Direktvergleich

GPT-6 Astra vs. Gemini 3.5 Flash-Lite

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

gemeinsame Messreihen: 166
verschiedene Benchmark-Messgrößen: 16
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-6 Astra und Gemini 3.5 Flash-Lite
Merkmal	GPT-6 Astra	Gemini 3.5 Flash-Lite
Anbieter	OpenAI	Google
Erschienen	3. Sept. 2026	21. Juli 2026
Verfügbarkeit	Eingeschränkter Zugang	Aktiv
Modelltyp	Proprietär	Proprietär
Parameter	Nicht veröffentlicht	Nicht veröffentlicht
Architektur	Nicht veröffentlicht	Nicht veröffentlicht
Kontextfenster	1.050.000 Token	1.048.576 Token
Wissensstand	30. April 2026	Nicht veröffentlicht
Technische Quellen	Modell, Kontext	Modell

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-6 Astra und Gemini 3.5 Flash-Lite
Preisart	GPT-6 Astra	Gemini 3.5 Flash-Lite
API-Eingabe	10 $ ≤272K / 20 $ >272K	0,3 $
API-Ausgabe	50 $ ≤272K / 75 $ >272K	2,5 $
Cache lesen	1 $ ≤272K / 2 $ >272K	0,03 $
Cache schreiben (5 Min.)	12,5 $ ≤272K / 25 $ >272K	Nicht ausgewiesen
Cache schreiben (1 Std.)	Nicht ausgewiesen	Nicht ausgewiesen
Preis geprüft	22.09.2026 Quelle	22.09.2026 Quelle

GPT-6 AstraGemini 3.5 Flash-Lite

API-EingabeUSD pro 1 Mio. Token, Basistarif

GPT-6 Astra10 $

Gemini 3.5 Flash-Lite0,3 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

GPT-6 Astra50 $

Gemini 3.5 Flash-Lite2,5 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

GPT-6 Astra1 $

Gemini 3.5 Flash-Lite0,03 $

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-6 Astra und Gemini 3.5 Flash-Lite
Modell	Anbieter	Bezugsweg und Tarif	Eingabe pro 1 Mio. Token	Ausgabe pro 1 Mio. Token	Quelle
GPT-6 Astra	OpenAI	Direkt beim EntwicklerBis 272.000 Kontext-Token	10 $	50 $	Quelle22.09.2026
	OpenAI	Direkt beim EntwicklerÜber 272.000 Kontext-Token	20 $	75 $	Quelle22.09.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock/us-west-2	11 $	55 $	Quelle19.10.2026
	Azure	Über OpenRouterazure	10 $	50 $	Quelle19.10.2026
	Azure	Über OpenRouterazure/us	11 $	55 $	Quelle19.10.2026
	OpenAI	Über OpenRouteropenai	10 $	50 $	Quelle19.10.2026
	OpenAI	Über OpenRouteropenai/fast	20 $	100 $	Quelle19.10.2026
	OpenAI	Über OpenRouteropenai/flex	Günstigster erfasster Preis: 5 $	Günstigster erfasster Preis: 25 $	Quelle19.10.2026
	OpenAI	Über OpenRouteropenai/ultrafast	60 $	300 $	Quelle19.10.2026
Gemini 3.5 Flash-Lite	Google	Direkt beim EntwicklerStandard-API	0,3 $	2,5 $	Quelle22.09.2026
	Google	Über OpenRoutergoogle-vertex/eu	0,33 $	2,75 $	Quelle19.10.2026
	Google	Über OpenRoutergoogle-vertex/global	0,3 $	2,5 $	Quelle19.10.2026
	Google	Über OpenRoutergoogle-vertex/global/flex	Günstigster erfasster Preis: 0,15 $	Günstigster erfasster Preis: 1,25 $	Quelle19.10.2026
	Google	Über OpenRoutergoogle-vertex/global/priority	0,54 $	4,5 $	Quelle19.10.2026
	Google	Über OpenRoutergoogle-vertex/us	0,33 $	2,75 $	Quelle19.10.2026
	Google AI Studio	Über OpenRoutergoogle-ai-studio	0,3 $	2,5 $	Quelle19.10.2026
	Google AI Studio	Über OpenRoutergoogle-ai-studio/flex	Günstigster erfasster Preis: 0,15 $	Günstigster erfasster Preis: 1,25 $	Quelle19.10.2026
	Google AI Studio	Über OpenRoutergoogle-ai-studio/priority	0,54 $	4,5 $	Quelle19.10.2026

Leistung

Gemeinsame Benchmarks

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

Fähigkeitsprofil aus vergleichbaren Benchmarks

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

Nicht genug direkt vergleichbare Kategorien für ein belastbares Radar

Nur 0 von mindestens 5 Kategorien enthalten direkt vergleichbare Modellmessungen. Die Benchmarktabellen darunter zeigen die vorhandenen Belege, ohne fehlende Achsen aufzufüllen.

GPT-6 AstraGemini 3.5 Flash-Lite

Code MigrationOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-6 Astra67,74 %

Gemini 3.5 Flash-Lite6,148 %

CyberBench v1.1Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-6 Astra41,072 %

Gemini 3.5 Flash-Lite59,107 %

EMBOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-6 Astra71,7 %

Gemini 3.5 Flash-Lite43,231 %

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

GPT-6 Astra53,54 %

Gemini 3.5 Flash-Lite47,442 %

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

GPT-6 Astra5,417 %

Gemini 3.5 Flash-Lite0 %

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

GPT-6 Astra39,423 %

Gemini 3.5 Flash-Lite13,942 %

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

GPT-6 Astra1.780,244

Gemini 3.5 Flash-Lite1.440,401

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

GPT-6 Astra1.476,716

Gemini 3.5 Flash-Lite1.454,971

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

GPT-6 Astra1.285,988

Gemini 3.5 Flash-Lite1.265,999

MedCodeOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-6 Astra48,486 %

Gemini 3.5 Flash-Lite43,489 %

MedScribeOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-6 Astra87,908 %

Gemini 3.5 Flash-Lite70,886 %

ProgramBenchOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-6 Astra5,5 %

Gemini 3.5 Flash-Lite0 %

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von GPT-6 Astra und Gemini 3.5 Flash-Lite
Benchmark und Aufgabe	GPT-6 Astra	Gemini 3.5 Flash-Lite	Quelle
Code MigrationOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert67,74 %	6,148 %	Vals AI Quellendetails Datenstand: 12.10.2026
CyberBench v1.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	41,072 %	Höherer Messwert59,107 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert71,7 %	43,231 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert53,54 %	47,442 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkOverall · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert5,417 %	0 %	Vals AI Quellendetails Datenstand: 12.10.2026
Legal Research BenchOverall · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert39,423 %	13,942 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Code Arena WebDevOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserGPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Code Arena WebDev Gemini 3.5 Flash-Lite: Snapshot: gemini-3.5-flash-lite, Harness: Arena Code Arena WebDevGPT-6 Astra: Arena-Bewertung aus 5.746 veröffentlichten Paarvergleichen.Gemini 3.5 Flash-Lite: Arena-Bewertung aus 242 veröffentlichten Paarvergleichen.	Höherer Messwert1.780,244 95-%-Konfidenzintervall: ±10,541Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.440,401 95-%-Konfidenzintervall: ±40,572Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Text, Style ControlOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Text, style control Gemini 3.5 Flash-Lite: Snapshot: gemini-3.5-flash-lite, Harness: Arena Text, style controlGPT-6 Astra: Arena-Bewertung aus 11.674 veröffentlichten Paarvergleichen.Gemini 3.5 Flash-Lite: Arena-Bewertung aus 35.845 veröffentlichten Paarvergleichen.	Höherer Messwert1.476,716 95-%-Konfidenzintervall: ±6,385Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.454,971 95-%-Konfidenzintervall: ±4,474Der 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-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Vision, style control Gemini 3.5 Flash-Lite: Snapshot: gemini-3.5-flash-lite, Harness: Arena Vision, style controlGPT-6 Astra: Arena-Bewertung aus 3.590 veröffentlichten Paarvergleichen.Gemini 3.5 Flash-Lite: Arena-Bewertung aus 8.381 veröffentlichten Paarvergleichen.	Höherer Messwert1.285,988 95-%-Konfidenzintervall: ±10,782Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.265,999 95-%-Konfidenzintervall: ±8,109Der 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-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens	Höherer Messwert48,486 %	43,489 %	Vals AI Quellendetails Datenstand: 13.10.2026
MedScribeOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens	Höherer Messwert87,908 %	70,886 %	Vals AI Quellendetails Datenstand: 13.10.2026
ProgramBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully resolved rateBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert5,5 %	0 %	Vals AI Quellendetails Datenstand: 12.10.2026
SAGEOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 30.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens	46,367 %	Höherer Messwert47,303 %	Vals AI Quellendetails Datenstand: 08.10.2026
Tax Agent BenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert20,717 %	7,254 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-Bench 2.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert87,266 %	50,187 %	Vals AI Quellendetails Datenstand: 28.09.2026
Vibe Code Bench v1.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert89,594 %	37,161 %	Vals AI Quellendetails Datenstand: 12.10.2026
Code MigrationCLI Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert67,463 %	5,875 %	Vals AI Quellendetails Datenstand: 12.10.2026
CyberBench v1.1Patch Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert82,143 %	73,214 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBComps Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert77,953 %	46,417 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Adjustments Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert48,318 %	41,741 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Criteria passed Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: criteria pass rateBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert88,768 %	76,449 %	Vals AI Quellendetails Datenstand: 12.10.2026
Legal Research BenchAdministrative / Regulatory · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert53,03 %	19,697 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Code Arena WebDevImage to webdev Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserGPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Code Arena WebDev Gemini 3.5 Flash-Lite: Snapshot: gemini-3.5-flash-lite, Harness: Arena Code Arena WebDevGPT-6 Astra: Arena-Bewertung aus 2.739 veröffentlichten Paarvergleichen.Gemini 3.5 Flash-Lite: Arena-Bewertung aus 1.600 veröffentlichten Paarvergleichen.	Höherer Messwert1.731,395 95-%-Konfidenzintervall: ±13,296Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.447,43 95-%-Konfidenzintervall: ±15,334Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 09.10.2026
LMArena Text, Style ControlBusiness, management and finance Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Text, style control Gemini 3.5 Flash-Lite: Snapshot: gemini-3.5-flash-lite, Harness: Arena Text, style controlGPT-6 Astra: Arena-Bewertung aus 2.061 veröffentlichten Paarvergleichen.Gemini 3.5 Flash-Lite: Arena-Bewertung aus 6.603 veröffentlichten Paarvergleichen.	Höherer Messwert1.472,34 95-%-Konfidenzintervall: ±13,336Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.452,709 95-%-Konfidenzintervall: ±7,982Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Vision, Style ControlChinese Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Vision, style control Gemini 3.5 Flash-Lite: Snapshot: gemini-3.5-flash-lite, Harness: Arena Vision, style controlGPT-6 Astra: Arena-Bewertung aus 230 veröffentlichten Paarvergleichen.Gemini 3.5 Flash-Lite: Arena-Bewertung aus 471 veröffentlichten Paarvergleichen.	Höherer Messwert1.357,126 95-%-Konfidenzintervall: ±39,572Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.301,978 95-%-Konfidenzintervall: ±28,157Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 09.10.2026
ProgramBenchAlmost Resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: almost-resolved rateBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert50 %	0 %	Vals AI Quellendetails Datenstand: 12.10.2026
SAGEAutomata Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 30.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens	Höherer Messwert37,302 %	28,968 %	Vals AI Quellendetails Datenstand: 08.10.2026
Tax Agent BenchControversy & Precedence Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert13,333 %	3,333 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-Bench 2.1Easy Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert100 %	66,667 %	Vals AI Quellendetails Datenstand: 28.09.2026
Code MigrationCOBOL Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert68,571 %	6,964 %	Vals AI Quellendetails Datenstand: 12.10.2026
CyberBench v1.1PoC Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	0 %	Höherer Messwert45 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBDataroom Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert79,319 %	57,687 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)All-Pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert40,252 %	35,265 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Kein direkter Sieger0 %	Kein direkter Sieger0 %	Vals AI Quellendetails Datenstand: 12.10.2026
Legal Research BenchAdministrative / Regulatory · Weighted partial credit Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: weighted partial-credit scoreBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert87,482 %	71,96 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Code Arena WebDevWebdev Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserGPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Code Arena WebDev Gemini 3.5 Flash-Lite: Snapshot: gemini-3.5-flash-lite, Harness: Arena Code Arena WebDevGPT-6 Astra: Arena-Bewertung aus 5.746 veröffentlichten Paarvergleichen.Gemini 3.5 Flash-Lite: Arena-Bewertung aus 242 veröffentlichten Paarvergleichen.	Höherer Messwert1.780,244 95-%-Konfidenzintervall: ±10,541Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.440,401 95-%-Konfidenzintervall: ±40,572Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Text, Style ControlChinese Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Text, style control Gemini 3.5 Flash-Lite: Snapshot: gemini-3.5-flash-lite, Harness: Arena Text, style controlGPT-6 Astra: Arena-Bewertung aus 877 veröffentlichten Paarvergleichen.Gemini 3.5 Flash-Lite: Arena-Bewertung aus 2.746 veröffentlichten Paarvergleichen.	Höherer Messwert1.514,537 95-%-Konfidenzintervall: ±19,541Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.483,866 95-%-Konfidenzintervall: ±12,01Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Vision, Style ControlCreative writing vision Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Vision, style control Gemini 3.5 Flash-Lite: Snapshot: gemini-3.5-flash-lite, Harness: Arena Vision, style controlGPT-6 Astra: Arena-Bewertung aus 367 veröffentlichten Paarvergleichen.Gemini 3.5 Flash-Lite: Arena-Bewertung aus 787 veröffentlichten Paarvergleichen.	Höherer Messwert1.289,081 95-%-Konfidenzintervall: ±32,749Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.256,499 95-%-Konfidenzintervall: ±22,214Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 09.10.2026
ProgramBenchFully Resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully resolved rateBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert5,5 %	0 %	Vals AI Quellendetails Datenstand: 12.10.2026
SAGECalculus Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 30.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens	Höherer Messwert79,938 %	60,494 %	Vals AI Quellendetails Datenstand: 08.10.2026
Tax Agent BenchControversy & Precedence Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert58,616 %	34,598 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-Bench 2.1Hard Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert87,778 %	31,111 %	Vals AI Quellendetails Datenstand: 28.09.2026
Code MigrationCode Quality Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: mean reviewer code-quality ratingBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert4,469 / 5	2,652 / 5	Vals AI Quellendetails Datenstand: 12.10.2026
EMBDCF Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert64,483 %	33,614 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Comparables Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	37,758 %	Höherer Messwert45,186 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkArbitration International Dispute Resolution · Criteria passed Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: criteria pass rateBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert86,022 %	63,799 %	Vals AI Quellendetails Datenstand: 12.10.2026
Legal Research BenchBusiness & Commercial · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert32,558 %	6,977 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Code Arena WebDevWebdev-react Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserGPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Code Arena WebDev Gemini 3.5 Flash-Lite: Snapshot: gemini-3.5-flash-lite, Harness: Arena Code Arena WebDevGPT-6 Astra: Arena-Bewertung aus 3.422 veröffentlichten Paarvergleichen.Gemini 3.5 Flash-Lite: Arena-Bewertung aus 151 veröffentlichten Paarvergleichen.	Höherer Messwert1.804,405 95-%-Konfidenzintervall: ±13,548Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.417,798 95-%-Konfidenzintervall: ±52,026Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Text, Style ControlCoding Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Text, style control Gemini 3.5 Flash-Lite: Snapshot: gemini-3.5-flash-lite, Harness: Arena Text, style controlGPT-6 Astra: Arena-Bewertung aus 2.659 veröffentlichten Paarvergleichen.Gemini 3.5 Flash-Lite: Arena-Bewertung aus 9.919 veröffentlichten Paarvergleichen.	Höherer Messwert1.543,161 95-%-Konfidenzintervall: ±11,756Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.501,467 95-%-Konfidenzintervall: ±6,923Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Vision, Style ControlDiagram Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Vision, style control Gemini 3.5 Flash-Lite: Snapshot: gemini-3.5-flash-lite, Harness: Arena Vision, style controlGPT-6 Astra: Arena-Bewertung aus 861 veröffentlichten Paarvergleichen.Gemini 3.5 Flash-Lite: Arena-Bewertung aus 2.111 veröffentlichten Paarvergleichen.	Höherer Messwert1.310,509 95-%-Konfidenzintervall: ±20,739Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.293,093 95-%-Konfidenzintervall: ±13,782Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 09.10.2026
ProgramBenchRaw Pass Rate Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: raw test pass rateBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert85,417 %	33,852 %	Vals AI Quellendetails Datenstand: 12.10.2026
SAGELinear Algebra Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 30.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens	62,117 %	Höherer Messwert63,736 %	Vals AI Quellendetails Datenstand: 08.10.2026
Tax Agent BenchCurrent & Temporal Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert29,944 %	3,333 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-Bench 2.1Medium Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert86,061 %	59,394 %	Vals AI Quellendetails Datenstand: 28.09.2026
EMBLBO Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert61,825 %	40,127 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Disclosure Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert61,684 %	56,138 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkArbitration International Dispute Resolution · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Kein direkter Sieger0 %	Kein direkter Sieger0 %	Vals AI Quellendetails Datenstand: 12.10.2026
Legal Research BenchBusiness & Commercial · Weighted partial credit Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: weighted partial-credit scoreBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert83,821 %	73,216 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Text, Style ControlCreative writing Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Text, style control Gemini 3.5 Flash-Lite: Snapshot: gemini-3.5-flash-lite, Harness: Arena Text, style controlGPT-6 Astra: Arena-Bewertung aus 2.620 veröffentlichten Paarvergleichen.Gemini 3.5 Flash-Lite: Arena-Bewertung aus 7.483 veröffentlichten Paarvergleichen.	Höherer Messwert1.449,578 95-%-Konfidenzintervall: ±12,436Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.436,091 95-%-Konfidenzintervall: ±7,984Der 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 ControlEnglish Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGPT-6 Astra: Snapshot: gpt-6-astra-max, Reasoning: max, Harness: Arena Vision, style control Gemini 3.5 Flash-Lite: Snapshot: gemini-3.5-flash-lite, Harness: Arena Vision, style controlGPT-6 Astra: Arena-Bewertung aus 1.205 veröffentlichten Paarvergleichen.Gemini 3.5 Flash-Lite: Arena-Bewertung aus 2.880 veröffentlichten Paarvergleichen.	Höherer Messwert1.288,398 95-%-Konfidenzintervall: ±17,904Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.267,775 95-%-Konfidenzintervall: ±12,218Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 09.10.2026
SAGEPartial Differential Equations Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 30.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens	39,683 %	Höherer Messwert49,206 %	Vals AI Quellendetails Datenstand: 08.10.2026
Tax Agent BenchCurrent & Temporal Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert66,224 %	24,916 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBM&A Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert83,066 %	43,213 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Earnings Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Astra: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash-Lite: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert69,474 %	64,369 %	Vals AI Quellendetails Datenstand: 12.10.2026
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Eigene Modelltests

Unsere Tests

SVG-Kurztest

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

Gemeinsame Testrunde: 4ae5d8eeb9a9

GPT-6 Astra

In dieser Runde nicht verfügbar

Gemini 3.5 Flash-Lite

In dieser Runde nicht verfügbar

Frühere Tests

Pelikan auf dem Fahrrad

Community-Klassiker für eine freie SVG-Zeichnung.

GPT-6 Astra

Reasoning (angefragt): high

Aktueller Versuch

Datum des Testlaufs: 07.09.2026
API-Anbieter: openrouter
Angefragtes API-Modell: openai/gpt-6-astra
API-Modell laut Antwort: openai/gpt-6-astra
Reasoning-Einstellung: high
Festgelegter Endpunkt: OpenAI | openai/gpt-6-astra-20260903
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Bestanden, keine Qualitätsbewertung
Antwortzeit: 141,7 s

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

Gemini 3.5 Flash-Lite

Reasoning (angefragt): high

Aktueller Versuch

Datum des Testlaufs: 02.10.2026
API-Anbieter: openrouter
Angefragtes API-Modell: google/gemini-3.5-flash-lite
API-Modell laut Antwort: google/gemini-3.5-flash-lite
Reasoning-Einstellung: high
Festgelegter Endpunkt: Google AI Studio | google/gemini-3.5-flash-lite-20260721
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Bestanden, keine Qualitätsbewertung
Antwortzeit: 14,3 s

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

Frühere Versuche (2)

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-6 Astra und Gemini 3.5 Flash-Lite mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich

GPT-6 Astra vs. Gemini 3.5 Flash-Lite

Modellauswahl ändern

Allgemeine Daten

API-Preise im Vergleich

Gemeinsame Benchmarks

Fähigkeitsprofil aus vergleichbaren Benchmarks

Unsere Tests

SVG-Kurztest

GPT-6 Astra

Gemini 3.5 Flash-Lite

Pelikan auf dem Fahrrad

Ein Benchmark-Sieg ist kein Gesamturteil

Ähnliche LLM-Vergleiche