Gemini 3 Pro

Google· 2025-11-18 上线

综合第 36 名

49.0

编程

49.5第 32 名

科研

46.5第 56 名

专业办公

45.9第 29 名

知识问答

56.3第 19 名

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
SWE-bench Verified	72.9%	45.2	默认	22
Terminal-Bench	69.4%	57.8	默认	29
WebDev Arena	1,439	47.3	默认	96
ALE-Bench	1,177	51.1	默认	88
WeirdML	69.9%	55.5	默认	60
GSO	18.6%	40.1	默认	16

评测	原始成绩	标准分	最好成绩的档位	比较模型数
CritPt	6.9%	45.1	默认	101
ProofBench	20.0%	43.0	默认	77
OTIS Mock AIME	91.4%	51.3	默认	87

评测	原始成绩	标准分	最好成绩的档位	比较模型数
GDPval	40.3%	不计分	默认	3
Remote Labor Index	1.3%	38.5	默认	12
Vending-Bench 2	$5,478	49.6	默认	55
DeepResearch Bench	46.3%	49.7	low	14

评测	原始成绩	标准分	最好成绩的档位	比较模型数
GPQA Diamond	92.6%	54.5	默认	84
Humanity's Last Exam	37.5%	51.6	默认	17
SimpleBench	76.4%	62.7	默认	39

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	31.1%	不计分	默认	52
ARC-AGI	75.0%	不计分	默认	52
国际象棋谜题	31.0%	不计分	默认	88
METR 任务时长	71.0%	不计分	默认	10

原始成绩取这个模型各个推理档位（low）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。

数据来源：Epoch AI（CC BY 4.0），本站按公开方法折算排名，不代表 Epoch AI 的观点。