Direktvergleich

Gemini 3.8 Flash vs. Mistral Medium 3.5

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

gemeinsame Messreihen: 188
verschiedene Benchmarks: 20
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 Mistral Medium 3.5
Merkmal	Gemini 3.8 Flash	Mistral Medium 3.5
Anbieter	Google	Mistral AI
Erschienen	2. Sept. 2026	28. Apr. 2026
Verfügbarkeit	Aktiv	Aktiv
Modelltyp	Proprietär	Open Weights
Parameter	Nicht veröffentlicht	128 Mrd.
Architektur	Nicht veröffentlicht	Dense
Kontextfenster	1.048.576 Token	262.144 Token
Wissensstand	März 2026	Nicht veröffentlicht
Technische Quellen	Modell, Wissensstand	Modell, Kontext

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 Mistral Medium 3.5
Preisart	Gemini 3.8 Flash	Mistral Medium 3.5
API-Eingabe	0,75 $	1,5 $
API-Ausgabe	3,75 $	7,5 $
Cache lesen	0,075 $	Nicht ausgewiesen
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 3.8 FlashMistral Medium 3.5

API-EingabeUSD pro 1 Mio. Token, Basistarif

Gemini 3.8 Flash0,75 $

Mistral Medium 3.51,5 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

Gemini 3.8 Flash3,75 $

Mistral Medium 3.57,5 $

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 Mistral Medium 3.5
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/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
Mistral Medium 3.5	Mistral AI	Direkt beim EntwicklerStandard-API	Günstigster erfasster Preis: 1,5 $	Günstigster erfasster Preis: 7,5 $	Quelle22.09.2026
	Mistral	Über OpenRoutermistral	Günstigster erfasster Preis: 1,5 $	Günstigster erfasster Preis: 7,5 $	Quelle17.10.2026
	Mistral	Über OpenRoutermistral/eu	1,65 $	8,25 $	Quelle17.10.2026
	Mistral	Über OpenRoutermistral/zdr	Günstigster erfasster Preis: 1,5 $	Günstigster erfasster Preis: 7,5 $	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 FlashMistral Medium 3.5

Code MigrationOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Gemini 3.8 Flash36,546 %

Mistral Medium 3.55,127 %

EMBOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Gemini 3.8 Flash72,196 %

Mistral Medium 3.511,185 %

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

Gemini 3.8 Flash61,435 %

Mistral Medium 3.532,103 %

GPQA DiamondOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Gemini 3.8 Flash94,444 %

Mistral Medium 3.534,848 %

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

Gemini 3.8 Flash10 %

Mistral Medium 3.50,417 %

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

Gemini 3.8 Flash38,942 %

Mistral Medium 3.59,135 %

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

Gemini 3.8 Flash1.584,77

Mistral Medium 3.51.263,383

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

Gemini 3.8 Flash1.496,319

Mistral Medium 3.51.426,605

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

Gemini 3.8 Flash1.289,129

Mistral Medium 3.51.200,386

MedCodeOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Gemini 3.8 Flash48,135 %

Mistral Medium 3.533,752 %

MedScribeOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Gemini 3.8 Flash84,496 %

Mistral Medium 3.567,728 %

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

Gemini 3.8 Flash90,221 %

Mistral Medium 3.575,335 %

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von Gemini 3.8 Flash und Mistral Medium 3.5
Benchmark und Aufgabe	Gemini 3.8 Flash	Mistral Medium 3.5	Quelle
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 Mistral Medium 3.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 80.000 tokens	Höherer Messwert36,546 %	5,127 %	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 Mistral Medium 3.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 80.000 tokens	Höherer Messwert72,196 %	11,185 %	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 Mistral Medium 3.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 80.000 tokens	Höherer Messwert61,435 %	32,103 %	Vals AI Quellendetails Datenstand: 12.10.2026
GPQA DiamondOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Mistral Medium 3.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 80.000 tokens	Höherer Messwert94,444 %	34,848 %	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 besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Mistral Medium 3.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 80.000 tokens	Höherer Messwert10 %	0,417 %	Vals AI Quellendetails Datenstand: 12.10.2026
Legal Research BenchOverall · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Mistral Medium 3.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 80.000 tokens	Höherer Messwert38,942 %	9,135 %	Vals AI Quellendetails Datenstand: 12.10.2026
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 Mistral Medium 3.5: Snapshot: mistral-medium-3.5, Harness: Arena Code Arena WebDevGemini 3.8 Flash: Arena-Bewertung aus 10.077 veröffentlichten Paarvergleichen.Mistral Medium 3.5: Arena-Bewertung aus 2.320 veröffentlichten Paarvergleichen.	Höherer Messwert1.584,77 95-%-Konfidenzintervall: ±7,59Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.263,383 95-%-Konfidenzintervall: ±14,784Der 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 Mistral Medium 3.5: Snapshot: mistral-medium-3.5, Harness: Arena Text, style controlGemini 3.8 Flash: Arena-Bewertung aus 35.670 veröffentlichten Paarvergleichen.Mistral Medium 3.5: Arena-Bewertung aus 11.793 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.	1.426,605 95-%-Konfidenzintervall: ±6,399Der 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 Mistral Medium 3.5: Snapshot: mistral-medium-3.5, Harness: Arena Vision, style controlGemini 3.8 Flash: Arena-Bewertung aus 3.792 veröffentlichten Paarvergleichen.Mistral Medium 3.5: Arena-Bewertung aus 5.375 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.	1.200,386 95-%-Konfidenzintervall: ±9,604Der 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 Mistral Medium 3.5: Reasoning: high, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 30.000 tokens	Höherer Messwert48,135 %	33,752 %	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 Mistral Medium 3.5: Reasoning: high, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 30.000 tokens	Höherer Messwert84,496 %	67,728 %	Vals AI Quellendetails Datenstand: 13.10.2026
MMLU-ProOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Mistral Medium 3.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 80.000 tokens	Höherer Messwert90,221 %	75,335 %	Vals AI Quellendetails Datenstand: 01.09.2026
MortgageTaxOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Mistral Medium 3.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 80.000 tokens	Höherer Messwert65,342 %	28,895 %	Vals AI Quellendetails Datenstand: 01.09.2026
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 Mistral Medium 3.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 80.000 tokens	Höherer Messwert48 %	9 %	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 Mistral Medium 3.5: Reasoning: high, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 30.000 tokens	35,064 %	Höherer Messwert37,613 %	Vals AI Quellendetails Datenstand: 08.10.2026
SWE-bench VerifiedOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Mistral Medium 3.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 80.000 tokens	Höherer Messwert80 %	66,4 %	Vals AI Quellendetails Datenstand: 01.09.2026
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 Mistral Medium 3.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 80.000 tokens	Höherer Messwert32,124 %	4,482 %	Vals AI Quellendetails Datenstand: 12.10.2026
TaxEval v2Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Mistral Medium 3.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 80.000 tokens	Höherer Messwert74,448 %	67,988 %	Vals AI Quellendetails Datenstand: 01.09.2026
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 Mistral Medium 3.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 80.000 tokens	Höherer Messwert81,273 %	38,951 %	Vals AI Quellendetails Datenstand: 28.09.2026
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 Mistral Medium 3.5: Reasoning: high, Harness: OpenHands, Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 80.000 tokens	Höherer Messwert78,651 %	2,888 %	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 Mistral Medium 3.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 80.000 tokens	Höherer Messwert25,871 %	4,991 %	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 Mistral Medium 3.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 80.000 tokens	Höherer Messwert76,435 %	18,088 %	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 Mistral Medium 3.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 80.000 tokens	Höherer Messwert54,828 %	27,312 %	Vals AI Quellendetails Datenstand: 12.10.2026
GPQA DiamondFew-Shot CoT Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Mistral Medium 3.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 80.000 tokens	Höherer Messwert94,949 %	34,848 %	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 besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Mistral Medium 3.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 80.000 tokens	Höherer Messwert87,681 %	64,493 %	Vals AI Quellendetails Datenstand: 12.10.2026
Legal Research BenchAdministrative / Regulatory · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Mistral Medium 3.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 80.000 tokens	Höherer Messwert46,97 %	7,576 %	Vals AI Quellendetails Datenstand: 12.10.2026
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 Mistral Medium 3.5: Snapshot: mistral-medium-3.5, Harness: Arena Code Arena WebDevGemini 3.8 Flash: Arena-Bewertung aus 10.077 veröffentlichten Paarvergleichen.Mistral Medium 3.5: Arena-Bewertung aus 2.320 veröffentlichten Paarvergleichen.	Höherer Messwert1.584,77 95-%-Konfidenzintervall: ±7,59Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.263,383 95-%-Konfidenzintervall: ±14,784Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Text, Style ControlBusiness, management and finance Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGemini 3.8 Flash: Snapshot: gemini-3.8-flash-high, Reasoning: high, Harness: Arena Text, style control Mistral Medium 3.5: Snapshot: mistral-medium-3.5, Harness: Arena Text, style controlGemini 3.8 Flash: Arena-Bewertung aus 6.520 veröffentlichten Paarvergleichen.Mistral Medium 3.5: Arena-Bewertung aus 2.257 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.	1.430,463 95-%-Konfidenzintervall: ±12,817Der 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 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 Mistral Medium 3.5: Snapshot: mistral-medium-3.5, Harness: Arena Vision, style controlGemini 3.8 Flash: Arena-Bewertung aus 182 veröffentlichten Paarvergleichen.Mistral Medium 3.5: Arena-Bewertung aus 288 veröffentlichten Paarvergleichen.	Höherer Messwert1.379,729 95-%-Konfidenzintervall: ±43,521Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.216,486 95-%-Konfidenzintervall: ±38,816Der 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 besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Mistral Medium 3.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 80.000 tokens	Höherer Messwert94,979 %	64,435 %	Vals AI Quellendetails Datenstand: 01.09.2026
MortgageTaxNumerical Extraction Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Mistral Medium 3.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 80.000 tokens	Höherer Messwert70,588 %	11,924 %	Vals AI Quellendetails Datenstand: 01.09.2026
SAGEAutomata Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens Mistral Medium 3.5: Reasoning: high, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 30.000 tokens	Höherer Messwert33,334 %	30,159 %	Vals AI Quellendetails Datenstand: 08.10.2026
SWE-bench Verified<15 min fix Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Mistral Medium 3.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 80.000 tokens	Höherer Messwert89,691 %	79,381 %	Vals AI Quellendetails Datenstand: 01.09.2026
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 Mistral Medium 3.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 80.000 tokens	Höherer Messwert6,667 %	3,333 %	Vals AI Quellendetails Datenstand: 12.10.2026
TaxEval v2Correctness Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Mistral Medium 3.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 80.000 tokens	Höherer Messwert62,469 %	56,746 %	Vals AI Quellendetails Datenstand: 01.09.2026
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 Mistral Medium 3.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 80.000 tokens	Höherer Messwert100 %	66,667 %	Vals AI Quellendetails Datenstand: 28.09.2026
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 Mistral Medium 3.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 80.000 tokens	Höherer Messwert68,571 %	5,536 %	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 Mistral Medium 3.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 80.000 tokens	Höherer Messwert86,218 %	13,403 %	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 Mistral Medium 3.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 80.000 tokens	Höherer Messwert49,694 %	21,632 %	Vals AI Quellendetails Datenstand: 12.10.2026
GPQA DiamondZero-Shot CoT Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Mistral Medium 3.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 80.000 tokens	Höherer Messwert93,939 %	34,848 %	Vals AI Quellendetails Datenstand: 01.09.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Mistral Medium 3.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 80.000 tokens	Kein direkter Sieger0 %	Kein direkter Sieger0 %	Vals AI Quellendetails Datenstand: 12.10.2026
Legal Research BenchAdministrative / Regulatory · Weighted partial credit Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: weighted partial-credit scoreBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Mistral Medium 3.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 80.000 tokens	Höherer Messwert87,613 %	67,472 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Code Arena WebDevWebdev-html 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 Mistral Medium 3.5: Snapshot: mistral-medium-3.5, Harness: Arena Code Arena WebDevGemini 3.8 Flash: Arena-Bewertung aus 1.451 veröffentlichten Paarvergleichen.Mistral Medium 3.5: Arena-Bewertung aus 259 veröffentlichten Paarvergleichen.	Höherer Messwert1.620,104 95-%-Konfidenzintervall: ±17,559Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.307,357 95-%-Konfidenzintervall: ±41,479Der 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 Mistral Medium 3.5: Snapshot: mistral-medium-3.5, Harness: Arena Text, style controlGemini 3.8 Flash: Arena-Bewertung aus 2.903 veröffentlichten Paarvergleichen.Mistral Medium 3.5: Arena-Bewertung aus 620 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.	1.446,79 95-%-Konfidenzintervall: ±23,875Der 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 Mistral Medium 3.5: Snapshot: mistral-medium-3.5, Harness: Arena Vision, style controlGemini 3.8 Flash: Arena-Bewertung aus 363 veröffentlichten Paarvergleichen.Mistral Medium 3.5: Arena-Bewertung aus 342 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.	1.196,259 95-%-Konfidenzintervall: ±33,621Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 09.10.2026
MMLU-ProBusiness Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Mistral Medium 3.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 80.000 tokens	Höherer Messwert93,79 %	64,385 %	Vals AI Quellendetails Datenstand: 01.09.2026
MortgageTaxSemantic Extraction Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Mistral Medium 3.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 80.000 tokens	Höherer Messwert60,095 %	45,866 %	Vals AI Quellendetails Datenstand: 01.09.2026
SAGECalculus Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens Mistral Medium 3.5: Reasoning: high, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 30.000 tokens	Höherer Messwert79,63 %	2,778 %	Vals AI Quellendetails Datenstand: 08.10.2026
SWE-bench Verified>4 hours Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Mistral Medium 3.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 80.000 tokens	Kein direkter Sieger33,333 %	Kein direkter Sieger33,333 %	Vals AI Quellendetails Datenstand: 01.09.2026
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 Mistral Medium 3.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 80.000 tokens	Höherer Messwert59,001 %	18,379 %	Vals AI Quellendetails Datenstand: 12.10.2026
TaxEval v2Stepwise Reasoning Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Mistral Medium 3.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 80.000 tokens	Höherer Messwert86,427 %	79,231 %	Vals AI Quellendetails Datenstand: 01.09.2026
Terminal-Bench 2.1Hard Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Mistral Medium 3.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 80.000 tokens	Höherer Messwert72,222 %	15,556 %	Vals AI Quellendetails Datenstand: 28.09.2026
Code MigrationCode Quality Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: mean reviewer code-quality ratingBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Mistral Medium 3.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 80.000 tokens	Höherer Messwert3,742 / 5	2,987 / 5	Vals AI Quellendetails Datenstand: 12.10.2026
EMBDCF Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Mistral Medium 3.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 80.000 tokens	Höherer Messwert63,655 %	2,218 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Comparables Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Mistral Medium 3.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 80.000 tokens	Höherer Messwert52,004 %	31,512 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkArbitration International Dispute Resolution · 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 Mistral Medium 3.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 80.000 tokens	Höherer Messwert89,606 %	70,776 %	Vals AI Quellendetails Datenstand: 12.10.2026
Legal Research BenchBusiness & Commercial · 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 Mistral Medium 3.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 80.000 tokens	Höherer Messwert41,86 %	9,302 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Code Arena WebDevWebdev-react 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 Mistral Medium 3.5: Snapshot: mistral-medium-3.5, Harness: Arena Code Arena WebDevGemini 3.8 Flash: Arena-Bewertung aus 6.460 veröffentlichten Paarvergleichen.Mistral Medium 3.5: Arena-Bewertung aus 1.977 veröffentlichten Paarvergleichen.	Höherer Messwert1.576,599 95-%-Konfidenzintervall: ±8,938Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.253,399 95-%-Konfidenzintervall: ±16,155Der 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 ControlCoding 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 Mistral Medium 3.5: Snapshot: mistral-medium-3.5, Harness: Arena Text, style controlGemini 3.8 Flash: Arena-Bewertung aus 9.370 veröffentlichten Paarvergleichen.Mistral Medium 3.5: Arena-Bewertung aus 3.298 veröffentlichten Paarvergleichen.	Höherer Messwert1.527,417 95-%-Konfidenzintervall: ±7,214Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.477,902 95-%-Konfidenzintervall: ±10,821Der 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 Mistral Medium 3.5: Snapshot: mistral-medium-3.5, Harness: Arena Vision, style controlGemini 3.8 Flash: Arena-Bewertung aus 979 veröffentlichten Paarvergleichen.Mistral Medium 3.5: Arena-Bewertung aus 1.540 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.	1.242,126 95-%-Konfidenzintervall: ±16,169Der 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-ProChemistry Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Mistral Medium 3.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 80.000 tokens	Höherer Messwert92,491 %	73,057 %	Vals AI Quellendetails Datenstand: 01.09.2026
SAGELinear Algebra Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens Mistral Medium 3.5: Reasoning: high, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 30.000 tokens	Höherer Messwert41,7 %	41,411 %	Vals AI Quellendetails Datenstand: 08.10.2026
SWE-bench Verified1-4 hours Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Mistral Medium 3.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 80.000 tokens	Höherer Messwert52,381 %	33,333 %	Vals AI Quellendetails Datenstand: 01.09.2026
Tax Agent BenchCurrent & Temporal Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens Mistral Medium 3.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 80.000 tokens	Höherer Messwert43,333 %	6,5 %	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

Mistral Medium 3.5

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

Mistral Medium 3.5

Reasoning (angefragt): high

Aktueller Versuch

Datum des Testlaufs: 01.10.2026
API-Anbieter: openrouter
Angefragtes API-Modell: mistralai/mistral-medium-3-5
API-Modell laut Antwort: mistralai/mistral-medium-3-5
Reasoning-Einstellung: high
Festgelegter Endpunkt: Mistral | mistralai/mistral-medium-3.5-20260430
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Bestanden, keine Qualitätsbewertung
Antwortzeit: 38,7 s

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

Frühere Versuche (1)

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 Gemini 3.8 Flash und Mistral Medium 3.5 mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich

Gemini 3.8 Flash vs. Mistral Medium 3.5

Modellauswahl ändern

Allgemeine Daten

API-Preise im Vergleich

Gemeinsame Benchmarks

Fähigkeitsprofil aus vergleichbaren Benchmarks

Unsere Tests

SVG-Kurztest

Gemini 3.8 Flash

Mistral Medium 3.5

Pelikan auf dem Fahrrad

Ein Benchmark-Sieg ist kein Gesamturteil

Ähnliche LLM-Vergleiche