Gemini 3.7 Flash
Google· 2026-08-13 上线
综合第 20 名
53.8
编程
51.3第 24 名
科研
54.5第 27 名
专业办公
53.1第 15 名
知识问答
59.9第 8 名
- 评测覆盖
- 15 / 25 项 · 60%
- 缓存输入
- ¥1.01
- 输入
- ¥10.09
- 输出
- ¥50.44
价格：人民币 / 百万 Token。
编程
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| DeepSWE | 65.5% | 55.3 | medium | 26 |
| FrontierCode | 43.6% | 55.0 | 未注明 | 46 |
| FrontierSWE | 20.3% | 42.3 | high | 21 |
| WebDev Arena | 1,587 | 57.7 | high | 96 |
| ALE-Bench | 904 | 46.3 | high | 88 |
科研
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| FrontierMath（1–3 级） | 71.6% | 54.9 | high | 66 |
| FrontierMath（4 级） | 36.6% | 48.2 | high | 57 |
| CritPt | 14.3% | 52.0 | high | 101 |
| ProofBench | 58.0% | 55.1 | 未注明 | 77 |
| OTIS Mock AIME | 97.2% | 54.8 | high | 87 |
| SciCode | 59.8% | 62.2 | medium | 97 |
专业办公
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| APEX-Agents | 67.8% | 62.5 | 未注明 | 49 |
| Remote Labor Index | 5.0% | 43.8 | 未注明 | 12 |
知识问答
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| SimpleQA Verified | 69.2% | 63.4 | high | 65 |
| GPQA Diamond | 94.8% | 56.4 | high | 84 |
仅展示（不计分）
这些评测测的能力不在四个领域里，或者我们还没把握归到哪个领域。
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| ARC-AGI-2 | 84.6% | 不计分 | high | 52 |
| ARC-AGI | 95.5% | 不计分 | high | 52 |
| 国际象棋谜题 | 66.0% | 不计分 | high | 88 |
原始成绩取这个模型各个推理档位（medium、high、low、未注明）和各种评测配置里最好的一次；标准分 = 50 + 10 × （成绩 − 平均）÷ 标准差，在近 12 个月上线的模型里比较。「不计分」是这项评测有成绩的模型太少或不在计分范围。 数据 10月16日 06:10 更新。