Veröffentlichte Benchmarkwerte aus derselben Version und Vergleichskohorte, API-Preise und technische Eckdaten. Unterschiedliche Testeinstellungen werden sichtbar ausgewiesen.
gemeinsame Messreihen
201
verschiedene Benchmarks
29
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-5.6 Luna und Gemini 3.6 Flash
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-5.6 Luna und Gemini 3.6 Flash
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-5.6 Luna
Gemini 3.6 Flash
Coding: 100 / 82,5 (6 Benchmarkfamilien)
Reasoning: 98,1 / 100 (1 Benchmarkfamilie)
Wissen: 96,4 / 100 (1 Benchmarkfamilie)
Finanzen: 99,6 / 96,1 (6 Benchmarkfamilien)
Recht: 78,1 / 89,5 (3 Benchmarkfamilien)
Agenten-Aufgaben: 100 / 93,4 (1 Benchmarkfamilie)
Multimodal: 96,2 / 100 (1 Benchmarkfamilie)
Produktivität: 100 / 92,5 (1 Benchmarkfamilie)
30 passende Messreihen aus 27 Benchmarkfamilien wurden berücksichtigt. Das Radar zeigt 8 von 13 vergleichbaren Kategorien.
GPT-5.6 LunaGemini 3.6 Flash
BioMysteryBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 LunaGewinner61,481 %
Gemini 3.6 Flash58,519 %
Code MigrationOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 LunaGewinner44,55 %
Gemini 3.6 Flash30,928 %
CorpFin v2Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 LunaGewinner64,219 %
Gemini 3.6 Flash63,326 %
CyberBench v1.1Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 LunaGewinner73,631 %
Gemini 3.6 Flash45,357 %
EMBOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 LunaGewinner67,116 %
Gemini 3.6 Flash65,411 %
Finance Agent (v2)Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Luna55,044 %
Gemini 3.6 FlashGewinner56,296 %
GPQA DiamondOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Luna91,666 %
Gemini 3.6 FlashGewinner93,434 %
Harvey's Legal Agent BenchmarkOverall · Task fully resolved. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Luna1,25 %
Gemini 3.6 FlashGewinner3,333 %
IOIOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 LunaGewinner61,778 %
Gemini 3.6 Flash35,056 %
Legal Research BenchOverall · All-pass. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 LunaGewinner36,538 %
Gemini 3.6 Flash25 %
LegalBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Luna84,034 %
Gemini 3.6 FlashGewinner86,705 %
LMArena Text, Style ControlOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
GPT-5.6 Luna1.453,977
Gemini 3.6 FlashHöherer Messwert1.481,934
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand
Benchmarkwerte von GPT-5.6 Luna und Gemini 3.6 Flash
Benchmark und Aufgabe
GPT-5.6 Luna
Gemini 3.6 Flash
Quelle
BioMysteryBenchOverallTestdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Harness: Terminus 2
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGPT-5.6 Luna: Snapshot: gpt-5.6-luna-xhigh, Reasoning: xhigh, Harness: Arena text, style control Gemini 3.6 Flash: Snapshot: gemini-3.6-flash-high, Reasoning: high, Harness: Arena text, style controlGPT-5.6 Luna: Stilbereinigte Arena-Bewertung aus 35.823 anonymen Paarvergleichen.Gemini 3.6 Flash: Stilbereinigte Arena-Bewertung aus 33.739 anonymen Paarvergleichen.
1.453,977
95-%-Konfidenzintervall: ±4,487Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
Höherer Messwert1.481,934
95-%-Konfidenzintervall: ±4,524Der 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-5.6 Luna: Snapshot: gpt-5.6-luna-xhigh, Reasoning: xhigh, Harness: Arena text, style control Gemini 3.6 Flash: Snapshot: gemini-3.6-flash-high, Reasoning: high, Harness: Arena text, style controlGPT-5.6 Luna: Stilbereinigte Arena-Bewertung aus 6.871 anonymen Paarvergleichen.Gemini 3.6 Flash: Stilbereinigte Arena-Bewertung aus 6.456 anonymen Paarvergleichen.
1.463,458
95-%-Konfidenzintervall: ±7,984Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
Höherer Messwert1.472,22
95-%-Konfidenzintervall: ±8,085Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGPT-5.6 Luna: Snapshot: gpt-5.6-luna-xhigh, Reasoning: xhigh, Harness: Arena text, style control Gemini 3.6 Flash: Snapshot: gemini-3.6-flash-high, Reasoning: high, Harness: Arena text, style controlGPT-5.6 Luna: Stilbereinigte Arena-Bewertung aus 2.848 anonymen Paarvergleichen.Gemini 3.6 Flash: Stilbereinigte Arena-Bewertung aus 2.546 anonymen Paarvergleichen.
1.476,096
95-%-Konfidenzintervall: ±11,945Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
Höherer Messwert1.529,331
95-%-Konfidenzintervall: ±12,228Der 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-5.6 Luna
Community-Klassiker für eine freie SVG-Zeichnung.
Reasoning (angefragt): high
Erster Versuch
Datum des Testlaufs
07.09.2026
API-Anbieter
openrouter
Angefragtes API-Modell
openai/gpt-5.6-luna
API-Modell laut Antwort
openai/gpt-5.6-luna
Reasoning-Einstellung
high
Festgelegter Endpunkt
OpenAI | openai/gpt-5.6-luna-20260709
Temperatur
Anbieterstandard
Tokenlimit inklusive Reasoning
8.192 Token
Testprotokoll
community-visual-tests-v1
Technische Prüfung
Bestanden, keine Qualitätsbewertung
Antwortzeit
49,9 s
Visuell geprüft. Aus diesem Einzeltest ergibt sich kein Gesamturteil über das Modell.
Gemini 3.6 Flash
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-3.6-flash
Reasoning-Einstellung
high
Festgelegter Endpunkt
Google AI Studio | google/gemini-3.6-flash-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-5.6 Luna und Gemini 3.6 Flash mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.
