Ich habe die offizielle Gemini-3.5-Pro-Seite geöffnet, in der Hoffnung auf eine Benchmark-Tabelle. Bekommen habe ich einen Absatz Marketing und ansonsten herzlich wenig — keine Model Card, keine veröffentlichten Evals, keine bestätigten Preise. Dann öffnete ich meine Feeds, und zu genau dem Modell, über das Google kein Wort verliert, posteten hundert Leute geleakte SVG-Demos, Quoten aus Prognosemärkten und Screenshots eines 3D-Spiels, das es angeblich in einem einzigen Anlauf erzeugt hat.
Diese Lücke — zwischen dem Schweigen an der Quelle und dem Lärm überall sonst — ist im Moment die ganze Geschichte von Gemini 3.5 Pro. Deshalb gebe ich dir zuerst die direkte Version, bevor wir zum unterhaltsamen Teil kommen.
Stand Anfang Juli 2026 ist Gemini 3.5 Pro das nächste Flaggschiff-Modell für Reasoning und Coding von Google DeepMind. Es wurde auf der Google I/O am 19. Mai 2026 angekündigt, zielt auf ein Kontextfenster von 2 Millionen Tokens und einen „Deep Think“-Reasoning-Modus, und die allgemeine Verfügbarkeit rutschte von Juni in den Juli. Es steckt weiterhin in einer begrenzten Vertex-AI-Enterprise-Preview. Alles jenseits dieser Fakten — das genaue Release-Datum, die Benchmark-Leaks, die Gerüchte über das Bildmodell — ist unbestätigt. Behandle es auch so.
Ich habe jedes öffentliche Gemini-Release getestet, das Google in diesem Zyklus ausgeliefert hat, von Gemini 3 mit Deep Think bis zu einem Stealth-Upgrade von Gemini 3 Flash auf LMArena. 3.5 Pro habe ich nicht getestet, weil das außerhalb eines Preview-Rings niemand kann. Das hier ist also kein Review. Es ist der Feldführer eines Skeptikers für einen Launch, der mehr zählt als die meisten — und ein Framework, das du beim nächsten Mal wiederverwenden kannst, wenn ein Labor verstummt und das Internet die Lücken füllt.
Warum ausgerechnet dieser Launch so viel Gewicht hat
Modell-Launches passieren ständig. Dieser ist anders — wegen dem, was dahinter passiert.
Google DeepMind hat in der ersten Hälfte von 2026 massiv Senior-Talente verloren. In einem einzigen 48-Stunden-Fenster im Juni gingen zwei der bekanntesten Forscher des Labors. Noam Shazeer — einer der Autoren von „Attention Is All You Need“, der Kopf hinter Googles früher LaMDA-Arbeit — kündigte an, zu OpenAI zu wechseln. Tage später verkündete John Jumper, der sich 2024 den Nobelpreis für Chemie mit DeepMind-CEO Demis Hassabis für AlphaFold geteilt hatte, dass er zu Anthropic geht. Denny Zhou, der das Reasoning-Team von Google Brain gegründet hatte, war bereits zu Meta gewechselt. Laut Berichten von Fortune und Axios sind das sechs Forscher, die innerhalb von rund fünf Monaten zu Meta, OpenAI und Anthropic abgewandert sind — und die Nachricht drückte Googles Aktie an einem einzigen Montag um mehr als 5 % nach unten.
Was diesen Exodus mit dem Modell verbindet, läuft über eine interne Entscheidung. Im April 2026 stellte Google auf, was intern „AI Coding Strike Team“ genannt wurde — eine Gruppe mit dem spezifischen Auftrag, Geminis Rückstand gegenüber Claude und OpenAI beim agentischen Coding zu schließen. Berichten zufolge wurde Compute, das für langfristige Pretraining-Forschung vorgesehen war, in diesen kommerziellen Coding-Vorstoß umgeleitet. Einige der Leute, die gingen, waren genau die, deren Forschungsprioritäten dabei herabgestuft wurden.
Gemini 3.5 Pro ist also nicht einfach „das nächste Gemini“. Es ist das erste Flaggschiff, das nach dieser Reorganisation erscheint — aus einem Labor, das gleichzeitig beweisen will, dass es noch Frontier-Modelle bauen kann, und dass es die Leute halten kann, die sie bauen. Das ist eine Menge Narrativ auf einem einzigen Release. Und Narrativ ist genau das, was Hype so schwer lesbar macht.
Weshalb ich, bevor ich auch nur einen einzigen Leak anfasse, eine harte Linie ziehen will zwischen dem, was tatsächlich bestätigt ist, und dem, was heiße Luft ist.
Was an Gemini 3.5 Pro bestätigt ist und was noch Gerücht bleibt
Lass mich das sauber trennen, denn die meiste Berichterstattung vermischt beides — und genau so kommen Leute dazu, Dinge zu glauben, die nie angekündigt wurden.
Was Google tatsächlich offiziell festgehalten hat:
- Gemini 3.5 wurde auf der Google I/O am 19. Mai 2026 enthüllt, gerahmt als „frontier intelligence with action“.
- Die Pro-Stufe zielt auf ein Kontextfenster von bis zu 2 Millionen Tokens — eines der größten, die Google je angeboten hat.
- Es kommt mit einem „Deep Think“-Reasoning-Modus, und Google hat erklärt, dass die Reasoning-Kette für Entwickler sichtbar ist und gedeckelt werden kann, um Compute-Kosten zu kontrollieren.
- Die allgemeine Verfügbarkeit wurde für Juni erwartet, verschob sich und wird nun für irgendwann im Juli 2026 erwartet.
- Stand Anfang Juli bleibt es in einer begrenzten Vertex-AI-Enterprise-Preview. Es gibt keine öffentliche Model Card, keine offizielle Benchmark-Suite und keine bestätigten Preise.
Was geleakt, Gerücht oder schlicht unbelegt ist:
- Ein konkretes Release-Datum „17. Juli“. Das geht zurück auf geleakte Modell-Identifier, die auf Google-Cloud-Servern entdeckt wurden und die Nutzer von Prognosemärkten in eine On-Chain-Wette verwandelt haben, die irgendwo bei etwas über 60 Prozent Konfidenz liegt. Das ist eine Menschenmenge, die auf Basis eines Dateinamens rät. Es ist kein Datum, das Google bestätigt hat.
- „Private Eval-Rings“, die angeblich zeigen, dass 3.5 Pro beim Few-Shot-Learning davonzieht. Keine Methodik, keine Zahlen, die du prüfen kannst, keine Quelle, die du benennen kannst. Interessantes Signal, null Beweiswert.
- Mysteriöse Checkpoints — ein „Gemini 3.5 Flash High“ plus etwas, das die Leute „Gemini 3.6“ oder „Gemini 4 Flash“ nennen — die angeblich parallel in der Arena getestet werden. Anonyme Arena-Checkpoints sind real, aber ihre Namen und ihre Abstammung sind fast immer Community-Raterei.
Und eine Behauptung will ich direkt richtigstellen, weil ich sie schon als Fakt wiederholt gesehen habe: die Idee, dass Googles Flaggschiff-Bildmodell „Nano Banana Pro“ auf dem Fundament von Gemini 3.5 Pro aufbaut. Tut es nicht. Nano Banana Pro ist Googles interner Codename für Gemini 3 Pro Image — gebaut auf Gemini 3 Pro und bereits allgemein verfügbar, mit eigener Modellseite und eigenen Preisen. Es ist ein großartiges Bildmodell. Es ist aber kein Beleg für die Fähigkeiten von 3.5 Pro, und es als „Prototyp des 3.5-Fundaments“ zu behandeln, ist genau der Weg, auf dem aus einem Codenamen ein Mythos wird.
Achte darauf, was auf der Bestätigt-Liste steht und was auf der Gerüchteliste. Die bestätigten Fakten sind architektonisch — Kontextgröße, ein Reasoning-Modus, ein verschobenes Datum. Die aufregenden Fakten — die, die geteilt werden — stehen alle auf der Gerüchteseite. Diese Asymmetrie ist kein Zufall. Sie ist die Standardform jedes modernen Modell-Launches, und sie ist das Erste, wonach mein Hype-Filter sucht.
Aber ich will die Leaks nicht komplett abtun, denn einige davon sind wirklich interessant. Schauen wir uns an, was die geleakten Outputs tatsächlich zeigen.
Die geleakten Gemini-3.5-Pro-Renderings, einzeln abgewogen
Die meistgeteilten Leaks sind keine Benchmark-Screenshots. Es sind generierte Artefakte — und zwar speziell Frontend- und visuelle Outputs. Das ist eine bewusste Entscheidung desjenigen, der da leakt, denn visueller Output ist das viszeral Beeindruckendste, was ein Modell produzieren kann. Du musst keine Methodik lesen, um auf ein gutes Rendering zu reagieren.
Ein paar der Demos, die gerade die Runde machen, und meine ehrliche Einschätzung zu jeder:
Das isometrische SVG. Ein minimalistischer, isometrischer Kartenautomat — ein kleines Bezahlterminal, das einen Kartendurchzug animiert und einen Beleg ausspuckt, umgesetzt als einzelnes, sauberes SVG mit geschmeidiger Gradient-Arbeit. Wenn es echt ist, ist es ein Fortschritt. Komplexes, animiertes SVG war historisch eine Schwachstelle jedes Frontier-Modells, das ich getestet habe; sie produzieren gern kaputte Pfade, verschobene Transforms oder Gradienten, die matschig aussehen. Ein Modell, das isometrische Geometrie und Animation und Gradienten in einem Anlauf trifft, wäre ein echter Fähigkeitssprung, kein kosmetischer.
Die Steampunk-Schwebeinsel (three.js). Eine HTML-Szene mit einer schwebenden Insel, atmosphärischem Nebel und geschichteten Umgebungs-Assets — Lampen, Himmel, Partikeleffekte — gerendert über three.js. Das Interessante ist nicht die Ästhetik, sondern die three.js-Integration. Eine kohärente 3D-Szene in einer einzigen Generierung durch eine JavaScript-Bibliothek zu verdrahten ist eine Coding-Aufgabe im Kostüm einer Kunst-Aufgabe.
Das ~800-Zeilen-3D-Spiel im Subway-Surfers-Stil. Eine einzelne HTML-Datei, rund 800 Zeilen, die ein Endless-Runner-Stadtspiel prototypisiert — Autos, Fußgänger, Ampeln, ein Kreuzungssystem. Eine später geleakte Version soll die Animationen aufgeräumt und das Verkehrsverhalten glaubwürdiger gemacht haben. Um die Größenordnung klarzustellen: Das ist ein Low-bis-Mid-Poly-Prototyp, nichts, was auch nur in die Nähe eines ausgelieferten Spiels kommt. Aber ein spielbarer 800-Zeilen-Prototyp aus einem einzigen Prompt ist ein echtes Artefakt — sofern das Artefakt echt ist.
Die filmreife Mondlandungs-Szene. Ein Astronaut, eine Flaggen-Animation, staubige Fußabdrücke im Regolith, ein Erdaufgang am Horizont. Das ist die „Design-Geschmack“-Behauptung — das Argument, dass 3.5 Pro nicht nur korrekt rendert, sondern geschmackvoll, mit einem Gespür für Komposition und Stimmung, das früherem Gemini-Output fehlte.
Hier mein Skeptiker-Vorbehalt, und er wiegt schwer: Ich kann bei keinem einzigen dieser Beispiele verifizieren, dass es von Gemini 3.5 Pro stammt. Ein geleakter Screenshot hat keine Provenienz. Er könnte aus fünfzig Versuchen herausgepickt sein. Er könnte von einem ganz anderen Modell stammen. Er könnte leicht nachbearbeitet sein. Was ich dir sagen kann — weil ich die Vorgängermodelle tatsächlich getestet habe: Genau das ist die Achse, auf der sich Gemini am schnellsten verbessert hat. Googles Frontend- und SVG-Generierung lag auf einer steileren Kurve als sein agentisches Coding. Ein Sprung an dieser Stelle ist also plausibel — auf eine Art, wie es ein geleakter „Wir schlagen Claude auf SWE-bench“-Screenshot nicht wäre.
Plausibel ist nicht bewiesen. Aber plausibel ist es wert, beobachtet zu werden. Und wenn diese Demos bei GA standhalten — und wenn Google das Modell wettbewerbsfähig bepreist — könnte Gemini 3.5 Pro speziell für Frontend- und SVG-Arbeit eine wirklich starke Wahl werden, selbst wenn es auf anderen Achsen hinterherhinkt. Das ist eine enge, verteidigbare Behauptung. Sie ist etwas ganz anderes als „Gemini ist zurück an der Spitze“ — die Behauptung, die der Hype-Zyklus dir in den Mund legen will.
Was würde die größere Behauptung also tatsächlich rechtfertigen? Lass mich die Latte auflegen.
Was ein echtes DeepMind-Comeback liefern müsste
Das ist der Abschnitt, den ich am dringendsten schreiben wollte, denn „Ist es gut?“ ist die falsche Frage. Die richtige Frage lautet: „Gut genug — worin, gegen ein Feld, das nicht stehen geblieben ist?“ Hier ist die Latte, an der ich Gemini 3.5 Pro messe, sobald es erscheint — und an der du es genauso messen kannst.
1. Parität beim agentischen Coding, gemessen an den harten Benchmarks — nicht an Demos. Das Feld im Juli 2026 ist brutal. Claude Opus 4.8 führt den Artificial Analysis Intelligence Index mit rund 61,4 an und liefert etwa 69 % auf SWE-bench Pro. Claude Fable 5 liegt auf SWE-bench Pro noch höher, bei rund 80 %. GPT-5.5 führt Terminal-Bench 2.0 mit knapp 83 % an. Eine hübsche three.js-Insel bewegt keine einzige dieser Zahlen. Wenn das Coding Strike Team seinen Job gemacht hat, muss 3.5 Pro glaubwürdig auf agentischen Coding-Evals über mehrere Dateien und lange Horizonte landen. Das ist die Lücke, für deren Schließung es gebaut wurde.
2. Kontext, den du tatsächlich nutzen kannst, nicht nur bewerben. Zwei Millionen Tokens sind eine Schlagzeilen-Zahl. Die eigentliche Frage ist, ob die Retrieval-Qualität über dieses gesamte Fenster hält oder in der Mitte einbricht — das „Lost in the Middle“-Problem, das die meisten Long-Context-Modelle plagt. Ein 2M-Fenster, das zuverlässig über die ersten und letzten 200K reasoned, dazwischen aber unscharf wird, ist eine Marketing-Zahl, keine Engineering-Zahl. Ich werde Needle-in-a-Haystack-artige Checks fahren, sobald ich Zugang bekomme.
3. Zuverlässigkeit, die die Degradations-Story umkehrt. Einer der leiseren Fäden in den DeepMind-Turbulenzen waren Berichte über Modell-Degradationsprobleme — Checkpoints, die schlechter abschnitten als die Modelle, die bereits in Produktion liefen. Ein Comeback-Release darf mit diesem Ruf nicht ausgeliefert werden. Konsistenz über mehrere Runs zählt mehr als eine einzelne spektakuläre Demo.
4. Preise, die die Konkurrenz respektieren. Googles historischer Vorteil war das Preis-Leistungs-Verhältnis, besonders bei den Flash-Modellen. Wenn 3.5 Pro wie ein Premium-Frontier-Modell bepreist wird, aber das Feld nur einholt, verliert es. Wenn es Claude und GPT unterbietet und beim Coding nah dran landet, ändert das die Rechnung für viele Teams. Pricing ist eine Fähigkeitsentscheidung, keine Fußnote.
5. Ehrlichkeit bei der Spezialisierung. Hier die Nuance, die die Untergangs-Berichterstattung übersieht: Gemini verliert gar nicht überall. Gemini 3.1 Pro führt bereits mehrere Accuracy- und Research-Benchmarks an — rund 94 % auf GPQA Diamond, stark bei Humanity's Last Exam. Kein einzelnes Modell dominiert 2026 jede Zeile; das gesamte Feld ist in Spezialisten zerfallen. Ein realistischer Sieg für Gemini 3.5 Pro sieht aus wie „klar am besten bei Long-Context-Research und Frontend-Generierung, konkurrenzfähig beim Coding“ — nicht wie „schlägt alle in allem“. Wer dir Letzteres verspricht, verkauft dir eine Geschichte.
Wenn dein Team gerade entscheidet, ob es einen Workflow auf dieses Modell setzt, ist diese Fünf-Punkte-Latte eure Due-Diligence-Checkliste. Und wenn du diese Evaluation lieber nicht selbst fahren willst — wenn du jemanden willst, der diese Modelle gegen deinen tatsächlichen Use Case benchmarkt und dir sagt, auf welches du standardisieren solltest — genau solche Aufträge übernehme ich direkt. Was ich baue, siehst du unter fiverr.com/s/EgxYmWD.
Diese Checkliste funktioniert für Gemini 3.5 Pro. Aber das Wertvollere ist die allgemeine Fähigkeit darunter: jeden Modell-Launch lesen zu können, ohne sich vorführen zu lassen.
Wie man den Hype um KI-Modell-Launches liest, ohne sich vorführen zu lassen
Ich habe inzwischen genug dieser Zyklen beobachtet, um das Muster fast Schlag für Schlag wiederkehren zu sehen. Hier ist das mentale Modell, das ich benutze — klau es dir, es ist nützlicher als jede einzelne Modell-Review.
Trenne die Quelle vom Signal. Wenn das Labor schweigt, aber das Internet laut ist, frag dich, wer vom Lärm profitiert. Geleakte Demos ohne Provenienz, Prognosemärkte auf Basis von Dateinamen, „private Eval-Rings“ ohne Zahlen — das alles erzeugt Engagement, keine Evidenz. Das Fehlen einer offiziellen Benchmark-Tabelle ist keine neutrale Lücke. Es ist Information. Es bedeutet meist, dass die Zahlen noch nicht bereit sind, einer Prüfung standzuhalten.
Gewichte Artefakte nach Falsifizierbarkeit. Ein geleaktes SVG, das du nicht reproduzieren kannst, ist weniger wert als ein Benchmark, den du reproduzieren kannst. Ein Benchmark, den du nicht auditieren kannst, ist weniger wert als einer mit veröffentlichter Methodik. Eine veröffentlichte Methodik ist weniger wert als das Modell in deinen eigenen Händen, das deine eigenen Aufgaben abarbeitet. Ordne jede Behauptung danach, wie leicht sie sich widerlegen ließe, und vertraue denen, die sich aus dem Fenster lehnen.
Hüte dich vor dem Sprung von der Demo zur Fähigkeit. Der meistgeteilte Output ist fast immer der visuellste, weil visueller Output reist. Aber „hat eine wunderschöne Mondlandungs-Szene generiert“ und „kommt zuverlässig mit meiner Produktions-Codebasis klar“ sind verschiedene Behauptungen, die verschiedene Belege verlangen. Beeindruckende One-Shots sind per Definition Rosinenpickerei. Die interessante Frage ist der fünfzigste Versuch, nicht der erste.
Verankere jeden Launch gegen ein Feld, das sich bewegt hat. Ein Modell ist nicht gut im Vakuum, sondern relativ zu dem, was letzten Monat erschienen ist. 2026 droppt alle paar Wochen etwas an der Frontier. „Großer Schritt nach vorn“ bedeutet nur etwas, gemessen an Opus 4.8, Fable 5 und GPT-5.5, wie sie heute existieren — nicht an der Version der Konkurrenz, die existierte, als das Modell mit dem Training begann.
Ziehe die Narrativ-Prämie ab. Eine Comeback-Story, eine Underdog-Story, eine „Die sind erledigt“-Story — sie alle laden emotional auf, was mit den Gewichten nichts zu tun hat. DeepMinds Turbulenzen lassen 3.5 Pro nach mehr Einsatz anfühlen, und dieses Gefühl sickert in die Bewertung der Demos ein. Merke, wann du ein Modell nach seiner Geschichte statt nach seinem Output benotest.
Jage jeden Launch durch diese fünf Filter, und der Lärm wird schnell leise. Die meisten „Leaks“ verdunsten. Was übrig bleibt, ist meist ein kleines, spezifisches, verteidigbares Set an Dingen, die das Modell wahrscheinlich gut kann — und genau das wolltest du von Anfang an wissen.
Das ehrliche Fazit
Ich will, dass Gemini 3.5 Pro großartig wird. Ein wirklich starkes DeepMind-Flaggschiff hält Anthropic und OpenAI ehrlich, und Wettbewerb an der Frontier ist das Beste, was denen von uns passieren kann, die auf diesen Modellen bauen. Das 2M-Kontextfenster ist real. Deep Think ist real. Die Frontend-Trajektorie ist real und verbessert sich schnell. Das sind legitime Gründe für Optimismus.
Aber Optimismus ist kein Benchmark. Stand heute passen die bestätigten Fakten über dieses Modell auf eine Karteikarte, und die aufregenden Fakten sind allesamt unverifiziert. Das Labor, das es ausliefert, hat gerade sechs Senior-Forscher an seine direkten Konkurrenten verloren und sich um eine Coding-Lücke herum reorganisiert, die es öffentlich noch nicht geschlossen hat. Das heißt nicht, dass das Comeback scheitert. Es heißt, dass die Beweislast hoch ist — und der Beweis noch nicht vorliegt.
Erinnerst du dich an die leere Benchmark-Seite, mit der ich am Anfang gestartet bin? Wenn sie sich endlich füllt — mit echten Zahlen, echten Preisen und einem Modell, das jeder ausführen kann — dann hört das hier auf, eine Geschichte zu sein, und wird eine Entscheidung. Ich werde es an genau diesem Tag gegen die Fünf-Punkte-Latte testen, so wie ich ein Stealth-Upgrade von Gemini 3 Flash und die früheren 3.5-Leaks vor der I/O getestet habe. Bis dahin: Halte den Hype locker. Das Internet ist sehr überzeugt von einem Modell, das es nie ausgeführt hat. Lass seine Überzeugung nicht deine werden.
Häufig gestellte Fragen
Wann erscheint Gemini 3.5 Pro?
Die allgemeine Verfügbarkeit von Gemini 3.5 Pro wird für irgendwann im Juli 2026 erwartet, nachdem sie vom ursprünglichen Juni-Ziel abgerutscht ist. Stand Anfang Juli bleibt das Modell in einer begrenzten Vertex-AI-Enterprise-Preview. Das online kursierende konkrete Datum „17. Juli“ stammt von Prognosemärkten, die auf geleakte Server-Identifier reagieren, nicht von Google — behandle es als unbestätigte Vermutung.
Ist Gemini 3.5 Pro besser als Claude und GPT?
Das lässt sich noch nicht sagen, denn Google hat für Gemini 3.5 Pro keine offiziellen Benchmarks, keine Model Card und keine Preise veröffentlicht. Das aktuelle Feld ist fragmentiert — Claude Opus 4.8 führt den Intelligence Index an, GPT-5.5 führt einige Coding-Benchmarks an, und Gemini 3.1 Pro führt bereits Accuracy-Tests wie GPQA Diamond an. Erwarte Spezialisierung, keinen Alleinsieger.
Wie groß ist das Kontextfenster von Gemini 3.5 Pro?
Gemini 3.5 Pro zielt auf ein Kontextfenster von bis zu 2 Millionen Tokens — eines der größten, die Google je angeboten hat. Die wichtigere Größe ist allerdings die Retrieval-Qualität über dieses Fenster hinweg: ob das Modell zuverlässig über die Mitte reasoned, nicht nur über Anfang und Ende. Das lässt sich erst mit unabhängigen Tests bei GA verifizieren.
Ist Nano Banana Pro Teil von Gemini 3.5 Pro?
Nein. Nano Banana Pro ist Googles Codename für Gemini 3 Pro Image, ein Modell für Bildgenerierung und -bearbeitung auf Basis von Gemini 3 Pro — nicht auf dem 3.5-Pro-Fundament. Es ist bereits allgemein verfügbar, mit eigener Modellseite und eigenen Preisen, und es ist kein Beleg für die Fähigkeiten von Gemini 3.5 Pro.
Warum gilt Google DeepMinds Gemini 3.5 Pro als „Comeback“?
Weil DeepMind über fünf Monate des Jahres 2026 sechs Senior-Forscher an Meta, OpenAI und Anthropic verloren hat — darunter Noam Shazeer und Nobelpreisträger John Jumper in einem einzigen 48-Stunden-Fenster im Juni — und sich um ein „AI Coding Strike Team“ herum reorganisiert hat, um den Rückstand gegenüber Claude und OpenAI zu schließen. Gemini 3.5 Pro ist das erste Flaggschiff, das nach diesen Turbulenzen erscheint.
Du willst eine klare Antwort, auf welches Modell du standardisieren solltest?
Wenn du Gemini 3.5 Pro gegen Claude oder GPT für echte Produktionsarbeit abwägst, fahre ich genau diese Evaluation gegen deine tatsächliche Codebasis und deine Aufgaben — kein Hype, nur Zahlen, mit denen du arbeiten kannst. Wenn das die Entscheidung ist, vor der du stehst, erzähl mir, was du baust, und ich benchmarke die Shortlist für deinen Use Case.
