Veröffentlichte Benchmarkwerte aus derselben Version und Vergleichskohorte, API-Preise und technische Eckdaten. Unterschiedliche Testeinstellungen werden sichtbar ausgewiesen.
gemeinsame Messreihen
172
verschiedene Benchmarks
19
jüngster Abruf
29.09.2026
Modellauswahl ändern
Steckbrief
Allgemeine Daten
Erscheinungsdatum, Verfügbarkeit, Kontextfenster, Architektur und veröffentlichte Parameterzahlen auf einen Blick. Nicht veröffentlichte Angaben bleiben als solche markiert.
Allgemeine Daten von GPT-5.4 und Gemini 3.5 Flash-Lite
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.
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 GPT-5.4 und Gemini 3.5 Flash-Lite
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.
GPT-5.4
Gemini 3.5 Flash-Lite
Coding: 100 / 77 (6 Benchmarkfamilien)
Reasoning: 100 / 95,2 (2 Benchmarkfamilien)
Mathematik: 100 / 98,4 (1 Benchmarkfamilie)
Wissen: 100 / 98,5 (2 Benchmarkfamilien)
Finanzen: 99,9 / 97,4 (4 Benchmarkfamilien)
Recht: 100 / 98,8 (3 Benchmarkfamilien)
Multimodal: 100 / 95,5 (1 Benchmarkfamilie)
Gesundheit: 98,2 / 97,1 (3 Benchmarkfamilien)
45 passende Messreihen aus 17 Benchmarkfamilien wurden berücksichtigt. Das Radar zeigt 8 von 10 vergleichbaren Kategorien.
GPT-5.4Gemini 3.5 Flash-Lite
Code MigrationOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.4Gewinner34,984 %
Gemini 3.5 Flash-Lite6,148 %
CorpFin v2Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.4Gewinner65,268 %
Gemini 3.5 Flash-Lite60,684 %
CyberBench v1.1Patch. Mehr ist besser. Testaufbau nicht identisch dokumentiert
GPT-5.4Höherer Messwert81,356 %
Gemini 3.5 Flash-Lite77,966 %
GPQA DiamondOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.4Gewinner91,666 %
Gemini 3.5 Flash-Lite83,838 %
Harvey's Legal Agent BenchmarkOverall · Task fully resolved. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.4Gleichstand0 %
Gemini 3.5 Flash-LiteGleichstand0 %
IOIIOI 2024. Mehr ist besser. Testaufbau nicht identisch dokumentiert
GPT-5.4Höherer Messwert67,167 %
Gemini 3.5 Flash-Lite25 %
LegalBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.4Gewinner86,044 %
Gemini 3.5 Flash-Lite84,073 %
LiveCodeBench v6Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.4Gewinner84,141 %
Gemini 3.5 Flash-Lite79,014 %
LMArena Text, Style ControlOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.4Gewinner1.464,964
Gemini 3.5 Flash-Lite1.456,026
MedCodeOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.441,292 %
Gemini 3.5 Flash-LiteGewinner43,489 %
MedScribeOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.4Gewinner77,549 %
Gemini 3.5 Flash-Lite70,886 %
MMLU-ProOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.4Gewinner87,482 %
Gemini 3.5 Flash-Lite85,836 %
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand
Benchmarkwerte von GPT-5.4 und Gemini 3.5 Flash-Lite
Benchmark und Aufgabe
GPT-5.4
Gemini 3.5 Flash-Lite
Quelle
Code MigrationOverallTestdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4: Snapshot: gpt-5.4-2026-03-05
Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGPT-5.4: Snapshot: gpt-5.4, Harness: Arena text, style control Gemini 3.5 Flash-Lite: Snapshot: gemini-3.5-flash-lite, Harness: Arena text, style controlGPT-5.4: Stilbereinigte Arena-Bewertung aus 67.632 anonymen Paarvergleichen.Gemini 3.5 Flash-Lite: Stilbereinigte Arena-Bewertung aus 33.501 anonymen Paarvergleichen.
Gewinner1.464,964
95-%-Konfidenzintervall: ±3,702Der 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.
Kein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.4: Snapshot: gpt-5.4-2026-03-05, Harness: OpenHands Gemini 3.5 Flash-Lite: Harness: OpenHands
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGPT-5.4: Snapshot: gpt-5.4-high, Reasoning: high, Harness: Arena text, style control Gemini 3.5 Flash-Lite: Snapshot: gemini-3.5-flash-lite, Harness: Arena text, style controlGPT-5.4: Stilbereinigte Arena-Bewertung aus 64.479 anonymen Paarvergleichen.Gemini 3.5 Flash-Lite: Stilbereinigte Arena-Bewertung aus 33.501 anonymen Paarvergleichen.
Höherer Messwert1.475,198
95-%-Konfidenzintervall: ±3,778Der 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 Text, Style ControlBusiness, management and financeTestdetails
Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGPT-5.4: Snapshot: gpt-5.4, Harness: Arena text, style control Gemini 3.5 Flash-Lite: Snapshot: gemini-3.5-flash-lite, Harness: Arena text, style controlGPT-5.4: Stilbereinigte Arena-Bewertung aus 13.882 anonymen Paarvergleichen.Gemini 3.5 Flash-Lite: Stilbereinigte Arena-Bewertung aus 6.238 anonymen Paarvergleichen.
Gewinner1.474,623
95-%-Konfidenzintervall: ±6,376Der 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 Text, Style ControlBusiness, management and financeTestdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGPT-5.4: Snapshot: gpt-5.4-high, Reasoning: high, Harness: Arena text, style control Gemini 3.5 Flash-Lite: Snapshot: gemini-3.5-flash-lite, Harness: Arena text, style controlGPT-5.4: Stilbereinigte Arena-Bewertung aus 13.092 anonymen Paarvergleichen.Gemini 3.5 Flash-Lite: Stilbereinigte Arena-Bewertung aus 6.238 anonymen Paarvergleichen.
Höherer Messwert1.481,559
95-%-Konfidenzintervall: ±6,485Der 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.
Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGPT-5.4: Snapshot: gpt-5.4, Harness: Arena text, style control Gemini 3.5 Flash-Lite: Snapshot: gemini-3.5-flash-lite, Harness: Arena text, style controlGPT-5.4: Stilbereinigte Arena-Bewertung aus 4.364 anonymen Paarvergleichen.Gemini 3.5 Flash-Lite: Stilbereinigte Arena-Bewertung aus 2.584 anonymen Paarvergleichen.
Kein klarer Vorsprung1.493,153
95-%-Konfidenzintervall: ±9,833Der 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.
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.
GPT-5.4
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
openai/gpt-5.4
Reasoning-Einstellung
high
Festgelegter Endpunkt
OpenAI | openai/gpt-5.4-20260305
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.
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
Ähnliche LLM-Vergleiche
Vergleiche GPT-5.4 und Gemini 3.5 Flash-Lite mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.