BenchLeader

Gemini 3.7 Flash vs Gemini 3.8 Flash

完整资料:Gemini 3.7 Flash(Google)和 Gemini 3.8 Flash(Google),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,Gemini 3.7 Flash 与 Gemini 3.8 Flash 的质量不相上下(BenchLeader Index 62.1 比 60.2,在 ±6.0 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)。看重编程(62 比 52)、推理(68 比 59)和知识(66 比 58)选 3.7 Flash;看重智能体与工具(75 比 49)和长上下文(67 比 66)选 3.8 Flash。3.7 Flash 的首次回答更快(2.2 秒 比 14.8 秒)。Gemini 3.8 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 3.7 Flash 的 BenchLeader Index 为 62.1,Gemini 3.8 Flash 为 60.2(BenchLeader,2026年11月16日)。
  • Gemini 3.7 Flash 每百万 token 混合价格为 $1.50(标价,2026年11月16日)。
  • Gemini 3.8 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)。
  • 在两者都有结果的 21 项基准测试中,Gemini 3.7 Flash 领先 11 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Gemini 3.7 Flash类别得分 62 比 52;SciCode 57.2% 比 55.1%高
智能体与工具调用Gemini 3.8 Flash类别得分 75 比 49;τ³-Banking (AA) 45.8% 比 32.8%高
推理Gemini 3.7 Flash类别得分 68 比 59;ARC-AGI-2 84.6% 比 82.9%高
知识Gemini 3.7 Flash类别得分 66 比 58;GDP.pdf 23.8% 比 23.4%高
长文档Gemini 3.8 Flash类别得分 67 比 66;AA-LCR v1.1 84.0% 比 81.7%中
图像及其他媒体均可类别得分 67 比 67;MMMU-Pro 85.5% 比 84.2%均可
对话质量(人类偏好)–只有 Gemini 3.7 Flash 有 Arena 评分(类别得分 68)无法比较
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:$1.50 比 $3.00–
首次回答最快Gemini 3.7 Flash首个回答 token 2.2 秒(Gemini 3.7 Flash (high))比 14.8 秒(Gemini 3.8 Flash (medium))–
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 3.7 Flash (high) 与 Gemini 3.8 Flash (medium) 的质量不相上下(62.1 比 60.2,在 ±6.0 的误差范围内)。
  • Gemini 3.7 Flash (high) 在编程、知识、多模态、推理方面更强。
  • Gemini 3.8 Flash (medium) 在智能体与工具、长上下文方面更强。
  • 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 $1.50 比 $3.00。

概览

规格Gemini 3.7 FlashGemini 3.8 Flash
提供商GoogleGoogle
发布日期2026年8月13日2026年9月2日
上下文窗口(token)1,048,5761,048,576
对比时的配置Gemini 3.7 Flash (high)Gemini 3.8 Flash (medium)
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
已公布的价格调整暂无公布自 2027年1月1日 起为 $1.50 / $7.50

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 3.7 Flash (high)Gemini 3.8 Flash (medium)领先者
推理67.858.7Gemini 3.7 Flash
编程62.351.6Gemini 3.7 Flash
智能体与工具48.975.0Gemini 3.8 Flash
数学62.6–无法比较
知识65.957.7Gemini 3.7 Flash
人类偏好68.1–无法比较
多模态67.266.7持平
长上下文65.566.7Gemini 3.8 Flash

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长上下文多模态Gemini 3.7 Flash, 推理: 67.8Gemini 3.7 Flash, 编程: 62.3Gemini 3.7 Flash, 智能体与工具: 48.9Gemini 3.7 Flash, 知识: 65.9Gemini 3.7 Flash, 长上下文: 65.5Gemini 3.7 Flash, 多模态: 67.2Gemini 3.8 Flash, 推理: 58.7Gemini 3.8 Flash, 编程: 51.6Gemini 3.8 Flash, 智能体与工具: 75.0Gemini 3.8 Flash, 知识: 57.7Gemini 3.8 Flash, 长上下文: 66.7Gemini 3.8 Flash, 多模态: 66.7

未绘制(测得的模型少于两个):数学, 指令遵循, 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 21 项基准测试中,Gemini 3.7 Flash 领先 11 项,Gemini 3.8 Flash 领先 10 项。所有同时评测两者的综合评分都认为 Gemini 3.8 Flash 更强。

综合 IndexGemini 3.7 Flash (high)Gemini 3.8 Flash (medium)领先者
BenchLeader Index62.160.2不相上下
Arena Text14891497†Gemini 3.8 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 3.7 Flash (high)Gemini 3.8 Flash (medium)
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$1.50$3.00
自 2027年1月1日 起每百万 token 输入 / 输出$0.750 / $3.75$1.50 / $7.50
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
每项基准测试任务成本(AA Index)–$6.26
每项任务输出 token(AA Index)–82k
其中推理部分–47k
每项任务耗时(AA Index)–12 min
输出速度95 tok/s116 tok/s
首次回答时间2.2 秒14.8 秒
完整回答耗时(最近一次测量 2026年11月13日)–41.8 秒

每个模型都按其排名最高的推理强度设置进行对比。Gemini 3.7 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)。Gemini 3.8 Flash (medium) 得分 60.2,首个回答 token 需 15 秒;Gemini 3.8 Flash (high) 为 59.4(20 秒),Gemini 3.8 Flash 为 56.4(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 177 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 3.7 Flash (high)Gemini 3.8 Flash (medium)
BenchLeader IndexBenchLeader62.160.2
智能体与工具得分BenchLeader48.975.0
编程得分BenchLeader62.351.6
人类偏好得分BenchLeader68.1–
知识得分BenchLeader65.957.7
长上下文得分BenchLeader65.566.7
数学得分BenchLeader62.6–
多模态得分BenchLeader67.266.7
推理得分BenchLeader67.858.7
混合价格(美元/百万 token)BenchLeader$1.50$1.50
输出速度BenchLeader95 tok/s116 tok/s
首次回答时间BenchLeader2.2 秒14.8 秒
上下文窗口BenchLeader1,048,576 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub94.8%95.4%†
Humanity's Last ExamScale AI / CAIS–44.5%†
SimpleBenchSimpleBench–82.4%†
Arena Hard PromptsArena (LMArena)15101518†
LiveBench 2.0 ReasoningLiveBench–89.3%†
LiveBench 1.0 ReasoningLiveBench87.8%89.3%†
GPQA Diamond (AA)Artificial Analysis94.5%93.5%
Humanity's Last Exam (AA)Artificial Analysis47.9%42.1%
HLE-Diamond (AA)Artificial Analysis–29.1%
GPQA Diamond (Vals)Vals AI93.9%94.4%†
ARC-AGI-1ARC Prize95.5%97.5%
ARC-AGI-2ARC Prize84.6%82.9%
ARC-AGI-3ARC Prize–24.2%
CritPtArtificial Analysis14.3%12.3%
CritPt v2 hard subset (AA)Artificial Analysis–45.0%
MysteryMechanismVals AI–36.5%†
HLE-Diamond (Scale)Scale AI SEAL–34.3%†
Arena ExpertArena (LMArena)15191527†
Chess PuzzlesEpoch AI Benchmarking Hub66.0%58.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub37.0%47.0%†
LMCAEpoch AI Benchmarking Hub50.4%52.9%
DTBenchEpoch AI Benchmarking Hub96.8%94.9%
ForecastBenchForecastBench66.2%–
编程
SciCodeSciCode57.2%55.1%
WeirdMLWeirdML–84.8%†
显示全部 177 项基准测试
指标发布方Gemini 3.7 Flash (high)Gemini 3.8 Flash (medium)
编程
FrontierCodeCognition43.6%†41.2%
Arena CodingArena (LMArena)15201531†
Arena WebDevArena (LMArena)15881584†
LiveBench 2.0 CodingLiveBench–73.3%†
LiveBench 1.0 CodingLiveBench78.9%72.5%†
LiveCodeBenchVals AI88.7%89.5%†
IOIVals AI67.8%56.9%†
SWE-bench (Vals)Vals AI80.8%80.0%†
Code MigrationVals AI34.8%36.5%†
Code Migration v1.1Vals AI–38.6%†
ProgramBenchVals AI0.0%1.0%†
SWE-bench MultimodalVals AI–40.8%†
Vibe Code Bench 1-100Vals AI–18.8%†
Vibe Code Bench v1.1Vals AI70.4%78.7%†
SWE Atlas v1.0: Codebase QnAScale AI SEAL–47.0%†
SWE Atlas v1.0: RefactoringScale AI SEAL–44.8%†
SWE Atlas v1.0: Test WritingScale AI SEAL–53.7%†
SWE Atlas v1.1Scale AI SEAL–57.3%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–45.2%†
SWE Atlas v1.1: Test WritingScale AI SEAL–71.1%†
SWE Atlas v1.1: RefactoringScale AI SEAL–55.7%†
SWE-Bench Pro V2Scale AI SEAL–94.9%†
SWE-Bench Pro V2 HARDScale AI SEAL–58.8%†
MirrorCodeEpoch AI Benchmarking Hub41.1%38.9%†
Surface Evolver BenchEpoch AI Benchmarking Hub–76.9%†
DeepSWE v1.1Epoch AI Benchmarking Hub65.3%71.0%
CursorBenchCursor–37.3%
ALE-BenchEpoch AI Benchmarking Hub904.31269.7†
FrontierSWEEpoch AI Benchmarking Hub20.3%19.6%†
WeirdML v3WeirdML–7.4%†
Terminal-Bench 4.0 (AA)Artificial Analysis13.6%19.7%
Terminal-Bench 2.1 (AA)Artificial Analysis85.8%83.9%
Startrise FrontendStartrise–64.6%†
GameBench 2 OverallDuelLab GameBench 2–59.0†
GameBench 2 by reasoning settingDuelLab GameBench 2–59.7
Design Arena WebsiteDesign Arena1295†1291†
FrontierCode 1.1 (AA)Artificial Analysis–37.1%
FrontierCode 2.0 (AA)Artificial Analysis–16.5%
智能体与工具
Terminal-BenchTerminal-Bench12.4%18.2%†
Remote Labor IndexScale AI / CAIS5.0%†5.8%†
APEX-AgentsMercor67.8%†64.3%†
Arena AgentArena (LMArena)-2.22.3†
LiveBench Long AgenticLiveBench–16.5%†
LiveBench BrowserLiveBench–45.1%†
LiveBench Agentic CodingLiveBench58.3%54.2%†
Terminal-Bench 2.1 (Vals)Vals AI77.5%81.3%†
HiL-BenchScale AI SEAL–41.5%†
GDPval-AA v2.1, normalised scoreArtificial Analysis–46.1%
GDPval-AA v2.1Artificial Analysis14041432
τ³-Banking (AA)Artificial Analysis32.8%45.8%
ITBench SRE (AA)Artificial Analysis–52.5%†
Analyst Agent (AA)Artificial Analysis60.0%46.3%†
CUA-benchVals AI–4.2%†
CyberBenchVals AI43.8%43.8%†
Finance Agent v2Vals AI59.0%61.4%†
Finance Agent v2.1Vals AI–65.8%†
Harvey's Legal Agent Benchmark v1.1Vals AI–12.1%†
Harvey's Legal Agent Benchmark v1Vals AI8.8%10.0%†
Legal Research BenchVals AI34.6%38.9%†
SkillsBenchVals AI65.9%58.0%†
SREBenchVals AI4.6%11.1%†
Tax Agent BenchVals AI22.8%32.1%†
Terminal-Bench 4.0 (Vals)Vals AI12.1%19.7%†
Terminal-Bench ScienceVals AI7.1%8.6%†
Time Horizon Index: KSPVals AI–18.8%†
Arena Agent Task CompletionArena (LMArena)-3.51.3†
Vending-Bench 2Andon Labs–5093.8†
AutomationBenchArtificial Analysis62.0%60.9%
GDP.pdf (AA)Artificial Analysis23.6%22.8%
Harvey LAB-AA v1.1Harvey–0.0%†
EnterpriseOps-GymArtificial Analysis50.4%†–
AA-Briefcase v1.1Artificial Analysis11151183
Design Arena AgenticDesign Arena1222†1225†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–10.5%
CWE-Bench (AA)Artificial Analysis–52.5%†
DeepSec-Bench (AA)Artificial Analysis–14.5%†
CyberGym end-to-end (AA)Artificial Analysis–8.4%†
MKA (AA)Artificial Analysis–35.3%†
FACTS SearchGoogle–80.4%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub71.6%68.4%†
FrontierMath Tier 4Epoch AI Benchmarking Hub36.6%21.9%†
OTIS Mock AIMEEpoch AI Benchmarking Hub97.2%98.9%†
ProofBenchVals AI58.0%†48.0%†
LiveBench MathematicsLiveBench93.5%91.6%†
Arena MathsArena (LMArena)15021519†
FrontierMath ErdősEpoch AI Benchmarking Hub–0.0%†
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub69.2%69.7%†
LiveBench 2.0 Data AnalysisLiveBench–54.0%†
LiveBench ResearchLiveBench–79.4%†
LiveBench 1.0 Data AnalysisLiveBench68.0%54.0%†
AA-Omniscience v1.1Artificial Analysis–23.7
MMLU-ProVals AI90.1%90.2%†
LegalBenchVals AI87.3%87.0%†
TaxEvalVals AI74.7%74.5%†
PRBench FinanceScale AI SEAL–49.5%†
PRBench LegalScale AI SEAL–48.9%†
BioMysteryBenchVals AI–62.2%†
Excel Modeling BenchmarkVals AI71.3%72.2%†
Excel Modeling Benchmark v1.1Vals AI–72.9%†
MedCodeVals AI53.4%48.1%†
MedScribeVals AI83.9%84.5%†
Public Benefits Bench v1.1Vals AI–65.3%†
Access to Justice BenchmarkVals AI–67.1%†
Financial Coaching BenchVals AI–66.3%†
Immigration BenchVals AI–63.4%†
GDP.pdfEpoch AI Benchmarking Hub23.8%23.4%
AA-Omniscience v1.1: accuracyArtificial Analysis–49.6%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–48.5%
HealthBench Professional (AA)OpenAI–51.7%†
FACTS ParametricGoogle–78.7%†
指令遵循
LiveBench LanguageLiveBench85.5%87.8%†
LiveBench Instruction FollowingLiveBench79.9%81.4%†
Arena Instruction FollowingArena (LMArena)14861492†
人类偏好
Arena TextArena (LMArena)14891497†
EQ-Bench Creative Writing v3EQ-Bench1720†1744†
Arena Creative WritingArena (LMArena)14871488†
Arena Multi-turnArena (LMArena)14901505†
Arena Longer QueriesArena (LMArena)15011511†
多模态
Arena VisionArena (LMArena)13131317†
LiveBench DesignLiveBench–69.7%†
MMMU-ProArtificial Analysis85.5%84.2%
MMMU-Pro (Vals)Vals AI89.0%89.1%†
MortgageTaxVals AI66.7%65.3%†
SAGEVals AI–88.2%†
AudioMCScale AI SEAL–60.4%†
AudioMC (text output)Scale AI SEAL–60.4%†
Humanity's Sixth SenseScale AI SEAL39.8%41.6%†
GeoBenchGeoBench–86.0%†
Blueprint-Bench 2Epoch AI Benchmarking Hub–38.6%†
Furniture AssemblyEpoch AI Benchmarking Hub26.7%31.7%†
VIALS-AAHandshake AI–41.0%†
Code2Video-AAArtificial Analysis–899†
AA-3DArtificial Analysis–974†
FACTS MultimodalGoogle–57.6%†
长上下文
AA-LCR v1.1Artificial Analysis81.7%84.0%
Arena DocumentArena (LMArena)14681469†
MLCRArtificial Analysis12.2%12.8%
FACTS GroundingGoogle–68.2%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub158.4†158.8†
LiveBench 2.0LiveBench–57.3%†
LiveBench 1.0LiveBench78.8%75.8%†
AA Intelligence Index v5.0.1Artificial Analysis–30.1
AA Intelligence Index v4.3.2Artificial Analysis39.139.8
AA Progress Index v1Artificial Analysis317.4319.1
Vals IndexVals AI–56.0†
Vals Finance IndexVals AI–60.5%†
Vals RSI IndexVals AI18.3%19.9%†
Vals Science IndexVals AI–35.8%†
Vals Router IndexVals AI–56.0%†
Vals Legal IndexVals AI–69.8%†
AA Cyber IndexArtificial Analysis–25.1†
安全与诚实
DistressBenchScale AI SEAL69.0%†70.7%†

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 3.8 Flash:标价将调整为每百万 token 输入 $1.50 / 输出 $7.50(已公布)。
  • Gemini 3.7 Flash (high):2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Gemini 3.8 Flash (medium):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 3.8 Flash (medium):2 项分数修订。
  • Gemini 3.8 Flash (medium):1 项分数修订。
  • Gemini 3.7 Flash (high):1 项新结果(MirrorCode)。
  • Gemini 3.8 Flash (medium):1 项新结果(AA-Briefcase v1.1)。

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 3.7 Flash vs Gemini 3.8 Flash:常见问题

Gemini 3.7 Flash 比 Gemini 3.8 Flash 更好吗?
Gemini 3.7 Flash (high) 与 Gemini 3.8 Flash (medium) 的质量不相上下(62.1 比 60.2,在 ±6.0 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 3.7 Flash 和 Gemini 3.8 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 3.8 Flash 的现价有效至 2026年12月31日,之后为 $3.00。
编程用 Gemini 3.7 Flash 还是 Gemini 3.8 Flash 更好?
Gemini 3.7 Flash 在编程方面得分更高(类别得分 62 比 52,50 为平均水平)。在两者共同的最主要编程基准测试 SciCode 上,Gemini 3.7 Flash 为 57.2%,Gemini 3.8 Flash 为 55.1%。
Gemini 3.7 Flash 和 Gemini 3.8 Flash 哪个更快?
Gemini 3.8 Flash 输出更快(输出 116 比 95 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Gemini 3.7 Flash 还是 Gemini 3.8 Flash 更好?
Gemini 3.8 Flash 在智能体任务方面得分更高(类别得分 75 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 3.7 Flash 为 32.8%,Gemini 3.8 Flash 为 45.8%。
更多问题(4)
处理长文档哪个更好?
Gemini 3.8 Flash 在长上下文基准测试上得分更高(67 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 14.8 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 3.7 Flash 和 Gemini 3.8 Flash 的看法一致吗?
在两者都有结果的 21 项基准测试中,Gemini 3.7 Flash 领先 11 项,Gemini 3.8 Flash 领先 10 项。所有同时评测两者的综合评分都认为 Gemini 3.8 Flash 更强。
Gemini 3.8 Flash 是什么时候发布的?
Gemini 3.8 Flash 于 2026年9月2日 发布。