Gemini 3.6 Flash vs Gemini 3.7 Flash
完整资料:Gemini 3.6 Flash(Google)和 Gemini 3.7 Flash(Google),包括全部基准测试、价格和排名。
更新于 · 数据来自 11 个来源
截至 2026年11月16日,Gemini 3.6 Flash 与 Gemini 3.7 Flash 的质量不相上下(BenchLeader Index 61.0 比 62.1,在 ±4.6 的误差范围内)。两者价格相近(每百万 token 混合价格 $1.50 比 $1.50)。看重智能体与工具(59 比 49)选 3.6 Flash;看重编程(62 比 57)、推理(68 比 64)和数学(63 比 59)选 3.7 Flash。3.7 Flash 的首次回答更快(2.2 秒 比 11.0 秒)。3.6 Flash 的输出更快(约 2 倍)。Gemini 3.6 Flash 的现价有效至 2026年12月31日,之后为 $3.00。
要点(截至 2026年11月16日)
- Gemini 3.6 Flash 的 BenchLeader Index 为 61.0,Gemini 3.7 Flash 为 62.1(BenchLeader,2026年11月16日)。
- Gemini 3.6 Flash 每百万 token 混合价格为 $1.50(截至 2026年12月31日,之后为 $3.00)(https://ai.google.dev/gemini-api/docs/pricing,2026年10月20日 核实)。
- Gemini 3.7 Flash 每百万 token 混合价格为 $1.50(标价,2026年11月16日)。
- Gemini 3.6 Flash 比 Gemini 3.7 Flash 输出更快(约 2 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
- 在两者都有结果的 73 项基准测试中,Gemini 3.7 Flash 领先 69 项(BenchLeader,2026年11月16日)。
- 在 Arena WebDev 上,Gemini 3.6 Flash 的评分为 1538,Gemini 3.7 Flash 为 1588(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 | Gemini 3.7 Flash | 类别得分 62 比 57;Arena WebDev 1588 比 1538 | 中 |
| 智能体与工具调用 | Gemini 3.6 Flash | 类别得分 59 比 49;τ³-Banking (AA) 29.9% 比 32.8% | 高 |
| 数学 | Gemini 3.7 Flash | 类别得分 63 比 59;FrontierMath Tiers 1–3 71.6% 比 59.0% | 中 |
| 推理 | Gemini 3.7 Flash | 类别得分 68 比 64;GPQA Diamond 94.8% 比 94.1% | 中 |
| 知识 | Gemini 3.7 Flash | 类别得分 66 比 64;SimpleQA Verified 69.2% 比 66.2% | 中 |
| 长文档 | 均可 | 类别得分 65 比 66;AA-LCR v1.1 80.0% 比 81.7% | 均可 |
| 图像及其他媒体 | Gemini 3.7 Flash | 类别得分 67 比 65;Arena Vision 1313 比 1297 | 中 |
| 对话质量(人类偏好) | 均可 | Arena 投票 67 比 68 | 均可 |
| 成本最低 | 均可 | 每百万 token 混合价格 $1.50 比 $1.50;智能体编程会话 $0.060 比 $0.060;2027年1月1日 起:$3.00 比 $1.50 | – |
| 首次回答最快 | Gemini 3.7 Flash | 首个回答 token 2.2 秒(Gemini 3.7 Flash (high))比 11.0 秒(Gemini 3.6 Flash (high)) | – |
| 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 3.6 Flash (high) 与 Gemini 3.7 Flash (high) 的质量不相上下(61.0 比 62.1,在 ±4.6 的误差范围内)。
- Gemini 3.6 Flash (high) 在智能体与工具方面更强。
- Gemini 3.7 Flash (high) 在编程、人类偏好、知识、长上下文、数学、多模态、推理方面更强。
- 截至 2026年12月31日,两者价格相近(每百万 token 混合价格 $1.50);自 2027年1月1日 起为 $3.00 比 $1.50。
- Gemini 3.6 Flash (high) 的输出速度是对方的 1.9 倍(177 比 95 token/秒)。
概览
| 规格 | Gemini 3.6 Flash | Gemini 3.7 Flash |
|---|---|---|
| 提供商 | ||
| 发布日期 | 2026年7月21日 | 2026年8月13日 |
| 上下文窗口(token) | 1,048,576 | 1,048,576 |
| 对比时的配置 | Gemini 3.6 Flash (high) | Gemini 3.7 Flash (high) |
| 开放权重 | 否 | 否 |
| 每百万 token 价格(输入 / 输出 / 缓存输入) | $0.750 / $3.75 / $0.075 | $0.750 / $3.75 / $0.075 |
| 已公布的价格调整 | 自 2027年1月1日 起为 $1.50 / $7.50 / $0.150 | 暂无公布 |
上限、可用性和已公布的价格均来自厂商官方页面: ai.google.dev 定价页 (2026年10月20日 核实)。其余内容均来自当日数据。
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 3.6 Flash (high) | Gemini 3.7 Flash (high) | 领先者 |
|---|---|---|---|
| 推理 | 63.6 | 67.8 | Gemini 3.7 Flash |
| 编程 | 56.7 | 62.3 | Gemini 3.7 Flash |
| 智能体与工具 | 59.2 | 48.9 | Gemini 3.6 Flash |
| 数学 | 59.0 | 62.6 | Gemini 3.7 Flash |
| 知识 | 63.6 | 65.9 | Gemini 3.7 Flash |
| 人类偏好 | 67.3 | 68.1 | 持平 |
| 多模态 | 65.0 | 67.2 | Gemini 3.7 Flash |
| 长上下文 | 64.6 | 65.5 | 持平 |
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。
未绘制(测得的模型少于两个):指令遵循。
各来源的分歧
在两者都有结果的 73 项基准测试中,Gemini 3.6 Flash 领先 3 项,Gemini 3.7 Flash 领先 69 项,1 项持平。所有同时评测两者的综合评分都认为 Gemini 3.7 Flash 更强。
| 综合 Index | Gemini 3.6 Flash (high) | Gemini 3.7 Flash (high) | 领先者 |
|---|---|---|---|
| BenchLeader Index | 61.0 | 62.1 | 不相上下 |
| Arena Text | 1483 | 1489 | Gemini 3.7 Flash |
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 3.6 Flash (high) | Gemini 3.7 Flash (high) |
|---|---|---|
| 每百万 token 混合价格(截至 2026年12月31日) | $1.50 | $1.50 |
| 每百万 token 输入 / 输出 | $0.750 / $3.75 | $0.750 / $3.75 |
| 自 2027年1月1日 起每百万 token 混合价格 | $3.00 | $1.50 |
| 自 2027年1月1日 起每百万 token 输入 / 输出 | $1.50 / $7.50 | $0.750 / $3.75 |
| 每百万 token 缓存输入 | $0.075 | $0.075 |
| 每项任务价格:聊天回复 | $0.0014 | $0.0014 |
| 每项任务价格:总结一份 30 页的报告 | $0.011 | $0.011 |
| 每项任务价格:代码编辑 | $0.010 | $0.010 |
| 每项任务价格:智能体编程会话 | $0.060 | $0.060 |
| 每项任务价格:结构化信息提取 | $0.0023 | $0.0023 |
| 智能体编程会话(输入大多命中缓存) | $0.030 | $0.030 |
| 输出速度 | 177 tok/s | 95 tok/s |
| 首次回答时间 | 11.0 秒 | 2.2 秒 |
| 完整回答耗时(最近一次测量 2026年11月13日) | 30.3 秒 | – |
每个模型都按其排名最高的推理强度设置进行对比。Gemini 3.6 Flash (high) 得分 61.0,首个回答 token 需 11 秒;Gemini 3.6 Flash 为 49.3(1 秒)。Gemini 3.7 Flash (high) 得分 62.1,首个回答 token 需 2 秒;Gemini 3.7 Flash (medium) 为 60.1(2 秒),Gemini 3.7 Flash (low) 为 57.3(2 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 111 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 3.6 Flash (high) | Gemini 3.7 Flash (high) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 61.0 | 62.1 |
| 智能体与工具得分 | BenchLeader | 59.2 | 48.9 |
| 编程得分 | BenchLeader | 56.7 | 62.3 |
| 人类偏好得分 | BenchLeader | 67.3 | 68.1 |
| 知识得分 | BenchLeader | 63.6 | 65.9 |
| 长上下文得分 | BenchLeader | 64.6 | 65.5 |
| 数学得分 | BenchLeader | 59.0 | 62.6 |
| 多模态得分 | BenchLeader | 65.0 | 67.2 |
| 推理得分 | BenchLeader | 63.6 | 67.8 |
| 混合价格(美元/百万 token) | BenchLeader | $1.50 | $1.50 |
| 输出速度 | BenchLeader | 177 tok/s | 95 tok/s |
| 首次回答时间 | BenchLeader | 11.0 秒 | 2.2 秒 |
| 上下文窗口 | BenchLeader | 1,048,576 token | 1,048,576 token |
| 推理 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 94.1% | 94.8% |
| Arena Hard Prompts | Arena (LMArena) | 1501 | 1510 |
| LiveBench 1.0 Reasoning | LiveBench | 85.2% | 87.8% |
| GPQA Diamond (AA) | Artificial Analysis | 92.8% | 94.5% |
| Humanity's Last Exam (AA) | Artificial Analysis | 40.8% | 47.9% |
| GPQA Diamond (Vals) | Vals AI | 93.4% | 93.9% |
| ARC-AGI-1 | ARC Prize | 91.2% | 95.5% |
| ARC-AGI-2 | ARC Prize | 60.4% | 84.6% |
| CritPt | Artificial Analysis | 10.6% | 14.3% |
| Arena Expert | Arena (LMArena) | 1500 | 1519 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 40.0% | 66.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 30.0% | 37.0% |
| LMCA | Epoch AI Benchmarking Hub | 44.9% | 50.4% |
| DTBench | Epoch AI Benchmarking Hub | 95.5% | 96.8% |
| ForecastBench | ForecastBench | 65.7%† | 66.2% |
| 编程 | |||
| SciCode | SciCode | 53.4% | 57.2% |
| WeirdML | WeirdML | 56.1% | – |
| FrontierCode | Cognition | 34.4%† | 43.6%† |
| Arena Coding | Arena (LMArena) | 1518 | 1520 |
| Arena WebDev | Arena (LMArena) | 1538 | 1588 |
| LiveBench 1.0 Coding | LiveBench | 77.9% | 78.9% |
| LiveCodeBench | Vals AI | 88.1% | 88.7% |
| IOI | Vals AI | 35.1% | 67.8% |
| SWE-bench (Vals) | Vals AI | 79.6% | 80.8% |
| Code Migration | Vals AI | 30.9% | 34.8% |
显示全部 111 项基准测试
| 指标 | 发布方 | Gemini 3.6 Flash (high) | Gemini 3.7 Flash (high) |
|---|---|---|---|
| 编程 | |||
| ProgramBench | Vals AI | 0.0% | 0.0% |
| Vibe Code Bench v1.1 | Vals AI | 64.0% | 70.4% |
| MirrorCode | Epoch AI Benchmarking Hub | 23.3% | 41.1% |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | 46.7% | 65.3% |
| ALE-Bench | Epoch AI Benchmarking Hub | 715.5 | 904.3 |
| FrontierSWE | Epoch AI Benchmarking Hub | – | 20.3% |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 7.1% | 13.6% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 77.5% | 85.8% |
| GameBench 2 Overall | DuelLab GameBench 2 | 50.6† | – |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 63.0 | – |
| Design Arena Website | Design Arena | 1292† | 1295† |
| 智能体与工具 | |||
| Terminal-Bench | Terminal-Bench | – | 12.4% |
| Remote Labor Index | Scale AI / CAIS | – | 5.0%† |
| APEX-Agents | Mercor | 46.9%† | 67.8%† |
| Arena Agent | Arena (LMArena) | – | -2.2 |
| LiveBench Agentic Coding | LiveBench | 43.4% | 58.3% |
| Terminal-Bench 2.1 (Vals) | Vals AI | 73.8% | 77.5% |
| GDPval-AA v2.1 | Artificial Analysis | 1293 | 1404 |
| τ³-Banking (AA) | Artificial Analysis | 29.9% | 32.8% |
| Analyst Agent (AA) | Artificial Analysis | – | 60.0% |
| CyberBench | Vals AI | 45.4% | 43.8% |
| Finance Agent v2 | Vals AI | 56.3% | 59.0% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 3.3% | 8.8% |
| Legal Research Bench | Vals AI | 25.0% | 34.6% |
| SkillsBench | Vals AI | – | 65.9% |
| SREBench | Vals AI | – | 4.6% |
| Tax Agent Bench | Vals AI | 18.0% | 22.8% |
| Terminal-Bench 4.0 (Vals) | Vals AI | – | 12.1% |
| Terminal-Bench Science | Vals AI | 4.3% | 7.1% |
| Arena Agent Task Completion | Arena (LMArena) | – | -3.5 |
| AutomationBench | Artificial Analysis | 53.0% | 62.0% |
| GDP.pdf (AA) | Artificial Analysis | 17.4% | 23.6% |
| EnterpriseOps-Gym | Artificial Analysis | – | 50.4%† |
| AA-Briefcase v1.1 | Artificial Analysis | 957 | 1115 |
| Design Arena Agentic | Design Arena | 1177† | 1222† |
| FACTS Search | 75.7%† | – | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 59.0% | 71.6% |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 21.9% | 36.6% |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 94.2% | 97.2% |
| ProofBench | Vals AI | 36.0%† | 58.0%† |
| LiveBench Mathematics | LiveBench | 86.4% | 93.5% |
| AIME 2026 | MathArena | 96.7%† | – |
| HMMT February 2026 | MathArena | 89.4%† | – |
| MathArena Apex | MathArena | 26.0%† | – |
| Arena Maths | Arena (LMArena) | 1501 | 1502 |
| 知识 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 66.2% | 69.2% |
| LiveBench 1.0 Data Analysis | LiveBench | 63.0% | 68.0% |
| MMLU-Pro | Vals AI | 89.3% | 90.1% |
| LegalBench | Vals AI | 86.7% | 87.3% |
| CorpFin | Vals AI | 63.3% | – |
| TaxEval | Vals AI | 74.9% | 74.7% |
| BioMysteryBench | Vals AI | 58.5% | – |
| Excel Modeling Benchmark | Vals AI | 65.4% | 71.3% |
| MedCode | Vals AI | 53.1% | 53.4% |
| MedScribe | Vals AI | 79.7% | 83.9% |
| Public Benefits Bench v1.1 | Vals AI | 56.6% | – |
| Financial Coaching Bench | Vals AI | 65.8% | – |
| GDP.pdf | Epoch AI Benchmarking Hub | 14.0% | 23.8% |
| FACTS Parametric | 73.9%† | – | |
| 指令遵循 | |||
| LiveBench Language | LiveBench | 83.9% | 85.5% |
| LiveBench Instruction Following | LiveBench | 75.4% | 79.9% |
| Arena Instruction Following | Arena (LMArena) | 1473 | 1486 |
| 人类偏好 | |||
| Arena Text | Arena (LMArena) | 1483 | 1489 |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1602† | 1720† |
| Arena Creative Writing | Arena (LMArena) | 1471 | 1487 |
| Arena Multi-turn | Arena (LMArena) | 1490 | 1490 |
| Arena Longer Queries | Arena (LMArena) | 1485 | 1501 |
| 多模态 | |||
| Arena Vision | Arena (LMArena) | 1297 | 1313 |
| MMMU-Pro | Artificial Analysis | 83.2% | 85.5% |
| MMMU-Pro (Vals) | Vals AI | 88.4% | 89.0% |
| MortgageTax | Vals AI | 67.6% | 66.7% |
| Humanity's Sixth Sense | Scale AI SEAL | 31.9% | 39.8% |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 31.2%† | – |
| Furniture Assembly | Epoch AI Benchmarking Hub | 23.3% | 26.7% |
| FACTS Multimodal | 53.7%† | – | |
| 长上下文 | |||
| AA-LCR v1.1 | Artificial Analysis | 80.0% | 81.7% |
| Arena Document | Arena (LMArena) | 1454 | 1468 |
| MLCR | Artificial Analysis | 10.0% | 12.2% |
| FACTS Grounding | 66.6%† | – | |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 155.2† | 158.4† |
| LiveBench 1.0 | LiveBench | 73.6% | 78.8% |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 34.0 | 39.1 |
| AA Progress Index v1 | Artificial Analysis | 305.7 | 317.4 |
| Vals RSI Index | Vals AI | – | 18.3% |
| Vals Multimodal Index | Vals AI | 65.1% | – |
| 安全与诚实 | |||
| DistressBench | Scale AI SEAL | – | 69.0%† |
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
- Gemini 3.6 Flash:标价将调整为每百万 token 输入 $1.50 / 输出 $7.50(已公布)。
- Gemini 3.6 Flash (high):2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1);1 项分数修订。
- Gemini 3.7 Flash (high):2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1)。
- Gemini 3.6 Flash (high):1 项新结果(MirrorCode);1 项分数修订。
- Gemini 3.7 Flash (high):BenchLeader Index 62.6 → 62.1。
- Gemini 3.7 Flash (high):1 项分数修订。
- Gemini 3.7 Flash (high):1 项新结果(Arena Document)。
- Gemini 3.6 Flash (high):1 项分数修订。
- Gemini 3.7 Flash (high):1 项新结果(MirrorCode)。
- Gemini 3.6 Flash (high):BenchLeader Index 61.8 → 61.2。
相关对比
- Gemini 3.6 Flash vs Gemini 4 Carbon
- Gemini 3.6 Flash vs Claude Opus 5.5
- Gemini 3.7 Flash vs Claude Fable 5.2
- Gemini 3.7 Flash vs Gemini 4 Carbon
- Gemini 3.7 Flash vs Claude Opus 5.5
- Gemini 3.7 Flash vs GPT-6 Astra
- Gemini 3.5 Flash vs Gemini 3.7 Flash
- Gemini 3.6 Flash vs GPT-6.1 Sol
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 3.6 Flash vs Gemini 3.7 Flash:常见问题
- Gemini 3.6 Flash 比 Gemini 3.7 Flash 更好吗?
- Gemini 3.6 Flash (high) 与 Gemini 3.7 Flash (high) 的质量不相上下(61.0 比 62.1,在 ±4.6 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 3.6 Flash 和 Gemini 3.7 Flash 哪个更便宜?价格会变吗?
- 两者价格相同:每百万 token 混合价格 $1.50。Gemini 3.6 Flash 的现价有效至 2026年12月31日,之后为 $3.00。
- 编程用 Gemini 3.6 Flash 还是 Gemini 3.7 Flash 更好?
- Gemini 3.7 Flash 在编程方面得分更高(类别得分 62 比 57,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,Gemini 3.6 Flash 为 1538,Gemini 3.7 Flash 为 1588。
- Gemini 3.6 Flash 和 Gemini 3.7 Flash 哪个更快?
- Gemini 3.6 Flash 输出更快(约 2 倍;输出 177 比 95 token/秒,Artificial Analysis 7 日中位数)。
- 智能体和工具调用用 Gemini 3.6 Flash 还是 Gemini 3.7 Flash 更好?
- Gemini 3.6 Flash 在智能体任务方面得分更高(类别得分 59 比 49,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 τ³-Banking (AA) 上,Gemini 3.6 Flash 为 29.9%,Gemini 3.7 Flash 为 32.8%。
更多问题(4)
- 处理长文档哪个更好?
- 两者在长上下文基准测试上持平(65 比 66)。两者都支持 1,048,576 token 的上下文。
- 哪个延迟更低?
- Gemini 3.7 Flash 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 2.2 秒比 11.0 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 3.6 Flash 和 Gemini 3.7 Flash 的看法一致吗?
- 在两者都有结果的 73 项基准测试中,Gemini 3.6 Flash 领先 3 项,Gemini 3.7 Flash 领先 69 项,1 项持平。所有同时评测两者的综合评分都认为 Gemini 3.7 Flash 更强。
- Gemini 3.7 Flash 是什么时候发布的?
- Gemini 3.7 Flash 于 2026年8月13日 发布。