Google DeepMind-Modellkarte, Ergebnisse vom Februar 2026. · Quelle
Einzelversuch; Die Karte gibt für diesen Benchmark keine Claude-Zahl an. · Quelle
| Artikel | Wert |
|---|---|
| Eingaben | Text, Bilder, Audio, Video; Kontextfenster bis zu 1 Mio. Token |
| Ausgabe | Text, 64.000 Token |
| Bezogen auf | Gemini 3 Pro |
| Die letzte Prüfung der Menschheit (keine Werkzeuge) | 44,4 % (Gemini 3 Pro 37,5 %) |
| GPQA Diamond (keine Werkzeuge) | 94.3% |
| SWE-Bench verifiziert (Einzelversuch) | 80.6% |
| Terminal-Bench 2.0 (Terminus-2) | 68.5% |
| tau2-bench Telekommunikation | 99.3% |
| BrowseComp | 85.9% |
| MCP-Atlas | 69.2% |
| MRCR v2 8-Nadel, 1M punktuell | 26.3% |
Eigene Zahlen von Google, Ergebnisse vom Februar 2026. Auf der Karte ist kein API-Preis aufgeführt. · Quelle
Partial outage now. Google Gemini is currently experiencing a partial outage
Unofficial, from StatusGator. Uptime is the share of the window not marked down (559 min down, 3227 min degraded); it covers the whole service, not this version alone.
Estimate from the version's published specs, benchmarks and reviews, 0-5; scores are only comparable within one criteria year. Scored as launched (19 Feb 2026, preview). Reasoning: Artificial Analysis Intelligence Index 57 at launch (v4.0; four points ahead of Claude Opus 4.6; The Decoder 21 Feb 2026). AA's pages now show lower numbers (30, 46) after later index versions, not used. Coding null: no Terminal-Bench 4.0; Google published Terminal-Bench 2.0 68.5% (Terminus-2) and SWE-Bench Verified 80.6%. Context 1M input, 64k output (DeepMind model card). Price $2 in / $12 out per 1M up to 200k = $4.50 blended (AA, Google). Speed null: no launch-time speed found (AA now lists 132 tokens/s, undated). Input text, image, audio, video.[1]
The model ranks first in six of ten categories, including agent-based coding, knowledge, scientific reasoning, and physics.
While the leap in logical reasoning and coding benchmarks is impressive, the 'soul' of the model — its emotional depth, empathy, creative flexibility, and nuance — seems to have been significantly reduced.
It is not necessarily faster, and in some modes, it is intentionally slower, taking a moment to chew on a problem before spitting out an answer.
Winner: Gemini wins for providing phrasing I'd actually use because it feels the most natural and immediately usable.
Fotos von Lesern, getrennt von den belegten Medien des Pins. Bewerte, was du gegessen oder gesehen hast, und markiere bei einem Restaurant-Pin die Gerichte direkt auf deinem Foto.
Der erste Eintrag ist immer die Quelle des Pins. Die Gesamtsicherheit ist ein gewichteter Durchschnitt, wie fest jeder Beleg die oben verwendeten Start- und Endzeiten stützt; ein Beleg zählt für je 180 Tage, die er älter ist als der neueste, nur halb so viel.
Googles Beitrag „Gemini 3.1 Pro: A smarter model for your most complex tasks“ datiert vom 19. Februar 2026 und erklärt, es werde an diesem Tag für Entwickler, Unternehmen und Verbraucher ausgerollt.
The Wikipedia article lists Gemini 3.1 Pro as released in preview on 19 February 2026.
DeepMind's model card gives the benchmark table against the model's predecessor and named rivals.
Fehlt etwas oder stimmt etwas nicht? Sag es in deinen eigenen Worten: ein Link, der diesen Pin belegt, ein anderes Start- oder Enddatum und warum, oder eine Angabe, die fehlt oder falsch ist. Die KI prüft es an den Quellen dieses Pins, sucht nach besseren und ergänzt jede Seite, die dich bestätigt. Die eigenen Quellen des Pins zählen weiterhin am meisten. Auch Bilder sieht sich die KI an: Eines, das etwas anderes oder die Sache schlecht zeigt, wird nach hinten gestellt oder ersetzt.
Originaltitel: Gemini 3.1 Pro Released
| Benchmark | Gemini 3.1 Pro | Gemini 3 Pro | Sonnet 4.6 | Opus 4.6 | GPT-5.2 | GPT-5.3-Codex |
|---|---|---|---|---|---|---|
| Humanity's Last Exam (Akademisches Reasoning (Gesamtset, Text + MM), ohne Werkzeuge) | 44.4% | 37.5% | 33.2% | 40.0% | 34.5% | — |
| Humanity's Last Exam (Akademisches Reasoning (Gesamtset, Text + MM), Suche (Blocklist) + Code) | 51.4% | 45.8% | 49.0% | 53.1% | 45.5% | — |
| ARC-AGI-2 (Abstrakte Denkrätsel, von ARC Prize verifiziert) | 77.1% | 31.1% | 58.3% | 68.8% | 52.9% | — |
| GPQA Diamond (Naturwissenschaftliches Wissen, ohne Werkzeuge) | 94.3% | 91.9% | 89.9% | 91.3% | 92.4% | — |
| Terminal-Bench 2.0 (Agentisches Programmieren im Terminal, Terminus-2-Harness) | 68.5% | 56.9% | 59.1% | 65.4% | 54.0% | 64.7% |
| Terminal-Bench 2.0 (Agentisches Programmieren im Terminal, bester anderer selbst gemeldeter Harness) | — | — | — | — | 62.2% | 77.3% |
| SWE-Bench Verified (Agentisches Programmieren, ein Versuch) | 80.6% | 76.2% | 79.6% | 80.8% | 80.0% | — |
| SWE-Bench Pro (Public) (Vielfältige agentische Programmieraufgaben, ein Versuch) | 54.2% | 43.3% | — | — | 55.6% | 56.8% |
| LiveCodeBench Pro (Wettbewerbsaufgaben von Codeforces, ICPC und IOI, Elo) | 2887 | 2439 | — | — | 2393 | — |
| SciCode (Wissenschaftliche Forschungsprogrammierung) | 59% | 56% | 47% | 52% | 52% | — |
| APEX-Agents (Berufliche Aufgaben mit langem Horizont) | 33.5% | 18.4% | — | 29.8% | 23.0% | — |
| GDPval-AA Elo (Expertenaufgaben) | 1317 | 1195 | 1633 | 1606 | 1462 | — |
| τ2-bench (Agentische Aufgaben und Werkzeugnutzung, Retail) | 90.8% | 85.3% | 91.7% | 91.9% | 82.0% | — |
| τ2-bench (Agentische Aufgaben und Werkzeugnutzung, Telecom) | 99.3% | 98.0% | 97.9% | 99.3% | 98.7% | — |
| MCP Atlas (Mehrstufige Workflows mit MCP) | 69.2% | 54.1% | 61.3% | 59.5% | 60.6% | — |
| BrowseComp (Agentische Suche, Suche + Python + Browser) | 85.9% | 59.2% | 74.7% | 84.0% | 65.8% | — |
| MMMU-Pro (Multimodales Verstehen und Reasoning, ohne Werkzeuge) | 80.5% | 81.0% | 74.5% | 73.9% | 79.5% | — |
| MMMLU (Mehrsprachige Fragen und Antworten) | 92.6% | 91.8% | 89.3% | 91.1% | 89.6% | — |
| MRCR v2 (8-needle) (Leistung bei langem Kontext, 128k (Durchschnitt)) | 84.9% | 77.0% | 84.9% | 84.0% | 83.8% | — |
| MRCR v2 (8-needle) (Leistung bei langem Kontext, 1M (punktweise)) | 26.3% | 26.3% | — | — | — | — |