Gemini 3.8 Flash
数据来源:AIHOT
上线日期: 2026-09-02 · 上下文: 104.9万 Token
综合排名 24
官方 API 价格 ¥ / 百万 Token
- 输入
- ¥10 ($1.5)
- 输出
- ¥50 ($7.5)
- 缓存命中
- ¥1 ($0.15)
标准价;官网限时价格持续至 2026-12-31(含当天),期间输入 $0.75、输出 $3.75、缓存命中 $0.075/百万 Token。
标准价;官网限时价格持续至 2026-12-31(含当天),期间输入 $0.75、输出 $3.75、缓存命中 $0.075/百万 Token。
官方价格页 ↗领域能力
| 榜单 | 名次 | 评分 | 评测数 |
|---|---|---|---|
| 综合 | 24 | 63.6 | 55 |
| 编程 | 42 | 59.3 | 15 |
| 科研 | 23 | 65.3 | 15 |
| 专业办公 | 27 | 66.3 | 13 |
| 知识问答 | 15 | 68.6 | 7 |
编程 · 59.3
| 评测 | 机构 | 公布的成绩 | 折算分 | 原榜名次 | 核实日期 | 备注 |
|---|---|---|---|---|---|---|
| ProgramBench ↗ 只给能运行的程序和说明、不给源码,重写出行为一致的程序,用隐藏测试核对。 | Vals AI | 1.0% | 77.2 | 16 | 2026-11-18 | 备注通过率低于 5%,只说明“至多这么强”;这个模型的水平已经低于这条线不少,这一项几乎不起作用。代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| CyberBench Patch v1.1 ↗ 修开源项目的安全漏洞,检查能否编译、拦住原攻击并保留正常行为。 | Vals AI | 87.5% | 65.5 | 5 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| TapTap Maker ↗ 在真实游戏引擎里用 Lua 写出能跑起来的游戏功能,由引擎实际运行判对错。 | TapTap Maker | 80.1% | 65.5 | 11 | 2026-11-18 | 备注代表配置:High 推理 · pi。评测方为每个模型指定 Agent(通常是厂商自家的);按预先固定的推理档位优先级选择,成绩归到基础模型。 |
| Vibe Code Bench v1.1 ↗ 按一份需求从零搭出网页应用,再在浏览器里按验收步骤逐项检查功能。 | Vals AI | 78.7% | 63.4 | 40 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| FrontierCode 2.0 ↗ 在真实开源仓库里改代码,看改动能不能达到维护者愿意合并的水平。 | Artificial Analysis | 18.7% | 60.3 | 82 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Terminal-Bench 4.0 ↗ 在终端完成软件、科研等复杂任务,再由各题的测试检查结果。 | Artificial Analysis | 19.7% | 60.1 | 102 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| LiveBench Agentic Coding ↗ 在真实代码仓库里查找并修复问题,再用测试检查改动。 | LiveBench | 54.2% | 58.9 | 48 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Terminal-Bench 4.0 ↗ 在终端完成软件、科研等复杂任务,再由各题的测试检查结果。 | Vals AI | 19.7% | 58.7 | 40 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| SciCode ↗ 把物理、化学、生物等科研问题写成能运行、算得对的计算代码。 | Artificial Analysis | 56.6% | 58.3 | 43 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| MirrorCode ↗ 看不到源码,只能运行原程序、读文档,用另一种语言把整个程序重写出来。 | Epoch AI | 38.9% | 58.1 | 31 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Terminal-Bench 4.0 ↗ 在终端完成软件、科研等复杂任务,再由各题的测试检查结果;官方榜为每个模型指定 Agent,通常是厂商自家的。 | Terminal-Bench | 18.2% | 56 | 49 | 2026-11-18 | 备注代表配置:High 推理 · mini-SWE-agent。评测方为每个模型指定 Agent(通常是厂商自家的);按预先固定的推理档位优先级选择,成绩归到基础模型。 |
| FrontierSWE v2 ↗ 每次最多给 20 小时,完成编程、性能优化或科研计算这类大任务。 | Proximal Labs | 21.7% | 56 | 20 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Code Migration v1.1 ↗ 把现有程序改写成另一种编程语言,用隐藏测试检查行为是否一致。 | Vals AI | 38.6% | 55.8 | 23 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| APEX-SWE ↗ 在工程环境里连接并部署服务,或根据故障日志和监控信息排查问题。 | Mercor | 36.4% | 54.9 | 47 | 2026-11-18 | 备注代表配置:High 推理 · terminus-2 · apex-swe:terminus-2。该来源对所有模型使用同一受控系统;按预先固定的推理档位优先级选择,配置明细保留,成绩归到基础模型。 |
| WeirdML v3 ↗ 面对陌生数据,弄清问题并做出机器学习或数据分析方案。 | Håvard Tveit Ihle | 6.8% | 54.1 | 20 | 2026-11-18 | 备注代表配置:High 推理 · gemini_cli。评测方为每个模型指定 Agent(通常是厂商自家的);按预先固定的推理档位优先级选择,成绩归到基础模型。 |
| LiveBench Coding ↗ 写函数、补全代码,题目定期换新,答案自动跑测试核对。 | LiveBench | 72.5% | 52.5 | 48 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
科研 · 65.3
| 评测 | 机构 | 公布的成绩 | 折算分 | 原榜名次 | 核实日期 | 备注 |
|---|---|---|---|---|---|---|
| ARC-AGI-2 ↗ 从几个网格图案的例子中找出变换规则,再解一道新题。 | ARC Prize | 89.2% | 73.8 | 29 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Chess Puzzles ↗ 看文字写成的国际象棋棋局,找出正确的一步,由象棋引擎核对。 | Epoch AI | 58.0% | 71.3 | 17 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| MysteryMechanism ↗ 自己设计实验,去推断一套隐藏的规律。 | Vals AI | 36.5% | 70.8 | 11 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Mystery Game Puzzles ↗ 看文字描述的游戏局面,找出最好的下一步。 | Epoch AI | 47.0% | 67.7 | 19 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| CritPt v2 Hard ↗ 修订版研究级物理题里较难的 40 道,可以写代码辅助演算。 | Artificial Analysis | 46.5% | 67.6 | 62 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| 致知 · 逻辑月榜 ↗ 个人长期维护的难题榜:用中文出的逻辑、数学、空间和编程题,看模型能不能想清楚。 | llm2014 | 47.7% | 67.4 | 17 | 2026-11-17 | 备注沿用最近一次已核验记录。代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| 司南 · 推理 ↗ 逻辑、数量、空间与物理推理,以及批判性思维。 | OpenCompass | 80.0% | 66.9 | 6 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| 司南 · 抽象 ↗ 考查注意与扫描、语言理解、识别相关信息和抽象概念。 | OpenCompass | 72.5% | 65.4 | 9 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| LiveBench Reasoning ↗ 斑马谜题、空间推理、情境推理这类题,答案自动核对。 | LiveBench | 89.3% | 64.6 | 24 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Humanity's Last Exam ↗ 数学、科学、人文等几十个学科的专家级难题,不借助工具直接作答。 | Artificial Analysis | 47.8% | 64.1 | 44 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| CritPt ↗ 物理研究前沿的原创难题,要一步步推导出准确答案。 | Artificial Analysis | 18.3% | 63.5 | 82 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Terminal-Bench Science ↗ 在命令行里走完一段科研流程:处理数据、跑分析、得出结果。 | Artificial Analysis | 10.0% | 61.5 | 76 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Terminal-Bench Science ↗ 在命令行里走完一段科研流程:处理数据、跑分析、得出结果。 | Vals AI | 8.6% | 60.9 | 23 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| FrontierMath T1–3 ↗ 解数学家原创的高难数学题,给出可以核对的答案。 | Epoch AI | 68.4% | 60.7 | 36 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| BioMysteryBench ↗ 分析真实的生物数据,推断出背后的生物学答案。 | Vals AI | 62.2% | 60.4 | 28 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
专业办公 · 66.3
| 评测 | 机构 | 公布的成绩 | 折算分 | 原榜名次 | 核实日期 | 备注 |
|---|---|---|---|---|---|---|
| τ³-Banking ↗ 扮演银行客服跟模拟客户对话:查政策、找产品、改账户。 | Mercor | 48.8% | 70.7 | 13 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| APEX-Agents ↗ 投行、咨询和法律里的长任务,看模型当助手能不能把一件完整的工作做完。 | Mercor | 64.3% | 69.9 | 20 | 2026-11-18 | 备注代表配置:High 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent。该来源对所有模型使用同一受控系统;按预先固定的推理档位优先级选择,配置明细保留,成绩归到基础模型。 |
| Finance Agent v2.1 ↗ 金融分析师的日常工作:查公司财报、做计算和分析。 | Vals AI | 65.8% | 69.8 | 9 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Excel Modeling v1.1 ↗ 在 Excel 里搭财务模型:在模板上补全,或者从零建表。 | Vals AI | 72.9% | 69.8 | 12 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Harvey LAB-AA v1.1 ↗ 读法律资料并完成文书,逐项评分,有重大捏造则该题记零。 | Artificial Analysis | 0.0% | 67.9 | 40 | 2026-11-18 | 备注通过率低于 5%,只说明“至多这么强”。代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| AA-Analyst Agent ↗ 分析数据、回答 14 个领域的专业问题,同一题跑五次都对才算通过。 | Artificial Analysis | 46.3% | 67.8 | 25 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| TaxAgentBench ↗ 回答税务专业问题,要查到税法依据并注明出处。 | Vals AI | 32.1% | 67.2 | 27 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Harvey 法律 Agent 基准 v1.1 ↗ 处理法律资料,交付 Word、Excel、幻灯片等能直接审阅的文件。 | Vals AI | 12.1% | 66.9 | 21 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| AutomationBench-AA ↗ 在模拟办公软件中处理业务流程,按完成目标和守规情况评分。 | Artificial Analysis | 59.9% | 66.8 | 69 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Legal Research Bench ↗ 像律师一样查法规和判例,写出有出处的结论。 | Vals AI | 38.9% | 64.5 | 43 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| GDPval-AA ↗ 按几十种职业的真实工作出题,比如写报告、做表格,由裁判两两比较产出质量。 | Artificial Analysis | 1,442 | 60.2 | 80 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| AA-Briefcase ↗ 完成办公项目里写报告、做表格这类长任务,按细则和成果质量评分。 | Artificial Analysis | 1,204 | 56.5 | 128 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| LiveBench Data Analysis ↗ 处理表格重排、表格连接和连续事件分析等数据题。 | LiveBench | 54.0% | 39.8 | 68 | 2026-11-18 | 备注这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| MedCode ↗ 读住院记录,给出标准的医疗诊断编码。 | Vals AI | 48.1% | — | 31 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
知识问答 · 68.6
| 评测 | 机构 | 公布的成绩 | 折算分 | 原榜名次 | 核实日期 | 备注 |
|---|---|---|---|---|---|---|
| NYT Connections 扩展版 ↗ 把一组英文词按隐藏的类别分好,里面混着故意误导的干扰词。 | Lech Mazur | 97.4% | 79 | 9 | 2026-11-18 | 备注通过率高于 95%,只说明“至少这么强”。代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| LiveBench IF ↗ 按一串具体的格式和内容要求作答,看能不能条条做到。 | LiveBench | 81.4% | 77.7 | 1 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| SimpleQA Verified ↗ 一句话就能答的事实问题,看答得对不对。 | Epoch AI | 69.7% | 76.7 | 11 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| LiveBench Language ↗ 纠正错字、把打乱的情节排回原序、给词语分组等语言题。 | LiveBench | 87.8% | 73.2 | 1 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| AA-Omniscience v1.1 ↗ 各领域的事实问答,答错倒扣、不会可以不答,看模型知道多少、会不会乱编。 | Artificial Analysis | 23.3 | 65.4 | 63 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| 司南 · 知识 ↗ 应用科学、日常生活、自然科学和人文社科等方面的知识题。 | OpenCompass | 70.0% | 65 | 10 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| AA-LCR ↗ 读很长的文档,回答要把多处信息串起来才能答的问题。 | Artificial Analysis | 81.3% | 55.6 | 65 | 2026-11-18 | 备注这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| MLCR-AA ↗ 读很长的医疗记录回答问题,答案要完整且不能违背原始记录。 | Artificial Analysis | 10.6% | 47.1 | 132 | 2026-11-18 | 备注这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
真人盲选 · 64.6
| 评测 | 机构 | 公布的成绩 | 折算分 | 原榜名次 | 核实日期 | 备注 |
|---|---|---|---|---|---|---|
| Arena Text ↗ 真人匿名比较两个模型的回答,投票选出更好的回答。 | LMArena | 1,496.7 | 68.5 | 9 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Arena WebDev ↗ 真人匿名比较两个模型做出来的网页,选更好的那个。 | LMArena | 1,583 | 60.4 | 43 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
还没有成绩的评测
- FrontierCode 2.0 · Cognition
- BullshitBench · 错误前提
最近的新闻
11-13Google 发布 Gemini 4 Hydrogen,速度比 Gemini 3.8 Flash 快 2.5 倍MarkTechPost
11-13Gemini 3.8 Flash 与 Hydrogen 动画对比Google
11-13Google 发布 Gemini 4 Hydrogen,取代 Gemini 3.8 FlashArs Technica:AI
10-28Google DeepMind 发布 Genie 4 实时世界模型,原生生成音频并由 Gemini 3.8 Flash 在循环中规划MarkTechPost
10-02Google 9 月 AI 更新汇总:Gemini 4 Argon、Gemini 3.8 Flash 与 WeatherNext 3Google Blog:AI
09-24Google 发布 Gemini 3.8 Flash 与 Flash-Lite TTS 语音模型Logan Kilpatrick