OpenAIGoogleLLM-Duell

GPT-6 Lunavs.Gemini 3.5 Flash

Wer ist besser?

GPT-6 Luna und Gemini 3.5 Flash schneiden etwa gleich gut ab.

gleichauf

LeistungGesamtindex, 100 Punkte = Durchschnitt

96,3

GPT-6 Luna

Platz 35

96,9

Gemini 3.5 Flash

Platz 33

Gemini 3.5 Flash schneller

TempoToken pro Sekunde

101

GPT-6 Luna

184

Gemini 3.5 Flash

Preis$ je 1 Mio. Token

0,20 $

GPT-6 Luna

k. A.

Gemini 3.5 Flash

GPT-6 Luna beliebter

Beliebtheit0 bis 100

GPT-6 Luna

Platz 30 von 785

Gemini 3.5 Flash

Platz 372 von 785

Ab 272.000 Token im Kontext kostet GPT-6 Luna mehr: 0,20 $ Eingabe und 0,75 $ Ausgabe je 1 Mio. Token.

Nimm GPT-6 Luna für

MathematikProgrammieren

Nimm Gemini 3.5 Flash für

WissenMultimodal

Wo liegt der Unterschied?

Stärken im Überblick

GPT-6 LunaGemini 3.5 FlashMedian aller Modelle mit Platz

ProgrammierenGPT-6 Luna vorn

GPT-6 Luna97,5Platz 35

Gemini 3.5 Flash89,9Platz 50

Median aller Modelle mit Platz84,1

95-%-Bereich: GPT-6 Luna 94,5 bis 100,5, Gemini 3.5 Flash 84,8 bis 94,9.

BereichGPT-6 LunaGemini 3.5 Flash

Dieselben Werte und Urteile wie die Balken darunter. Im Ausschnitt beginnt das Netz bei 80 Punkten, knapp unter dem schwächsten Wert der beiden Modelle; der Durchschnitt der Referenzgruppe liegt bei 100.

GPT-6 Luna liegt in 2 von 10 Bereichen vorn, Gemini 3.5 Flash in 2.

GPT-6 Luna vorn: 2gleichauf: 6Gemini 3.5 Flash vorn: 2

Bereiche im Gesamtindex

WissenGemini 3.5 Flash +1689,2 zu 105,1

MathematikGPT-6 Luna +13105,5 zu 92,7

MultimodalGemini 3.5 Flash +1092,0 zu 101,9

ProgrammierenGPT-6 Luna +897,5 zu 89,9

Schlussfolgerngleichauf97,8 zu 95,0

Agentengleichauf99,5 zu 97,2

Allgemeingleichauf94,4 zu 96,2

Fachgebiete

Gesundheitgleichauf95,2 zu 98,1

Rechtgleichauf90,7 zu 93,5

Finanzengleichauf98,3 zu 97,7

Die Balkenlänge zeigt den Abstand in Indexpunkten (volle Breite 15 Punkte, eine Standardabweichung der Referenzgruppe). Voll heißt sicher vorn, schraffiert noch nicht sicher, ein dünner grauer Balken gleichauf.

4 weitere Bereiche anzeigen, die nicht zum Gesamtindex zählen

Produktivitätzu wenig Daten90,5 zu 91,2

Cybersicherheitnur GPT-6 Luna mit Wertung

Suchenur GPT-6 Luna mit Wertung

Bildungnur GPT-6 Luna mit Wertung

Welches Modell für welche Aufgabe?

Alltagsaufgaben, übersetzt aus den Bereichswerten oben. Jede Zeile nennt die Werte, auf denen sie beruht.

AufgabeBesser geeignetberuht auf

Code schreiben und Fehler findenGPT-6 LunaProgrammieren 97,5 zu 89,9

Mathe und DatenanalyseGPT-6 LunaMathematik 105,5 zu 92,7, Schlussfolgern 97,8 zu 95,0

Fakten und RechercheGemini 3.5 FlashWissen 89,2 zu 105,1, Suche ohne Wertung für Gemini 3.5 Flash

Agenten und WorkflowsgleichaufAgenten 99,5 zu 97,2

Schnelle Antworten im ChatGemini 3.5 Flash101 zu 184 Token pro Sekunde

SicherheitsanalysenoffenCybersicherheit ohne Wertung für Gemini 3.5 Flash

Finanz-, Rechts- und MedizintextegleichaufFinanzen 98,3 zu 97,7, Recht 90,7 zu 93,5, Gesundheit 95,2 zu 98,1

Bilder, Screenshots und PDFsGemini 3.5 FlashMultimodal 92,0 zu 101,9

Selbst ansehen: gleicher Auftrag, ein Versuch

Derselbe Prompt für beide Modelle. Gezeigt wird der neueste Versuch ohne Nachbesserung; er zählt nicht zum Gesamtindex.

Pelikan auf dem Fahrrad

Auftrag (englisches Original)

Generate an SVG of a pelican riding a bicycle

Ursprung der Aufgabe: Simon Willison

GPT-6 Luna

01.10.2026 · 47 s · 0,0022 $

Testdetails

Datum des Testlaufs: 01.10.2026
API-Anbieter: openrouter
Angefragtes API-Modell: openai/gpt-6-luna
Reasoning-Einstellung: high
Tokenlimit inklusive Reasoning: 8.192 Token
Ausgabe-Token: 4.493 Token
Kosten des Versuchs: 0,0022 $
Antwortzeit: 46,7 s
API-Modell laut Antwort: openai/gpt-6-luna
Festgelegter Endpunkt: OpenAI | openai/gpt-6-luna-20260922
Temperatur: Anbieterstandard
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Bestanden, keine Qualitätsbewertung

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

Gemini 3.5 Flash

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

06.10.2026 · 32 s · 0,07 $

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

Testdetails

Datum des Testlaufs: 06.10.2026
API-Anbieter: openrouter
Angefragtes API-Modell: google/gemini-3.5-flash
Reasoning-Einstellung: high
Tokenlimit inklusive Reasoning: 8.192 Token
Ausgabe-Token: 8.188 Token
Kosten des Versuchs: 0,0737 $
Antwortzeit: 31,7 s
API-Modell laut Antwort: google/gemini-3.5-flash
Festgelegter Endpunkt: Google AI Studio | google/gemini-3.5-flash-20260519
Temperatur: Anbieterstandard
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Nicht bestanden

Frühere Versuche (3)

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

SVG-Kurztest

Ein SVG-Auftrag mit denselben festen Einstellungen für alle Modelle, ohne verdecktes Nachdenken.

Auftrag

Gib nur ein eigenständiges SVG eines Pelikans zurück, der Fahrrad fährt. Verwende viewBox „0 0 800 600“, einfache Formen, zwei deutlich sichtbare Räder und einen erkennbaren Pelikan mit langem Schnabel. Höchstens 30 SVG-Elemente und 1.800 Zeichen. Kein Markdown, keine Erklärungen, Kommentare, Skripte, Animationen, CSS oder externen Ressourcen.

Englischer Original-Auftrag

Return only one standalone SVG of a pelican riding a bicycle. Use viewBox="0 0 800 600", simple shapes, two clearly visible wheels and a recognizable pelican with a long beak. At most 30 SVG elements and 1800 characters. No Markdown, explanations, comments, scripts, animation, CSS or external resources.

GPT-6 Luna

In dieser Runde nicht verfügbar

Gemini 3.5 Flash

In dieser Runde nicht verfügbar

GPT-6 Luna und Gemini 3.5 Flash im Gesamtindex

Alle Modelle mit Platz im Gesamtindex, beide Modelle dieses Vergleichs hervorgehoben. Weitere Modelle kannst du dazunehmen oder ausblenden.

Gesamtindex (Gradually Meta-Score v4)

20 von 92 Modellen

5 Modelle dieser Auswahl sind im Gesamtindex mit einer niedrigeren Reasoning-Stufe als max gemessen. Gestrichelte Säule: niedrigere Reasoning-Stufe als die Spitze.

Claude Opus 5.5max126,1

Gemini 4 Carbonhigh125,8

Claude Fable 5.1max123,8

Claude Sonnet 5.5max122,8

Gemini 4 Argonhigh122,3

GPT-6 Astramax121,3

GPT-6.1 Solmax119,2

Muse Wonder Fullmax118,3

Claude Opus 5max117,2

Muse Wondermax113,4

Kimi K3.1 Promax112,9

Claude Fable 5max112,5

GPT-6 Solmax110,5

GPT-5.6 Solmax108,7

Muse Spark 1.3max107,4

Gemini 3.7 Flashhigh107,1

DeepSeek V4.1 Flash 1017max106,6

Gemini 3.8 Flashhigh106,5

Gemini 3.5 Flashhigh96,9

GPT-6 Lunamax96,3

Claude Opus 5.5

Gemini 4 Carbon

Claude Fable 5.1

Claude Sonnet 5.5

Gemini 4 Argon

GPT-6 Astra

GPT-6.1 Sol

Muse Wonder Full

Claude Opus 5

Muse Wonder

Kimi K3.1 Pro

Claude Fable 5

GPT-6 Sol

GPT-5.6 Sol

Muse Spark 1.3

Gemini 3.7 Flash

DeepSeek V4.1 Flash 1017

Gemini 3.8 Flash

Gemini 3.5 Flash

GPT-6 Luna

Beliebtheit im Vergleich

Wie oft die Modelle gesucht, genutzt und erwähnt werden, auf einer Skala von 0 bis 100.

GPT-6 Luna ist beliebter als Gemini 3.5 Flash: 60 zu 37 von 100.

Zeitlicher Verlauf

Wochenwerte vom 18. Oktober 2026 bis 7. November 2026

GPT-6 LunaGemini 3.5 Flash

Alle Daten im Vergleich

Der bessere Wert ist fett. Beim Gesamtindex nur, wenn der Abstand klar ist.

Kennzahl	GPT-6 Luna	Gemini 3.5 Flash
Leistung
GesamtindexPunkte, 100 = Durchschnitt der Referenzgruppe, höher ist besser	96,3	96,9
Platz	Platz 35 von 92	Platz 33 von 92
Preis je 1 Mio. Token
Eingabewas du schickst	0,10 $über 272.000 Token: 0,20 $	k. A.
Ausgabewas das Modell schreibt	0,50 $über 272.000 Token: 0,75 $	k. A.
Kosten je Aufgabe (eigene Tests)Durchschnitt aus 2 Aufgaben des ursprünglichen Testprotokolls, die beide Modelle bestanden haben (ohne SVG-Kurztest)	0,004 $	0,12 $
Tempo
Token pro Sekunde	101	184
Beliebtheit
BeliebtheitSuche, Nutzung und Erwähnungen, 0 bis 100	60Platz 30 von 785	37Platz 372 von 785
Technik
Kontextfensterwie viel Text das Modell auf einmal liest	1,05 Mio. Token≈ 1.580 A4-Seiten	1,05 Mio. Token≈ 1.570 A4-Seiten
Wissensstand	18.05.2026	k. A.
Veröffentlicht	22.09.2026	19.05.2026
Verfügbarkeit	Aktiv	Eingestellt
Offene Gewichte	nein	nein

Preise ohne Rabatte für Zwischenspeicher und Stapelverarbeitung · Seitenzahl als Faustregel nach Artificial Analysis

Gibt es eine bessere Wahl?

Nachfolger von Gemini 3.5 FlashGemini 3.6 Flash

Gesamtindex 96,7, Platz 340,75 $ Eingabe und 3,75 $ Ausgabe je 1 Mio. Token

GPT-6 Luna vs. Gemini 3.6 Flash

Bestes Modell im GesamtindexClaude Opus 5.5

Gesamtindex 126,1, Platz 14 $ Eingabe und 20 $ Ausgabe je 1 Mio. Token

Gemini 3.5 Flash vs. Claude Opus 5.5

Gemeinsame Benchmarks

Einzelwerte aus derselben Benchmark-Version, Aufgabe und Messgröße. Fett ist ein Wert nur bei gleichem Testaufbau und klarem Abstand.

A: GPT-6 LunaB: Gemini 3.5 Flash

Code MigrationOverall · höher ist besserTestaufbau nicht identisch dokumentiert42,6 %26,7 %Vals AIStand 29.10.2026

EMBOverall · höher ist besserTestaufbau nicht identisch dokumentiert68,5 %63,5 %Vals AIStand 20.10.2026

Finance Agent (v2)Overall · höher ist besserTestaufbau nicht identisch dokumentiert49,9 %57,9 %Vals AIStand 29.10.2026

GDPval-AAOverall · höher ist besser1.352,1 elo1.211,6 eloArtificial AnalysisStand 07.11.2026

Legal Research BenchOverall · All-pass · höher ist besserTestaufbau nicht identisch dokumentiert30,3 %30,8 %Vals AIStand 05.11.2026

LMArena Code Arena WebDevOverall · höher ist besserTestaufbau nicht identisch dokumentiert1.5791.499LMArenaStand 28.10.2026

LMArena Text, Style ControlOverall · höher ist besserTestaufbau nicht identisch dokumentiert1.4411.478LMArenaStand 28.10.2026

LMArena Vision, Style ControlOverall · höher ist besserTestaufbau nicht identisch dokumentiert1.2401.282LMArenaStand 19.10.2026

MedCodeOverall · höher ist besserTestaufbau nicht identisch dokumentiert44,7 %55,8 %Vals AIStand 29.10.2026

MedScribeOverall · höher ist besserTestaufbau nicht identisch dokumentiert83,7 %76,6 %Vals AIStand 29.10.2026

54 weitere Benchmarks anzeigen

MMMU-ProOverall · höher ist besser77,5 %84,3 %Artificial AnalysisStand 07.11.2026

ProgramBenchOverall · höher ist besserTestaufbau nicht identisch dokumentiert0,5 %0,0 %Vals AIStand 05.11.2026

ProofBench v1.1Overall · höher ist besserTestaufbau nicht identisch dokumentiert64 %31 %Vals AIStand 29.10.2026

Public Benefits Bench v1.1Overall · höher ist besserTestaufbau nicht identisch dokumentiert57,6 %59,5 %Vals AIStand 12.10.2026

Tax Agent BenchOverall · höher ist besserTestaufbau nicht identisch dokumentiert19,9 %21,7 %Vals AIStand 05.11.2026

Terminal-Bench 4.0Overall · höher ist besserTestaufbau nicht identisch dokumentiert13,6 %6,1 %Vals AIStand 05.11.2026

Terminal-Bench-ScienceOverall · höher ist besserTestaufbau nicht identisch dokumentiert4,3 %5,7 %Vals AIStand 05.11.2026

Vibe Code Bench v1.1Overall · höher ist besserTestaufbau nicht identisch dokumentiert81,6 %48,7 %Vals AIStand 05.11.2026

Code MigrationCLI · höher ist besserTestaufbau nicht identisch dokumentiert37,2 %17,2 %Vals AIStand 29.10.2026

EMBComps · höher ist besserTestaufbau nicht identisch dokumentiert70,5 %69,8 %Vals AIStand 20.10.2026

Finance Agent (v2)Adjustments · höher ist besserTestaufbau nicht identisch dokumentiert49,8 %54,9 %Vals AIStand 29.10.2026

Legal Research BenchAdministrative / Regulatory · All-pass · höher ist besserTestaufbau nicht identisch dokumentiert37,9 %43,9 %Vals AIStand 05.11.2026

LMArena Code Arena WebDevHTML development · höher ist besserTestaufbau nicht identisch dokumentiert1.5951.512LMArenaStand 28.10.2026

LMArena Text, Style ControlBusiness, management and finance · höher ist besserTestaufbau nicht identisch dokumentiert1.4411.468LMArenaStand 28.10.2026

LMArena Vision, Style ControlChinese · höher ist besserTestaufbau nicht identisch dokumentiert1.2921.346LMArenaStand 19.10.2026

ProgramBenchAlmost Resolved · höher ist besserTestaufbau nicht identisch dokumentiert8,0 %1,5 %Vals AIStand 05.11.2026

Tax Agent BenchControversy & Precedence Analysis · höher ist besserTestaufbau nicht identisch dokumentiert6,7 %3,1 %Vals AIStand 05.11.2026

Terminal-Bench 4.0Hardware · höher ist besserTestaufbau nicht identisch dokumentiert0,0 %6,7 %Vals AIStand 05.11.2026

Terminal-Bench-ScienceEarth Sciences · höher ist besserTestaufbau nicht identisch dokumentiert0 %25 %Vals AIStand 05.11.2026

Code MigrationCOBOL · höher ist besserTestaufbau nicht identisch dokumentiert58,6 %55,5 %Vals AIStand 29.10.2026

EMBDataroom · höher ist besserTestaufbau nicht identisch dokumentiert75,5 %80,9 %Vals AIStand 20.10.2026

Finance Agent (v2)All-Pass · höher ist besserTestaufbau nicht identisch dokumentiert38,4 %45,7 %Vals AIStand 29.10.2026

Legal Research BenchAdministrative / Regulatory · Weighted partial credit (weighted pass) · höher ist besserTestaufbau nicht identisch dokumentiert83,2 %87,1 %Vals AIStand 05.11.2026

LMArena Code Arena WebDevImage to WebDev · höher ist besserTestaufbau nicht identisch dokumentiert1.5711.501LMArenaStand 19.10.2026

LMArena Text, Style ControlChinese · höher ist besserTestaufbau nicht identisch dokumentiert1.4831.513LMArenaStand 28.10.2026

LMArena Vision, Style ControlCreative writing with images · höher ist besserTestaufbau nicht identisch dokumentiert1.2321.275LMArenaStand 19.10.2026

ProgramBenchFully Resolved · höher ist besserTestaufbau nicht identisch dokumentiert0,5 %0,0 %Vals AIStand 05.11.2026

Tax Agent BenchControversy & Precedence Analysis (weighted pass) · höher ist besserTestaufbau nicht identisch dokumentiert54,4 %34,2 %Vals AIStand 05.11.2026

Terminal-Bench 4.0Media · höher ist besserTestaufbau nicht identisch dokumentiert16,7 %0,0 %Vals AIStand 05.11.2026

Terminal-Bench-ScienceEngineering Sciences · höher ist besserTestaufbau nicht identisch dokumentiert11,1 %0,0 %Vals AIStand 05.11.2026

Code MigrationCode Quality · höher ist besserTestaufbau nicht identisch dokumentiert3,752 / 52,789 / 5Vals AIStand 29.10.2026

EMBDCF · höher ist besserTestaufbau nicht identisch dokumentiert62,8 %58,4 %Vals AIStand 20.10.2026

Finance Agent (v2)Comparables · höher ist besserTestaufbau nicht identisch dokumentiert39,8 %48,8 %Vals AIStand 29.10.2026

Legal Research BenchBusiness & Commercial · All-pass · höher ist besserTestaufbau nicht identisch dokumentiert23,3 %27,9 %Vals AIStand 05.11.2026

LMArena Code Arena WebDevReact development · höher ist besserTestaufbau nicht identisch dokumentiert1.5751.495LMArenaStand 28.10.2026

LMArena Text, Style ControlCoding · höher ist besserTestaufbau nicht identisch dokumentiert1.5061.508LMArenaStand 28.10.2026

LMArena Vision, Style ControlDiagram understanding · höher ist besserTestaufbau nicht identisch dokumentiert1.2751.305LMArenaStand 19.10.2026

ProgramBenchRaw Pass Rate · höher ist besserTestaufbau nicht identisch dokumentiert66,2 %56,4 %Vals AIStand 05.11.2026

Tax Agent BenchCurrent & Temporal Analysis · höher ist besserTestaufbau nicht identisch dokumentiert16,5 %26,4 %Vals AIStand 05.11.2026

Terminal-Bench 4.0ML · höher ist besserTestaufbau nicht identisch dokumentiert9,1 %6,1 %Vals AIStand 05.11.2026

Terminal-Bench-ScienceLife Sciences · höher ist besserTestaufbau nicht identisch dokumentiert10,5 %5,3 %Vals AIStand 05.11.2026

EMBLBO · höher ist besserTestaufbau nicht identisch dokumentiert59,1 %46,5 %Vals AIStand 20.10.2026

Finance Agent (v2)Disclosure Analysis · höher ist besserTestaufbau nicht identisch dokumentiert57,6 %63,9 %Vals AIStand 29.10.2026

Legal Research BenchBusiness & Commercial · Weighted partial credit (weighted pass) · höher ist besserTestaufbau nicht identisch dokumentiert79,1 %84,1 %Vals AIStand 05.11.2026

LMArena Code Arena WebDevWeb development · höher ist besserTestaufbau nicht identisch dokumentiert1.5791.499LMArenaStand 28.10.2026

LMArena Text, Style ControlCreative writing · höher ist besserTestaufbau nicht identisch dokumentiert1.4101.465LMArenaStand 28.10.2026

LMArena Vision, Style ControlEnglish · höher ist besserTestaufbau nicht identisch dokumentiert1.2281.278LMArenaStand 19.10.2026

Tax Agent BenchCurrent & Temporal Analysis (weighted pass) · höher ist besserTestaufbau nicht identisch dokumentiert55,3 %61,6 %Vals AIStand 05.11.2026

Terminal-Bench 4.0Operations · höher ist besserTestaufbau nicht identisch dokumentiert3,7 %7,4 %Vals AIStand 05.11.2026

Terminal-Bench-ScienceMathematical Sciences · höher ist besserTestaufbau nicht identisch dokumentiert0 %0 %Vals AIStand 05.11.2026

EMBM&A · höher ist besserTestaufbau nicht identisch dokumentiert72,1 %68,4 %Vals AIStand 20.10.2026

Finance Agent (v2)Earnings Analysis · höher ist besserTestaufbau nicht identisch dokumentiert74,2 %79,0 %Vals AIStand 29.10.2026

Legal Research BenchCivil Litigation · All-pass · höher ist besserTestaufbau nicht identisch dokumentiert25,9 %22,2 %Vals AIStand 05.11.2026

LMArena Text, Style ControlEnglish · höher ist besserTestaufbau nicht identisch dokumentiert1.4491.479LMArenaStand 28.10.2026

Weitere Vergleiche

Vergleiche GPT-6 Luna und Gemini 3.5 Flash mit den Modellen, die am häufigsten mit ihnen verglichen werden.

GPT-6 Lunavs.Gemini 3.5 Flash

Nimm GPT-6 Luna für

Nimm Gemini 3.5 Flash für

Wo liegt der Unterschied?

Stärken im Überblick

Welches Modell für welche Aufgabe?

Selbst ansehen: gleicher Auftrag, ein Versuch

Pelikan auf dem Fahrrad

SVG-Kurztest

GPT-6 Luna

Gemini 3.5 Flash

GPT-6 Luna und Gemini 3.5 Flash im Gesamtindex

Gesamtindex (Gradually Meta-Score v4)

Beliebtheit im Vergleich

Zeitlicher Verlauf

Alle Daten im Vergleich

Gibt es eine bessere Wahl?

Gemeinsame Benchmarks

Weitere Vergleiche

Anderes Duell vergleichen

Vorgänger und Nachfolger

Die beliebtesten Vergleiche