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.618,513 95-%-Konfidenzintervall: ±10,935Der 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 besserGemini 3.8 Flash: Snapshot: gemini-3.8-flash-high, Reasoning: high, Harness: Arena Text, style control DeepSeek-V4.1-Flash: Snapshot: deepseek-v4.1-flash-max, Reasoning: max, Harness: Arena Text, style controlGemini 3.8 Flash: Arena-Bewertung aus 35.670 veröffentlichten Paarvergleichen.DeepSeek-V4.1-Flash: Arena-Bewertung aus 12.000 veröffentlichten Paarvergleichen.	Höherer Messwert1.496,319 95-%-Konfidenzintervall: ±4,654Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.474,579 95-%-Konfidenzintervall: ±6,317Der 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 Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGemini 3.8 Flash: Snapshot: gemini-3.8-flash-high, Reasoning: high, Harness: Arena Vision, style control DeepSeek-V4.1-Flash: Snapshot: deepseek-v4.1-flash-max, Reasoning: max, Harness: Arena Vision, style controlGemini 3.8 Flash: Arena-Bewertung aus 3.792 veröffentlichten Paarvergleichen.DeepSeek-V4.1-Flash: Arena-Bewertung aus 3.559 veröffentlichten Paarvergleichen.	Höherer Messwert1.289,129 95-%-Konfidenzintervall: ±10,62Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.260,318 95-%-Konfidenzintervall: ±10,899Der 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 besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	Höherer Messwert48,135 %	41,173 %	Vals AI Quellendetails Datenstand: 13.10.2026
MedScribeOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	84,496 %	Höherer Messwert85,5 %	Vals AI Quellendetails Datenstand: 13.10.2026
MysteryMechanismOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	Höherer Messwert36,486 %	21,171 %	Vals AI Quellendetails Datenstand: 12.10.2026
ProgramBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully resolved rateBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 384.000 tokens	Höherer Messwert1 %	0,5 %	Vals AI Quellendetails Datenstand: 12.10.2026
ProofBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	48 %	Höherer Messwert54 %	Vals AI Quellendetails Datenstand: 12.10.2026
Public Benefits Bench v1.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 384.000 tokens	Höherer Messwert65,291 %	64,276 %	Vals AI Quellendetails Datenstand: 12.10.2026
SAGEOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 30.000 tokens	35,064 %	Höherer Messwert47,88 %	Vals AI Quellendetails Datenstand: 08.10.2026
SkillsBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: high, Harness: OpenHands, Ausgabegrenze: 384.000 tokens	57,985 %	Höherer Messwert69,802 %	Vals AI Quellendetails Datenstand: 27.09.2026
SRE BenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully solved rateBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 384.000 tokens	Höherer Messwert11,069 %	0,763 %	Vals AI Quellendetails Datenstand: 14.10.2026
SWE-bench MultimodalOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 384.000 tokens	40,833 %	Höherer Messwert46,458 %	Vals AI Quellendetails Datenstand: 13.10.2026
Tax Agent BenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 384.000 tokens	Höherer Messwert32,124 %	26,63 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-Bench 2.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	Höherer Messwert81,273 %	74,532 %	Vals AI Quellendetails Datenstand: 28.09.2026
Terminal-Bench 4.0Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 4.0Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	Kein direkter Sieger19,697 %	Kein direkter Sieger19,697 %	Vals AI Quellendetails Datenstand: 13.10.2026
Terminal-Bench ScienceOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 0.1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Harness: Mini-SWE-agent, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: high, Harness: Mini-SWE-agent, Ausgabegrenze: 384.000 tokens	Höherer Messwert8,571 %	0 %	Vals AI Quellendetails Datenstand: 14.10.2026
Vals IndexOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: weighted index scoreBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	Höherer Messwert54,887 %	51,32 %	Vals AI Quellendetails Datenstand: 13.10.2026
Vibe Code Bench 1-100Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.0Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: high, Harness: OpenHands, Ausgabegrenze: 384.000 tokens	Höherer Messwert18,772 %	16,378 %	Vals AI Quellendetails Datenstand: 14.10.2026
Vibe Code Bench v1.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: high, Harness: OpenHands, Ausgabegrenze: 384.000 tokens	78,651 %	Höherer Messwert84,739 %	Vals AI Quellendetails Datenstand: 12.10.2026
BioMysteryBenchHard Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Harness: Terminus 2, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: high, Harness: Terminus 2, Ausgabegrenze: 384.000 tokens	Kein direkter Sieger21,569 %	Kein direkter Sieger21,569 %	Vals AI Quellendetails Datenstand: 12.10.2026
Code MigrationCLI Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	25,871 %	Höherer Messwert37,497 %	Vals AI Quellendetails Datenstand: 12.10.2026
CyberBench v1.1Patch Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	Höherer Messwert87,5 %	85,714 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBComps Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	Höherer Messwert76,435 %	43,925 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Adjustments Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	Höherer Messwert54,828 %	49,241 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Criteria passed Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: criteria pass rateBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 384.000 tokens	Kein direkter Sieger87,681 %	Kein direkter Sieger87,681 %	Vals AI Quellendetails Datenstand: 12.10.2026
IOIIOI 2024 Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	Höherer Messwert55,667 %	42,667 %	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 besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 384.000 tokens	46,97 %	Höherer Messwert53,03 %	Vals AI Quellendetails Datenstand: 12.10.2026
LegalBenchConclusion Tasks Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	Höherer Messwert90,691 %	89,075 %	Vals AI Quellendetails Datenstand: 13.10.2026
LMArena Code Arena WebDevImage to webdev Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserGemini 3.8 Flash: Snapshot: gemini-3.8-flash-high, Reasoning: high, Harness: Arena Code Arena WebDev DeepSeek-V4.1-Flash: Snapshot: deepseek-v4.1-flash-max, Reasoning: max, Harness: Arena Code Arena WebDevGemini 3.8 Flash: Arena-Bewertung aus 2.015 veröffentlichten Paarvergleichen.DeepSeek-V4.1-Flash: Arena-Bewertung aus 766 veröffentlichten Paarvergleichen.	1.593,067 95-%-Konfidenzintervall: ±13,862Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.608,867 95-%-Konfidenzintervall: ±22,194Der 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 Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGemini 3.8 Flash: Snapshot: gemini-3.8-flash-high, Reasoning: high, Harness: Arena Text, style control DeepSeek-V4.1-Flash: Snapshot: deepseek-v4.1-flash-max, Reasoning: max, Harness: Arena Text, style controlGemini 3.8 Flash: Arena-Bewertung aus 6.520 veröffentlichten Paarvergleichen.DeepSeek-V4.1-Flash: Arena-Bewertung aus 2.143 veröffentlichten Paarvergleichen.	Höherer Messwert1.479,887 95-%-Konfidenzintervall: ±8,136Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.476,217 95-%-Konfidenzintervall: ±12,877Der 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 ControlCreative writing vision Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGemini 3.8 Flash: Snapshot: gemini-3.8-flash-high, Reasoning: high, Harness: Arena Vision, style control DeepSeek-V4.1-Flash: Snapshot: deepseek-v4.1-flash-max, Reasoning: max, Harness: Arena Vision, style controlGemini 3.8 Flash: Arena-Bewertung aus 363 veröffentlichten Paarvergleichen.DeepSeek-V4.1-Flash: Arena-Bewertung aus 299 veröffentlichten Paarvergleichen.	Höherer Messwert1.263,378 95-%-Konfidenzintervall: ±32,508Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.245,252 95-%-Konfidenzintervall: ±36,257Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 09.10.2026
ProgramBenchAlmost Resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: almost-resolved rateBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 384.000 tokens	14 %	Höherer Messwert16,5 %	Vals AI Quellendetails Datenstand: 12.10.2026
SAGEAutomata Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 30.000 tokens	Höherer Messwert33,334 %	32,936 %	Vals AI Quellendetails Datenstand: 08.10.2026
SkillsBenchNo Skills Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: high, Harness: OpenHands, Ausgabegrenze: 384.000 tokens	41,046 %	Höherer Messwert61,658 %	Vals AI Quellendetails Datenstand: 27.09.2026
SRE BenchCapability Score Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: capability scoreBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 384.000 tokens	Höherer Messwert19,656 %	14,249 %	Vals AI Quellendetails Datenstand: 14.10.2026
SWE-bench Multimodalbpmn-js Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 384.000 tokens	Höherer Messwert64,151 %	60,377 %	Vals AI Quellendetails Datenstand: 13.10.2026
Tax Agent BenchControversy & Precedence Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 384.000 tokens	Höherer Messwert6,667 %	3,333 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-Bench 2.1Easy Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	Höherer Messwert100 %	91,667 %	Vals AI Quellendetails Datenstand: 28.09.2026
Terminal-Bench 4.0Hardware Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 4.0Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	Höherer Messwert26,667 %	0 %	Vals AI Quellendetails Datenstand: 13.10.2026
Terminal-Bench ScienceEarth Sciences Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 0.1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Harness: Mini-SWE-agent, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: high, Harness: Mini-SWE-agent, Ausgabegrenze: 384.000 tokens	Kein direkter Sieger0 %	Kein direkter Sieger0 %	Vals AI Quellendetails Datenstand: 14.10.2026
Vals IndexCode Migration Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: benchmark scoreBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 384.000 tokens	31,558 %	Höherer Messwert46,854 %	Vals AI Quellendetails Datenstand: 13.10.2026
BioMysteryBenchHuman-solvable Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Harness: Terminus 2, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: high, Harness: Terminus 2, Ausgabegrenze: 384.000 tokens	71,689 %	Höherer Messwert78,539 %	Vals AI Quellendetails Datenstand: 12.10.2026
Code MigrationCOBOL Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	68,571 %	Höherer Messwert70 %	Vals AI Quellendetails Datenstand: 12.10.2026
CyberBench v1.1PoC Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	0 %	Höherer Messwert61,667 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBDataroom Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	Höherer Messwert86,218 %	73,863 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)All-Pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	Höherer Messwert49,694 %	41,052 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 384.000 tokens	Kein direkter Sieger0 %	Kein direkter Sieger0 %	Vals AI Quellendetails Datenstand: 12.10.2026
IOIIOI 2025 Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	Höherer Messwert61,333 %	35,167 %	Vals AI Quellendetails Datenstand: 14.10.2026
Legal Research BenchAdministrative / Regulatory · Weighted partial credit Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: weighted partial-credit scoreBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 384.000 tokens	87,613 %	Höherer Messwert89,06 %	Vals AI Quellendetails Datenstand: 12.10.2026
LegalBenchInterpretation Tasks Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: high, Ausgabegrenze: 384.000 tokens	Höherer Messwert84,589 %	80,448 %	Vals AI Quellendetails Datenstand: 13.10.2026
LMArena Code Arena WebDevWebdev Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserGemini 3.8 Flash: Snapshot: gemini-3.8-flash-high, Reasoning: high, Harness: Arena Code Arena WebDev DeepSeek-V4.1-Flash: Snapshot: deepseek-v4.1-flash-max, Reasoning: max, Harness: Arena Code Arena WebDevGemini 3.8 Flash: Arena-Bewertung aus 10.077 veröffentlichten Paarvergleichen.DeepSeek-V4.1-Flash: Arena-Bewertung aus 3.544 veröffentlichten Paarvergleichen.	1.584,77 95-%-Konfidenzintervall: ±7,59Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.618,513 95-%-Konfidenzintervall: ±10,935Der 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 ControlChinese Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGemini 3.8 Flash: Snapshot: gemini-3.8-flash-high, Reasoning: high, Harness: Arena Text, style control DeepSeek-V4.1-Flash: Snapshot: deepseek-v4.1-flash-max, Reasoning: max, Harness: Arena Text, style controlGemini 3.8 Flash: Arena-Bewertung aus 2.903 veröffentlichten Paarvergleichen.DeepSeek-V4.1-Flash: Arena-Bewertung aus 918 veröffentlichten Paarvergleichen.	Höherer Messwert1.532,833 95-%-Konfidenzintervall: ±11,757Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.522,52 95-%-Konfidenzintervall: ±19,943Der 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 ControlDiagram Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGemini 3.8 Flash: Snapshot: gemini-3.8-flash-high, Reasoning: high, Harness: Arena Vision, style control DeepSeek-V4.1-Flash: Snapshot: deepseek-v4.1-flash-max, Reasoning: max, Harness: Arena Vision, style controlGemini 3.8 Flash: Arena-Bewertung aus 979 veröffentlichten Paarvergleichen.DeepSeek-V4.1-Flash: Arena-Bewertung aus 955 veröffentlichten Paarvergleichen.	Höherer Messwert1.333,17 95-%-Konfidenzintervall: ±19,627Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.290,828 95-%-Konfidenzintervall: ±19,74Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 09.10.2026
ProgramBenchFully Resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully resolved rateBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens DeepSeek-V4.1-Flash: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 384.000 tokens	Höherer Messwert1 %	0,5 %	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: 4ae5d8eeb9a9

Gemini 3.8 Flash

In dieser Runde nicht verfügbar

DeepSeek-V4.1-Flash

Frühere Tests

Pelikan auf dem Fahrrad

Community-Klassiker für eine freie SVG-Zeichnung.

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

DeepSeek-V4.1-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: deepseek/deepseek-v4.1-flash
API-Modell laut Antwort: deepseek/deepseek-v4.1-flash
Reasoning-Einstellung: high
Festgelegter Endpunkt: DeepSeek | deepseek/deepseek-v4.1-flash-20260910
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Nicht bestanden
Antwortzeit: 25,8 s

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

Frühere Versuche (2)

02.10.2026API-Anfrage fehlgeschlagenReasoning-Einstellung: high
01.10.2026API-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 Gemini 3.8 Flash und DeepSeek-V4.1-Flash mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich

Gemini 3.8 Flash vs. DeepSeek-V4.1-Flash

Modellauswahl ändern

Allgemeine Daten

API-Preise im Vergleich

Gemeinsame Benchmarks

Fähigkeitsprofil aus vergleichbaren Benchmarks

Unsere Tests

SVG-Kurztest

Gemini 3.8 Flash

DeepSeek-V4.1-Flash

Pelikan auf dem Fahrrad

Ein Benchmark-Sieg ist kein Gesamturteil

Ähnliche LLM-Vergleiche