
Fugu Ultra v2 vs. Gemini 3.1 Pro: der Gegner, der möglicherweise bereits in der Maschine steckt
- OrcaNEUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 pro 1 Mio. Tokens · 187 tok/s
- openaiNEUOpenAI: GPT-6.2 Astra2026-11-17$8.00 / $40.00 pro 1 Mio. Tokens · 80 tok/s
- openaiNEUOpenAI: GPT-6.2 Sol2026-11-17$2.00 / $10.00 pro 1 Mio. Tokens · 155 tok/s
- tencentNEUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 pro 1 Mio. Tokens · 196 tok/s
- AlibabaNEUQwen: Qwen4 Max2026-11-16$1.50 / $4.50 pro 1 Mio. Tokens · 85 tok/s
- GoogleNEUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 pro 1 Mio. Tokens · 705 tok/s
- AnthropicNEUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 pro 1 Mio. Tokens · 246 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 pro 1 Mio. Tokens · 97 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 pro 1 Mio. Tokens · 139 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 pro 1 Mio. Tokens · 84 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 pro 1 Mio. Tokens · 122 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 pro 1 Mio. Tokens · 102 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 pro 1 Mio. Tokens · 69 tok/s
- openaiOpenAI: GPT-6.1 Terra2026-10-26$1.00 / $5.00 pro 1 Mio. Tokens · 35 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 89 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 38 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligenz
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 pro 1 Mio. Tokens · 230 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenz
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 pro 1 Mio. Tokens · 101 tok/s
Es gibt eine Version des Vergleichs Fugu Ultra v2 vs Gemini 3.1 Pro, in der Gemini gewinnt, egal wie der Benchmark ausgeht – weil es möglicherweise einen Teil der Arbeit erledigt. Das Orchestrierungssystem von Sakana AI, veröffentlicht am 11. September 2026, gibt nicht bekannt, welche Modelle es koordiniert; der gemeldete Pool des Fugu Ultra vom Juni enthielt unter anderem Gemini 3.1 Pro, und Version 2.0 verrät uns nur, was sie entfernt hat, und nennt Claude Fable 5, Claude Fable 5.1 und GPT-6 Astra als ausgeschlossen. Googles Gemini 3.1 Pro ist ein einzelnes multimodales Frontier-Modell mit einem 1-Mio.-Token-Kontext, das Text, Bilder, PDFs, Audio und Video verarbeitet und seit Mai 2026 allgemein verfügbar ist, für 2,00 $ pro Million Eingabe- und 12,00 $ pro Million Ausgabe-Token. Eines davon ist ein Modell, das man inspizieren kann. Das andere ist ein System, dessen Benchmark-Siege möglicherweise über das erste Modell laufen, und keiner der beiden Anbieter wird Ihnen sagen, ob sie das tun.
Was jedes System tatsächlich ist
Gemini 3.1 Pro ist auf eine Weise lesbar, die unter Frontier-Releases selten geworden ist. Es ist ein Sparse-Mixture-of-Experts-Transformer von Google DeepMind, erstmals als Preview am 19. Februar 2026 veröffentlicht, wobei eine Quelle die allgemeine Verfügbarkeit auf Mai 2026 datiert — unsere eigene Auflistung führt es unter der Preview-Modell-ID. Es besitzt ein Eingabefenster von 1 Mio. Token und eine Ausgabegrenze von 65K Token, akzeptiert Text, Bilder, PDFs, Audio, Video und Code und bietet eine dreistufige Reasoning-Steuerung – niedrig, mittel oder hoch – wobei hoch der API-Standard ist. Google berichtet 77,1 % bei ARC-AGI-2, mehr als das Doppelte der 31,1 % der vorherigen Generation; 94,3 % bei GPQA Diamond; 80,6 % bei SWE-bench Verified; 68,5 % bei Terminal-Bench 2.0; 85,9 % bei BrowseComp; und 44,4 % bei Humanity's Last Exam ohne Tools, steigend auf 51,4 % mit Suche und Codeausführung. Das sind Herstellerangaben. Sein Wissens-Cutoff ist Januar 2025, was man anmerken sollte, wenn Ihre Arbeit von aktuellen Ereignissen abhängt.
Fugu Ultra v2 ist ein Koordinator. Es ist ein trainiertes Modell, das laut Berichten rund 7B Parameter hat und eine Anfrage liest, ein Agententeam mit den Rollen Thinker, Worker und Verifier zusammenstellt, die aus Sakanas TRINITY-Forschung stammen, und eine Antwort hinter einem OpenAI-kompatiblen Endpunkt synthetisiert. Es hat keine eigene veröffentlichte Modalitätenliste – alles, was es sehen kann, sieht es, weil ein Modell in seinem Pool es sehen kann. Sein Kontext umfasst 1M Tokens mit einem scharfen Preissprung bei 272K, wobei sich die Tarife auf $10 für Eingabe und $45 für Ausgabe verdoppeln. Sein Ausgabelimit ist nicht veröffentlicht. Sein Pool ist nicht offengelegt, seine Routing-Entscheidungen werden „bewusst nicht offengelegt“, und beim Ultra-Tier ist der Pool fest, sodass man keinen Anbieter ausschließen kann.
Diese Asymmetrie ist das gesamte Matchup. Gemini 3.1 Pro ist eine Komponente, die man direkt kaufen und deren Verhalten man durchdenken kann. Fugu Ultra v2 ist eine Baugruppe, deren Teile man nicht sehen kann und deren stärkste Benchmark-Behauptungen zum Teil Geminis eigene Ergebnisse sein könnten, kombiniert mit denen von jemand anderem.

Der Vergleich, bei dem sich die beiden überschneiden
Nur sehr wenig der veröffentlichten Belege führt die beiden Systeme in derselben Zeile zusammen. Die unten aufgeführten Zahlen von Gemini 3.1 Pro stammen von Google selbst; die von Fugu Ultra v2 stammen von Sakana selbst; wo ein Drittanbieter-Aggregator eine gemeinsame Zeile veröffentlicht hat, ist diese gekennzeichnet und mit dem Vorbehalt versehen, dass sie eher richtungsweisend als entscheidend ist.
• Multimodales Schlussfolgern (CharXiv, gemeinsame Zeile) — Fugu Ultra v2 86,6 % vs. Gemini 3.1 Pro 80,2 %, laut BenchLM, das die Kategorie als richtungsweisend kennzeichnet und darauf verzichtet, einen Sieger zu benennen
• TerminalBench 2.1 — keine Zahl zu Fugu Ultra v2 v2.0 im Vergleich zu Gemini 3.1 Pro; keine vergleichbare veröffentlichte Zahl; der Juni-Fugu Ultra meldete 82,1 % gegenüber 70,3 % von Gemini 3.1 Pro in einer Drittanbieter-Aggregation
• SWE-Bench Pro — kein Wert für Fugu Ultra v2 v2.0 vs. Gemini 3.1 Pro, kein vergleichbarer veröffentlichter Wert; das Juni-Fugu Ultra meldete 73,7 % gegenüber 54,2 % von Gemini 3.1 Pro
• ARC-AGI-2 — kein Wert für Fugu Ultra v2 gegenüber Gemini 3.1 Pro 77,1 %, vom Anbieter gemeldet
• Humanity's Last Exam — kein Wert für Fugu Ultra v2 v2.0 im Vergleich zu Gemini 3.1 Pro: 44,4 % ohne Tools, 51,4 % mit, vom Anbieter gemeldet
• Modalitätsabdeckung — Fugu Ultra v2 erbt, was auch immer sein Pool unterstützt, nicht offengelegt, im Gegensatz zu Gemini 3.1 Pro: Text, Bild, PDF, Audio, Video und Code, dokumentiert.
• Eingabe-/Ausgabepreis — Fugu Ultra v2 5,00 $ / 30,00 $ pro 1 Mio., verdoppelt sich oberhalb von 272K gegenüber Gemini 3.1 Pro 2,00 $ / 12,00 $ pro 1 Mio. bis 200K, darüber 4,00 $ / 18,00 $, gecachte Eingabe 0,20 $ / 0,40 $
• Kontext und Ausgabe — Fugu Ultra v2 1M Kontext, Ausgabeobergrenze nicht veröffentlicht vs. Gemini 3.1 Pro 1M Eingabe, 65K Ausgabe
• Gewichte und Zugang — Fugu Ultra v2 geschlossen, EU/EWR ausgeschlossen vs. Gemini 3.1 Pro proprietär, aber breit verfügbar über Google-Oberflächen
Die multimodale Zeile ist diejenige, die sorgfältig behandelt werden muss, denn sie wird am häufigsten zitiert und ist am wenigsten belastbar. Die CharXiv-Aggregation von BenchLM platziert Fugu Ultra v2 mit 6,4 normalisierten Punkten vorne — und dieselbe Seite erklärt unmissverständlich, dass richtungsweisende Zeilen niemals einen Sieger erhalten, dass Gemini in den Kategorien Agentic, Coding, Wissen oder Mehrsprachigkeit keine gemessenen Ergebnisse hatte und dass Fugu in Mathematik oder Mehrsprachigkeit keine hatte. Eine Kategorie, in der in den meisten Zeilen nur eine Seite gemessen wurde, kann zu keinem Urteil führen. Wenn Sie sonst nichts aus diesem Vergleich mitnehmen, dann dies: speziell bei multimodaler Arbeit lässt die veröffentlichte Beweislage keine Schlussfolgerung in die eine oder andere Richtung zu, und die einzige Zeile, die es gibt, ist ausdrücklich kein gesichertes Ergebnis.
Die Möglichkeit, die den Rahmen verändert
Sakana will nicht sagen, was im Pool ist. Das ist eine dokumentierte Designentscheidung, kein Versehen – die FAQ sagt, dass Routing-Informationen designbedingt nicht offengelegt werden und es keinen Mechanismus gibt, sie einzusehen. Was wir aus der Juni-Generation wissen, ist, dass Gemini 3.1 Pro neben anderen Frontier-Modellen zu den gemeldeten Pool-Mitgliedern zählte. Version 2.0 änderte den Pool, und Sakana beschrieb die Änderung nur durch Subtraktion: Claude Fable 5, Claude Fable 5.1 und GPT-6 Astra sind raus. Nichts in der Veröffentlichung besagt, dass Gemini noch dabei ist.
Wenn Gemini 3.1 Pro im Pool ist, ergeben sich daraus drei Konsequenzen, und alle drei sind praktischer, nicht philosophischer Natur. Erstens: Ein gewisser Anteil der multimodalen Leistung von Fugu Ultra v2 ist die Leistung von Gemini, kombiniert mit der anderer Modelle – das bedeutet, Sie zahlen einen Koordinationsaufschlag zusätzlich zu einem Preis pro Token, den Sie direkt zahlen könnten. Zweitens: Fugu Ultra v2 mit 30 $ pro Million Output gegenüber Gemini 3.1 Pro mit 12 $ ist ein Aufschlag für die Zusammenstellung, nicht für die reine Leistungsfähigkeit; wenn Ihre Aufgabe eine einzelne multimodale Frage ist, beantwortet Gemini sie günstiger, und Sie können genau sehen, welches Modell geantwortet hat. Drittens, und am nützlichsten: Der ehrliche Benchmark eines Orchestrators ist nicht „Schlägt er seine Komponenten?“, sondern „Schlägt er seine beste Komponente, wenn Sie diese allein verwenden?“ Sakanas Architektur basiert auf der Behauptung, dass er das bei verifizierbaren Aufgaben tut. Diese Behauptung ist es wert, an Ihrer eigenen Workload getestet zu werden, bevor Sie sie anhand eines Benchmarks zum Diagrammlesen akzeptieren.
Es gibt eine Version, in der die Antwort Nein lautet und der Orchestrator trotzdem seinen Platz verdient. Wenn Gemini im Pool ist und der Chartography-Wert von Fugu Ultra v2 von 48,3 gegenüber den 27,3 von Claude Opus 5 Bestand hat, dann ist das, was Sakana gebaut hat, eine Koordinationsschicht, die zuverlässig mehr aus demselben Modell herausholt, als wenn man es nur einmal aufruft. Das ist ein echtes Produkt, und die offene Frage ist nur, ob die Marge den Preis deckt. Niemand hat das Experiment veröffentlicht.

Wo die ehrlichen Kanten sind
Die Vorteile von Gemini 3.1 Pro sind konkret. Es kostet bei Eingabe und Ausgabe etwa zwei Fünftel des Preises von Fugu Ultra v2, und anders als bei Fugu verdoppeln sich seine Preise nicht jenseits einer Kontextschwelle — der Sprung bei 200K ist sanfter als die Klippe bei 272K. Es dokumentiert seine Modalitäten, statt sie zu erben, was bedeutet, dass die Arbeit mit Audio und Video eine unterstützte Funktion und nicht nur eine Hoffnung ist. Es hat eine veröffentlichte Obergrenze für die Ausgabe. Es ist über Googles eigene Oberflächen verfügbar und, wie die anderen Modelle, an denen Fugu Ultra v2 gemessen wird, ist es über OrcaRouter aufrufbar — als google/gemini-3.1-pro-preview, zu Googles Listenpreis mit 0 % Aufschlag, sodass eine Preisänderung von Google am selben Tag, an dem sie angekündigt wird, auf denselben Schlüssel durchschlägt.
Die Vorteile von Fugu Ultra v2 sind enger gefasst und real. Es greift ein schwieriges Problem mehr als einmal an, wobei eine Verifier-Rolle die Arbeit prüft; deshalb stützen sich seine stärksten Behauptungen auf Benchmarks, bei denen Korrektheit überprüfbar ist – Chartography, DeepSWE, Toolathon – und nicht auf Wissensabruf. Sakana veröffentlichte Fallstudien weisen in dieselbe Richtung: eine mechanische CAD-Iris, die sich korrekt öffnet und schließt, wo andere Modelle Lücken und schwache Verbindungen hinterließen; ein Rubik's-Cube-Löser in reinem Python, der alle 300 verdrehten Würfel fertigstellte, während zwei anonymisierte Frontier-Baselines vollständig abstürzten. Diese Baselines sind anonymisiert und vom Anbieter ausgewählt, daher sollte man sie als Illustration und nicht als Beweis betrachten. Doch das Muster ist über die gesamte Veröffentlichung hinweg konsistent, und es beschreibt eine echte Fähigkeit, die ein einzelner Modellaufruf nicht hat: Beharrlichkeit bei einem Problem, bis die Antwort eine Prüfung besteht.
Wägen Sie auch die Einschränkungen ab. Fugu Ultra v2 wird weder in der EU noch im EWR verkauft, und Sakana erklärt ausdrücklich, an der DSGVO-Konformität zu arbeiten. Gemini 3.1 Pro unterliegt keiner solchen Einschränkung und kann auf eine viel längere Erfolgsbilanz unabhängiger Bewertungen zurückblicken.

Das Urteil
Für die meisten multimodalen Aufgaben ist Gemini 3.1 Pro die richtige Wahl – und das mit großem Abstand. Es ist günstiger pro Token, günstiger pro Dokument, für Audio und Video dokumentiert, auf einen Kontextschwellenwert begrenzt, der Ihre Rechnung nicht mitten im Lauf verdoppelt, und – der Punkt, der hier am wichtigsten ist – Sie können sehen, was Ihnen geantwortet hat. Wenn Sie ein einziges Modell brauchen, das eine PDF liest, einen Clip ansieht und eine Frage beantwortet, gibt es kein Argument dafür, das über einen nicht offengelegten Pool zum Zweieinhalbfachen des Ausgabepreises laufen zu lassen.
Fugu Ultra v2 ist die richtige Wahl für eine spezifische und deutlich engere Art von Arbeit: Aufgaben mit langem Zeithorizont und einer überprüfbaren Antwort, bei denen ein Problem auf drei Wegen anzugehen und das Ergebnis zu verifizieren besser ist, als es nur einmal zu versuchen, und bei denen der marginale Qualitätsgewinn den Mehrfachaufwand wert ist. Es kommt überhaupt nicht infrage, wenn Sie EU- oder EWR-Nutzer im Geltungsbereich haben.
Die unangenehme Frage, die der Vergleich offen lässt, ist diejenige, die niemand gemessen hat. Wenn Gemini 3.1 Pro im Pool ist – und die einzige ehrliche Antwort heute ist, dass Sakana nicht gesagt hat, dass es nicht so ist –, dann ist ein Teil dessen, was man mit Fugu Ultra v2 kauft, Gemini 3.1 Pro mit einer Koordinationsschicht obendrauf, zu einem Preis, der impliziert, dass die Schicht etwa zweieinhalbmal so viel wert ist wie das Modell. Das mag durchaus stimmen. Sakanas Architektur wurde gebaut, um es wahr zu machen. Aber es ist eine Hypothese mit einem Anbieter-Scoreboard dahinter und ohne unabhängigen Test, und bis jemand ihn durchführt, ist das Modell, das man sehen kann, das, was man verteidigen kann.
In diesem Artikel verglichen1
Aus diesem Artikel erkannt · Benchmarks: Artificial Analysis · täglich aktualisiert
