BenchLeader

Gemini 3.1 Pro vs Qwen3.8-Flash-Next

完整资料:Gemini 3.1 Pro(Google)和 Qwen3.8-Flash-Next(Alibaba),包括全部基准测试、价格和排名。

更新于 · 数据来自 10 个来源

截至 2026年11月16日,Gemini 3.1 Pro 与 Qwen3.8-Flash-Next 的质量不相上下(BenchLeader Index 60.4 比 53.9,在 ±8.6 的误差范围内)。Qwen3.8-Flash-Next 更便宜,对方的价格是它的 20 倍(每百万 token 混合价格 $0.230 比 $4.50)。看重知识(66 比 38)和推理(65 比 43)选 Gemini 3.1 Pro;看重智能体与工具(64 比 57)和编程(61 比 59)选 Qwen3.8-Flash-Next。Gemini 3.1 Pro 的首次回答更快(15.2 秒 比 65.5 秒)。Gemini 3.1 Pro 的输出更快。

要点(截至 2026年11月16日)

  • Gemini 3.1 Pro 的 BenchLeader Index 为 60.4,Qwen3.8-Flash-Next 为 53.9(BenchLeader,2026年11月16日)。
  • Gemini 3.1 Pro 每百万 token 混合价格为 $4.50(标价,2026年11月16日)。
  • Qwen3.8-Flash-Next 每百万 token 混合价格为 $0.230(标价,2026年11月16日)。
  • Gemini 3.1 Pro 比 Qwen3.8-Flash-Next 输出更快(Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 8 项基准测试中,Gemini 3.1 Pro 领先 6 项(BenchLeader,2026年11月16日)。

按用途怎么选

推荐模型的数值列在前面。类别得分采用 BenchLeader 标尺(50 为模型平均水平,15 分为一个标准差)。领先半个标准差及以上为“高”置信度;相差不到 1 分则视为“均可”。

用途推荐理由置信度
编程Qwen3.8-Flash-Next类别得分 61 比 59;LiveBench 1.0 Coding 72.5% 比 76.5%中
智能体与工具调用Qwen3.8-Flash-Next类别得分 64 比 57;LiveBench Agentic Coding 61.6% 比 44.1%中
推理Gemini 3.1 Pro类别得分 65 比 43;LiveBench 1.0 Reasoning 84.0% 比 87.4%高
知识Gemini 3.1 Pro类别得分 66 比 38;LiveBench 1.0 Data Analysis 78.5% 比 74.2%高
成本最低Qwen3.8-Flash-Next每百万 token 混合价格 $0.230 比 $4.50;智能体编程会话 $0.011 比 $0.168–
首次回答最快Gemini 3.1 Pro首个回答 token 15.2 秒(Gemini 3.1 Pro (high))比 65.5 秒(Qwen3.8-Flash-Next)–
低预算大批量两者都不选通常更小的模型更合适:便宜好用的大模型、最快的大模型–

主要差异

  • Gemini 3.1 Pro (high) 与 Qwen3.8-Flash-Next 的质量不相上下(60.4 比 53.9,在 ±8.6 的误差范围内)。
  • Gemini 3.1 Pro (high) 在知识、推理方面更强。
  • Qwen3.8-Flash-Next 在智能体与工具、编程方面更强。
  • Qwen3.8-Flash-Next 更便宜,对方的价格是它的 20 倍(每百万 token 混合价格 $0.230 比 $4.50)。
  • Gemini 3.1 Pro (high) 的输出速度是对方的 1.4 倍(111 比 80 token/秒)。

概览

规格Gemini 3.1 ProQwen3.8-Flash-Next
提供商GoogleAlibaba
发布日期2026年2月19日2026年8月26日
上下文窗口(token)1,048,576256,000
对比时的配置Gemini 3.1 Pro (high)Qwen3.8-Flash-Next
开放权重否是
每百万 token 价格(输入 / 输出 / 缓存输入)$2.00 / $12.00 / $0.200$0.150 / $0.470 / –

逐类别对比

类别得分采用 BenchLeader 标尺:50 为参评模型的平均水平,15 分为一个标准差。差距不到 1 分视为持平。

类别Gemini 3.1 Pro (high)Qwen3.8-Flash-Next领先者
推理64.743.0Gemini 3.1 Pro
编程58.660.7Qwen3.8-Flash-Next
智能体与工具56.764.0Qwen3.8-Flash-Next
数学65.7–无法比较
知识65.638.1Gemini 3.1 Pro
多模态–61.0无法比较
长上下文–64.5无法比较

同一图表对比

各领域采用与 Index 相同的标尺,平均模型为 50 分。单击某个领域可查看构成它的基准测试。 可从列表中最多选择 5 个模型。

2550 avg75推理编程智能体与工具知识Gemini 3.1 Pro, 推理: 64.7Gemini 3.1 Pro, 编程: 58.6Gemini 3.1 Pro, 智能体与工具: 56.7Gemini 3.1 Pro, 知识: 65.6Qwen3.8-Flash-Next, 推理: 43.0Qwen3.8-Flash-Next, 编程: 60.7Qwen3.8-Flash-Next, 智能体与工具: 64.0Qwen3.8-Flash-Next, 知识: 38.1

未绘制(测得的模型少于两个):数学, 指令遵循, 长上下文, 多模态, 人类偏好。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 8 项基准测试中,Gemini 3.1 Pro 领先 6 项,Qwen3.8-Flash-Next 领先 2 项。

综合 IndexGemini 3.1 Pro (high)Qwen3.8-Flash-Next领先者
BenchLeader Index60.453.9不相上下

各发布方使用各自的任务、评测框架和推理强度设置,因此总体结论可能不同;BenchLeader 将它们统一到同一标尺上。† 表示同一模型在另一推理强度设置下的测量值(发布方未测试本页对比的设置)。

价格、速度与延迟

标价按每 1 个输出 token 对应 3 个输入 token 混合计算。每项任务的价格采用方法论页面中的 token 数量。每项基准测试任务的成本、token 数和耗时均为实测值,取自 Artificial Analysis 整个 Intelligence Index 测试的平均值。

指标Gemini 3.1 Pro (high)Qwen3.8-Flash-Next
每百万 token 混合价格$4.50$0.230
每百万 token 输入 / 输出$2.00 / $12.00$0.150 / $0.470
每百万 token 缓存输入$0.200–
每项任务价格:聊天回复$0.0044$0.0002
每项任务价格:总结一份 30 页的报告$0.031$0.0021
每项任务价格:代码编辑$0.030$0.0016
每项任务价格:智能体编程会话$0.168$0.011
每项任务价格:结构化信息提取$0.0064$0.0004
智能体编程会话(输入大多命中缓存)$0.087–
每项基准测试任务成本(AA Index)–$0.569
每项任务输出 token(AA Index)–148k
其中推理部分–97k
每项任务耗时(AA Index)–31 min
输出速度111 tok/s80 tok/s
首次回答时间15.2 秒65.5 秒
完整回答耗时(最近一次测量 2026年11月13日)37.5 秒202.8 秒

每个模型都按其排名最高的推理强度设置进行对比。Gemini 3.1 Pro (high) 得分 60.4,首个回答 token 需 15 秒;Gemini 3.1 Pro 为 59.9(15 秒)。Qwen3.8-Flash-Next 得分 53.9,首个回答 token 需 66 秒。推理强度越高,回答前思考越久:得分更高,但等待更长、计费 token 也更多。 推理强度如何影响得分和成本

全部基准测试

共 167 项基准测试,按类别分组;点击名称可查看该排行榜及领先模型。† 表示同一模型在另一推理强度设置下的测量值,仅供参考,不计入胜场。

指标发布方Gemini 3.1 Pro (high)Qwen3.8-Flash-Next
BenchLeader IndexBenchLeader60.453.9
智能体与工具得分BenchLeader56.764.0
编程得分BenchLeader58.660.7
知识得分BenchLeader65.638.1
数学得分BenchLeader65.7–
推理得分BenchLeader64.743.0
长上下文得分BenchLeader–64.5
多模态得分BenchLeader–61.0
混合价格(美元/百万 token)BenchLeader$4.50$0.230
输出速度BenchLeader111 tok/s80 tok/s
首次回答时间BenchLeader15.2 秒65.5 秒
上下文窗口BenchLeader1,048,576 token256,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub94.4%–
Humanity's Last ExamScale AI / CAIS46.4%†–
SimpleBenchSimpleBench79.6%†–
Arena Hard PromptsArena (LMArena)1508†–
LiveBench 1.0 ReasoningLiveBench84.0%87.4%
GPQA Diamond (AA)Artificial Analysis94.1%†92.3%
Humanity's Last Exam (AA)Artificial Analysis47.0%†38.0%
HLE-Diamond (AA)Artificial Analysis31.4%†16.3%
GPQA Diamond (Vals)Vals AI95.5%–
EnigmaEvalScale AI SEAL36.8%–
ARC-AGI-1ARC Prize98.0%†–
ARC-AGI-2ARC Prize77.1%†–
ARC-AGI-3ARC Prize0.4%†–
CritPtArtificial Analysis17.7%†11.1%
CritPt v2 hard subset (AA)Artificial Analysis–24.5%
MysteryMechanismVals AI20.7%–
Arena ExpertArena (LMArena)1509†–
Chess PuzzlesEpoch AI Benchmarking Hub51.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub34.0%–
CL-benchEpoch AI Benchmarking Hub20.8%†–
CL-bench LifeEpoch AI Benchmarking Hub16.9%†–
LMCAEpoch AI Benchmarking Hub53.8%–
DTBenchEpoch AI Benchmarking Hub95.5%–
ForecastBenchForecastBench65.2%–
编程
SciCodeSciCode58.7%†–
显示全部 167 项基准测试
指标发布方Gemini 3.1 Pro (high)Qwen3.8-Flash-Next
编程
WeirdMLWeirdML72.1%†–
GSO-BenchGSO-Bench22.6%†–
Arena CodingArena (LMArena)1520†–
Arena WebDevArena (LMArena)1446†1624
LiveBench 1.0 CodingLiveBench76.5%72.5%
SciCode (AA)Artificial Analysis58.7%†50.6%
LiveCodeBenchVals AI88.5%–
IOIVals AI51.8%–
SWE-bench (Vals)Vals AI78.8%–
SWE-Bench ProScale AI SEAL46.1%†–
Code MigrationVals AI17.3%–
ProgramBenchVals AI0.0%–
Vibe Code Bench 1-100Vals AI6.7%–
Vibe Code Bench v1.1Vals AI32.0%–
SWE-Bench Pro (private)Scale AI SEAL32.2%†–
SWE Atlas v1.0: Codebase QnAScale AI SEAL13.5%†–
SWE Atlas v1.0: RefactoringScale AI SEAL33.8%†–
SWE Atlas v1.0: Test WritingScale AI SEAL29.8%†–
MirrorCodeEpoch AI Benchmarking Hub8.9%–
DeepSWE v1.1Epoch AI Benchmarking Hub11.7%†–
ALE-BenchEpoch AI Benchmarking Hub1160.6†–
AlgoTuneAlgoTune2.0†–
Terminal-Bench 4.0 (AA)Artificial Analysis4.0%†25.3%
Terminal-Bench 2.1 (AA)Artificial Analysis73.8%†86.1%
Design Arena WebsiteDesign Arena1226†–
FrontierCode 2.0 (AA)Artificial Analysis–27.1%
智能体与工具
Terminal-BenchTerminal-Bench80.2%†–
APEX-AgentsMercor35.1%†–
Arena AgentArena (LMArena)-4.5†-4.6
LiveBench Agentic CodingLiveBench44.1%61.6%
Terminal-Bench HardArtificial Analysis53.8%†–
τ²-Bench Telecom (AA)Artificial Analysis95.6%†–
Terminal-Bench 2.1 (Vals)Vals AI70.8%–
MCP AtlasScale AI SEAL78.2%–
HiL-BenchScale AI SEAL35.3%†–
τ³-bench Bankingτ²-bench26.0%–
GDPval-AA v2.1, normalised scoreArtificial Analysis14.6%†56.4%
GDPval-AA v2.1Artificial Analysis799†1637
τ³-Banking (AA)Artificial Analysis21.4%†45.4%
ITBench SRE (AA)Artificial Analysis30.3%†–
Analyst Agent (AA)Artificial Analysis41.3%†–
APEX-Agents (AA)Artificial Analysis32.0%†–
Finance Agent v2Vals AI43.0%–
Harvey's Legal Agent Benchmark v1Vals AI0.0%–
Legal Research BenchVals AI20.7%–
SREBenchVals AI0.0%–
Tax Agent BenchVals AI9.3%–
Terminal-Bench 2.0 (Vals)Vals AI67.4%–
Terminal-Bench 4.0 (Vals)Vals AI2.5%–
Terminal-Bench ScienceVals AI1.4%–
Arena SearchArena (LMArena)1209†–
Arena Agent Task CompletionArena (LMArena)-11.3†0.3
BALROGBALROG57.0%†–
DeepResearch BenchDeepResearch Bench47.8%–
PostTrainBenchEpoch AI Benchmarking Hub18.1%†–
ExploitBenchEpoch AI Benchmarking Hub26.1%†–
METR Time HorizonsMETR77.0%†–
GBAEvalEpoch AI Benchmarking Hub0.8%†–
Vending-Bench 2Andon Labs911.2†–
AutomationBenchArtificial Analysis35.4%†55.9%
GDP.pdf (AA)Artificial Analysis17.8%†15.6%
Harvey LAB-AA v1.1Harvey0.0%†–
EnterpriseOps-GymArtificial Analysis42.2%†–
AA-Briefcase v1.1Artificial Analysis457†1572
Design Arena AgenticDesign Arena1088†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–7.1%
BrowseCompOpenAI31.2%†–
DeepSearchQAGoogle60.2%†–
FACTS SearchGoogle90.2%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub59.6%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub26.8%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub95.6%–
ProofBenchVals AI26.0%†–
LiveBench MathematicsLiveBench91.0%85.8%
AIME (Vals)Vals AI98.1%–
AIME 2026MathArena98.3%–
HMMT February 2026MathArena94.7%–
USAMO 2026MathArena74.4%–
MathArena ApexMathArena60.9%–
Arena MathsArena (LMArena)1488†–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub73.5%–
LiveBench 1.0 Data AnalysisLiveBench78.5%74.2%
AA-Omniscience v1.1Artificial Analysis–-12.2
MMLU-ProVals AI91.0%–
LegalBenchVals AI87.4%–
CorpFinVals AI64.5%–
TaxEvalVals AI72.9%–
MedQAVals AI96.4%–
PRBench FinanceScale AI SEAL41.9%†–
PRBench LegalScale AI SEAL44.0%†–
MultiNRCScale AI SEAL64.7%†–
BioMysteryBenchVals AI60.0%–
CaseLaw v2Vals AI64.8%–
Excel Modeling BenchmarkVals AI52.6%–
MedCodeVals AI59.1%–
MedScribeVals AI76.1%–
Public Benefits Bench v1.1Vals AI53.8%–
Financial Coaching BenchVals AI66.7%–
DrugDiscoveryBenchScale AI SEAL41.9%–
EBR-benchEpoch AI Benchmarking Hub14.3%†–
GDP.pdfEpoch AI Benchmarking Hub17.0%–
AA-Omniscience v1.1: accuracyArtificial Analysis–23.5%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–53.2%
Global-MMLU-Lite (AA)Artificial Analysis93.2%†–
FACTS ParametricGoogle79.4%†–
指令遵循
LiveBench LanguageLiveBench85.4%74.6%
LiveBench Instruction FollowingLiveBench79.1%77.1%
IFBenchArtificial Analysis77.1%†–
MultiChallengeScale AI SEAL71.4%†–
TutorBenchScale AI SEAL53.0%†–
Arena Instruction FollowingArena (LMArena)1480†–
人类偏好
Arena TextArena (LMArena)1487†–
EQ-Bench 4EQ-Bench1132†–
EQ-Bench Creative Writing v3EQ-Bench1491†–
Arena Creative WritingArena (LMArena)1482†–
Arena Multi-turnArena (LMArena)1495†–
Arena Longer QueriesArena (LMArena)1499†–
多模态
Arena VisionArena (LMArena)1296†–
MMMU-ProArtificial Analysis82.4%†78.6%
MMMU-Pro (Vals)Vals AI88.2%–
MortgageTaxVals AI69.4%–
SAGEVals AI83.2%–
VTBScale AI SEAL29.0%†–
GeoBenchGeoBench84.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub26.5%†–
Furniture AssemblyEpoch AI Benchmarking Hub26.7%–
FACTS MultimodalGoogle50.4%†–
长上下文
AA-LCR v1.1Artificial Analysis82.0%†79.7%
Arena DocumentArena (LMArena)1459†–
MLCRArtificial Analysis11.1%†20.6%
FACTS GroundingGoogle56.6%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub156.2†–
LiveBench 1.0LiveBench77.0%76.2%
AA Intelligence Index v5.0.1Artificial Analysis–28.6
AA Intelligence Index v4.3.2Artificial Analysis29.7†39.8
AA Progress Index v1Artificial Analysis296.1†320.2
Vals Science IndexVals AI27.4%–
Vals Multimodal IndexVals AI56.1%–
安全与诚实
FORTRESSScale AI SEAL29.8%†–
MASKScale AI SEAL42.4%†–
DistressBenchScale AI SEAL68.8%†–
元数据
AA Openness IndexArtificial Analysis–38.9

数据截至 2026年11月16日。对比的是每个模型的最佳配置;每项分数的来源链接都在模型页面上。

变化

  • Qwen3.8-Flash-Next:BenchLeader Index 54.7 → 54.0。
  • Gemini 3.1 Pro (high):4 项新结果(AIME 2026, HMMT February 2026, USAMO 2026…)。
  • Qwen3.8-Flash-Next:3 项新结果(AA Intelligence Index v5.0.1, FrontierCode 2.0 (AA), Terminal-Bench-Science 0.1 (AA))。
  • Qwen3.8-Flash-Next:1 项新结果(CritPt v2 hard subset (AA));1 项分数修订。
  • Qwen3.8-Flash-Next:1 项新结果(AA-Briefcase v1.1);1 项分数修订。
  • Qwen3.8-Flash-Next:BenchLeader Index 58.7 → 54.7。
  • Gemini 3.1 Pro (high):1 项分数修订。
  • Qwen3.8-Flash-Next:2 项新结果(AA Progress Index v1, HLE-Diamond (AA));3 项分数修订。
  • Gemini 3.1 Pro (high):价格 $1.30/M → $1.44/M。
  • Gemini 3.1 Pro (high):2 项新结果(Harvey's Legal Agent Benchmark v1, Vals Science Index)。

排行榜: 综合最佳大模型 · 最适合智能体的大模型 · 便宜好用的大模型

Gemini 3.1 Pro vs Qwen3.8-Flash-Next:常见问题

Gemini 3.1 Pro 比 Qwen3.8-Flash-Next 更好吗?
Gemini 3.1 Pro (high) 与 Qwen3.8-Flash-Next 的质量不相上下(60.4 比 53.9,在 ±8.6 的误差范围内)。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,两者差距在误差范围内,请结合你的用途查看各类别得分。
Gemini 3.1 Pro 和 Qwen3.8-Flash-Next 哪个更便宜?价格会变吗?
目前 Qwen3.8-Flash-Next 更便宜:每百万 token $0.230 比 $4.50(按每 1 个输出 token 对应 3 个输入 token 混合计算)。两者均未公布价格调整。
编程用 Gemini 3.1 Pro 还是 Qwen3.8-Flash-Next 更好?
Qwen3.8-Flash-Next 在编程方面得分更高(类别得分 61 比 59,50 为平均水平)。
Gemini 3.1 Pro 和 Qwen3.8-Flash-Next 哪个更快?
Gemini 3.1 Pro 输出更快(输出 111 比 80 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Gemini 3.1 Pro 还是 Qwen3.8-Flash-Next 更好?
Qwen3.8-Flash-Next 在智能体任务方面得分更高(类别得分 64 比 57,50 为平均水平)。
更多问题(4)
处理长文档哪个更好?
Gemini 3.1 Pro 支持更长的上下文:1,048,576 token,Qwen3.8-Flash-Next 为 256,000 token。
哪个延迟更低?
Gemini 3.1 Pro 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 15.2 秒比 65.5 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
第三方基准测试对 Gemini 3.1 Pro 和 Qwen3.8-Flash-Next 的看法一致吗?
在两者都有结果的 8 项基准测试中,Gemini 3.1 Pro 领先 6 项,Qwen3.8-Flash-Next 领先 2 项。
Qwen3.8-Flash-Next 是什么时候发布的?
Qwen3.8-Flash-Next 于 2026年8月26日 发布。