Gemini 3 im Test (2026): Benchmarks, Kosten und Modellwahl

Googles Gemini 3 ist längst kein einzelnes Modell mehr – und genau das verändert die Ausgangsfrage. Was im November als „Gemini 3 Pro“ startete, ist heute eine Modellfamilie: 3.1 Pro für die anspruchsvollsten Reasoning-Aufgaben, 3.5 Flash als schneller neuer Standard, der selbst das frühere Flaggschiff beim Coding übertrifft, und 3.5 Pro steht nur noch wenige Tage vor dem Start. Ein ehrlicher Gemini 3 Test fragt deshalb nicht: „Ist Gemini 3 gut?“ Entscheidend ist, welches Modell sich tatsächlich eignet – und ob es einen Wechsel von ChatGPT oder Claude rechtfertigt.

Gemini 3 im Test: das Urteil in Kürze

Gemini 3 ist eine echte Modellfamilie der Spitzenklasse. Für die meisten reicht inzwischen schon die kostenlose Stufe für den täglichen Einsatz. Der Haken: Hinter „Gemini 3“ stehen sehr unterschiedliche Modelle – und die automatisch gewählte Variante ist nur selten die passende.

Im Google-Ökosystem (Gmail, Docs, Search, Android) ist Gemini 3 die am einfachsten einzuführende Spitzen-KI und bietet gemessen am Preis am meisten: eine tatsächlich brauchbare Gratisstufe, einen Bezahlplan für $4.99/month, der alle Konkurrenten unterbietet, und das beste Verhältnis aus Preis und Intelligenz in der API. Bei langen Kontexten, multimodalem Verständnis einschließlich Video sowie agentischer Suche führt die Modellfamilie das Feld an.

Schwächer ist sie bei der reinen Konsistenz über lange, besonders folgenreiche Aufgaben hinweg. Auch jene Verlässlichkeit, bei der man dem Urteilsvermögen eines Modells einfach vertraut, bleibt ein Grund, warum viele bei Claude bleiben. Zudem verändert sich das Angebot so schnell, dass ein im vergangenen Monat getestetes Modell heute schon nicht mehr aktuell ist. Wer nach Aufgabe statt nach Marke auswählt, bekommt hier jedoch sehr viel geboten.

Was „Gemini 3“ heute tatsächlich bezeichnet

„Gemini 3“ ist kein einzelnes Modell, sondern eine Generation. Vier Varianten sind bereits erschienen oder stehen unmittelbar bevor. Diese Unterscheidung entscheidet einen Großteil der Modellwahl, denn trotz ähnlicher Namen verhalten sich die Varianten völlig unterschiedlich.

Das Modell ist dabei schlicht die Engine, die die Denkarbeit übernimmt. „Pro“-Engines sind größer und für anspruchsvolleres Reasoning ausgelegt; „Flash“-Engines sind kleiner, schneller und günstiger. So sieht die Modellfamilie Mitte 2026 aus:

Der überraschende Punkt: 3.5 Flash, also die günstige und schnelle Variante, schlägt das alte Flaggschiff 3 Pro inzwischen beim Coding und bei agentischen Aufgaben. Laut Google kann es bei dieser Arbeit sogar mit großen Flaggschiffmodellen mithalten (Engadget). Der Reflex, für ernsthafte Aufgaben automatisch das teure Modell zu wählen, führt damit in vielen Fällen zur falschen Entscheidung.

Gemeinsam sind den Modellen ein Kontextfenster mit 1 Million Token – genug für ungefähr 1,500 Textseiten in einer einzigen Unterhaltung –, die native Verarbeitung von Text, Bildern, Video, Audio und PDF in einem Prompt sowie ein Wissensstichtag im Januar 2025 (Model Card).

Falls nur ein Punkt hängen bleibt: Wenn von „Gemini 3“ die Rede ist, muss zuerst die Variante geklärt werden. Von ihr hängen ein Preisunterschied von 4x und ein völlig anderes Stärkenprofil ab.

Gemini-3-Benchmarks realistisch eingeordnet

Nach den von Google veröffentlichten Werten führt Gemini 3.1 Pro die Spitzenmodelle in mehreren Disziplinen an, liegt in einigen anderen aber zurück. Gerade dieses gemischte Bild ist glaubwürdiger als ein makelloser Durchmarsch: Die Niederlagen zeigen, wo die Konkurrenz tatsächlich besser ist.

Ein Benchmark ist nichts anderes als ein standardisierter Test. Jedes Modell erhält dieselben Fragen, die nach denselben Regeln bewertet werden. So wird ein Vergleich möglich. Die folgende Gegenüberstellung aus der Model Card zeigt Gemini 3.1 Pro (Thinking, High) im direkten Vergleich mit den aktuellen Modellen von Claude und OpenAI (Quelle):

Die richtige Lesart: Wenn eine Aufgabe darin besteht, viele veränderliche Informationen zu finden, zu durchsuchen und schlüssig auszuwerten, liegt Gemini 3.1 Pro vorn – teils mit deutlichem Abstand. BrowseComp mit 85.9% gegenüber 65.8% für GPT-5.2 ist kein knappes Ergebnis. Bei konzentrierter Softwareentwicklung liegen die drei praktisch gleichauf; im meistzitierten Coding-Benchmark SWE-Bench Verified hat Claude Opus 4.6 einen hauchdünnen Vorsprung. Bei disziplinierter Tool-Nutzung bleibt Opus ebenfalls knapp am zuverlässigsten.

Die Reasoning-Werte des Flaggschiffs bestätigen dasselbe Bild. Zum Start führte Gemini 3 Pro die LMArena-Bestenliste mit 1501 Elo an, erreichte 91.9% bei GPQA Diamond – naturwissenschaftlichen Fragen auf Graduiertenniveau – und ohne Tools 37.5% bei Humanity's Last Exam. Dieser bewusst extrem schwierige Expertentest macht selbst 37.5% zu einem starken Ergebnis (Ankündigung). Mit Deep Think, dem erweiterten Reasoning-Modus, steigen die Werte auf 41.0% bei Humanity's Last Exam und herausragende 45.1% bei ARC-AGI-2. Dieser Test wurde gezielt so entwickelt, dass Auswendiglernen wenig hilft und tatsächlich neuartige Problemlösung zählt.

Was Gemini 3 kostet – mit konkreter Rechnung

Gemini 3 ist derzeit der günstigste Einstieg in KI auf Spitzenniveau – sowohl im Abonnement als auch über die API. Das ist sein klarster Vorteil und leicht zu übersehen, weil ausgerechnet der relevante Tarif eher still umbenannt wurde.

Für Privatnutzer gelten laut Googles aktueller Tarifübersicht folgende Preise:

Für die meisten ist Google AI Plus für $4.99/month die entscheidende Zahl. ChatGPT Plus und Claude Pro liegen mit ihrer Standardstufe jeweils bei rund $20/month; Geminis mittlerer Tarif kostet also ungefähr ein Viertel davon. Wer anderswo noch „$7.99“ liest, sieht einen veralteten Preis: Auf Googles eigener Seite stehen $4.99.

Für Entwickler wird der Preisvorteil der API besonders deutlich (Preise, jeweils pro 1M Token):

• Gemini 3.1 Pro: $2.00 Input / $12.00 Output für Prompts unter 200k Token; darüber $4.00 / $18.00.
• Gemini 3.5 Flash: $1.50 Input / $9.00 Output – und dieses Modell schlägt das alte Pro beim Coding und bei Agenten.
• Grounding mit Google Search: 5,000 kostenlose Prompts pro Monat, gemeinsam für die gesamte Gemini-3-Familie; danach $14 pro 1,000 Suchanfragen.

Ein konkretes Beispiel: Ein Support-Agent verarbeitet 100,000 Unterhaltungen pro Monat, im Durchschnitt jeweils 4k Input- und 1k Output-Token. Mit 3.5 Flash ergeben sich ungefähr 400M Input- und 100M Output-Token. Zum Listenpreis sind das rund $600 + $900 = $1,500/month. Bei einem Frontier-Modell mit doppelt so hohem Output-Preis würde dieselbe Last mehr als $2,500 kosten. Bei 100k Unterhaltungen entspricht die Differenz einer zusätzlichen Stelle. Diese Rechnung – nicht das Benchmark-Diagramm – erklärt, warum Teams bei hohem Volumen zu Gemini wechseln. Zwischen Modellen dieser Klasse liegen im Benchmark nur wenige Punkte, auf der Rechnung dagegen 40% oder mehr.

Wo Gemini 3 wirklich gewinnt – und wo nicht

Gemini 3 empfiehlt sich für Breite, Reichweite und Preis. Weniger passend ist es, wenn das Urteilsvermögen eines Modells ohne weitere Kontrolle verlässlich sein muss.

Die ehrlichen Nachteile: Am häufigsten wird die schwankende Konsistenz bemängelt. Gemini kann brillante Ergebnisse liefern und eine Stunde später bei einem ähnlichen Prompt merkwürdig blass bleiben – genau das beschreiben einige Rezensionen im Forum. Bei Aufgaben, in denen Fehler teuer werden, etwa Verträge, medizinische oder juristische Entwürfe und Finanzanalysen, setzen viele Teams weiterhin eher auf die Beständigkeit von Claude. Die Werte bei τ2-bench zur Tool-Nutzung und bei SWE-Bench Verified stützen diesen Eindruck zumindest knapp. Gleichzeitig dreht sich das Modellkarussell schnell: Ein für 3 Pro optimierter Workflow passt heute besser zu 3.5 Flash, und mit 3.5 Pro beginnt die Abstimmung erneut. Das Entwicklungstempo ist gut für die Leistungsfähigkeit, aber schlecht für Stabilität.

Für den ausführlichen Direktvergleich im Alltag geht der Vergleich Gemini vs ChatGPT tiefer ins Detail. Der [große Vergleich Claude vs ChatGPT vs Gemini](/blog/claude-vs-chatgpt-vs-gemini) stellt alle drei nebeneinander.

Welches Gemini-3-Modell passt zu welchem Einsatz?

Entscheidend ist die Aufgabe, nicht das Preisschild – denn die günstige Variante gewinnt öfter als erwartet.

Die Entscheidungsregel in einem Satz: Geht es um Volumen, Breite, Suche oder Budget, gewinnt Gemini. Geht es um folgenreiche Entscheidungen, die sich nicht noch einmal prüfen lassen, verliert der Preisabstand an Bedeutung und die Verlässlichkeit entscheidet. Besteht die Arbeit überwiegend aus Code, lohnt sich vor der Festlegung auf ein Modell zusätzlich der Vergleich mit spezialisierten Coding-Agenten.

So lässt sich Gemini 3 nutzen

Der Einstieg in Gemini 3 dauert ungefähr zwei Minuten. Fast alles Wesentliche lässt sich zunächst kostenlos testen.

1. 1

   Kostenlos starten

   Die Gemini-App oder gemini.google.com öffnen und mit einem Google-Konto anmelden. Damit steht Gemini 3 Flash sofort kostenlos zur Verfügung. Eine Woche mit echter Arbeit zeigt mehr als ein kurzer Test – erst danach lohnt sich ein Bezahlplan.

2. 2

   Erst beim Erreichen der Limits upgraden

   Wer an tägliche Limits stößt oder eine tiefere Workspace-Integration benötigt, findet in Google AI Plus für $4.99/month das sinnvolle Upgrade für fast alle Anwendungsfälle. Pro für $19.99 richtet sich an intensivere Nutzung und höheren Speicherbedarf.

3. 3

   API-Schlüssel für eigene Anwendungen erstellen

   In Google AI Studio einen Schlüssel erstellen und zunächst 3.5 Flash ansprechen. Erst wenn Prompts tatsächlich das tiefste Reasoning oder den größten Kontext verlangen, lohnt sich der Wechsel zu 3.1 Pro, denn es kostet ein Mehrfaches.

4. 4

   Deep Think gezielt einsetzen

   Deep Think setzt Google AI Ultra voraus. Es lohnt sich nur für wirklich schwierige, neuartige Probleme – nicht für den Alltags-Chat. Die meisten benötigen es nie.

Ist Gemini 3 kostenlos?

Ja. Die Gemini-App bietet kostenlosen Zugriff auf Gemini 3 Flash mit täglichen Limits, was für die meisten alltäglichen Aufgaben genügt. Bezahlpläne beginnen mit Google AI Plus für $4.99/month; Deep Think erfordert den Ultra-Tarif für $99.99.

Wie viel kostet Gemini 3?

Für Privatnutzer: kostenlos, danach AI Plus für $4.99/mo, AI Pro für $19.99/mo sowie AI Ultra für $99.99 und $199.99/mo. In der API kostet Gemini 3.5 Flash $1.50 Input / $9 Output pro Million Token; bei 3.1 Pro sind es je nach Prompt-Länge $2 bis $4 Input / $12 bis $18 Output.

Ist Gemini 3 besser als ChatGPT oder Claude?

In Googles veröffentlichten Benchmarks führt Gemini bei agentischer Suche, langen Kontexten und kompetitivem Coding. Bei SWE-Bench Verified und der Tool-Nutzung liegt es knapp hinter Claude Opus 4.6. Von den drei Angeboten liefert Gemini das beste Preis-Leistungs-Verhältnis; bei folgenreicher Arbeit bleibt Claude die Wahl für mehr Beständigkeit.

Was ist Gemini 3 Deep Think?

Deep Think ist ein erweiterter Reasoning-Modus, der mehr Rechenleistung in schwierige Probleme investiert und bei Tests wie ARC-AGI-2 Spitzenwerte von 45.1% erzielt. Er ist dem Tarif Google AI Ultra vorbehalten und für Alltagsaufgaben überdimensioniert.

Gemini 3 Flash vs Pro: Welches Modell ist die richtige Wahl?

3.5 Flash eignet sich für Geschwindigkeit, niedrige Kosten, alltägliche Chats und Agentenschleifen – beim Coding schlägt es inzwischen sogar das alte Pro. 3.1 Pro ist die Wahl für das anspruchsvollste Reasoning oder den allerlängsten Kontext, sofern der höhere Preis gerechtfertigt ist.

Jede Woche ein aktueller, ungeschönter Überblick über die Tools, die wirklich zählen – mit echten Preisen und klaren Abwägungen? Newsletter abonnieren.