Gemini 3.8 Flash
Google· 2026-09-02 上线
综合第 19 名
53.8
编程
53.4第 21 名
科研
53.1第 33 名
专业办公
51.2第 22 名
知识问答
59.5第 11 名
- 评测覆盖
- 19 / 25 项 · 76%
- 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 | 73.8% | 60.7 | high | 26 |
| FrontierCode | 41.2% | 53.2 | medium | 46 |
| FrontierSWE | 19.6% | 41.9 | high | 21 |
| CursorBench | 39.6% | 44.8 | high | 17 |
| WebDev Arena | 1,568 | 56.3 | high | 96 |
| ALE-Bench | 1,270 | 52.7 | high | 88 |
| WeirdML | 84.8% | 64.3 | high | 60 |
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） | 68.4% | 53.4 | high | 66 |
| FrontierMath（4 级） | 22.0% | 43.0 | high | 57 |
| CritPt | 18.3% | 55.8 | high | 101 |
| ProofBench | 48.0% | 51.9 | 未注明 | 77 |
| OTIS Mock AIME | 98.9% | 55.8 | high | 87 |
| SciCode | 56.6% | 58.6 | high | 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 | 64.3% | 60.0 | 未注明 | 49 |
| Remote Labor Index | 5.8% | 44.9 | 未注明 | 12 |
| Vending-Bench 2 | $5,094 | 48.5 | 未注明 | 55 |
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 | 69.7% | 63.7 | high | 65 |
| GPQA Diamond | 95.4% | 56.8 | high | 84 |
| Humanity's Last Exam | 44.5% | 57.9 | 未注明 | 17 |
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 | 89.2% | 不计分 | high | 52 |
| ARC-AGI | 98.5% | 不计分 | high | 52 |
| 国际象棋谜题 | 58.0% | 不计分 | high | 88 |
原始成绩取这个模型各个推理档位（high、medium、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。