Alle LLM-Vergleiche
Direktvergleich
Claude Opus 5 vs. Gemini 3.1 Pro Preview
Veröffentlichte Benchmarkwerte aus derselben Version und Vergleichskohorte, API-Preise und technische Eckdaten. Unterschiedliche Testeinstellungen werden sichtbar ausgewiesen.
125
gemeinsame Messreihen
24
verschiedene Benchmarks
11.08.2026
jüngster Abruf
Modellauswahl ändern
Steckbrief und Kosten
Allgemeine Daten und Standard-API-Preise
Nicht veröffentlichte Parameterzahlen oder Wissensstände bleiben als solche markiert. Die Tabelle zeigt direkte Standardtarife pro Token einschließlich hinterlegter Kontextstufen. Batch, Fast, Priority, regionale Aufschläge, Toolaufrufe und Cloudpreise sind nicht eingerechnet.
| Merkmal | Claude Opus 5 | Gemini 3.1 Pro Preview |
|---|---|---|
| Anbieter | Anthropic | |
| Erschienen | 24. Juli 2026 | 19. Feb. 2026 |
| Verfügbarkeit | Aktiv | Preview |
| Modelltyp | Proprietär | Proprietär |
| Parameter | Nicht veröffentlicht | Nicht veröffentlicht |
| Architektur | Nicht veröffentlicht | Nicht veröffentlicht |
| Kontextfenster | 1.000.000 Token | 1.048.576 Token |
| Wissensstand | Mai 2026 | Nicht veröffentlicht |
| Technische Quellen | Modell, Wissensstand | Modell |
| API-Preise pro 1 Mio. Token | ||
| API-Eingabe | 5 $ | 2 $ ≤200K / 4 $ >200K |
| API-Ausgabe | 25 $ | 12 $ ≤200K / 18 $ >200K |
| Cache lesen | 0,5 $ | 0,2 $ ≤200K / 0,4 $ >200K |
| Cache schreiben (5 Min.) | 6,25 $ | Nicht ausgewiesen |
| Cache schreiben (1 Std.) | 10 $ | Nicht ausgewiesen |
| Preis geprüft | 30.07.2026Quelle | 30.07.2026Quelle |
Claude Opus 5Gemini 3.1 Pro Preview
API-EingabeUSD pro 1 Mio. Token, Basistarif
Claude Opus 55 $Gemini 3.1 Pro Preview2 $
API-AusgabeUSD pro 1 Mio. Token, Basistarif
Claude Opus 525 $Gemini 3.1 Pro Preview12 $
Cache lesenUSD pro 1 Mio. Token, Basistarif
Claude Opus 50,5 $Gemini 3.1 Pro Preview0,2 $
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.
125 gemeinsame Messreihen
Claude Opus 5Gemini 3.1 Pro Preview
Code MigrationOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 557,473 %Gemini 3.1 Pro Preview17,313 %
CorpFin v2Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 573,194 %Gemini 3.1 Pro Preview64,491 %
CyberBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 540,678 %Gemini 3.1 Pro Preview36,441 %
EMBOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 573,556 %Gemini 3.1 Pro Preview52,616 %
Finance Agent (v2)Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 558,633 %Gemini 3.1 Pro Preview42,982 %
GPQA DiamondOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 593,43 %Gemini 3.1 Pro Preview95,45 %
Legal Research BenchOverall · All-pass. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 555,288 %Gemini 3.1 Pro Preview20,673 %
LegalBenchOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 586,974 %Gemini 3.1 Pro Preview87,398 %
LiveCodeBench v6Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 589,03 %Gemini 3.1 Pro Preview88,48 %
MedCodeOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 563,57 %Gemini 3.1 Pro Preview59,062 %
MedScribeOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 590,985 %Gemini 3.1 Pro Preview76,114 %
MMLU-ProOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Claude Opus 591,59 %Gemini 3.1 Pro Preview90,99 %
| Benchmark und Aufgabe | Claude Opus 5 | Gemini 3.1 Pro Preview | Vergleichbarkeit | Quelle |
|---|---|---|---|---|
| Code MigrationOverall | 57,473 %höher | 17,313 % | 1accuracyMehr ist besserKohorte: vals-code-migration:1:overallTestaufbau nicht identisch dokumentiertClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-code-migration-2026-08-11-3a2d5ce718a3Abgerufen am 11.08.2026 |
| CorpFin v2Overall | 73,194 %höher | 64,491 % | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:overallTestaufbau nicht identisch dokumentiertClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-corp_fin_v2-2026-08-11-d9e58d191cd9Abgerufen am 11.08.2026 |
| CyberBenchOverall | 40,678 %höher | 36,441 % | 1accuracyMehr ist besserKohorte: vals-cyberbench:1:overallKein dokumentierter Setup-UnterschiedClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 03.08.2026Import-ID: vals-cyber-2026-08-11-1f20498a3dc1Abgerufen am 11.08.2026 |
| EMBOverall | 73,556 %höher | 52,616 % | 1accuracyMehr ist besserKohorte: vals-emb:1:overallTestaufbau nicht identisch dokumentiertClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-emb-2026-08-11-e3c855e236e4Abgerufen am 11.08.2026 |
| Finance Agent (v2)Overall | 58,633 %höher | 42,982 % | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:overallTestaufbau nicht identisch dokumentiertClaude Opus 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-fabv2-2026-08-11-3e5c93a1857cAbgerufen am 11.08.2026 |
| GPQA DiamondOverall | 93,43 %Kleine Abstände sind wegen Sättigung und Messstreuung nicht automatisch praktisch relevant. | 95,45 %höherKleine Abstände sind wegen Sättigung und Messstreuung nicht automatisch praktisch relevant. | DiamondaccuracyMehr ist besserKohorte: vals-gpqa-diamond-2026-08-01Kein dokumentierter Setup-UnterschiedClaude Opus 5: Versuche: pass@1 Gemini 3.1 Pro Preview: Versuche: pass@1Einheitliche Vals-Evaluation des weitgehend gesättigten Tests. | Vals AITyp: Unabhängige EvaluationMessstand: 01.08.2026Import-ID: curated-vals-ai-2026-08-02-71e39d20f05d / curated-vals-ai-2026-08-02-68d4a57f8c33Abgerufen am 02.08.2026 |
| Legal Research BenchOverall · All-pass | 55,288 %höher | 20,673 % | 1all-pass rateMehr ist besserKohorte: vals-legal-research:1:overallTestaufbau nicht identisch dokumentiertClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-legal_research-2026-08-11-326cf7aaca58Abgerufen am 11.08.2026 |
| LegalBenchOverall | 86,974 % | 87,398 %höher | 1accuracyMehr ist besserKohorte: vals-legal-bench:1:overallTestaufbau nicht identisch dokumentiertClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-legal_bench-2026-08-11-836e5e44618eAbgerufen am 11.08.2026 |
| LiveCodeBench v6Overall | 89,03 %höher | 88,48 % | v6pass@1Mehr ist besserKohorte: vals-livecodebench-v6-2026-08-01Kein dokumentierter Setup-UnterschiedClaude Opus 5: Versuche: pass@1 Gemini 3.1 Pro Preview: Versuche: pass@1Mehr als 1.000 abgegrenzte Python-Aufgaben. | Vals AITyp: Unabhängige EvaluationMessstand: 01.08.2026Import-ID: curated-vals-ai-2026-08-02-85443f94ecaf / curated-vals-ai-2026-08-02-2d72934b5be7Abgerufen am 02.08.2026 |
| MedCodeOverall | 63,57 %höher | 59,062 % | 1accuracyMehr ist besserKohorte: vals-medcode:1:overallTestaufbau nicht identisch dokumentiertClaude Opus 5: Temperatur: 1, Ausgabegrenze: 30.000 Token Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-medcode-2026-08-11-59016050c3a3Abgerufen am 11.08.2026 |
| MedScribeOverall | 90,985 %höher | 76,114 % | 1accuracyMehr ist besserKohorte: vals-medscribe:1:overallTestaufbau nicht identisch dokumentiertClaude Opus 5: Temperatur: 1, Ausgabegrenze: 30.000 Token Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-medscribe-2026-08-11-d7cf1ca6b81fAbgerufen am 11.08.2026 |
| MMLU-ProOverall | 91,59 %höherEine Frage fiel auf Opus 4.8 zurück. Als Fehler gezählt, änderte sich der Wert laut Vals von 91,591 % auf 91,582 %. | 90,99 % | ProaccuracyMehr ist besserKohorte: vals-mmlu-pro-5-shot-cot-2026-08-01Kein dokumentierter Setup-UnterschiedClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Keine weiteren Einstellungen ausgewiesen12.032 Fragen in 14 Fachgebieten mit fünf Beispielen und Chain of Thought. | Vals AITyp: Unabhängige EvaluationMessstand: 01.08.2026Import-ID: curated-vals-ai-2026-08-02-38436da8b639 / curated-vals-ai-2026-08-02-ef10af360bb3Abgerufen am 02.08.2026 |
| MMMU-ProOverall | 89,884 %höher | 88,208 % | 1accuracyMehr ist besserKohorte: vals-mmmu:1:overallTestaufbau nicht identisch dokumentiertClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.535 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mmmu-2026-08-11-9869cf71f8c7Abgerufen am 11.08.2026 |
| MortgageTaxOverall | 72,059 %höher | 69,396 % | 1accuracyMehr ist besserKohorte: vals-mortgage-tax:1:overallTestaufbau nicht identisch dokumentiertClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mortgage_tax-2026-08-11-5ea6eef3e482Abgerufen am 11.08.2026 |
| ProgramBenchOverall | 3 %höher | 0 % | 1accuracyMehr ist besserKohorte: vals-programbench:1:overallTestaufbau nicht identisch dokumentiertClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-programbench-2026-08-11-b6f8959fbdfeAbgerufen am 11.08.2026 |
| ProofBenchOverall | 78 %höher | 26 % | 1accuracyMehr ist besserKohorte: vals-proof-bench:1:overallTestaufbau nicht identisch dokumentiertClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 Token | Vals AITyp: Unabhängige EvaluationMessstand: 07.08.2026Import-ID: vals-proof_bench-2026-08-11-c6615e599d88Abgerufen am 11.08.2026 |
| Public Benefits Bench v1.1Overall | 76,928 %höher | 53,789 % | 1.1accuracyMehr ist besserKohorte: vals-snap:1.1:overallTestaufbau nicht identisch dokumentiertClaude Opus 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 Token | Vals AITyp: Unabhängige EvaluationMessstand: 08.08.2026Import-ID: vals-public-benefits-bench-2026-08-11-e93f5dfe7fa4Abgerufen am 11.08.2026 |
| SAGEOverall | 49,426 %höher | 48,677 % | 1accuracyMehr ist besserKohorte: vals-sage:1:overallTestaufbau nicht identisch dokumentiertClaude Opus 5: Temperatur: 1, Ausgabegrenze: 30.000 Token Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-sage-2026-08-11-f1f79f6d8af3Abgerufen am 11.08.2026 |
| SWE-bench VerifiedOverall | 97 %höher | 78,8 % | 1accuracyMehr ist besserKohorte: vals-swebench:1:overallTestaufbau nicht identisch dokumentiertClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 Token | Vals AITyp: Unabhängige EvaluationMessstand: 08.08.2026Import-ID: vals-swebench-2026-08-11-a6212cd857d8Abgerufen am 11.08.2026 |
| TaxEval v2Overall | 75,143 %höher | 72,882 % | 2accuracyMehr ist besserKohorte: vals-tax-eval-v2:2:overallTestaufbau nicht identisch dokumentiertClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.535 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-tax_eval_v2-2026-08-11-d05a40bf446fAbgerufen am 11.08.2026 |
| Terminal-Bench 2.1Overall | 84,644 %höher | 70,787 % | 2.1accuracyMehr ist besserKohorte: vals-terminal-bench-2-1:2.1:overallTestaufbau nicht identisch dokumentiertClaude Opus 5: Compute: high, Temperatur: 1, Ausgabegrenze: 128.000 Token Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-terminal-bench-2-1-2026-08-11-8f0ebd72a609Abgerufen am 11.08.2026 |
| Vals IndexOverall | 74,82 %höher | 53,77 % | 1.2weighted index scoreMehr ist besserKohorte: vals-vals-index:1.2:overallTestaufbau nicht identisch dokumentiertClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-vals_index-2026-08-11-e79d08d59249Abgerufen am 11.08.2026 |
| Vals Multimodal IndexOverall | 73,896 %höher | 56,068 % | 1.2weighted index scoreMehr ist besserKohorte: vals-vals-multimodal-index:1.2:overallTestaufbau nicht identisch dokumentiertClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-vals_multimodal_index-2026-08-11-fa704862df19Abgerufen am 11.08.2026 |
| Vibe Code Bench v1.1Overall | 88,404 %höher | 32,034 % | 1.1accuracyMehr ist besserKohorte: vals-vibe-code-bench:1.1:overallTestaufbau nicht identisch dokumentiertClaude Opus 5: Harness: OpenHands Gemini 3.1 Pro Preview: Reasoning: high, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 65.536 Token | Vals AITyp: Unabhängige EvaluationMessstand: 05.08.2026Import-ID: vals-vibe-code-2026-08-11-b6b708f7b194Abgerufen am 11.08.2026 |
| Code MigrationCLI | 53,297 %höher | 10,833 % | 1accuracyMehr ist besserKohorte: vals-code-migration:1:cliTestaufbau nicht identisch dokumentiertClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-code-migration-2026-08-11-3a2d5ce718a3Abgerufen am 11.08.2026 |
| CorpFin v2Exact Pages | 68,648 %höher | 60,839 % | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:exact_pagesTestaufbau nicht identisch dokumentiertClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-corp_fin_v2-2026-08-11-d9e58d191cd9Abgerufen am 11.08.2026 |
| CyberBenchPatch | 81,356 %höher | 69,492 % | 1accuracyMehr ist besserKohorte: vals-cyberbench:1:patchKein dokumentierter Setup-UnterschiedClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 03.08.2026Import-ID: vals-cyber-2026-08-11-1f20498a3dc1Abgerufen am 11.08.2026 |
| EMBComps | 75,171 %höher | 44,505 % | 1accuracyMehr ist besserKohorte: vals-emb:1:compsTestaufbau nicht identisch dokumentiertClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-emb-2026-08-11-e3c855e236e4Abgerufen am 11.08.2026 |
| Finance Agent (v2)Adjustments | 54,617 %höher | 38,361 % | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:adjustmentsTestaufbau nicht identisch dokumentiertClaude Opus 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-fabv2-2026-08-11-3e5c93a1857cAbgerufen am 11.08.2026 |
| GPQA DiamondOverall | 93,434 % | 95,454 %höher | 1accuracyMehr ist besserKohorte: vals-gpqa:1:overallTestaufbau nicht identisch dokumentiertClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.535 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-gpqa-2026-08-11-d3325290a404Abgerufen am 11.08.2026 |
| Legal Research BenchAdministrative / Regulatory · All-pass | 65,152 %höher | 24,242 % | 1all-pass rateMehr ist besserKohorte: vals-legal-research:1:administrative_regulatoryTestaufbau nicht identisch dokumentiertClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-legal_research-2026-08-11-326cf7aaca58Abgerufen am 11.08.2026 |
| LegalBenchConclusion Tasks | 91,56 %höher | 89,257 % | 1accuracyMehr ist besserKohorte: vals-legal-bench:1:conclusion_tasksTestaufbau nicht identisch dokumentiertClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-legal_bench-2026-08-11-836e5e44618eAbgerufen am 11.08.2026 |
| LiveCodeBench v6Overall | 89,033 %höher | 88,485 % | 1accuracyMehr ist besserKohorte: vals-lcb:1:overallTestaufbau nicht identisch dokumentiertClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-lcb-2026-08-11-0342bcc364e4Abgerufen am 11.08.2026 |
| MMLU-ProOverall | 91,591 %höher | 90,987 % | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:overallTestaufbau nicht identisch dokumentiertClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.535 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mmlu_pro-2026-08-11-b8e53828d746Abgerufen am 11.08.2026 |
| MortgageTaxNumerical Extraction | 81,399 %höher | 76,391 % | 1accuracyMehr ist besserKohorte: vals-mortgage-tax:1:numerical_extractionTestaufbau nicht identisch dokumentiertClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mortgage_tax-2026-08-11-5ea6eef3e482Abgerufen am 11.08.2026 |
| ProgramBenchAlmost Resolved | 41,5 %höher | 1 % | 1accuracyMehr ist besserKohorte: vals-programbench:1:almostTestaufbau nicht identisch dokumentiertClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-programbench-2026-08-11-b6f8959fbdfeAbgerufen am 11.08.2026 |
| SAGEAutomata | 32,54 %höher | 32,143 % | 1accuracyMehr ist besserKohorte: vals-sage:1:automataTestaufbau nicht identisch dokumentiertClaude Opus 5: Temperatur: 1, Ausgabegrenze: 30.000 Token Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-sage-2026-08-11-f1f79f6d8af3Abgerufen am 11.08.2026 |
| SWE-bench Verified<15 min fix | 98,454 %höher | 88,66 % | 1accuracyMehr ist besserKohorte: vals-swebench:1:<15 min fixTestaufbau nicht identisch dokumentiertClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 Token | Vals AITyp: Unabhängige EvaluationMessstand: 08.08.2026Import-ID: vals-swebench-2026-08-11-a6212cd857d8Abgerufen am 11.08.2026 |
| TaxEval v2Correctness | 61,979 %höher | 60,749 % | 2accuracyMehr ist besserKohorte: vals-tax-eval-v2:2:correctnessTestaufbau nicht identisch dokumentiertClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.535 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-tax_eval_v2-2026-08-11-d05a40bf446fAbgerufen am 11.08.2026 |
| Terminal-Bench 2.1Easy | 100 %höher | 91,667 % | 2.1accuracyMehr ist besserKohorte: vals-terminal-bench-2-1:2.1:easyTestaufbau nicht identisch dokumentiertClaude Opus 5: Compute: high, Temperatur: 1, Ausgabegrenze: 128.000 Token Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-terminal-bench-2-1-2026-08-11-8f0ebd72a609Abgerufen am 11.08.2026 |
| Vals IndexCorpFin v2 | 74,942 %höher | 65,734 % | 1.2benchmark scoreMehr ist besserKohorte: vals-vals-index:1.2:corp_fin_v2Testaufbau nicht identisch dokumentiertClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-vals_index-2026-08-11-e79d08d59249Abgerufen am 11.08.2026 |
| Vals Multimodal IndexCorpFin v2 | 74,942 %höher | 65,734 % | 1.2benchmark scoreMehr ist besserKohorte: vals-vals-multimodal-index:1.2:corp_fin_v2Testaufbau nicht identisch dokumentiertClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-vals_multimodal_index-2026-08-11-fa704862df19Abgerufen am 11.08.2026 |
| Code MigrationCOBOL | 70 %höher | 36,753 % | 1accuracyMehr ist besserKohorte: vals-code-migration:1:cobolTestaufbau nicht identisch dokumentiertClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-code-migration-2026-08-11-3a2d5ce718a3Abgerufen am 11.08.2026 |
| CorpFin v2Max Fitting Context | 75,991 %höher | 66,9 % | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:max_fitting_contextTestaufbau nicht identisch dokumentiertClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-corp_fin_v2-2026-08-11-d9e58d191cd9Abgerufen am 11.08.2026 |
| CyberBenchPoC | 0 % | 3,39 %höher | 1accuracyMehr ist besserKohorte: vals-cyberbench:1:pocKein dokumentierter Setup-UnterschiedClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 03.08.2026Import-ID: vals-cyber-2026-08-11-1f20498a3dc1Abgerufen am 11.08.2026 |
| EMBDataroom | 87,681 %höher | 79,17 % | 1accuracyMehr ist besserKohorte: vals-emb:1:dataroomTestaufbau nicht identisch dokumentiertClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-emb-2026-08-11-e3c855e236e4Abgerufen am 11.08.2026 |
| Finance Agent (v2)All-Pass | 47,708 %höher | 30,879 % | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:all_passTestaufbau nicht identisch dokumentiertClaude Opus 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-fabv2-2026-08-11-3e5c93a1857cAbgerufen am 11.08.2026 |
| GPQA DiamondFew-Shot CoT | 92,424 % | 95,96 %höher | 1accuracyMehr ist besserKohorte: vals-gpqa:1:diamond_few_shot_cotTestaufbau nicht identisch dokumentiertClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.535 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-gpqa-2026-08-11-d3325290a404Abgerufen am 11.08.2026 |
| Legal Research BenchAdministrative / Regulatory · Weighted partial credit | 92,676 %höher | 79,215 % | 1weighted partial-credit scoreMehr ist besserKohorte: vals-legal-research:1:weighted_pass__administrative_regulatoryTestaufbau nicht identisch dokumentiertClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-legal_research-2026-08-11-326cf7aaca58Abgerufen am 11.08.2026 |
| LegalBenchInterpretation Tasks | 85,84 %höher | 83,823 % | 1accuracyMehr ist besserKohorte: vals-legal-bench:1:interpretation_tasksTestaufbau nicht identisch dokumentiertClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-legal_bench-2026-08-11-836e5e44618eAbgerufen am 11.08.2026 |
| LiveCodeBench v6Easy | 99,068 % | 99,068 % | 1accuracyMehr ist besserKohorte: vals-lcb:1:easyTestaufbau nicht identisch dokumentiertClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-lcb-2026-08-11-0342bcc364e4Abgerufen am 11.08.2026 |
| MMLU-ProBiology | 95,676 %höher | 95,258 % | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:biologyTestaufbau nicht identisch dokumentiertClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.535 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mmlu_pro-2026-08-11-b8e53828d746Abgerufen am 11.08.2026 |
| MortgageTaxSemantic Extraction | 62,719 %höher | 62,401 % | 1accuracyMehr ist besserKohorte: vals-mortgage-tax:1:semantic_extractionTestaufbau nicht identisch dokumentiertClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mortgage_tax-2026-08-11-5ea6eef3e482Abgerufen am 11.08.2026 |
| ProgramBenchFully Resolved | 3 %höher | 0 % | 1accuracyMehr ist besserKohorte: vals-programbench:1:strictTestaufbau nicht identisch dokumentiertClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-programbench-2026-08-11-b6f8959fbdfeAbgerufen am 11.08.2026 |
| SAGECalculus | 77,16 % | 78,395 %höher | 1accuracyMehr ist besserKohorte: vals-sage:1:calculusTestaufbau nicht identisch dokumentiertClaude Opus 5: Temperatur: 1, Ausgabegrenze: 30.000 Token Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 30.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-sage-2026-08-11-f1f79f6d8af3Abgerufen am 11.08.2026 |
| SWE-bench Verified>4 hours | 100 %höher | 33,333 % | 1accuracyMehr ist besserKohorte: vals-swebench:1:>4 hoursTestaufbau nicht identisch dokumentiertClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 Token | Vals AITyp: Unabhängige EvaluationMessstand: 08.08.2026Import-ID: vals-swebench-2026-08-11-a6212cd857d8Abgerufen am 11.08.2026 |
| TaxEval v2Stepwise Reasoning | 88,307 %höher | 85,016 % | 2accuracyMehr ist besserKohorte: vals-tax-eval-v2:2:stepwise_reasoningTestaufbau nicht identisch dokumentiertClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.535 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-tax_eval_v2-2026-08-11-d05a40bf446fAbgerufen am 11.08.2026 |
| Terminal-Bench 2.1Hard | 84,444 %höher | 60 % | 2.1accuracyMehr ist besserKohorte: vals-terminal-bench-2-1:2.1:hardTestaufbau nicht identisch dokumentiertClaude Opus 5: Compute: high, Temperatur: 1, Ausgabegrenze: 128.000 Token Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-terminal-bench-2-1-2026-08-11-8f0ebd72a609Abgerufen am 11.08.2026 |
| Vals IndexFinance Agent v2 | 56,57 %höher | 42,968 % | 1.2benchmark scoreMehr ist besserKohorte: vals-vals-index:1.2:finance_agentTestaufbau nicht identisch dokumentiertClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-vals_index-2026-08-11-e79d08d59249Abgerufen am 11.08.2026 |
| Vals Multimodal IndexFinance Agent v2 | 56,57 %höher | 42,968 % | 1.2benchmark scoreMehr ist besserKohorte: vals-vals-multimodal-index:1.2:finance_agentTestaufbau nicht identisch dokumentiertClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-vals_multimodal_index-2026-08-11-fa704862df19Abgerufen am 11.08.2026 |
| Code MigrationCode Quality | 4,75 / 5höher | 2,538 / 5 | 1mean reviewer code-quality ratingMehr ist besserKohorte: vals-code-migration:1:code_qualityTestaufbau nicht identisch dokumentiertClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-code-migration-2026-08-11-3a2d5ce718a3Abgerufen am 11.08.2026 |
| CorpFin v2Shared Max Context | 74,942 %höher | 65,734 % | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:shared_max_contextTestaufbau nicht identisch dokumentiertClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-corp_fin_v2-2026-08-11-d9e58d191cd9Abgerufen am 11.08.2026 |
| EMBDCF | 70,018 %höher | 46,388 % | 1accuracyMehr ist besserKohorte: vals-emb:1:dcfTestaufbau nicht identisch dokumentiertClaude Opus 5: Keine weiteren Einstellungen ausgewiesen Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-emb-2026-08-11-e3c855e236e4Abgerufen am 11.08.2026 |
| Finance Agent (v2)Comparables | 47,42 %höher | 36,66 % | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:comparablesTestaufbau nicht identisch dokumentiertClaude Opus 5: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 Token Gemini 3.1 Pro Preview: Reasoning: high, Temperatur: 1, Ausgabegrenze: 65.536 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-fabv2-2026-08-11-3e5c93a1857cAbgerufen am 11.08.2026 |
Die Tabelle zeigt 64 diversifizierte Messreihen aus insgesamt 125 gemeinsamen Ergebnissen. Dadurch verdrängt ein Benchmark mit vielen Unteraufgaben nicht alle anderen Tests.
So liest du den Vergleich
Ein Benchmark-Sieg ist kein Gesamturteil
Entscheidend sind deine Aufgaben, dein Budget und die benötigte Kontextlänge. Ein Coding-Benchmark sagt wenig über Bildverständnis oder Agentenarbeit aus.
Preise beziehen sich auf die offiziellen API-Tarife pro 1 Mio. Token. Web-Abos und Cloud-Aufschläge können davon abweichen.
Jeder Messwert verlinkt seine Messstelle und zeigt den Abrufstand. Je nach Kennzeichnung handelt es sich um eine Anbieterangabe, ein offizielles Benchmark-Leaderboard oder eine unabhängige Evaluation. Strittige oder archivierte Ergebnisse werden nicht verwendet.