Direktvergleich

GPT-5.5 vs. Gemini 3.8 Flash

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

gemeinsame Messreihen: 262
verschiedene Benchmarks: 35
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 GPT-5.5 und Gemini 3.8 Flash
Merkmal	GPT-5.5	Gemini 3.8 Flash
Anbieter	OpenAI	Google
Erschienen	23. Apr. 2026	2. Sept. 2026
Verfügbarkeit	Aktiv	Aktiv
Modelltyp	Proprietär	Proprietär
Parameter	Nicht veröffentlicht	Nicht veröffentlicht
Architektur	Nicht veröffentlicht	Nicht veröffentlicht
Kontextfenster	1.050.000 Token	1.048.576 Token
Wissensstand	1. Dezember 2025	März 2026
Technische Quellen	Modell	Modell, Wissensstand

Kosten

API-Preise im Vergleich

Die Tabelle vergleicht die offiziellen Standard-API-Tarife pro 1 Mio. Token einschließlich veröffentlichter Cache-Preise. Batch, Fast, Priority, regionale Aufschläge, Toolaufrufe und Cloudpreise sind nicht eingerechnet.

API-Preise von GPT-5.5 und Gemini 3.8 Flash
Preisart	GPT-5.5	Gemini 3.8 Flash
API-Eingabe	5 $ ≤272K / 10 $ >272K	0,75 $
API-Ausgabe	30 $ ≤272K / 45 $ >272K	3,75 $
Cache lesen	0,5 $ ≤272K / 1 $ >272K	0,075 $
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

GPT-5.5Gemini 3.8 Flash

API-EingabeUSD pro 1 Mio. Token, Basistarif

GPT-5.55 $

Gemini 3.8 Flash0,75 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

GPT-5.530 $

Gemini 3.8 Flash3,75 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

GPT-5.50,5 $

Gemini 3.8 Flash0,075 $

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Preise nach Anbieter

Direkte Entwicklertarife und über OpenRouter geroutete Anbieterpreise sind getrennt gekennzeichnet. Alle Preise gelten in USD pro 1 Mio. Token. Kontextabhängige Direktpreise sowie regionale, Flex-, Priority- und weitere OpenRouter-Tarife bleiben einzeln erkennbar.

Anbieterpreise von GPT-5.5 und Gemini 3.8 Flash
Modell	Anbieter	Bezugsweg und Tarif	Eingabe pro 1 Mio. Token	Ausgabe pro 1 Mio. Token	Quelle
GPT-5.5	OpenAI	Direkt beim EntwicklerBis 272.000 Kontext-Token	5 $	30 $	Quelle22.09.2026
	OpenAI	Direkt beim EntwicklerÜber 272.000 Kontext-Token	10 $	45 $	Quelle22.09.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock/us-east-1	5,5 $	33 $	Quelle17.10.2026
	Azure	Über OpenRouterazure	5 $	30 $	Quelle17.10.2026
	Azure	Über OpenRouterazure/eu	5,5 $	33 $	Quelle17.10.2026
	Azure	Über OpenRouterazure/us	5,5 $	33 $	Quelle17.10.2026
	OpenAI	Über OpenRouteropenai	5 $	30 $	Quelle17.10.2026
	OpenAI	Über OpenRouteropenai/fast	12,5 $	75 $	Quelle17.10.2026
	OpenAI	Über OpenRouteropenai/flex	Günstigster erfasster Preis: 2,5 $	Günstigster erfasster Preis: 15 $	Quelle17.10.2026
Gemini 3.8 Flash	Google	Direkt beim EntwicklerStandard-API	0,75 $	3,75 $	Quelle22.09.2026
	Google	Über OpenRoutergoogle-vertex/us	0,825 $	4,125 $	Quelle17.10.2026
	Google AI Studio	Über OpenRoutergoogle-ai-studio	0,75 $	3,75 $	Quelle17.10.2026
	Google AI Studio	Über OpenRoutergoogle-ai-studio/flex	Günstigster erfasster Preis: 0,375 $	Günstigster erfasster Preis: 1,875 $	Quelle17.10.2026
	Google AI Studio	Über OpenRoutergoogle-ai-studio/priority	1,35 $	6,75 $	Quelle17.10.2026

Leistung

Gemeinsame Benchmarks

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

Fähigkeitsprofil aus vergleichbaren Benchmarks

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

GPT-5.5

Gemini 3.8 Flash

Coding: 67,7 / 100 (2 Benchmarkfamilien)

Reasoning: 97,7 / 98,6 (4 Benchmarkfamilien)

Mathematik: 98,9 / 100 (1 Benchmarkfamilie)

Wissen: 81 / 100 (2 Benchmarkfamilien)

Finanzen: 100 / 99,3 (1 Benchmarkfamilie)

Recht: 100 / 99,8 (1 Benchmarkfamilie)

Agenten-Aufgaben: 82,3 / 100 (3 Benchmarkfamilien)

Multimodal: 98,8 / 99,8 (1 Benchmarkfamilie)

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

GPT-5.5Gemini 3.8 Flash

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

GPT-5.51.000 elo

Gemini 3.8 Flash1.181,5 elo

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

GPT-5.583,0 %

Gemini 3.8 Flash84,0 %

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

GPT-5.518,1 Punkte

Gemini 3.8 Flash28,583 Punkte

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

GPT-5.533,804 Punkte

Gemini 3.8 Flash39,774 Punkte

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

GPT-5.540,1 %

Gemini 3.8 Flash60,9 %

Code MigrationOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-5.545,161 %

Gemini 3.8 Flash36,546 %

EMBOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-5.564,543 %

Gemini 3.8 Flash72,196 %

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

GPT-5.551,76 %

Gemini 3.8 Flash61,435 %

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

GPT-5.520,6 %

Gemini 3.8 Flash22,8 %

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

GPT-5.51.231 elo

Gemini 3.8 Flash1.421,18 elo

GPQA DiamondOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-5.593,182 %

Gemini 3.8 Flash94,444 %

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

GPT-5.53,75 %

Gemini 3.8 Flash10 %

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von GPT-5.5 und Gemini 3.8 Flash
Benchmark und Aufgabe	GPT-5.5	Gemini 3.8 Flash	Quelle
AA-BriefcaseOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v1.1Messgröße: AA-Briefcase EloBewertung: Mehr ist besserGPT-5.5: Snapshot: GPT-5.5 (Medium), Reasoning: Medium Gemini 3.8 Flash: Snapshot: Gemini 3.8 Flash (Medium), Reasoning: MediumGPT-5.5: Exakte AA-Konfiguration: GPT-5.5 (Medium) (Release gpt-5-5, Zeile gpt-5-5-medium, UUID 6b79f899-e3c0-45f6-923c-243faccdb2fc, reasoning=true, source reasoning-token configuration budget=0, suffix=Medium). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Gemini 3.8 Flash: Exakte AA-Konfiguration: Gemini 3.8 Flash (Medium) (Release gemini-3-8-flash, Zeile gemini-3-8-flash-medium, UUID 744fa3c1-42a7-4995-b138-fb6be11f463c, reasoning=true, source reasoning-token configuration budget=0, suffix=Medium). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	1.000 elo	Gewinner1.181,5 elo	Artificial Analysis Quellendetails Datenstand: 15.10.2026
AA-LCROverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v1.1Messgröße: Pass rateBewertung: Mehr ist besserGPT-5.5: Snapshot: GPT-5.5 (Medium), Reasoning: Medium Gemini 3.8 Flash: Snapshot: Gemini 3.8 Flash (Medium), Reasoning: MediumGPT-5.5: Exakte AA-Konfiguration: GPT-5.5 (Medium) (Release gpt-5-5, Zeile gpt-5-5-medium, UUID 6b79f899-e3c0-45f6-923c-243faccdb2fc, reasoning=true, source reasoning-token configuration budget=0, suffix=Medium). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Gemini 3.8 Flash: Exakte AA-Konfiguration: Gemini 3.8 Flash (Medium) (Release gemini-3-8-flash, Zeile gemini-3-8-flash-medium, UUID 744fa3c1-42a7-4995-b138-fb6be11f463c, reasoning=true, source reasoning-token configuration budget=0, suffix=Medium). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	83,0 %	Gewinner84,0 %	Artificial Analysis Quellendetails Datenstand: 15.10.2026
AA-OmniscienceOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: AA-Omniscience IndexBewertung: Mehr ist besserGPT-5.5: Snapshot: GPT-5.5 (Medium), Reasoning: Medium Gemini 3.8 Flash: Snapshot: Gemini 3.8 Flash (Medium), Reasoning: MediumGPT-5.5: Exakte AA-Konfiguration: GPT-5.5 (Medium) (Release gpt-5-5, Zeile gpt-5-5-medium, UUID 6b79f899-e3c0-45f6-923c-243faccdb2fc, reasoning=true, source reasoning-token configuration budget=0, suffix=Medium). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Gemini 3.8 Flash: Exakte AA-Konfiguration: Gemini 3.8 Flash (Medium) (Release gemini-3-8-flash, Zeile gemini-3-8-flash-medium, UUID 744fa3c1-42a7-4995-b138-fb6be11f463c, reasoning=true, source reasoning-token configuration budget=0, suffix=Medium). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	18,1 Punkte Der Index kann negative Werte annehmen und reicht laut Anbieter von -100 bis 100.	Gewinner28,583 Punkte Der Index kann negative Werte annehmen und reicht laut Anbieter von -100 bis 100.	Artificial Analysis Quellendetails Datenstand: 15.10.2026
Artificial Analysis Intelligence IndexOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v4.3.2Messgröße: Artificial Analysis Intelligence IndexBewertung: Mehr ist besserGPT-5.5: Snapshot: GPT-5.5 (Medium), Reasoning: Medium Gemini 3.8 Flash: Snapshot: Gemini 3.8 Flash (Medium), Reasoning: MediumGPT-5.5: Exakte AA-Konfiguration: GPT-5.5 (Medium) (Release gpt-5-5, Zeile gpt-5-5-medium, UUID 6b79f899-e3c0-45f6-923c-243faccdb2fc, reasoning=true, source reasoning-token configuration budget=0, suffix=Medium). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Gemini 3.8 Flash: Exakte AA-Konfiguration: Gemini 3.8 Flash (Medium) (Release gemini-3-8-flash, Zeile gemini-3-8-flash-medium, UUID 744fa3c1-42a7-4995-b138-fb6be11f463c, reasoning=true, source reasoning-token configuration budget=0, suffix=Medium). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	33,804 Punkte	Gewinner39,774 Punkte	Artificial Analysis Quellendetails Datenstand: 15.10.2026
AutomationBench-AAOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: Objectives completed without guardrail violationsBewertung: Mehr ist besserGPT-5.5: Snapshot: GPT-5.5 (Medium), Reasoning: Medium Gemini 3.8 Flash: Snapshot: Gemini 3.8 Flash (Medium), Reasoning: MediumGPT-5.5: Exakte AA-Konfiguration: GPT-5.5 (Medium) (Release gpt-5-5, Zeile gpt-5-5-medium, UUID 6b79f899-e3c0-45f6-923c-243faccdb2fc, reasoning=true, source reasoning-token configuration budget=0, suffix=Medium). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Gemini 3.8 Flash: Exakte AA-Konfiguration: Gemini 3.8 Flash (Medium) (Release gemini-3-8-flash, Zeile gemini-3-8-flash-medium, UUID 744fa3c1-42a7-4995-b138-fb6be11f463c, reasoning=true, source reasoning-token configuration budget=0, suffix=Medium). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	40,1 %	Gewinner60,9 %	Artificial Analysis Quellendetails Datenstand: 15.10.2026
Code MigrationOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert45,161 %	36,546 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	64,543 %	Höherer Messwert72,196 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	51,76 %	Höherer Messwert61,435 %	Vals AI Quellendetails Datenstand: 12.10.2026
GDP.pdfOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: All-pass rateBewertung: Mehr ist besserGPT-5.5: Snapshot: GPT-5.5 (Medium), Reasoning: Medium Gemini 3.8 Flash: Snapshot: Gemini 3.8 Flash (Medium), Reasoning: MediumGPT-5.5: Exakte AA-Konfiguration: GPT-5.5 (Medium) (Release gpt-5-5, Zeile gpt-5-5-medium, UUID 6b79f899-e3c0-45f6-923c-243faccdb2fc, reasoning=true, source reasoning-token configuration budget=0, suffix=Medium). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Gemini 3.8 Flash: Exakte AA-Konfiguration: Gemini 3.8 Flash (Medium) (Release gemini-3-8-flash, Zeile gemini-3-8-flash-medium, UUID 744fa3c1-42a7-4995-b138-fb6be11f463c, reasoning=true, source reasoning-token configuration budget=0, suffix=Medium). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	20,6 %	Gewinner22,8 %	Artificial Analysis Quellendetails Datenstand: 15.10.2026
GDPval-AAOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v2.1Messgröße: GDPval-AA EloBewertung: Mehr ist besserGPT-5.5: Snapshot: GPT-5.5 (Medium), Reasoning: Medium Gemini 3.8 Flash: Snapshot: Gemini 3.8 Flash (Medium), Reasoning: MediumGPT-5.5: Exakte AA-Konfiguration: GPT-5.5 (Medium) (Release gpt-5-5, Zeile gpt-5-5-medium, UUID 6b79f899-e3c0-45f6-923c-243faccdb2fc, reasoning=true, source reasoning-token configuration budget=0, suffix=Medium). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Gemini 3.8 Flash: Exakte AA-Konfiguration: Gemini 3.8 Flash (Medium) (Release gemini-3-8-flash, Zeile gemini-3-8-flash-medium, UUID 744fa3c1-42a7-4995-b138-fb6be11f463c, reasoning=true, source reasoning-token configuration budget=0, suffix=Medium). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	1.231 elo	Gewinner1.421,18 elo	Artificial Analysis Quellendetails Datenstand: 15.10.2026
GPQA DiamondOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	93,182 %	Höherer Messwert94,444 %	Vals AI Quellendetails Datenstand: 01.09.2026
Harvey's Legal Agent BenchmarkOverall · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	3,75 %	Höherer Messwert10 %	Vals AI Quellendetails Datenstand: 12.10.2026
Humanity's Last ExamOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: Text-only pass@1 accuracyBewertung: Mehr ist besserGPT-5.5: Snapshot: GPT-5.5 (Medium), Reasoning: Medium Gemini 3.8 Flash: Snapshot: Gemini 3.8 Flash (Medium), Reasoning: MediumGPT-5.5: Exakte AA-Konfiguration: GPT-5.5 (Medium) (Release gpt-5-5, Zeile gpt-5-5-medium, UUID 6b79f899-e3c0-45f6-923c-243faccdb2fc, reasoning=true, source reasoning-token configuration budget=0, suffix=Medium). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Gemini 3.8 Flash: Exakte AA-Konfiguration: Gemini 3.8 Flash (Medium) (Release gemini-3-8-flash, Zeile gemini-3-8-flash-medium, UUID 744fa3c1-42a7-4995-b138-fb6be11f463c, reasoning=true, source reasoning-token configuration budget=0, suffix=Medium). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner42,4 % Der Anbieter beschreibt seine Vergleichsauswertung als text-only 2.158 Fragen, nicht als den vollständigen 2.500-Fragen-Datensatz.	42,1 % Der Anbieter beschreibt seine Vergleichsauswertung als text-only 2.158 Fragen, nicht als den vollständigen 2.500-Fragen-Datensatz.	Artificial Analysis Quellendetails Datenstand: 15.10.2026
Legal Research BenchOverall · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert40,385 %	38,942 %	Vals AI Quellendetails Datenstand: 12.10.2026
LegalBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	86,515 %	Höherer Messwert86,993 %	Vals AI Quellendetails Datenstand: 13.10.2026
LiveCodeBench v6Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	85,296 %	Höherer Messwert89,484 %	Vals AI Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGPT-5.5: Snapshot: gpt-5.5, Harness: Arena Text, style control Gemini 3.8 Flash: Snapshot: gemini-3.8-flash-high, Reasoning: high, Harness: Arena Text, style controlGPT-5.5: Arena-Bewertung aus 70.990 veröffentlichten Paarvergleichen.Gemini 3.8 Flash: Arena-Bewertung aus 35.670 veröffentlichten Paarvergleichen.	1.476,692 95-%-Konfidenzintervall: ±3,689Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	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.	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 besserGPT-5.5: Snapshot: gpt-5.5, Harness: Arena Vision, style control Gemini 3.8 Flash: Snapshot: gemini-3.8-flash-high, Reasoning: high, Harness: Arena Vision, style controlGPT-5.5: Arena-Bewertung aus 27.993 veröffentlichten Paarvergleichen.Gemini 3.8 Flash: Arena-Bewertung aus 3.792 veröffentlichten Paarvergleichen.	1.285,781 95-%-Konfidenzintervall: ±5,856Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	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.	LMArena Quellendetails Datenstand: 09.10.2026
MedCodeOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 30.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert49,1 %	48,135 %	Vals AI Quellendetails Datenstand: 13.10.2026
MedScribeOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 30.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert86,868 %	84,496 %	Vals AI Quellendetails Datenstand: 13.10.2026
MMLU-ProOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	88,144 %	Höherer Messwert90,221 %	Vals AI Quellendetails Datenstand: 01.09.2026
MMMU-ProOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	88,266 %	Höherer Messwert89,075 %	Vals AI Quellendetails Datenstand: 01.09.2026
MortgageTaxOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert68,76 %	65,342 %	Vals AI Quellendetails Datenstand: 01.09.2026
ProgramBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully resolved rateBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	0,5 %	Höherer Messwert1 %	Vals AI Quellendetails Datenstand: 12.10.2026
Public Benefits Bench v1.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	60,893 %	Höherer Messwert65,291 %	Vals AI Quellendetails Datenstand: 12.10.2026
SAGEOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 30.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens	Höherer Messwert51,532 %	35,064 %	Vals AI Quellendetails Datenstand: 08.10.2026
SkillsBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Harness: OpenHands, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert62,209 %	57,985 %	Vals AI Quellendetails Datenstand: 27.09.2026
SRE BenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully solved rateBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	3,817 %	Höherer Messwert11,069 %	Vals AI Quellendetails Datenstand: 14.10.2026
SWE-bench VerifiedOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert82,6 %	80 %	Vals AI Quellendetails Datenstand: 01.09.2026
Tax Agent BenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	21,762 %	Höherer Messwert32,124 %	Vals AI Quellendetails Datenstand: 12.10.2026
TaxEval v2Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert74,98 %	74,448 %	Vals AI Quellendetails Datenstand: 01.09.2026
Terminal-BenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 4.0Messgröße: Task successBewertung: Mehr ist besserGPT-5.5: Snapshot: GPT-5.5 (Medium), Reasoning: Medium Gemini 3.8 Flash: Snapshot: Gemini 3.8 Flash (Medium), Reasoning: MediumGPT-5.5: Exakte AA-Konfiguration: GPT-5.5 (Medium) (Release gpt-5-5, Zeile gpt-5-5-medium, UUID 6b79f899-e3c0-45f6-923c-243faccdb2fc, reasoning=true, source reasoning-token configuration budget=0, suffix=Medium). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Gemini 3.8 Flash: Exakte AA-Konfiguration: Gemini 3.8 Flash (Medium) (Release gemini-3-8-flash, Zeile gemini-3-8-flash-medium, UUID 744fa3c1-42a7-4995-b138-fb6be11f463c, reasoning=true, source reasoning-token configuration budget=0, suffix=Medium). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	5,1 %	Gewinner19,7 %	Artificial Analysis Quellendetails Datenstand: 15.10.2026
Terminal-Bench 2.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: high, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	76,404 %	Höherer Messwert81,273 %	Vals AI Quellendetails Datenstand: 28.09.2026
Time Horizon Index: KSPOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: progressBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	8,333 %	Höherer Messwert18,833 %	Vals AI Quellendetails Datenstand: 07.10.2026
Vibe Code Bench v1.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Harness: OpenHands, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 65.536 tokens	69,847 %	Höherer Messwert78,651 %	Vals AI Quellendetails Datenstand: 12.10.2026
AA-BriefcaseOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v1.1Messgröße: AA-Briefcase EloBewertung: Mehr ist besserGPT-5.5: Snapshot: GPT-5.5 (High), Reasoning: High Gemini 3.8 Flash: Snapshot: Gemini 3.8 Flash (High), Reasoning: HighGPT-5.5: Exakte AA-Konfiguration: GPT-5.5 (High) (Release gpt-5-5, Zeile gpt-5-5-high, UUID b13c1257-d746-4027-8fc8-4892dc14701c, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Gemini 3.8 Flash: Exakte AA-Konfiguration: Gemini 3.8 Flash (High) (Release gemini-3-8-flash, Zeile gemini-3-8-flash, UUID 8a999846-4c1d-4ce7-a8b7-1310a7166fd7, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	1.088,73 elo	Gewinner1.203,02 elo	Artificial Analysis Quellendetails Datenstand: 15.10.2026
AA-LCROverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v1.1Messgröße: Pass rateBewertung: Mehr ist besserGPT-5.5: Snapshot: GPT-5.5 (High), Reasoning: High Gemini 3.8 Flash: Snapshot: Gemini 3.8 Flash (High), Reasoning: HighGPT-5.5: Exakte AA-Konfiguration: GPT-5.5 (High) (Release gpt-5-5, Zeile gpt-5-5-high, UUID b13c1257-d746-4027-8fc8-4892dc14701c, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Gemini 3.8 Flash: Exakte AA-Konfiguration: Gemini 3.8 Flash (High) (Release gemini-3-8-flash, Zeile gemini-3-8-flash, UUID 8a999846-4c1d-4ce7-a8b7-1310a7166fd7, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner84,3 %	81,3 %	Artificial Analysis Quellendetails Datenstand: 15.10.2026
AA-OmniscienceOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: AA-Omniscience IndexBewertung: Mehr ist besserGPT-5.5: Snapshot: GPT-5.5 (High), Reasoning: High Gemini 3.8 Flash: Snapshot: Gemini 3.8 Flash (High), Reasoning: HighGPT-5.5: Exakte AA-Konfiguration: GPT-5.5 (High) (Release gpt-5-5, Zeile gpt-5-5-high, UUID b13c1257-d746-4027-8fc8-4892dc14701c, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Gemini 3.8 Flash: Exakte AA-Konfiguration: Gemini 3.8 Flash (High) (Release gemini-3-8-flash, Zeile gemini-3-8-flash, UUID 8a999846-4c1d-4ce7-a8b7-1310a7166fd7, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	18,75 Punkte Der Index kann negative Werte annehmen und reicht laut Anbieter von -100 bis 100.	Gewinner29,55 Punkte Der Index kann negative Werte annehmen und reicht laut Anbieter von -100 bis 100.	Artificial Analysis Quellendetails Datenstand: 15.10.2026
Artificial Analysis Intelligence IndexOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v4.3.2Messgröße: Artificial Analysis Intelligence IndexBewertung: Mehr ist besserGPT-5.5: Snapshot: GPT-5.5 (High), Reasoning: High Gemini 3.8 Flash: Snapshot: Gemini 3.8 Flash (High), Reasoning: HighGPT-5.5: Exakte AA-Konfiguration: GPT-5.5 (High) (Release gpt-5-5, Zeile gpt-5-5-high, UUID b13c1257-d746-4027-8fc8-4892dc14701c, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Gemini 3.8 Flash: Exakte AA-Konfiguration: Gemini 3.8 Flash (High) (Release gemini-3-8-flash, Zeile gemini-3-8-flash, UUID 8a999846-4c1d-4ce7-a8b7-1310a7166fd7, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	36,979 Punkte	Gewinner40,926 Punkte	Artificial Analysis Quellendetails Datenstand: 15.10.2026
AutomationBench-AAOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: Objectives completed without guardrail violationsBewertung: Mehr ist besserGPT-5.5: Snapshot: GPT-5.5 (High), Reasoning: High Gemini 3.8 Flash: Snapshot: Gemini 3.8 Flash (High), Reasoning: HighGPT-5.5: Exakte AA-Konfiguration: GPT-5.5 (High) (Release gpt-5-5, Zeile gpt-5-5-high, UUID b13c1257-d746-4027-8fc8-4892dc14701c, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Gemini 3.8 Flash: Exakte AA-Konfiguration: Gemini 3.8 Flash (High) (Release gemini-3-8-flash, Zeile gemini-3-8-flash, UUID 8a999846-4c1d-4ce7-a8b7-1310a7166fd7, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	44,3 %	Gewinner59,9 %	Artificial Analysis Quellendetails Datenstand: 15.10.2026
Code MigrationCLI Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert36,882 %	25,871 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBComps Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	64,681 %	Höherer Messwert76,435 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Adjustments Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	45,74 %	Höherer Messwert54,828 %	Vals AI Quellendetails Datenstand: 12.10.2026
GDP.pdfOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: All-pass rateBewertung: Mehr ist besserGPT-5.5: Snapshot: GPT-5.5 (High), Reasoning: High Gemini 3.8 Flash: Snapshot: Gemini 3.8 Flash (High), Reasoning: HighGPT-5.5: Exakte AA-Konfiguration: GPT-5.5 (High) (Release gpt-5-5, Zeile gpt-5-5-high, UUID b13c1257-d746-4027-8fc8-4892dc14701c, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Gemini 3.8 Flash: Exakte AA-Konfiguration: Gemini 3.8 Flash (High) (Release gemini-3-8-flash, Zeile gemini-3-8-flash, UUID 8a999846-4c1d-4ce7-a8b7-1310a7166fd7, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner22,6 %	21,0 %	Artificial Analysis Quellendetails Datenstand: 15.10.2026
GDPval-AAOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v2.1Messgröße: GDPval-AA EloBewertung: Mehr ist besserGPT-5.5: Snapshot: GPT-5.5 (High), Reasoning: High Gemini 3.8 Flash: Snapshot: Gemini 3.8 Flash (High), Reasoning: HighGPT-5.5: Exakte AA-Konfiguration: GPT-5.5 (High) (Release gpt-5-5, Zeile gpt-5-5-high, UUID b13c1257-d746-4027-8fc8-4892dc14701c, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Gemini 3.8 Flash: Exakte AA-Konfiguration: Gemini 3.8 Flash (High) (Release gemini-3-8-flash, Zeile gemini-3-8-flash, UUID 8a999846-4c1d-4ce7-a8b7-1310a7166fd7, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	1.326,23 elo	Gewinner1.436,3 elo	Artificial Analysis Quellendetails Datenstand: 15.10.2026
GPQA DiamondFew-Shot CoT Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	93,434 %	Höherer Messwert94,949 %	Vals AI Quellendetails Datenstand: 01.09.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Criteria passed Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: criteria pass rateBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	82,246 %	Höherer Messwert87,681 %	Vals AI Quellendetails Datenstand: 12.10.2026
Humanity's Last ExamOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: Text-only pass@1 accuracyBewertung: Mehr ist besserGPT-5.5: Snapshot: GPT-5.5 (High), Reasoning: High Gemini 3.8 Flash: Snapshot: Gemini 3.8 Flash (High), Reasoning: HighGPT-5.5: Exakte AA-Konfiguration: GPT-5.5 (High) (Release gpt-5-5, Zeile gpt-5-5-high, UUID b13c1257-d746-4027-8fc8-4892dc14701c, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Gemini 3.8 Flash: Exakte AA-Konfiguration: Gemini 3.8 Flash (High) (Release gemini-3-8-flash, Zeile gemini-3-8-flash, UUID 8a999846-4c1d-4ce7-a8b7-1310a7166fd7, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	45,0 % Der Anbieter beschreibt seine Vergleichsauswertung als text-only 2.158 Fragen, nicht als den vollständigen 2.500-Fragen-Datensatz.	Gewinner47,8 % Der Anbieter beschreibt seine Vergleichsauswertung als text-only 2.158 Fragen, nicht als den vollständigen 2.500-Fragen-Datensatz.	Artificial Analysis Quellendetails Datenstand: 15.10.2026
Legal Research BenchAdministrative / Regulatory · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert53,03 %	46,97 %	Vals AI Quellendetails Datenstand: 12.10.2026
LegalBenchConclusion Tasks Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	89,644 %	Höherer Messwert90,691 %	Vals AI Quellendetails Datenstand: 13.10.2026
LiveCodeBench v6Easy Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	98,447 %	Höherer Messwert99,068 %	Vals AI Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGPT-5.5: Snapshot: gpt-5.5-high, Reasoning: high, Harness: Arena Text, style control Gemini 3.8 Flash: Snapshot: gemini-3.8-flash-high, Reasoning: high, Harness: Arena Text, style controlGPT-5.5: Arena-Bewertung aus 69.414 veröffentlichten Paarvergleichen.Gemini 3.8 Flash: Arena-Bewertung aus 35.670 veröffentlichten Paarvergleichen.	1.481,44 95-%-Konfidenzintervall: ±3,724Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Gewinner1.496,319 95-%-Konfidenzintervall: ±4,654Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Vision, Style ControlOverall Testdetails Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGPT-5.5: Snapshot: gpt-5.5-high, Reasoning: high, Harness: Arena Vision, style control Gemini 3.8 Flash: Snapshot: gemini-3.8-flash-high, Reasoning: high, Harness: Arena Vision, style controlGPT-5.5: Arena-Bewertung aus 26.281 veröffentlichten Paarvergleichen.Gemini 3.8 Flash: Arena-Bewertung aus 3.792 veröffentlichten Paarvergleichen.	1.281,094 95-%-Konfidenzintervall: ±5,941Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Kein klarer Vorsprung1.289,129 95-%-Konfidenzintervall: ±10,62Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 09.10.2026
MMLU-ProBiology Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	94,003 %	Höherer Messwert94,979 %	Vals AI Quellendetails Datenstand: 01.09.2026
MortgageTaxNumerical Extraction Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert76,153 %	70,588 %	Vals AI Quellendetails Datenstand: 01.09.2026
ProgramBenchAlmost Resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: almost-resolved rateBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	9,5 %	Höherer Messwert14 %	Vals AI Quellendetails Datenstand: 12.10.2026
SAGEAutomata Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 30.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens	Höherer Messwert40,476 %	33,334 %	Vals AI Quellendetails Datenstand: 08.10.2026
SkillsBenchNo Skills Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Harness: OpenHands, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert49,875 %	41,046 %	Vals AI Quellendetails Datenstand: 27.09.2026
SRE BenchCapability Score Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: capability scoreBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	17,048 %	Höherer Messwert19,656 %	Vals AI Quellendetails Datenstand: 14.10.2026
SWE-bench Verified<15 min fix Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert91,753 %	89,691 %	Vals AI Quellendetails Datenstand: 01.09.2026
Tax Agent BenchControversy & Precedence Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert10 %	6,667 %	Vals AI Quellendetails Datenstand: 12.10.2026
TaxEval v2Correctness Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: xhigh, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert65,495 %	62,469 %	Vals AI Quellendetails Datenstand: 01.09.2026
Terminal-BenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 4.0Messgröße: Task successBewertung: Mehr ist besserGPT-5.5: Snapshot: GPT-5.5 (High), Reasoning: High Gemini 3.8 Flash: Snapshot: Gemini 3.8 Flash (High), Reasoning: HighGPT-5.5: Exakte AA-Konfiguration: GPT-5.5 (High) (Release gpt-5-5, Zeile gpt-5-5-high, UUID b13c1257-d746-4027-8fc8-4892dc14701c, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Gemini 3.8 Flash: Exakte AA-Konfiguration: Gemini 3.8 Flash (High) (Release gemini-3-8-flash, Zeile gemini-3-8-flash, UUID 8a999846-4c1d-4ce7-a8b7-1310a7166fd7, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	9,1 %	Gewinner19,7 %	Artificial Analysis Quellendetails Datenstand: 15.10.2026
Terminal-Bench 2.1Easy Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserGPT-5.5: Reasoning: high, Ausgabegrenze: 128.000 tokens Gemini 3.8 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	83,333 %	Höherer Messwert100 %	Vals AI Quellendetails Datenstand: 28.09.2026
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Eigene Modelltests

Unsere Tests

SVG-Kurztest

Ein SVG-Prompt, feste Ausgabeparameter. Aufnahmen erscheinen nur bei gemeldeten 0 Reasoning-Tokens oder dokumentiert fehlender Reasoning-Steuerung. Gleiche Testbedingungen machen die interne Rechenleistung der Modelle nicht identisch.

Gemeinsame Testrunde: 4ae5d8eeb9a9

GPT-5.5

In dieser Runde nicht verfügbar

Gemini 3.8 Flash

In dieser Runde nicht verfügbar

Frühere Tests

Pelikan auf dem Fahrrad

Community-Klassiker für eine freie SVG-Zeichnung.

GPT-5.5

Reasoning (angefragt): high

Aktueller Versuch

Datum des Testlaufs: 01.10.2026
API-Anbieter: openrouter
Angefragtes API-Modell: openai/gpt-5.5
API-Modell laut Antwort: openai/gpt-5.5
Reasoning-Einstellung: high
Festgelegter Endpunkt: OpenAI | openai/gpt-5.5-20260423
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Bestanden, keine Qualitätsbewertung
Antwortzeit: 25,9 s

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

Frühere Versuche (1)

07.09.2026API-Anfrage fehlgeschlagenReasoning-Einstellung: high

Gemini 3.8 Flash

Die Antwort hat das Tokenlimit erreicht. Es liegt keine vollständige Aufzeichnung vor.

Reasoning (angefragt): high

Aktueller Versuch

Datum des Testlaufs: 05.10.2026
API-Anbieter: openrouter
Angefragtes API-Modell: google/gemini-3.8-flash
API-Modell laut Antwort: google/gemini-3.8-flash
Reasoning-Einstellung: high
Festgelegter Endpunkt: Google AI Studio | google/gemini-3.8-flash-20260902
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Nicht bestanden
Antwortzeit: 40,2 s

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

Frühere Versuche (3)

02.10.2026API-Anfrage fehlgeschlagenReasoning-Einstellung: high
01.10.2026API-Anfrage fehlgeschlagenReasoning-Einstellung: high
07.09.2026API-Anfrage fehlgeschlagenReasoning-Einstellung: high

Prompt und Testbedingungen

Generate an SVG of a pelican riding a bicycle

Tokenlimit inklusive Reasoning: 8.192 Token

Ursprung der Aufgabe (Simon Willison)

So liest du den Vergleich

Ein Benchmark-Sieg ist kein Gesamturteil

Entscheidend sind deine Aufgaben, dein Budget und die benötigte Kontextlänge. Ein Coding-Benchmark sagt wenig über Bildverständnis oder Agentenarbeit aus.

Die Standardpreistabelle nutzt direkte Entwicklertarife. Der Anbieter-Vergleich kennzeichnet OpenRouter-Endpoints, Regionen und Sondertarife separat.

Jeder Messwert verlinkt seine Messstelle und zeigt den Abrufstand. Je nach Kennzeichnung handelt es sich um eine Anbieterangabe, ein offizielles Benchmark-Leaderboard oder eine unabhängige Evaluation. Strittige oder archivierte Ergebnisse werden nicht verwendet.

Weitere Duelle

Vergleiche GPT-5.5 und Gemini 3.8 Flash mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich

GPT-5.5 vs. Gemini 3.8 Flash

Modellauswahl ändern

Allgemeine Daten

API-Preise im Vergleich

Gemeinsame Benchmarks

Fähigkeitsprofil aus vergleichbaren Benchmarks

Unsere Tests

SVG-Kurztest

GPT-5.5

Gemini 3.8 Flash

Pelikan auf dem Fahrrad

Ein Benchmark-Sieg ist kein Gesamturteil

Ähnliche LLM-Vergleiche