Direktvergleich

GPT-6 Sol vs. Gemini 3.5 Flash

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

gemeinsame Messreihen: 236
verschiedene Benchmarks: 29
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 Sol und Gemini 3.5 Flash
Merkmal	GPT-6 Sol	Gemini 3.5 Flash
Anbieter	OpenAI	Google
Erschienen	22. Sept. 2026	19. Mai 2026
Verfügbarkeit	Aktiv	Aktiv
Modelltyp	Proprietär	Proprietär
Parameter	Nicht veröffentlicht	Nicht veröffentlicht
Architektur	Nicht veröffentlicht	Nicht veröffentlicht
Kontextfenster	1.050.000 Token	1.048.576 Token
Wissensstand	20. 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 Sol und Gemini 3.5 Flash
Preisart	GPT-6 Sol	Gemini 3.5 Flash
API-Eingabe	2 $ ≤272K / 4 $ >272K	1,5 $
API-Ausgabe	10 $ ≤272K / 15 $ >272K	9 $
Cache lesen	0,2 $ ≤272K / 0,4 $ >272K	0,15 $
Cache schreiben (5 Min.)	2,5 $ ≤272K / 5 $ >272K	Nicht ausgewiesen
Cache schreiben (1 Std.)	Nicht ausgewiesen	Nicht ausgewiesen
Preis geprüft	22.09.2026 Quelle	22.09.2026 Quelle

GPT-6 SolGemini 3.5 Flash

API-EingabeUSD pro 1 Mio. Token, Basistarif

GPT-6 Sol2 $

Gemini 3.5 Flash1,5 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

GPT-6 Sol10 $

Gemini 3.5 Flash9 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

GPT-6 Sol0,2 $

Gemini 3.5 Flash0,15 $

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 Sol und Gemini 3.5 Flash
Modell	Anbieter	Bezugsweg und Tarif	Eingabe pro 1 Mio. Token	Ausgabe pro 1 Mio. Token	Quelle
GPT-6 Sol	OpenAI	Direkt beim EntwicklerBis 272.000 Kontext-Token	2 $	10 $	Quelle22.09.2026
	OpenAI	Direkt beim EntwicklerÜber 272.000 Kontext-Token	4 $	15 $	Quelle22.09.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock/us-east-1	2,2 $	11 $	Quelle17.10.2026
	Azure	Über OpenRouterazure	2 $	10 $	Quelle17.10.2026
	Azure	Über OpenRouterazure/eu	2,2 $	11 $	Quelle17.10.2026
	Azure	Über OpenRouterazure/us	2,2 $	11 $	Quelle17.10.2026
	OpenAI	Über OpenRouteropenai	2 $	10 $	Quelle17.10.2026
	OpenAI	Über OpenRouteropenai/fast	4 $	20 $	Quelle17.10.2026
	OpenAI	Über OpenRouteropenai/flex	Günstigster erfasster Preis: 1 $	Günstigster erfasster Preis: 5 $	Quelle17.10.2026
Gemini 3.5 Flash	Google	Direkt beim EntwicklerStandard-API	1,5 $	9 $	Quelle22.09.2026
	Google	Über OpenRoutergoogle-vertex/global	1,5 $	9 $	Quelle17.10.2026
	Google	Über OpenRoutergoogle-vertex/global/priority	2,7 $	16,2 $	Quelle17.10.2026
	Google	Über OpenRoutergoogle-vertex/us	1,65 $	9,9 $	Quelle17.10.2026
	Google AI Studio	Über OpenRoutergoogle-ai-studio	1,5 $	9 $	Quelle17.10.2026
	Google AI Studio	Über OpenRoutergoogle-ai-studio/flex	Günstigster erfasster Preis: 0,75 $	Günstigster erfasster Preis: 4,5 $	Quelle17.10.2026
	Google AI Studio	Über OpenRoutergoogle-ai-studio/priority	2,7 $	16,2 $	Quelle17.10.2026

Leistung

Gemeinsame Benchmarks

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

Fähigkeitsprofil aus vergleichbaren Benchmarks

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

GPT-6 Sol

Gemini 3.5 Flash

Coding: 100 / 25 (1 Benchmarkfamilie)

Reasoning: 100 / 88,5 (3 Benchmarkfamilien)

Wissen: 100 / 79 (1 Benchmarkfamilie)

Agenten-Aufgaben: 100 / 75,1 (3 Benchmarkfamilien)

Gesamt: 100 / 76,9 (1 Benchmarkfamilie)

9 passende Messreihen aus 9 Benchmarkfamilien wurden berücksichtigt. Das Radar zeigt 5 von 5 vergleichbaren Kategorien.

GPT-6 SolGemini 3.5 Flash

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

GPT-6 Sol1.267,48 elo

Gemini 3.5 Flash874,32 elo

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

GPT-6 Sol83,7 %

Gemini 3.5 Flash73,3 %

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

GPT-6 Sol26,817 Punkte

Gemini 3.5 Flash21,183 Punkte

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

GPT-6 Sol42,4 Punkte

Gemini 3.5 Flash32,598 Punkte

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

GPT-6 Sol60,1 %

Gemini 3.5 Flash42,1 %

Code MigrationOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-6 Sol57,195 %

Gemini 3.5 Flash26,745 %

EMBOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

GPT-6 Sol71,53 %

Gemini 3.5 Flash63,548 %

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

GPT-6 Sol49,05 %

Gemini 3.5 Flash57,861 %

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

GPT-6 Sol24,4 %

Gemini 3.5 Flash19,8 %

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

GPT-6 Sol1.394,08 elo

Gemini 3.5 Flash1.202,58 elo

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

GPT-6 Sol1,667 %

Gemini 3.5 Flash2,5 %

Humanity's Last ExamOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

GPT-6 Sol44,1 %

Gemini 3.5 Flash42,7 %

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von GPT-6 Sol und Gemini 3.5 Flash
Benchmark und Aufgabe	GPT-6 Sol	Gemini 3.5 Flash	Quelle
AA-BriefcaseOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v1.1Messgröße: AA-Briefcase EloBewertung: Mehr ist besserGPT-6 Sol: Snapshot: GPT-6 Sol (High), Reasoning: High Gemini 3.5 Flash: Snapshot: Gemini 3.5 Flash (High), Reasoning: HighGPT-6 Sol: Exakte AA-Konfiguration: GPT-6 Sol (High) (Release gpt-6-sol, Zeile gpt-6-sol-high, UUID 52eebe3e-6ede-4e46-92db-c5dea49fc410, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Gemini 3.5 Flash: Exakte AA-Konfiguration: Gemini 3.5 Flash (High) (Release gemini-3-5-flash, Zeile gemini-3-5-flash, UUID 0097ebf5-124f-42f6-9463-33b00e711f03, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner1.267,48 elo	874,32 elo	Artificial Analysis Quellendetails Datenstand: 15.10.2026
AA-LCROverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v1.1Messgröße: Pass rateBewertung: Mehr ist besserGPT-6 Sol: Snapshot: GPT-6 Sol (High), Reasoning: High Gemini 3.5 Flash: Snapshot: Gemini 3.5 Flash (High), Reasoning: HighGPT-6 Sol: Exakte AA-Konfiguration: GPT-6 Sol (High) (Release gpt-6-sol, Zeile gpt-6-sol-high, UUID 52eebe3e-6ede-4e46-92db-c5dea49fc410, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Gemini 3.5 Flash: Exakte AA-Konfiguration: Gemini 3.5 Flash (High) (Release gemini-3-5-flash, Zeile gemini-3-5-flash, UUID 0097ebf5-124f-42f6-9463-33b00e711f03, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner83,7 %	73,3 %	Artificial Analysis Quellendetails Datenstand: 15.10.2026
AA-OmniscienceOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: AA-Omniscience IndexBewertung: Mehr ist besserGPT-6 Sol: Snapshot: GPT-6 Sol (High), Reasoning: High Gemini 3.5 Flash: Snapshot: Gemini 3.5 Flash (High), Reasoning: HighGPT-6 Sol: Exakte AA-Konfiguration: GPT-6 Sol (High) (Release gpt-6-sol, Zeile gpt-6-sol-high, UUID 52eebe3e-6ede-4e46-92db-c5dea49fc410, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Gemini 3.5 Flash: Exakte AA-Konfiguration: Gemini 3.5 Flash (High) (Release gemini-3-5-flash, Zeile gemini-3-5-flash, UUID 0097ebf5-124f-42f6-9463-33b00e711f03, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner26,817 Punkte Der Index kann negative Werte annehmen und reicht laut Anbieter von -100 bis 100.	21,183 Punkte Der Index kann negative Werte annehmen und reicht laut Anbieter von -100 bis 100.	Artificial Analysis Quellendetails Datenstand: 15.10.2026
Artificial Analysis Intelligence IndexOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v4.3.2Messgröße: Artificial Analysis Intelligence IndexBewertung: Mehr ist besserGPT-6 Sol: Snapshot: GPT-6 Sol (High), Reasoning: High Gemini 3.5 Flash: Snapshot: Gemini 3.5 Flash (High), Reasoning: HighGPT-6 Sol: Exakte AA-Konfiguration: GPT-6 Sol (High) (Release gpt-6-sol, Zeile gpt-6-sol-high, UUID 52eebe3e-6ede-4e46-92db-c5dea49fc410, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Gemini 3.5 Flash: Exakte AA-Konfiguration: Gemini 3.5 Flash (High) (Release gemini-3-5-flash, Zeile gemini-3-5-flash, UUID 0097ebf5-124f-42f6-9463-33b00e711f03, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner42,4 Punkte	32,598 Punkte	Artificial Analysis Quellendetails Datenstand: 15.10.2026
AutomationBench-AAOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: Objectives completed without guardrail violationsBewertung: Mehr ist besserGPT-6 Sol: Snapshot: GPT-6 Sol (High), Reasoning: High Gemini 3.5 Flash: Snapshot: Gemini 3.5 Flash (High), Reasoning: HighGPT-6 Sol: Exakte AA-Konfiguration: GPT-6 Sol (High) (Release gpt-6-sol, Zeile gpt-6-sol-high, UUID 52eebe3e-6ede-4e46-92db-c5dea49fc410, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Gemini 3.5 Flash: Exakte AA-Konfiguration: Gemini 3.5 Flash (High) (Release gemini-3-5-flash, Zeile gemini-3-5-flash, UUID 0097ebf5-124f-42f6-9463-33b00e711f03, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner60,1 %	42,1 %	Artificial Analysis Quellendetails Datenstand: 15.10.2026
Code MigrationOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert57,195 %	26,745 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert71,53 %	63,548 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	49,05 %	Höherer Messwert57,861 %	Vals AI Quellendetails Datenstand: 12.10.2026
GDP.pdfOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: All-pass rateBewertung: Mehr ist besserGPT-6 Sol: Snapshot: GPT-6 Sol (High), Reasoning: High Gemini 3.5 Flash: Snapshot: Gemini 3.5 Flash (High), Reasoning: HighGPT-6 Sol: Exakte AA-Konfiguration: GPT-6 Sol (High) (Release gpt-6-sol, Zeile gpt-6-sol-high, UUID 52eebe3e-6ede-4e46-92db-c5dea49fc410, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Gemini 3.5 Flash: Exakte AA-Konfiguration: Gemini 3.5 Flash (High) (Release gemini-3-5-flash, Zeile gemini-3-5-flash, UUID 0097ebf5-124f-42f6-9463-33b00e711f03, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner24,4 %	19,8 %	Artificial Analysis Quellendetails Datenstand: 15.10.2026
GDPval-AAOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v2.1Messgröße: GDPval-AA EloBewertung: Mehr ist besserGPT-6 Sol: Snapshot: GPT-6 Sol (High), Reasoning: High Gemini 3.5 Flash: Snapshot: Gemini 3.5 Flash (High), Reasoning: HighGPT-6 Sol: Exakte AA-Konfiguration: GPT-6 Sol (High) (Release gpt-6-sol, Zeile gpt-6-sol-high, UUID 52eebe3e-6ede-4e46-92db-c5dea49fc410, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Gemini 3.5 Flash: Exakte AA-Konfiguration: Gemini 3.5 Flash (High) (Release gemini-3-5-flash, Zeile gemini-3-5-flash, UUID 0097ebf5-124f-42f6-9463-33b00e711f03, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner1.394,08 elo	1.202,58 elo	Artificial Analysis Quellendetails Datenstand: 15.10.2026
Harvey's Legal Agent BenchmarkOverall · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	1,667 %	Höherer Messwert2,5 %	Vals AI Quellendetails Datenstand: 12.10.2026
Humanity's Last ExamOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: Text-only pass@1 accuracyBewertung: Mehr ist besserGPT-6 Sol: Snapshot: GPT-6 Sol (High), Reasoning: High Gemini 3.5 Flash: Snapshot: Gemini 3.5 Flash (High), Reasoning: HighGPT-6 Sol: Exakte AA-Konfiguration: GPT-6 Sol (High) (Release gpt-6-sol, Zeile gpt-6-sol-high, UUID 52eebe3e-6ede-4e46-92db-c5dea49fc410, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Gemini 3.5 Flash: Exakte AA-Konfiguration: Gemini 3.5 Flash (High) (Release gemini-3-5-flash, Zeile gemini-3-5-flash, UUID 0097ebf5-124f-42f6-9463-33b00e711f03, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner44,1 % Der Anbieter beschreibt seine Vergleichsauswertung als text-only 2.158 Fragen, nicht als den vollständigen 2.500-Fragen-Datensatz.	42,7 % Der Anbieter beschreibt seine Vergleichsauswertung als text-only 2.158 Fragen, nicht als den vollständigen 2.500-Fragen-Datensatz.	Artificial Analysis Quellendetails Datenstand: 15.10.2026
Legal Research BenchOverall · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	28,846 %	Höherer Messwert30,769 %	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 Sol: Snapshot: gpt-6-sol-max, Reasoning: max, Harness: Arena Code Arena WebDev Gemini 3.5 Flash: Snapshot: gemini-3.5-flash-high, Reasoning: high, Harness: Arena Code Arena WebDevGPT-6 Sol: Arena-Bewertung aus 4.032 veröffentlichten Paarvergleichen.Gemini 3.5 Flash: Arena-Bewertung aus 9.415 veröffentlichten Paarvergleichen.	Höherer Messwert1.685,864 95-%-Konfidenzintervall: ±10,999Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.499,426 95-%-Konfidenzintervall: ±7,264Der 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 Sol: Snapshot: gpt-6-sol-max, Reasoning: max, Harness: Arena Text, style control Gemini 3.5 Flash: Snapshot: gemini-3.5-flash-high, Reasoning: high, Harness: Arena Text, style controlGPT-6 Sol: Arena-Bewertung aus 11.903 veröffentlichten Paarvergleichen.Gemini 3.5 Flash: Arena-Bewertung aus 48.486 veröffentlichten Paarvergleichen.	1.458,271 95-%-Konfidenzintervall: ±6,418Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.477,344 95-%-Konfidenzintervall: ±3,892Der 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 Sol: Snapshot: gpt-6-sol-max, Reasoning: max, Harness: Arena Vision, style control Gemini 3.5 Flash: Snapshot: gemini-3.5-flash-high, Reasoning: high, Harness: Arena Vision, style controlGPT-6 Sol: Arena-Bewertung aus 2.657 veröffentlichten Paarvergleichen.Gemini 3.5 Flash: Arena-Bewertung aus 13.103 veröffentlichten Paarvergleichen.	1.270,404 95-%-Konfidenzintervall: ±12,341Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.283,659 95-%-Konfidenzintervall: ±6,995Der 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 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens	47,072 %	Höherer Messwert55,825 %	Vals AI Quellendetails Datenstand: 13.10.2026
MedScribeOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens	Höherer Messwert82,034 %	76,574 %	Vals AI Quellendetails Datenstand: 13.10.2026
ProgramBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully resolved rateBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert2 %	0 %	Vals AI Quellendetails Datenstand: 12.10.2026
ProofBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert83 %	31 %	Vals AI Quellendetails Datenstand: 12.10.2026
Public Benefits Bench v1.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	56,631 %	Höherer Messwert59,472 %	Vals AI Quellendetails Datenstand: 12.10.2026
SAGEOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 30.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens	44,793 %	Höherer Messwert49,885 %	Vals AI Quellendetails Datenstand: 08.10.2026
Tax Agent BenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	15,002 %	Höherer Messwert21,652 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-BenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 4.0Messgröße: Task successBewertung: Mehr ist besserGPT-6 Sol: Snapshot: GPT-6 Sol (High), Reasoning: High Gemini 3.5 Flash: Snapshot: Gemini 3.5 Flash (High), Reasoning: HighGPT-6 Sol: Exakte AA-Konfiguration: GPT-6 Sol (High) (Release gpt-6-sol, Zeile gpt-6-sol-high, UUID 52eebe3e-6ede-4e46-92db-c5dea49fc410, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Gemini 3.5 Flash: Exakte AA-Konfiguration: Gemini 3.5 Flash (High) (Release gemini-3-5-flash, Zeile gemini-3-5-flash, UUID 0097ebf5-124f-42f6-9463-33b00e711f03, reasoning=true, source reasoning-token configuration budget=0, suffix=High). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner26,3 %	6,6 %	Artificial Analysis Quellendetails Datenstand: 15.10.2026
Terminal-Bench 2.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert83,146 %	74,157 %	Vals AI Quellendetails Datenstand: 28.09.2026
Terminal-Bench 4.0Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 4.0Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert44,444 %	6,061 %	Vals AI Quellendetails Datenstand: 13.10.2026
Terminal-Bench ScienceOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 0.1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Harness: Mini-SWE-agent, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash: Reasoning: high, Harness: Mini-SWE-agent, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert30 %	5,714 %	Vals AI Quellendetails Datenstand: 14.10.2026
Vals IndexOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: weighted index scoreBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert57,536 %	44,786 %	Vals AI Quellendetails Datenstand: 13.10.2026
Vibe Code Bench v1.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash: Reasoning: high, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert87,824 %	48,683 %	Vals AI Quellendetails Datenstand: 12.10.2026
Code MigrationCLI Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert52,927 %	17,175 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBComps Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert73,295 %	69,788 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Adjustments Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	43,241 %	Höherer Messwert54,869 %	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 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	78,623 %	Höherer Messwert84,42 %	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 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	39,394 %	Höherer Messwert43,939 %	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 Sol: Snapshot: gpt-6-sol-max, Reasoning: max, Harness: Arena Code Arena WebDev Gemini 3.5 Flash: Snapshot: gemini-3.5-flash-medium, Reasoning: medium, Harness: Arena Code Arena WebDevGPT-6 Sol: Arena-Bewertung aus 4.032 veröffentlichten Paarvergleichen.Gemini 3.5 Flash: Arena-Bewertung aus 12.182 veröffentlichten Paarvergleichen.	Höherer Messwert1.685,864 95-%-Konfidenzintervall: ±10,999Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.490,915 95-%-Konfidenzintervall: ±6,662Der 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 Sol: Snapshot: gpt-6-sol-max, Reasoning: max, Harness: Arena Text, style control Gemini 3.5 Flash: Snapshot: gemini-3.5-flash-medium, Reasoning: medium, Harness: Arena Text, style controlGPT-6 Sol: Arena-Bewertung aus 11.903 veröffentlichten Paarvergleichen.Gemini 3.5 Flash: Arena-Bewertung aus 47.286 veröffentlichten Paarvergleichen.	1.458,271 95-%-Konfidenzintervall: ±6,418Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.475,847 95-%-Konfidenzintervall: ±4,145Der 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 Sol: Snapshot: gpt-6-sol-max, Reasoning: max, Harness: Arena Vision, style control Gemini 3.5 Flash: Snapshot: gemini-3.5-flash-medium, Reasoning: medium, Harness: Arena Vision, style controlGPT-6 Sol: Arena-Bewertung aus 2.657 veröffentlichten Paarvergleichen.Gemini 3.5 Flash: Arena-Bewertung aus 13.180 veröffentlichten Paarvergleichen.	1.270,404 95-%-Konfidenzintervall: ±12,341Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.285,299 95-%-Konfidenzintervall: ±6,941Der 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 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert32,5 %	1,5 %	Vals AI Quellendetails Datenstand: 12.10.2026
SAGEAutomata Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 30.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens	33,73 %	Höherer Messwert38,492 %	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 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert6,667 %	3,083 %	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 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Kein direkter Sieger100 %	Kein direkter Sieger100 %	Vals AI Quellendetails Datenstand: 28.09.2026
Terminal-Bench 4.0Hardware Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 4.0Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Kein direkter Sieger6,667 %	Kein direkter Sieger6,667 %	Vals AI Quellendetails Datenstand: 13.10.2026
Terminal-Bench ScienceEarth Sciences Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 0.1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Harness: Mini-SWE-agent, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash: Reasoning: high, Harness: Mini-SWE-agent, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Kein direkter Sieger25 %	Kein direkter Sieger25 %	Vals AI Quellendetails Datenstand: 14.10.2026
Vals IndexCode Migration Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: benchmark scoreBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert56,92 %	27,148 %	Vals AI Quellendetails Datenstand: 13.10.2026
Code MigrationCOBOL Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert70 %	55,455 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBDataroom Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert83,92 %	80,921 %	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 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	35,981 %	Höherer Messwert45,706 %	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 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash: 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 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	80,457 %	Höherer Messwert87,126 %	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 Sol: Snapshot: gpt-6-sol-max, Reasoning: max, Harness: Arena Code Arena WebDev Gemini 3.5 Flash: Snapshot: gemini-3.5-flash-high, Reasoning: high, Harness: Arena Code Arena WebDevGPT-6 Sol: Arena-Bewertung aus 2.426 veröffentlichten Paarvergleichen.Gemini 3.5 Flash: Arena-Bewertung aus 2.020 veröffentlichten Paarvergleichen.	Höherer Messwert1.661,344 95-%-Konfidenzintervall: ±13,044Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.500,53 95-%-Konfidenzintervall: ±13,81Der 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 Sol: Snapshot: gpt-6-sol-max, Reasoning: max, Harness: Arena Text, style control Gemini 3.5 Flash: Snapshot: gemini-3.5-flash-high, Reasoning: high, Harness: Arena Text, style controlGPT-6 Sol: Arena-Bewertung aus 2.220 veröffentlichten Paarvergleichen.Gemini 3.5 Flash: Arena-Bewertung aus 9.394 veröffentlichten Paarvergleichen.	1.447,173 95-%-Konfidenzintervall: ±13,15Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.467,672 95-%-Konfidenzintervall: ±6,917Der 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 Sol: Snapshot: gpt-6-sol-max, Reasoning: max, Harness: Arena Vision, style control Gemini 3.5 Flash: Snapshot: gemini-3.5-flash-high, Reasoning: high, Harness: Arena Vision, style controlGPT-6 Sol: Arena-Bewertung aus 240 veröffentlichten Paarvergleichen.Gemini 3.5 Flash: Arena-Bewertung aus 1.103 veröffentlichten Paarvergleichen.	1.270,527 95-%-Konfidenzintervall: ±41,066Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.271,63 95-%-Konfidenzintervall: ±19,167Der 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 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert2 %	0 %	Vals AI Quellendetails Datenstand: 12.10.2026
SAGELinear Algebra Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 30.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 tokens	64,141 %	Höherer Messwert68,305 %	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 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert50,662 %	34,209 %	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 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert78,889 %	60 %	Vals AI Quellendetails Datenstand: 28.09.2026
Terminal-Bench 4.0Media Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 4.0Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert41,667 %	0 %	Vals AI Quellendetails Datenstand: 13.10.2026
Terminal-Bench ScienceEngineering Sciences Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 0.1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Harness: Mini-SWE-agent, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash: Reasoning: high, Harness: Mini-SWE-agent, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert22,222 %	0 %	Vals AI Quellendetails Datenstand: 14.10.2026
Vals IndexEMB Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: benchmark scoreBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert71,53 %	63,548 %	Vals AI Quellendetails Datenstand: 13.10.2026
Code MigrationCode Quality Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: mean reviewer code-quality ratingBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert4,375 / 5	2,789 / 5	Vals AI Quellendetails Datenstand: 12.10.2026
EMBDCF Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert63,142 %	58,36 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Comparables Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGPT-6 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	40,833 %	Höherer Messwert48,782 %	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 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Höherer Messwert83,871 %	78,495 %	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 Sol: Reasoning: max, Ausgabegrenze: 128.000 tokens Gemini 3.5 Flash: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 tokens	Kein direkter Sieger27,907 %	Kein direkter Sieger27,907 %	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 Sol

In dieser Runde nicht verfügbar

Gemini 3.5 Flash

In dieser Runde nicht verfügbar

Frühere Tests

Pelikan auf dem Fahrrad

Community-Klassiker für eine freie SVG-Zeichnung.

GPT-6 Sol

Reasoning (angefragt): high

Aktueller Versuch

Datum des Testlaufs: 01.10.2026
API-Anbieter: openrouter
Angefragtes API-Modell: openai/gpt-6-sol
API-Modell laut Antwort: openai/gpt-6-sol
Reasoning-Einstellung: high
Festgelegter Endpunkt: OpenAI | openai/gpt-6-sol-20260922
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Bestanden, keine Qualitätsbewertung
Antwortzeit: 80,5 s

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.

Reasoning (angefragt): high

Aktueller Versuch

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

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

Frühere Versuche (3)

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

Prompt und Testbedingungen

Generate an SVG of a pelican riding a bicycle

Tokenlimit inklusive Reasoning: 8.192 Token

Ursprung der Aufgabe (Simon Willison)

So liest du den Vergleich

Ein Benchmark-Sieg ist kein Gesamturteil

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

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

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

Weitere Duelle

Vergleiche GPT-6 Sol und Gemini 3.5 Flash mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich

GPT-6 Sol vs. Gemini 3.5 Flash

Modellauswahl ändern

Allgemeine Daten

API-Preise im Vergleich

Gemeinsame Benchmarks

Fähigkeitsprofil aus vergleichbaren Benchmarks

Unsere Tests

SVG-Kurztest

GPT-6 Sol

Gemini 3.5 Flash

Pelikan auf dem Fahrrad

Ein Benchmark-Sieg ist kein Gesamturteil

Ähnliche LLM-Vergleiche