BenchLeader

Gemini 3.5 Flash vs MiMo-V2.6-Pro

完整资料:Gemini 3.5 Flash(Google)和 MiMo-V2.6-Pro(Xiaomi),包括全部基准测试、价格和排名。

更新于 · 数据来自 12 个来源

截至 2026年11月16日,质量上 Gemini 3.5 Flash 领先 MiMo-V2.6-Pro(BenchLeader Index 62.5 比 57.5)。不过,MiMo-V2.6-Pro 更便宜,对方的价格是它的 6.2 倍(每百万 token 混合价格 $0.544 比 $3.38)。看重知识(63 比 42)、推理(61 比 50)和多模态(66 比 60)选 Gemini 3.5 Flash;看重数学(66 比 58)和长上下文(68 比 61)选 MiMo-V2.6-Pro。Gemini 3.5 Flash 的首次回答更快(9.9 秒 比 42.3 秒)。Gemini 3.5 Flash 的输出更快(3 倍以上)。

要点(截至 2026年11月16日)

  • Gemini 3.5 Flash 的 BenchLeader Index 为 62.5,MiMo-V2.6-Pro 为 57.5(BenchLeader,2026年11月16日)。
  • Gemini 3.5 Flash 每百万 token 混合价格为 $3.38(标价,2026年11月16日)。
  • MiMo-V2.6-Pro 每百万 token 混合价格为 $0.544(标价,2026年11月16日)。
  • Gemini 3.5 Flash 比 MiMo-V2.6-Pro 输出更快(3 倍以上;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 39 项基准测试中,MiMo-V2.6-Pro 领先 28 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Gemini 3.5 Flash 的评分为 1500,MiMo-V2.6-Pro 为 1625(LMArena,截至 2026年11月16日 的公布数据)。

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
编程均可类别得分 60 比 59;Arena WebDev 1500 比 1625均可
智能体与工具调用Gemini 3.5 Flash类别得分 63 比 57;Terminal-Bench 2.1 (Vals) 74.2% 比 67.8%中
数学MiMo-V2.6-Pro类别得分 66 比 58;ProofBench 70.0% 比 31.0%高
推理Gemini 3.5 Flash类别得分 61 比 50;Arena Hard Prompts 1496 比 1504高
知识Gemini 3.5 Flash类别得分 63 比 42;Excel Modeling Benchmark 63.5% 比 62.9%高
长文档MiMo-V2.6-Pro类别得分 68 比 61;AA-LCR v1.1 86.3% 比 73.3%中
图像及其他媒体Gemini 3.5 Flash类别得分 66 比 60;Arena Vision 1308 比 1266中
对话质量(人类偏好)均可Arena 投票 67 比 67均可
成本最低MiMo-V2.6-Pro每百万 token 混合价格 $0.548 比 $3.38;智能体编程会话 $0.030 比 $0.126–
首次回答最快Gemini 3.5 Flash首个回答 token 9.9 秒(Gemini 3.5 Flash (high))比 42.3 秒(MiMo-V2.6-Pro)–
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

  • 质量上 Gemini 3.5 Flash (high) 领先:62.5 比 57.5。
  • Gemini 3.5 Flash (high) 在智能体与工具、编程、知识、多模态、推理方面更强。
  • MiMo-V2.6-Pro 在人类偏好、长上下文、数学方面更强。
  • MiMo-V2.6-Pro 更便宜,对方的价格是它的 6.2 倍(每百万 token 混合价格 $0.544 比 $3.38)。
  • Gemini 3.5 Flash (high) 的输出速度是对方的 3.3 倍(176 比 54 token/秒)。

概览

规格Gemini 3.5 FlashMiMo-V2.6-Pro
提供商GoogleXiaomi
发布日期2026年5月19日2026年9月21日
上下文窗口(token)1,048,5761,048,576
对比时的配置Gemini 3.5 Flash (high)MiMo-V2.6-Pro
开放权重否是
每百万 token 价格(输入 / 输出 / 缓存输入)$1.50 / $9.00 / $0.150$0.440 / $0.870 / $0.0036

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 3.5 Flash (high)MiMo-V2.6-Pro领先者
推理60.649.9Gemini 3.5 Flash
编程59.558.8持平
智能体与工具62.857.1Gemini 3.5 Flash
数学57.765.5MiMo-V2.6-Pro
知识63.342.3Gemini 3.5 Flash
指令遵循74.4–无法比较
人类偏好66.867.0持平
多模态66.260.2Gemini 3.5 Flash
长上下文61.267.9MiMo-V2.6-Pro

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数学知识长上下文多模态人类偏好Gemini 3.5 Flash, 推理: 60.6Gemini 3.5 Flash, 编程: 59.5Gemini 3.5 Flash, 智能体与工具: 62.8Gemini 3.5 Flash, 数学: 57.7Gemini 3.5 Flash, 知识: 63.3Gemini 3.5 Flash, 长上下文: 61.2Gemini 3.5 Flash, 多模态: 66.2Gemini 3.5 Flash, 人类偏好: 66.8MiMo-V2.6-Pro, 推理: 49.9MiMo-V2.6-Pro, 编程: 58.8MiMo-V2.6-Pro, 智能体与工具: 57.1MiMo-V2.6-Pro, 数学: 65.5MiMo-V2.6-Pro, 知识: 42.3MiMo-V2.6-Pro, 长上下文: 67.9MiMo-V2.6-Pro, 多模态: 60.2MiMo-V2.6-Pro, 人类偏好: 67.0

未绘制(测得的模型少于两个):指令遵循。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 39 项基准测试中,Gemini 3.5 Flash 领先 11 项,MiMo-V2.6-Pro 领先 28 项。第三方来源看法不一:Gemini 3.5 Flash 在 BenchLeader Index 上领先;MiMo-V2.6-Pro 在 Arena Text 上领先。

综合 IndexGemini 3.5 Flash (high)MiMo-V2.6-Pro领先者
BenchLeader Index62.557.5Gemini 3.5 Flash
Arena Text14781480MiMo-V2.6-Pro

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 3.5 Flash (high)MiMo-V2.6-Pro
每百万 token 混合价格$3.38$0.548
每百万 token 输入 / 输出$1.50 / $9.00$0.440 / $0.870
每百万 token 缓存输入$0.150$0.0036
每项任务价格:聊天回复$0.0033$0.0004
每项任务价格:总结一份 30 页的报告$0.023$0.0058
每项任务价格:代码编辑$0.022$0.0039
每项任务价格:智能体编程会话$0.126$0.030
每项任务价格:结构化信息提取$0.0048$0.0011
智能体编程会话(输入大多命中缓存)$0.065$0.010
每项基准测试任务成本(AA Index)–$0.257
每项任务输出 token(AA Index)–121k
其中推理部分–86k
每项任务耗时(AA Index)–38 min
输出速度176 tok/s54 tok/s
首次回答时间9.9 秒42.3 秒
完整回答耗时(最近一次测量 2026年11月13日)27.6 秒95.7 秒

每个模型都按其排名最高的推理强度设置进行对比。Gemini 3.5 Flash (high) 得分 62.5,首个回答 token 需 10 秒;Gemini 3.5 Flash (medium) 为 61.8(9 秒),Gemini 3.5 Flash (minimal) 为 55.6(3 秒)。MiMo-V2.6-Pro 得分 57.5,首个回答 token 需 42 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 159 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 3.5 Flash (high)MiMo-V2.6-Pro
BenchLeader IndexBenchLeader62.557.5
智能体与工具得分BenchLeader62.857.1
编程得分BenchLeader59.558.8
人类偏好得分BenchLeader66.867.0
指令遵循得分BenchLeader74.4–
知识得分BenchLeader63.342.3
长上下文得分BenchLeader61.267.9
数学得分BenchLeader57.765.5
多模态得分BenchLeader66.260.2
推理得分BenchLeader60.649.9
混合价格(美元/百万 token)BenchLeader$3.38$0.548
输出速度BenchLeader176 tok/s54 tok/s
首次回答时间BenchLeader9.9 秒42.3 秒
上下文窗口BenchLeader1,048,576 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub92.8%–
SimpleBenchSimpleBench76.7%†–
Arena Hard PromptsArena (LMArena)14961504
LiveBench 2.0 ReasoningLiveBench–79.6%†
LiveBench 1.0 ReasoningLiveBench82.0%–
GPQA Diamond (AA)Artificial Analysis92.2%–
Humanity's Last Exam (AA)Artificial Analysis42.7%49.4%
HLE-Diamond (AA)Artificial Analysis–15.2%
GPQA Diamond (Vals)Vals AI92.7%–
EnigmaEvalScale AI SEAL25.4%–
ARC-AGI-1ARC Prize92.5%–
ARC-AGI-2ARC Prize72.1%–
CritPtArtificial Analysis13.1%26.6%
CritPt v2 hard subset (AA)Artificial Analysis–34.0%
MysteryMechanismVals AI–15.3%
Arena ExpertArena (LMArena)14911526
Chess PuzzlesEpoch AI Benchmarking Hub45.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub32.0%–
LMCAEpoch AI Benchmarking Hub47.1%–
DTBenchEpoch AI Benchmarking Hub94.7%–
ForecastBenchForecastBench64.0%†–
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub79.3%–
SciCodeSciCode53.9%60.9%
WeirdMLWeirdML62.6%–
Arena CodingArena (LMArena)15081538
显示全部 159 项基准测试
指标发布方Gemini 3.5 Flash (high)MiMo-V2.6-Pro
编程
Arena WebDevArena (LMArena)15001625
LiveBench 2.0 CodingLiveBench–64.5%†
LiveBench 1.0 CodingLiveBench78.2%–
LiveCodeBenchVals AI87.6%–
IOIVals AI–39.3%
SWE-bench (Vals)Vals AI78.8%–
Code MigrationVals AI26.8%43.0%
Code Migration v1.1Vals AI–48.8%
ProgramBenchVals AI0.0%0.5%
SWE-bench MultimodalVals AI–41.3%
Vibe Code Bench v1.1Vals AI48.7%85.2%
Vibe Code Bench 1-100 v1.1Vals AI–26.4%
Surface Evolver BenchEpoch AI Benchmarking Hub58.1%†–
DeepSWE v1.1Epoch AI Benchmarking Hub36.1%–
ALE-BenchEpoch AI Benchmarking Hub911.01158.1
Terminal-Bench 4.0 (AA)Artificial Analysis6.6%34.9%
Terminal-Bench 2.1 (AA)Artificial Analysis78.7%–
GameBench 2 OverallDuelLab GameBench 249.4†–
GameBench 2 by reasoning settingDuelLab GameBench 263.249.8†
Design Arena WebsiteDesign Arena1260†1311
FrontierCode 1.1 (AA)Artificial Analysis–45.4%
FrontierCode 2.0 (AA)Artificial Analysis–24.0%
智能体与工具
Terminal-BenchTerminal-Bench–27.0%†
APEX-AgentsMercor27.5%†54.4%
Arena AgentArena (LMArena)–2.4
LiveBench Long AgenticLiveBench–36.4%†
LiveBench BrowserLiveBench–77.3%†
LiveBench Agentic CodingLiveBench49.0%–
Terminal-Bench HardArtificial Analysis40.9%–
τ²-Bench Telecom (AA)Artificial Analysis95.3%–
Terminal-Bench 2.1 (Vals)Vals AI74.2%67.8%
MCP AtlasScale AI SEAL83.6%–
HiL-BenchScale AI SEAL27.7%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis–59.1%
GDPval-AA v2.1Artificial Analysis12111692
τ³-Banking (AA)Artificial Analysis32.2%–
ITBench SRE (AA)Artificial Analysis40.4%–
Analyst Agent (AA)Artificial Analysis45.0%37.5%
APEX-Agents (AA)Artificial Analysis47.0%–
CyberBenchVals AI–72.9%
Finance Agent v2Vals AI57.9%57.3%
Finance Agent v2.1Vals AI–64.3%
Harvey's Legal Agent Benchmark v1.1Vals AI–13.8%
Harvey's Legal Agent Benchmark v1Vals AI2.5%10.8%
Legal Research BenchVals AI30.8%47.1%
SkillsBenchVals AI52.7%–
SREBenchVals AI–3.0%
Tax Agent BenchVals AI21.6%32.4%
Terminal-Bench 2.0 (Vals)Vals AI67.4%–
Terminal-Bench 4.0 (Vals)Vals AI6.1%31.3%
Terminal-Bench ScienceVals AI5.7%2.9%
Web Search IndexVals AI37.0%–
Arena Agent Task CompletionArena (LMArena)–5
GBAEvalEpoch AI Benchmarking Hub6.7%†–
Vending-Bench 2Andon Labs5396.4†–
AutomationBenchArtificial Analysis42.1%58.6%
GDP.pdf (AA)Artificial Analysis19.8%19.2%
EnterpriseOps-GymArtificial Analysis50.1%–
AA-Briefcase v1.1Artificial Analysis8761512
Design Arena AgenticDesign Arena1174†1271
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–5.7%
CWE-Bench (AA)Artificial Analysis–63.3%
DeepSec-Bench (AA)Artificial Analysis–26.2%
CyberGym end-to-end (AA)Artificial Analysis–78.6%
MKA (AA)Artificial Analysis–37.3%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub62.8%–
FrontierMath Tier 4Epoch AI Benchmarking Hub26.8%–
OTIS Mock AIMEEpoch AI Benchmarking Hub95.6%–
ProofBenchVals AI31.0%70.0%
LiveBench MathematicsLiveBench88.2%–
AIME 2026MathArena95.0%–
HMMT February 2026MathArena95.5%–
MathArena ApexMathArena32.3%–
Arena MathsArena (LMArena)14971484
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub66.2%–
LiveBench 2.0 Data AnalysisLiveBench–72.3%†
LiveBench ResearchLiveBench–84.8%†
LiveBench 1.0 Data AnalysisLiveBench64.9%–
AA-Omniscience v1.1Artificial Analysis–-4.5
MMLU-ProVals AI89.5%–
LegalBenchVals AI83.6%–
CorpFinVals AI64.7%–
TaxEvalVals AI74.4%–
Excel Modeling BenchmarkVals AI63.5%62.9%
Excel Modeling Benchmark v1.1Vals AI–67.3%
MedCodeVals AI55.8%45.0%
MedScribeVals AI76.6%88.3%
Public Benefits Bench v1.1Vals AI59.5%68.9%
Access to Justice BenchmarkVals AI–70.0%
Financial Coaching BenchVals AI63.0%75.4%
Immigration BenchVals AI–67.5%
DrugDiscoveryBenchScale AI SEAL50.0%–
EBR-benchEpoch AI Benchmarking Hub4.8%–
GDP.pdfEpoch AI Benchmarking Hub14.0%†–
AA-Omniscience v1.1: accuracyArtificial Analysis–34.8%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–39.8%
指令遵循
LiveBench LanguageLiveBench84.6%–
LiveBench Instruction FollowingLiveBench75.6%–
IFBenchArtificial Analysis76.3%–
Arena Instruction FollowingArena (LMArena)14651472
人类偏好
Arena TextArena (LMArena)14781480
EQ-Bench 4EQ-Bench1077†–
Arena Creative WritingArena (LMArena)14651448
Arena Multi-turnArena (LMArena)14801462
Arena Longer QueriesArena (LMArena)14831496
多模态
Arena VisionArena (LMArena)13081266
LiveBench DesignLiveBench–74.3%†
MMMU-ProArtificial Analysis84.3%–
MMMU-Pro (Vals)Vals AI88.3%–
MortgageTaxVals AI68.1%–
SAGEVals AI–84.5%
Humanity's Sixth SenseScale AI SEAL32.6%25.2%†
GeoBenchGeoBench85.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub33.6%†–
VIALS-AAHandshake AI–43.5%
Code2Video-AAArtificial Analysis–1052
AA-3DArtificial Analysis–983
长上下文
AA-LCR v1.1Artificial Analysis73.3%86.3%
Arena DocumentArena (LMArena)1455–
MLCRArtificial Analysis10.0%12.8%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub155.3†–
LiveBench 2.0LiveBench–66.1%†
LiveBench 1.0LiveBench74.6%–
AA Intelligence Index v5.0.1Artificial Analysis–29.9
AA Intelligence Index v4.3.2Artificial Analysis32.646.3
AA Progress Index v1Artificial Analysis305.1321.2
Vals IndexVals AI–57.8
Vals Finance IndexVals AI–57.9%
Vals Multimodal IndexVals AI62.9%–
Vals Router IndexVals AI–57.8%
Vals Legal IndexVals AI–72.1%
AA Cyber IndexArtificial Analysis–56.1
安全与诚实
DistressBenchScale AI SEAL66.9%†–
元数据
AA Openness IndexArtificial Analysis–52.8

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。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

变化

  • MiMo-V2.6-Pro:1 项分数修订。
  • Gemini 3.5 Flash (high):1 项新结果(GDPval-AA v2.1);1 项分数修订。
  • Gemini 3.5 Flash (high):3 项新结果(AIME 2026, HMMT February 2026, MathArena Apex)。
  • MiMo-V2.6-Pro:1 项分数修订。
  • MiMo-V2.6-Pro:6 项分数修订。
  • MiMo-V2.6-Pro:1 项分数修订。
  • Gemini 3.5 Flash (high):1 项分数修订。
  • MiMo-V2.6-Pro:1 项分数修订。
  • Gemini 3.5 Flash (high):BenchLeader Index 63.2 → 62.6。
  • MiMo-V2.6-Pro:BenchLeader Index 61.1 → 57.2。

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 3.5 Flash vs MiMo-V2.6-Pro:常见问题

Gemini 3.5 Flash 比 MiMo-V2.6-Pro 更好吗?
质量上 Gemini 3.5 Flash (high) 领先:62.5 比 57.5。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,Gemini 3.5 Flash (high) 总体领先,但请结合你的用途查看各类别得分。
Gemini 3.5 Flash 和 MiMo-V2.6-Pro 哪个更便宜?价格会变吗?
目前 MiMo-V2.6-Pro 更便宜:每百万 token $0.544 比 $3.38(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 3.5 Flash 还是 MiMo-V2.6-Pro 更好?
两者在编程方面持平(类别得分 60 比 59)。在两者共同的最主要编程基准测试 Arena WebDev 上,Gemini 3.5 Flash 为 1500,MiMo-V2.6-Pro 为 1625。
Gemini 3.5 Flash 和 MiMo-V2.6-Pro 哪个更快?
Gemini 3.5 Flash 输出更快(3 倍以上;输出 176 比 54 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Gemini 3.5 Flash 还是 MiMo-V2.6-Pro 更好?
Gemini 3.5 Flash 在智能体任务方面得分更高(类别得分 63 比 57,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 Terminal-Bench 2.1 (Vals) 上,Gemini 3.5 Flash 为 74.2%,MiMo-V2.6-Pro 为 67.8%。
更多问题(4)
处理长文档哪个更好?
MiMo-V2.6-Pro 在长上下文基准测试上得分更高(68 比 61)。两者都支持 1,048,576 token 的上下文。
哪个延迟更低?
Gemini 3.5 Flash 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 9.9 秒比 42.3 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 3.5 Flash 和 MiMo-V2.6-Pro 的看法一致吗?
在两者都有结果的 39 项基准测试中,Gemini 3.5 Flash 领先 11 项,MiMo-V2.6-Pro 领先 28 项。第三方来源看法不一:Gemini 3.5 Flash 在 BenchLeader Index 上领先;MiMo-V2.6-Pro 在 Arena Text 上领先。
MiMo-V2.6-Pro 是什么时候发布的?
MiMo-V2.6-Pro 于 2026年9月21日 发布。