Gemini 3 Flash

Google DeepMind · 发布于 2025-12-17

评分规则

编程、知识问答证据不足

综合评分43.7未进入主榜 · 覆盖 55%

编程37.0未进入分榜 · 覆盖 50%评测较少（2/4）单一机构

专业办公43.6第 52 名 · 覆盖 75%单一机构

知识问答52.3未进入分榜 · 覆盖 33%评测较少（1/3）单一机构

科研49.0第 51 名 · 覆盖 50%评测较少（3/6）单一机构

上下文窗口

1,048,576 token

API 价格

缓存 — · 输入 ¥3.34 · 输出 ¥20.06

人民币 / 百万 token · — 表示未提供 · 价格来源

Vals AI 维护的基础 API 单价，缓存列为缓存读取；长上下文、批处理等阶梯价格以供应商为准。

评分依据

10 项实测记录。展开可查看原始分、代表配置与测量时间；统一读数由本站计算，不能当作准确率。

实测日期：2026-06-11 至 2026-10-13；另有 6 项未公开测量日期。

本站取数：2026/10/18 06:20:20（北京）。取数更新不代表重新评测，未注明具体版本的成绩不能证明已覆盖最新版本。

本页实际采用的型号与配置（4）

google/gemini-3-flash-preview
gemini-3-flash-preview
gemini-3-flash-preview_high
gemini-3-flash

编程

37.0

Code MigrationVals AI6.39%统一读数 21.1

来源: Code Migration
上游型号: google/gemini-3-flash-preview
运行配置: high · Vals agentic 统一流程 · 输出上限 65536
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 未提供
数据记录: 来源更新 2026-10-16 · 本站取数 2026-10-17
评分处理: 单项影响已封顶

Vibe Code Bench v1.1Vals AI20.20%统一读数 30.0

来源: Vibe Code Bench v1.1
上游型号: google/gemini-3-flash-preview
运行配置: high · OpenHands · 输出上限 65536
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 未提供
数据记录: 来源更新 2026-10-16 · 本站取数 2026-10-17
评分处理: 正常计入

科研

49.0

FrontierMath T1–3 v2Epoch AI51.23%统一读数 45.6

来源: FrontierMath T1–3 v2
上游型号: gemini-3-flash-preview
运行配置: gemini-3-flash-preview
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 2026-06-11
数据记录: 来源更新未提供 · 本站取数 2026-10-17
评分处理: 正常计入

Chess PuzzlesEpoch AI39.00%统一读数 58.0

来源: Chess Puzzles
上游型号: gemini-3-flash-preview_high
运行配置: gemini-3-flash-preview_high
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 2026-10-13
数据记录: 来源更新未提供 · 本站取数 2026-10-17
评分处理: 正常计入

Mystery Game PuzzlesEpoch AI20.00%统一读数 47.7

来源: Mystery Game Puzzles
上游型号: gemini-3-flash-preview_high
运行配置: gemini-3-flash-preview_high
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 2026-08-05
数据记录: 来源更新未提供 · 本站取数 2026-10-17
评分处理: 正常计入

专业办公

43.6

Finance Agent (v2)Vals AI42.55%统一读数 38.4

来源: Finance Agent (v2)
上游型号: google/gemini-3-flash-preview
运行配置: high · Vals agentic 统一流程 · 输出上限 65536
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 未提供
数据记录: 来源更新 2026-10-16 · 本站取数 2026-10-17
评分处理: 正常计入

Harvey's Legal Agent BenchmarkVals AI0.00%统一读数 ≤-63.1

来源: Harvey's Legal Agent Benchmark
上游型号: google/gemini-3-flash-preview
运行配置: high · Vals agentic 统一流程 · 输出上限 65536
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 未提供
数据记录: 来源更新 2026-10-16 · 本站取数 2026-10-17
评分处理: 单项影响已封顶
仅提供能力上限，不作为精确读数。

MedCodeVals AI55.92%统一读数 80.8

来源: MedCode
上游型号: google/gemini-3-flash-preview
运行配置: high · Vals one-shot 统一流程 · 输出上限 30000
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 未提供
数据记录: 来源更新 2026-10-13 · 本站取数 2026-10-17
评分处理: 单项影响已封顶

知识问答

52.3

SimpleQA VerifiedEpoch AI66.80%统一读数 72.8

来源: SimpleQA Verified
上游型号: gemini-3-flash-preview_high
运行配置: gemini-3-flash-preview_high
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 2026-08-27
数据记录: 来源更新未提供 · 本站取数 2026-10-17
评分处理: 单项影响已封顶

真人偏好

51.3

Arena Text · 风格控制Arena1472.80 Elo统一读数 59.3

来源: Arena Text · 风格控制
上游型号: gemini-3-flash
运行配置: 官方 Text Overall · style-controlled
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 未提供
数据记录: 来源更新 2026-10-15 · 本站取数 2026-10-17
评分处理: 正常计入

尚未测到（8）

LiveBench Coding、LiveBench Reasoning、LiveBench Data Analysis、LiveBench Language、LiveBench IF、Terminal-Bench 4.0、MysteryMechanism、Terminal-Bench-Science

本站独立计算 · 第三方原始评测 · 计算于 2026/10/18 06:20:20（北京时间）

实测由评测机构完成，本站负责统一换算和排名。取数 2026/10/18 06:20:20 · 最近检查 2026/11/2 06:20:09

本次取数或计算未通过，仍展示上次完整榜单。