Direktvergleich
GPT-5.6 Sol vs. Gemini 3.1 Pro Preview
Veröffentlichte Benchmarkwerte aus derselben Version und Vergleichskohorte, API-Preise und technische Eckdaten. Unterschiedliche Testeinstellungen werden sichtbar ausgewiesen.
158
gemeinsame Messreihen
30
verschiedene Benchmarks
16.08.2026
jüngster Abruf
Modellauswahl ändern
Steckbrief und Kosten
Allgemeine Daten und Standard-API-Preise
Nicht veröffentlichte Parameterzahlen oder Wissensstände bleiben als solche markiert. Die Tabelle zeigt direkte Standardtarife pro Token einschließlich hinterlegter Kontextstufen. Batch, Fast, Priority, regionale Aufschläge, Toolaufrufe und Cloudpreise sind nicht eingerechnet.
| Merkmal | GPT-5.6 Sol | Gemini 3.1 Pro Preview |
|---|---|---|
| Anbieter | OpenAI | |
| Erschienen | 26. Juni 2026 | 19. Feb. 2026 |
| Verfügbarkeit | Aktiv | Preview |
| Modelltyp | Proprietär | Proprietär |
| Parameter | Nicht veröffentlicht | Nicht veröffentlicht |
| Architektur | Nicht veröffentlicht | Nicht veröffentlicht |
| Kontextfenster | 1.050.000 Token | 1.048.576 Token |
| Wissensstand | 16. Februar 2026 | Nicht veröffentlicht |
| Technische Quellen | Modell, Kontext, Wissensstand | Modell |
| API-Preise pro 1 Mio. Token | ||
| API-Eingabe | 5 $ ≤272K / 10 $ >272K | 2 $ ≤200K / 4 $ >200K |
| API-Ausgabe | 30 $ ≤272K / 45 $ >272K | 12 $ ≤200K / 18 $ >200K |
| Cache lesen | 0,5 $ ≤272K / 1 $ >272K | 0,2 $ ≤200K / 0,4 $ >200K |
| Cache schreiben (5 Min.) | 6,25 $ ≤272K / 12,5 $ >272K | Nicht ausgewiesen |
| Cache schreiben (1 Std.) | Nicht ausgewiesen | Nicht ausgewiesen |
| Preis geprüft | 11.08.2026Quelle | 30.07.2026Quelle |
GPT-5.6 SolGemini 3.1 Pro Preview
API-EingabeUSD pro 1 Mio. Token, Basistarif
GPT-5.6 Sol5 $
Gemini 3.1 Pro Preview2 $Günstiger
API-AusgabeUSD pro 1 Mio. Token, Basistarif
GPT-5.6 Sol30 $
Gemini 3.1 Pro Preview12 $Günstiger
Cache lesenUSD pro 1 Mio. Token, Basistarif
GPT-5.6 Sol0,5 $
Gemini 3.1 Pro Preview0,2 $Günstiger
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.
158 gemeinsame Messreihen
GPT-5.6 SolGemini 3.1 Pro Preview
Arena Text, Style ControlOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
GPT-5.6 Sol1.480,992 Arena-Punkte
Gemini 3.1 Pro Preview1.486,245 Arena-PunkteHöherer Messwert
BrowseCompOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol90,4 %Gewinner
Gemini 3.1 Pro Preview85,9 %
Code MigrationOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol52,916 %Gewinner
Gemini 3.1 Pro Preview17,313 %
CorpFin v2Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol64,375 %
Gemini 3.1 Pro Preview64,491 %Gewinner
CyberBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol88,136 %Gewinner
Gemini 3.1 Pro Preview36,441 %
EMBOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol72,339 %Gewinner
Gemini 3.1 Pro Preview52,616 %
EnigmaEvalOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol37,12 % ± 2,8Kein klarer Vorsprung
Gemini 3.1 Pro Preview36,78 % ± 2,71
Finance Agent (v2)Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol53,756 %Gewinner
Gemini 3.1 Pro Preview42,982 %
GPQA DiamondOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol95,2 %
Gemini 3.1 Pro Preview95,45 %Gewinner
Harvey's Legal Agent BenchmarkOverall · Task fully resolved. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol2,5 %Gewinner
Gemini 3.1 Pro Preview0 %
Legal Research BenchOverall · All-pass. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol48,077 %Gewinner
Gemini 3.1 Pro Preview20,673 %
LegalBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GPT-5.6 Sol86,965 %
Gemini 3.1 Pro Preview87,398 %Gewinner
| Benchmark und Aufgabe | GPT-5.6 Sol | Gemini 3.1 Pro Preview | Vergleichbarkeit | Quelle |
|---|---|---|---|---|
| Arena Text, Style ControlOverall | 1.480,992 Arena-Punkte 95-%-Konfidenzintervall: ±5,733Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.486,245 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±3,337Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:overallTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Snapshot: gpt-5.6-sol-xhigh, Reasoning: xhigh, Harness: Arena text, style control Gemini 3.1 Pro Preview: Snapshot: gemini-3.1-pro-preview, Harness: Arena text, style controlGPT-5.6 Sol: Stilbereinigte Arena-Bewertung aus 15.450 anonymen Paarvergleichen.Gemini 3.1 Pro Preview: Stilbereinigte Arena-Bewertung aus 94.989 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| BrowseCompOverall | 90,4 %Gewinner Redaktionelle Auswahl aus der Hersteller-Tabelle, kein vollständiger Auszug der Vergleichsgruppe. | 85,9 % Redaktionelle Auswahl aus der Hersteller-Tabelle, kein vollständiger Auszug der Vergleichsgruppe. | 1,266 tasksaccuracyMehr ist besserKohorte: browsecomp-openai-gpt-5-6-tableKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Keine weiteren Einstellungen ausgewiesenHerstellerübergreifende Vergleichstabelle mit Browser-Werkzeugen. Die genauen Agentensysteme unterscheiden sich. | OpenAITyp: AnbieterangabeMessstand: 09.07.2026Import-ID: curated-openai-2026-08-02-3d2469516088 / curated-openai-2026-08-02-6b6010847c80Abgerufen am 02.08.2026 |
| Code MigrationOverall | 52,916 %Gewinner | 17,313 % | 1accuracyMehr ist besserKohorte: vals-code-migration:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 13.08.2026Import-ID: vals-code-migration-2026-08-16-107652dc6bfcAbgerufen am 16.08.2026 |
| CorpFin v2Overall | 64,375 % | 64,491 %Gewinner | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:overallKein dokumentierter Setup-UnterschiedSieger: Gemini 3.1 Pro PreviewGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-corp_fin_v2-2026-08-16-45bbf84f57abAbgerufen am 16.08.2026 |
| CyberBenchOverall | 88,136 %Gewinner | 36,441 % | 1accuracyMehr ist besserKohorte: vals-cyberbench:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 03.08.2026Import-ID: vals-cyber-2026-08-16-702acaee9aa9Abgerufen am 16.08.2026 |
| EMBOverall | 72,339 %Gewinner | 52,616 % | 1accuracyMehr ist besserKohorte: vals-emb:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 13.08.2026Import-ID: vals-emb-2026-08-16-68d5d1d47a97Abgerufen am 16.08.2026 |
| EnigmaEvalOverallReasoning: high | 37,12 % ± 2,8Kein klarer Vorsprung 95-%-Konfidenzintervall: ±2,8 | 36,78 % ± 2,71 95-%-Konfidenzintervall: ±2,71 | open-source release 2026-07-23pass@1 accuracyMehr ist besserKohorte: scale-enigma-eval-2026-07-23Kein dokumentierter Setup-UnterschiedKein klarer VorsprungGPT-5.6 Sol: Snapshot: gpt-5.6-sol-high, Reasoning: high, Versuche: pass@1 Gemini 3.1 Pro Preview: Snapshot: gemini-3.1-pro-preview-high, Reasoning: high, Versuche: pass@1Komplexe multimodale Rätsel mit exaktem Antwortabgleich und einem Versuch. | Scale AITyp: Offizielles Benchmark-LeaderboardMessstand: 23.07.2026Import-ID: curated-scale-ai-2026-08-05-b91dbfa60eba / curated-scale-ai-2026-08-05-e31ad9c1b314Abgerufen am 05.08.2026 |
| Finance Agent (v2)Overall | 53,756 %Gewinner | 42,982 % | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 14.08.2026Import-ID: vals-fabv2-2026-08-16-8853da43085dAbgerufen am 16.08.2026 |
| GPQA DiamondOverall | 95,2 % Kleine Abstände sind wegen Sättigung und Messstreuung nicht automatisch praktisch relevant. | 95,45 %Gewinner Kleine Abstände sind wegen Sättigung und Messstreuung nicht automatisch praktisch relevant. | DiamondaccuracyMehr ist besserKohorte: vals-gpqa-diamond-2026-08-01Kein dokumentierter Setup-UnterschiedSieger: Gemini 3.1 Pro PreviewGPT-5.6 Sol: Versuche: pass@1 Gemini 3.1 Pro Preview: Versuche: pass@1Einheitliche Vals-Evaluation des weitgehend gesättigten Tests. | Vals AITyp: Unabhängige EvaluationMessstand: 01.08.2026Import-ID: curated-vals-ai-2026-08-02-40bfd78b0ea4 / curated-vals-ai-2026-08-02-68d4a57f8c33Abgerufen am 02.08.2026 |
| Harvey's Legal Agent BenchmarkOverall · Task fully resolved | 2,5 %Gewinner | 0 % | 1task resolution rateMehr ist besserKohorte: vals-legal-agent-benchmark:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 14.08.2026Import-ID: vals-hlab-2026-08-16-bae90566df2fAbgerufen am 16.08.2026 |
| Legal Research BenchOverall · All-pass | 48,077 %Gewinner | 20,673 % | 1all-pass rateMehr ist besserKohorte: vals-legal-research:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 14.08.2026Import-ID: vals-legal_research-2026-08-16-af296c00ecaaAbgerufen am 16.08.2026 |
| LegalBenchOverall | 86,965 % | 87,398 %Gewinner | 1accuracyMehr ist besserKohorte: vals-legal-bench:1:overallKein dokumentierter Setup-UnterschiedSieger: Gemini 3.1 Pro PreviewGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-legal_bench-2026-08-16-d5b3b1b2b5c8Abgerufen am 16.08.2026 |
| LiveCodeBench v6Overall | 82,604 % | 88,485 %Gewinner | 1accuracyMehr ist besserKohorte: vals-lcb:1:overallKein dokumentierter Setup-UnterschiedSieger: Gemini 3.1 Pro PreviewGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 13.08.2026Import-ID: vals-lcb-2026-08-16-17b9c147080dAbgerufen am 16.08.2026 |
| MedCodeOverall | 43,974 % | 59,062 %Gewinner | 1accuracyMehr ist besserKohorte: vals-medcode:1:overallKein dokumentierter Setup-UnterschiedSieger: Gemini 3.1 Pro PreviewGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-medcode-2026-08-16-524f7f474eacAbgerufen am 16.08.2026 |
| MedScribeOverall | 85,233 %Gewinner | 76,114 % | 1accuracyMehr ist besserKohorte: vals-medscribe:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-medscribe-2026-08-16-c385354a7e62Abgerufen am 16.08.2026 |
| MMLU-ProOverall | 89,1 % | 90,987 %Gewinner | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:overallKein dokumentierter Setup-UnterschiedSieger: Gemini 3.1 Pro PreviewGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-mmlu_pro-2026-08-16-e14d5bb3a34cAbgerufen am 16.08.2026 |
| MMMU-ProOverall | 88,844 %Gewinner | 88,208 % | 1accuracyMehr ist besserKohorte: vals-mmmu:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mmmu-2026-08-16-37c9a8c7e21fAbgerufen am 16.08.2026 |
| MortgageTaxOverall | 67,289 % | 69,396 %Gewinner | 1accuracyMehr ist besserKohorte: vals-mortgage-tax:1:overallKein dokumentierter Setup-UnterschiedSieger: Gemini 3.1 Pro PreviewGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-mortgage_tax-2026-08-16-e78c985dbb1cAbgerufen am 16.08.2026 |
| PRBench FinanceOverall | 50,45 % ± 0,33Höherer Messwert 95-%-Konfidenzintervall: ±0,33 | 41,87 % ± 1,22 95-%-Konfidenzintervall: ±1,22 | full finance setweighted rubric scoreMehr ist besserKohorte: scale-prbench-finance-fullTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Snapshot: gpt-5.6-sol-max, Reasoning: max, Versuche: pass@1 Gemini 3.1 Pro Preview: Versuche: pass@1600 Finanzaufgaben mit aufgabenspezifischen Rubriken und o4-mini als Juror. | Scale AITyp: Offizielles Benchmark-LeaderboardImport-ID: curated-scale-ai-2026-08-05-98d8a9d579fd / curated-scale-ai-2026-08-05-c33e65ae0f0eAbgerufen am 05.08.2026 |
| PRBench LegalOverall | 50,5 % ± 0,54Höherer Messwert 95-%-Konfidenzintervall: ±0,54 | 44,02 % ± 1,12 95-%-Konfidenzintervall: ±1,12 | full legal setweighted rubric scoreMehr ist besserKohorte: scale-prbench-legal-fullTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Snapshot: gpt-5.6-sol-max, Reasoning: max, Versuche: pass@1 Gemini 3.1 Pro Preview: Versuche: pass@1500 Rechtsaufgaben mit aufgabenspezifischen Rubriken und o4-mini als Juror. | Scale AITyp: Offizielles Benchmark-LeaderboardImport-ID: curated-scale-ai-2026-08-05-5caceb6c14e0 / curated-scale-ai-2026-08-05-ddea150189a5Abgerufen am 05.08.2026 |
| ProgramBenchOverall | 1,5 %Gewinner | 0 % | 1accuracyMehr ist besserKohorte: vals-programbench:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 13.08.2026Import-ID: vals-programbench-2026-08-16-08d9727662ddAbgerufen am 16.08.2026 |
| ProofBenchOverall | 83 %Gewinner | 26 % | 1.1accuracyMehr ist besserKohorte: vals-proof-bench:1.1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 14.08.2026Import-ID: vals-proof_bench-2026-08-16-14232db24de1Abgerufen am 16.08.2026 |
| Public Benefits Bench v1.1Overall | 66,509 %Gewinner | 53,789 % | 1.1accuracyMehr ist besserKohorte: vals-snap:1.1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-public-benefits-bench-2026-08-16-7ce68123c502Abgerufen am 16.08.2026 |
| SAGEOverall | 52,563 %Gewinner | 48,677 % | 1accuracyMehr ist besserKohorte: vals-sage:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-sage-2026-08-16-a416dd25affbAbgerufen am 16.08.2026 |
| SWE-bench VerifiedOverall | 96,2 %Gewinner | 78,8 % | 1accuracyMehr ist besserKohorte: vals-swebench:1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-swebench-2026-08-16-c133071b8167Abgerufen am 16.08.2026 |
| TaxEval v2Overall | 74,775 %Gewinner | 72,882 % | 2accuracyMehr ist besserKohorte: vals-tax-eval-v2:2:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-tax_eval_v2-2026-08-16-5bbd495dac53Abgerufen am 16.08.2026 |
| Terminal-Bench 2.1Overall | 85,768 %Gewinner | 70,787 % | 2.1accuracyMehr ist besserKohorte: vals-terminal-bench-2-1:2.1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 13.08.2026Import-ID: vals-terminal-bench-2-1-2026-08-16-b3f38c18bea4Abgerufen am 16.08.2026 |
| Vals IndexOverall | 63,709 %Gewinner | 41,903 % | 2weighted index scoreMehr ist besserKohorte: vals-vals-index:2:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 14.08.2026Import-ID: vals-vals_index-2026-08-16-ab641d89d6edAbgerufen am 16.08.2026 |
| Vals Multimodal IndexOverall | 72,64 %Gewinner | 56,068 % | 1.2weighted index scoreMehr ist besserKohorte: vals-vals-multimodal-index:1.2:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 11.08.2026Import-ID: vals-vals_multimodal_index-2026-08-16-9f3ebb221408Abgerufen am 16.08.2026 |
| Vibe Code Bench v1.1Overall | 80,495 %Gewinner | 32,034 % | 1.1accuracyMehr ist besserKohorte: vals-vibe-code-bench:1.1:overallKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Harness: OpenHands Gemini 3.1 Pro Preview: Harness: OpenHands | Vals AITyp: Unabhängige EvaluationMessstand: 13.08.2026Import-ID: vals-vibe-code-2026-08-16-a73c9770bcc4Abgerufen am 16.08.2026 |
| Arena Text, Style ControlBusiness, management and finance | 1.482,723 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±11,356Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.476,932 Arena-Punkte 95-%-Konfidenzintervall: ±5,678Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:industry_business_and_management_and_financial_operationsTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Snapshot: gpt-5.6-sol-xhigh, Reasoning: xhigh, Harness: Arena text, style control Gemini 3.1 Pro Preview: Snapshot: gemini-3.1-pro-preview, Harness: Arena text, style controlGPT-5.6 Sol: Stilbereinigte Arena-Bewertung aus 3.027 anonymen Paarvergleichen.Gemini 3.1 Pro Preview: Stilbereinigte Arena-Bewertung aus 18.759 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| BrowseCompOverall | 92,2 %Höherer Messwert Redaktionelle Auswahl aus der Hersteller-Tabelle, kein vollständiger Auszug der Vergleichsgruppe. | 85,9 % Redaktionelle Auswahl aus der Hersteller-Tabelle, kein vollständiger Auszug der Vergleichsgruppe. | 1,266 tasksaccuracyMehr ist besserKohorte: browsecomp-openai-gpt-5-6-tableTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: ultra Gemini 3.1 Pro Preview: Keine weiteren Einstellungen ausgewiesenHerstellerübergreifende Vergleichstabelle mit Browser-Werkzeugen. Die genauen Agentensysteme unterscheiden sich. | OpenAITyp: AnbieterangabeMessstand: 09.07.2026Import-ID: curated-openai-2026-08-02-aa55a6a6c756 / curated-openai-2026-08-02-6b6010847c80Abgerufen am 02.08.2026 |
| Code MigrationCLI | 47,221 %Höherer Messwert | 10,833 % | 1accuracyMehr ist besserKohorte: vals-code-migration:1:cliTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-code-migration-2026-08-11-3a2d5ce718a3Abgerufen am 11.08.2026 |
| CorpFin v2Exact Pages | 61,538 %Höherer Messwert | 60,839 % | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:exact_pagesTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-corp_fin_v2-2026-08-11-d9e58d191cd9Abgerufen am 11.08.2026 |
| CyberBenchPatch | 83,051 %Gewinner | 69,492 % | 1accuracyMehr ist besserKohorte: vals-cyberbench:1:patchKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 03.08.2026Import-ID: vals-cyber-2026-08-11-1f20498a3dc1Abgerufen am 11.08.2026 |
| EMBComps | 71,309 %Höherer Messwert | 44,505 % | 1accuracyMehr ist besserKohorte: vals-emb:1:compsTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-emb-2026-08-11-e3c855e236e4Abgerufen am 11.08.2026 |
| Finance Agent (v2)Adjustments | 49,233 %Höherer Messwert | 38,361 % | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:adjustmentsTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-fabv2-2026-08-11-3e5c93a1857cAbgerufen am 11.08.2026 |
| GPQA DiamondOverall | 95,202 % | 95,454 %Gewinner | 1accuracyMehr ist besserKohorte: vals-gpqa:1:overallKein dokumentierter Setup-UnterschiedSieger: Gemini 3.1 Pro PreviewGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 12.08.2026Import-ID: vals-gpqa-2026-08-16-7f8363eaa2dbAbgerufen am 16.08.2026 |
| Legal Research BenchAdministrative / Regulatory · All-pass | 60,606 %Höherer Messwert | 24,242 % | 1all-pass rateMehr ist besserKohorte: vals-legal-research:1:administrative_regulatoryTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-legal_research-2026-08-11-326cf7aaca58Abgerufen am 11.08.2026 |
| LegalBenchConclusion Tasks | 90,492 %Höherer Messwert | 89,257 % | 1accuracyMehr ist besserKohorte: vals-legal-bench:1:conclusion_tasksTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-legal_bench-2026-08-11-836e5e44618eAbgerufen am 11.08.2026 |
| LiveCodeBench v6Easy | 98,137 % | 99,068 %Höherer Messwert | 1accuracyMehr ist besserKohorte: vals-lcb:1:easyTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-lcb-2026-08-11-0342bcc364e4Abgerufen am 11.08.2026 |
| MMLU-ProBiology | 94,561 % | 95,258 %Höherer Messwert | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:biologyTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.535 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mmlu_pro-2026-08-11-b8e53828d746Abgerufen am 11.08.2026 |
| MortgageTaxNumerical Extraction | 75,119 % | 76,391 %Höherer Messwert | 1accuracyMehr ist besserKohorte: vals-mortgage-tax:1:numerical_extractionTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mortgage_tax-2026-08-11-5ea6eef3e482Abgerufen am 11.08.2026 |
| ProgramBenchAlmost Resolved | 23 %Höherer Messwert | 1 % | 1accuracyMehr ist besserKohorte: vals-programbench:1:almostTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-programbench-2026-08-11-b6f8959fbdfeAbgerufen am 11.08.2026 |
| SAGEAutomata | 39,682 %Höherer Messwert | 32,143 % | 1accuracyMehr ist besserKohorte: vals-sage:1:automataTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 30.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-sage-2026-08-11-f1f79f6d8af3Abgerufen am 11.08.2026 |
| SWE-bench Verified<15 min fix | 97,423 %Höherer Messwert | 88,66 % | 1accuracyMehr ist besserKohorte: vals-swebench:1:<15 min fixTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 08.08.2026Import-ID: vals-swebench-2026-08-11-a6212cd857d8Abgerufen am 11.08.2026 |
| TaxEval v2Correctness | 65,004 %Höherer Messwert | 60,749 % | 2accuracyMehr ist besserKohorte: vals-tax-eval-v2:2:correctnessTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.535 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-tax_eval_v2-2026-08-11-d05a40bf446fAbgerufen am 11.08.2026 |
| Terminal-Bench 2.1Easy | 91,667 %Kein direkter Sieger | 91,667 %Kein direkter Sieger | 2.1accuracyMehr ist besserKohorte: vals-terminal-bench-2-1:2.1:easyTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-terminal-bench-2-1-2026-08-11-8f0ebd72a609Abgerufen am 11.08.2026 |
| Vals IndexCorpFin v2 | 66,434 %Höherer Messwert | 65,734 % | 1.2benchmark scoreMehr ist besserKohorte: vals-vals-index:1.2:corp_fin_v2Testaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-vals_index-2026-08-11-e79d08d59249Abgerufen am 11.08.2026 |
| Vals Multimodal IndexCorpFin v2 | 66,434 %Höherer Messwert | 65,734 % | 1.2benchmark scoreMehr ist besserKohorte: vals-vals-multimodal-index:1.2:corp_fin_v2Testaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-vals_multimodal_index-2026-08-11-fa704862df19Abgerufen am 11.08.2026 |
| Arena Text, Style ControlChinese | 1.542,002 Arena-PunkteHöherer Messwert 95-%-Konfidenzintervall: ±19,125Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.531,944 Arena-Punkte 95-%-Konfidenzintervall: ±9,483Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | style-control-v1style-controlled Bradley-Terry ratingMehr ist besserKohorte: lmarena-text-style-control:2026-08-12:chineseTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Snapshot: gpt-5.6-sol-xhigh, Reasoning: xhigh, Harness: Arena text, style control Gemini 3.1 Pro Preview: Snapshot: gemini-3.1-pro-preview, Harness: Arena text, style controlGPT-5.6 Sol: Stilbereinigte Arena-Bewertung aus 1.063 anonymen Paarvergleichen.Gemini 3.1 Pro Preview: Stilbereinigte Arena-Bewertung aus 5.308 anonymen Paarvergleichen. | ArenaTyp: Offizielles Benchmark-LeaderboardMessstand: 12.08.2026Import-ID: lmarena-eeedf9209373a7f9b324bfb839e7b02fedacd1e5-1611ed64f3f1Abgerufen am 16.08.2026 |
| Code MigrationCOBOL | 70 %Höherer Messwert | 36,753 % | 1accuracyMehr ist besserKohorte: vals-code-migration:1:cobolTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-code-migration-2026-08-11-3a2d5ce718a3Abgerufen am 11.08.2026 |
| CorpFin v2Max Fitting Context | 65,152 % | 66,9 %Höherer Messwert | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:max_fitting_contextTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-corp_fin_v2-2026-08-11-d9e58d191cd9Abgerufen am 11.08.2026 |
| CyberBenchPoC | 93,22 %Gewinner | 3,39 % | 1accuracyMehr ist besserKohorte: vals-cyberbench:1:pocKein dokumentierter Setup-UnterschiedSieger: GPT-5.6 SolGPT-5.6 Sol: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 03.08.2026Import-ID: vals-cyber-2026-08-11-1f20498a3dc1Abgerufen am 11.08.2026 |
| EMBDataroom | 85,243 %Höherer Messwert | 79,17 % | 1accuracyMehr ist besserKohorte: vals-emb:1:dataroomTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-emb-2026-08-11-e3c855e236e4Abgerufen am 11.08.2026 |
| Finance Agent (v2)All-Pass | 41,362 %Höherer Messwert | 30,879 % | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:all_passTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-fabv2-2026-08-11-3e5c93a1857cAbgerufen am 11.08.2026 |
| GPQA DiamondFew-Shot CoT | 94,949 % | 95,96 %Höherer Messwert | 1accuracyMehr ist besserKohorte: vals-gpqa:1:diamond_few_shot_cotTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.535 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-gpqa-2026-08-11-d3325290a404Abgerufen am 11.08.2026 |
| Legal Research BenchAdministrative / Regulatory · Weighted partial credit | 90,69 %Höherer Messwert | 79,215 % | 1weighted partial-credit scoreMehr ist besserKohorte: vals-legal-research:1:weighted_pass__administrative_regulatoryTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-legal_research-2026-08-11-326cf7aaca58Abgerufen am 11.08.2026 |
| LegalBenchInterpretation Tasks | 84,398 %Höherer Messwert | 83,823 % | 1accuracyMehr ist besserKohorte: vals-legal-bench:1:interpretation_tasksTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-legal_bench-2026-08-11-836e5e44618eAbgerufen am 11.08.2026 |
| LiveCodeBench v6Hard | 67,429 % | 76,571 %Höherer Messwert | 1accuracyMehr ist besserKohorte: vals-lcb:1:hardTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-lcb-2026-08-11-0342bcc364e4Abgerufen am 11.08.2026 |
| MMLU-ProBusiness | 93,283 % | 93,409 %Höherer Messwert | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:businessTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.535 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mmlu_pro-2026-08-11-b8e53828d746Abgerufen am 11.08.2026 |
| MortgageTaxSemantic Extraction | 59,459 % | 62,401 %Höherer Messwert | 1accuracyMehr ist besserKohorte: vals-mortgage-tax:1:semantic_extractionTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mortgage_tax-2026-08-11-5ea6eef3e482Abgerufen am 11.08.2026 |
| ProgramBenchFully Resolved | 1,5 %Höherer Messwert | 0 % | 1accuracyMehr ist besserKohorte: vals-programbench:1:strictTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-programbench-2026-08-11-b6f8959fbdfeAbgerufen am 11.08.2026 |
| SAGECalculus | 67,284 % | 78,395 %Höherer Messwert | 1accuracyMehr ist besserKohorte: vals-sage:1:calculusTestaufbau nicht identisch dokumentiertKein direkter SiegerGPT-5.6 Sol: Reasoning: max, Ausgabegrenze: 30.000 tokens Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-sage-2026-08-11-f1f79f6d8af3Abgerufen am 11.08.2026 |
Die Tabelle zeigt 64 diversifizierte Messreihen aus insgesamt 158 gemeinsamen Ergebnissen. Dadurch verdrängt ein Benchmark mit vielen Unteraufgaben nicht alle anderen Tests.
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.
Preise beziehen sich auf die offiziellen API-Tarife pro 1 Mio. Token. Web-Abos und Cloud-Aufschläge können davon abweichen.
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 Sol und Gemini 3.1 Pro Preview mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.
Zum vollständigen LLM-Vergleich