Direktvergleich

Gemini 3 Pro LogovsGLM-5.2 Logo

Gemini 3 Pro vs GLM-5.2: Wer gewinnt das KI-Modell-Duell 2026?

Gemini 3 Pro ($12/1M out (prompts ≤200K)) und GLM-5.2 ($4.40/1M out) sind 2026 zwei der meistgenutzten KI-Modelle. Bei 7 Stimmen der Community führt Gemini 3 Pro mit 57% Zustimmung.

Schnelles Urteil

Bei Reasoning liegen Gemini 3 Pro und GLM-5.2 gleichauf bei 4.5/5. Beim Budget gewinnt GLM-5.2: Es startet bei $4.40/1M out gegenüber $12/1M out (prompts ≤200K) für Gemini 3 Pro.

Vergleich Zeile für Zeile

Ab
$12/1M out (prompts ≤200K)Standardtarif: $2/$12 pro 1M Tokens für Prompts ≤200K, $4/$18 darüber; Batch mit 50% Rabatt. Am 9. März 2026 eingestellt, der Nachfolger Gemini 3.1 Pro behält identische Preise.
$4.40/1M outOffizieller Z.ai-Listenpreis für glm-5.2: 1,40 $ pro Million Eingabe-Token, 0,26 $ bei Cache-Treffer, 4,40 $ pro Million Ausgabe-Token. Drittanbieter nennen dieselben 1,40 $ / 4,40 $. Die Speicherung des Eingabe-Cache ist zeitlich befristet kostenlos. Geprüft auf der Preisseite docs.z.ai, 08/2026.
Anbieter
Google (DeepMind)
Z.ai (Zhipu AI)
Kontextfenster
1M tokens (64K output)
1M tokens (128K max output)
Input-Preis
$2/1M in (prompts ≤200K)
$1.40/1M in (cache hit $0.26)
Output-Preis
$12/1M out (prompts ≤200K)
$4.40/1M out
Modalitäten
text, image, audio, video in; text out
text only
Open Weights
Nein
Ja
Crowd-Score
57%(3)
50%(4)
Arena-Bewertungen (1-5)
Reasoning
4.5
4.5
Coding
4.5
4.5
Schreiben
3.5
3.5
Tempo
3.5
4.0
Preis-Leistung
4.0
4.0

Stärken und Schwächen

Gemini 3 Pro

  • Führte LMArena zum Start mit Rekordwert von 1501 Elo an und erreichte 91.9% auf GPQA Diamond, State of the Art zum Release
  • ARC-AGI-2 bei 31.1%, rund 6x Gemini 2.5 Pro (4.9%) und damals fast das Doppelte von GPT-5.1 (17.6%)
  • Klassenbestes multimodales Verständnis: 81% MMMU-Pro, 87.6% Video-MMMU, mit 1M-Token-Kontextfenster
  • Starkes agentisches Coding: 76.2% SWE-bench Verified, 54.2% Terminal-Bench 2.0, 1487 Elo auf WebDev Arena
  • Unterbot die Konkurrenz mit $2/$12 pro 1M Tokens, unterhalb der Claude-Sonnet-Preisklasse ($3/$15)
  • Konfigurierbares thinking_level (low/medium/high) lässt Entwickler Reasoning-Tiefe gegen Latenz und Kosten abwägen
  • Selbstsichere Halluzinationen: Auf AA-Omniscience gab es in 88% der Fälle eine falsche Antwort statt abzulehnen, gegenüber 48% bei Claude Sonnet 4.5 (the-decoder)
  • Vielfach berichtete Anbiederung (Zvi Mowshowitz: 'gewaltige Intelligenz ohne Rückgrat'); braucht strenge System-Prompts
  • Zuverlässigkeitsprobleme beim Tool-Calling in Agent-Stacks: Entwickler meldeten Tool-Outputs, die in den Chat-Thread gekippt wurden, und mehr nötiges Scaffolding als bei OpenAI/Anthropic-Modellen
  • Langsam bei hohem Thinking-Level: Zeit bis zum ersten Token auf AI Studio mit rund 30-60s gemessen, trotz ~130 Tokens/s Output-Tempo
  • Eingestellt: am 9. März 2026 auf der Gemini API und in AI Studio abgeschaltet, gemini-3-pro-preview zeigt jetzt als Alias auf Gemini 3.1 Pro

GLM-5.2

  • Führendes Open-Weights-Modell im Artificial Analysis Intelligence Index (Wert 53, Platz 4 von 106): das stärkste Modell, das Sie tatsächlich herunterladen und selbst betreiben können, unter MIT-Lizenz
  • 62,1 bei SWE-Bench Pro, vor den 58,6 von GPT-5.5, dazu 82,7 bei Terminal-Bench 2.1 und 91,2 bei GPQA-Diamond: Coding und Reasoning auf Frontier-Niveau, keine günstige Näherung
  • 1,40 $ pro Million Eingabe-Token und 4,40 $ pro Million Ausgabe-Token (0,26 $ bei Cache-Treffer), rund ein Sechstel der Token-Kosten von GPT-5.5 oder Claude Opus 4.8
  • Wirklich schnell: 153,2 Ausgabe-Token pro Sekunde und 1,39 s bis zum ersten Token, deutlich vor den 33 Token/s von Kimi K3 in derselben Klasse
  • Eine Million Token Kontext bei 128K maximaler Ausgabe, und eine IndexShare-Architektur, die die FLOPs pro Token bei voller Kontextlänge um das 2,9-Fache senkt
  • MIT-Lizenz mit veröffentlichten Gewichten: Selbstbetrieb beseitigt sowohl die Anbieterbindung als auch die Frage der Datenhoheit, die bei der gehosteten API besteht
  • Das ausschweifendste der führenden Modelle: 43.000 Ausgabe-Token pro Artificial-Analysis-Aufgabe (davon 37.000 Reasoning), das 1,8-Fache des Durchschnitts, sodass aus dem günstigen Listenpreis 0,32 $ pro Aufgabe werden und Antworten auf OpenRouter rund 75 Sekunden brauchen
  • Schwach bei halluzinationsbereinigtem Wissen: 4 bei AA-Omniscience gegenüber 27 für Claude Opus 4.8, 23 für Gemini 3.5 Flash und 20 für GPT-5.5, es antwortet also selbstbewusst, wo stärkere Modelle ablehnen
  • Nur Text: keine Bild- oder Audioeingabe, während die meisten direkten Konkurrenten nativ multimodal sind
  • Artificial Analysis hält es im Vergleich zu anderen Open-Weights-Modellen ähnlicher Größe für teuer: das Preisargument trägt gegen die geschlossene US-Frontier, nicht gegen das offene Feld
  • 753 Milliarden Parameter erfordern für den Selbstbetrieb ein Multi-GPU-Rechenzentrum; für die meisten Teams bedeutet „offene Gewichte“ Portabilität und Prüfrechte statt der tatsächlichen Möglichkeit, es zu betreiben

Fällen Sie Ihr Urteil

Eine Empfehlung pro Tool und Gladiator. Sie verändert den Crowd-Score, den alle sehen.

Gemini 3 Pro$12/1M out (prompts ≤200K)
57%Crowd-Score · 3
GLM-5.2$4.40/1M out
50%Crowd-Score · 4

Das Urteil der Arena zu Gemini 3 Pro

Ein Meilenstein-Release, das Google Ende 2025 zurück an die Spitze brachte, mit einem riesigen Reasoning-Sprung gegenüber Gemini 2.5 Pro und den besten multimodalen Scores seiner Generation. Stand Mitte 2026 gibt es keinen Grund mehr, es zu wählen: Google hat es am 9. März 2026 auf der API abgeschaltet, und Gemini 3.1 Pro kostet exakt dasselbe und mehr als verdoppelt die ARC-AGI-2-Leistung (77.1% vs 31.1%). Teams mit Legacy-Deployments sollten auf 3.1 Pro migrieren, auf das die alte Modell-ID ohnehin schon zeigt. Meiden Sie es für halluzinationssensible Workloads ohne Grounding, eine Schwäche, die Tester wiederholt anmahnten.

Das Urteil der Arena zu GLM-5.2

GLM-5.2 ist das beste Modell, das Sie derzeit herunterladen können. Es führt das Open-Weights-Feld bei Artificial Analysis an, schlägt GPT-5.5 bei SWE-Bench Pro und kostet pro Token rund ein Sechstel der geschlossenen US-Frontier. Nehmen Sie es für agentisches Coding, langfristige Repository-Arbeit und Analysen über eine Million Token, besonders wenn Selbstbetrieb oder Lizenzfreiheit für Ihre Roadmap zählen. Achten Sie auf die Ausschweifung: Es verbraucht 43.000 Ausgabe-Token pro Aufgabe, die tatsächliche Rechnung landet also bei etwa 0,32 $ pro Aufgabe und Antworten dauern rund 75 Sekunden, was es für interaktive Produkte ausschließt. Und nutzen Sie es nicht als Wissensorakel: Ein AA-Omniscience-Wert von 4 gegenüber 27 für Opus 4.8 bedeutet, dass es selbstbewusst antwortet, wo es ablehnen sollte, also setzen Sie vor alles Faktische eine Prüfschicht. Bei reinen Token-Kosten bleibt DeepSeek V4 günstiger; das Argument von GLM-5.2 ist Frontier-Fähigkeit, die Ihnen gehört.

Was die Menge sagt

Zu Gemini 3 Pro

Richter Gnadenlos

“Confidently wrong is its worst mode. On AA-Omniscience it gave a wrong answer 88% of the time instead of declining. Add the sycophancy and you need a tight system prompt to trust it.”

Champion der Vibes

“ARC-AGI-2 at 31% was about 6x Gemini 2.5 Pro and nearly double GPT-5.1 at the time. For visual-heavy work (81 MMMU-Pro) nothing else came close.”

Glorius Maximus

“1501 Elo on LMArena at launch was deserved. Multimodal is where it kills, I feed it lecture videos and dense PDFs and it just gets it. 1M context helps.”

Zu GLM-5.2

Nullus Refundus

“yok”

Nullus Refundus

“The verbosity is not a detail. 43k output tokens for a task Opus does in 15k means my cheap model is not cheap, and 75 seconds per answer killed it for our support bot. Great for batch, useless interactive.”

Wächter des Repos

“1M context that actually stays coherent. Fed it a 400k-token monorepo and the cross-file reasoning was better than anything else I can self-host. 153 tokens/s makes the long reasoning bearable.”

Champion der Vibes

“Swapped it in for our agentic refactor jobs and it held up against Opus 4.8 at a fraction of the bill. The MIT weights are what sold my CTO: we can move it in-house if Z.ai ever changes the terms.”

Häufige Fragen

Ist Gemini 3 Pro besser als GLM-5.2?

Die Menge steht aktuell hinter Gemini 3 Pro: 57% empfehlen es, gegenüber 50% für GLM-5.2 (7 Stimmen). Die richtige Wahl hängt von Ihrem Einsatzzweck ab. Der Vergleich Zeile für Zeile auf dieser Seite schlüsselt Preise, Kerndaten und Arena-Bewertungen auf.

Was ist günstiger, Gemini 3 Pro oder GLM-5.2?

GLM-5.2 ist günstiger: Es startet bei $4.40/1M out, während Gemini 3 Pro bei $12/1M out (prompts ≤200K) startet.

Was kosten Gemini 3 Pro und GLM-5.2 pro 1M Tokens?

Gemini 3 Pro: $2/1M in (prompts ≤200K) pro 1M Input-Tokens, $12/1M out (prompts ≤200K) pro 1M Output-Tokens. GLM-5.2: $1.40/1M in (cache hit $0.26) pro 1M Input-Tokens, $4.40/1M out pro 1M Output-Tokens.