Gemini 3.7 Flash vs GPT-5.6 Sol
完整资料:Gemini 3.7 Flash(Google)和 GPT-5.6 Sol(OpenAI),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 3.7 Flash 与 GPT-5.6 Sol 的质量不相上下(BenchLeader Index 62.1 比 65.3,在 ±4.7 的误差范围内)。Gemini 3.7 Flash 更便宜,对方的价格是它的 5.3 倍(每百万 token 混合价格 $1.50 比 $8.00)。看重推理(68 比 65)、知识(66 比 64)和多模态(67 比 66)选 Gemini 3.7 Flash;看重智能体与工具(68 比 49)、数学(70 比 63)和编程(66 比 62)选 GPT-5.6 Sol。Gemini 3.7 Flash 的首次回答更快(2.2 秒 比 33.5 秒)。
要点(截至 2026年11月16日)
- Gemini 3.7 Flash 的 BenchLeader Index 为 62.1,GPT-5.6 Sol 为 65.3(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)。
- GPT-5.6 Sol 每百万 token 混合价格为 $8.00(标价,2026年11月16日)。
- 在两者都有结果的 69 项基准测试中,GPT-5.6 Sol 领先 49 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 | GPT-5.6 Sol | 类别得分 66 比 62;IOI 91.2% 比 67.8% | 中 |
| 智能体与工具调用 | GPT-5.6 Sol | 类别得分 68 比 49;Terminal-Bench 38.5% 比 12.4% | 高 |
| 数学 | GPT-5.6 Sol | 类别得分 70 比 63;FrontierMath Tiers 1–3 89.1% 比 71.6% | 中 |
| 推理 | Gemini 3.7 Flash | 类别得分 68 比 65;GPQA Diamond 94.8% 比 93.5% | 中 |
| 知识 | Gemini 3.7 Flash | 类别得分 66 比 64;MMLU-Pro 90.1% 比 89.1% | 中 |
| 长文档 | GPT-5.6 Sol | 类别得分 67 比 66;AA-LCR v1.1 84.0% 比 81.7% | 中 |
| 图像及其他媒体 | Gemini 3.7 Flash | 类别得分 67 比 66;MMMU-Pro 85.5% 比 83.4% | 中 |
| 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 | Gemini 3.7 Flash | 每百万 token 混合价格 $1.50 比 $8.00;智能体编程会话 $0.060 比 $0.320 | – |
| 首次回答最快 | Gemini 3.7 Flash | 首个回答 token 2.2 秒(Gemini 3.7 Flash (high))比 33.5 秒(GPT-5.6 Sol (max)) | – |
| 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 GPT-5.6 Sol (max) 的质量不相上下(62.1 比 65.3,在 ±4.7 的误差范围内)。
- Gemini 3.7 Flash (high) 在知识、多模态、推理方面更强。
- GPT-5.6 Sol (max) 在智能体与工具、编程、长上下文、数学方面更强。
- Gemini 3.7 Flash (high) 更便宜,对方的价格是它的 5.3 倍(每百万 token 混合价格 $1.50 比 $8.00)。
概览
| 规格 | Gemini 3.7 Flash | GPT-5.6 Sol |
|---|---|---|
| 提供商 | OpenAI | |
| 发布日期 | 2026年8月13日 | 2026年7月9日 |
| 上下文窗口(token) | 1,048,576 | 1,050,000 |
| 对比时的配置 | Gemini 3.7 Flash (high) | GPT-5.6 Sol (max) |
| 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 | $4.00 / $20.00 / $0.400 |
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) | GPT-5.6 Sol (max) | 领先者 |
|---|---|---|---|
| 推理 | 67.8 | 64.7 | Gemini 3.7 Flash |
| 编程 | 62.3 | 65.8 | GPT-5.6 Sol |
| 智能体与工具 | 48.9 | 67.5 | GPT-5.6 Sol |
| 数学 | 62.6 | 70.0 | GPT-5.6 Sol |
| 知识 | 65.9 | 63.8 | Gemini 3.7 Flash |
| 指令遵循 | – | 71.2 | 无法比较 |
| 人类偏好 | 68.1 | – | 无法比较 |
| 多模态 | 67.2 | 65.9 | Gemini 3.7 Flash |
| 长上下文 | 65.5 | 66.7 | GPT-5.6 Sol |
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, 人类偏好。
各来源的分歧
在两者都有结果的 69 项基准测试中,Gemini 3.7 Flash 领先 20 项,GPT-5.6 Sol 领先 49 项。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 3.7 Flash (high) | GPT-5.6 Sol (max) | 领先者 |
|---|---|---|---|
| BenchLeader Index | 62.1 | 65.3 | 不相上下 |
| Arena Text | 1489 | 1485† | 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 3.7 Flash (high) | GPT-5.6 Sol (max) |
|---|---|---|
| 每百万 token 混合价格 | $1.50 | $8.00 |
| 每百万 token 输入 / 输出 | $0.750 / $3.75 | $4.00 / $20.00 |
| 每百万 token 缓存输入 | $0.075 | $0.400 |
| 每项任务价格:聊天回复 | $0.0014 | $0.0076 |
| 每项任务价格:总结一份 30 页的报告 | $0.011 | $0.060 |
| 每项任务价格:代码编辑 | $0.010 | $0.054 |
| 每项任务价格:智能体编程会话 | $0.060 | $0.320 |
| 每项任务价格:结构化信息提取 | $0.0023 | $0.012 |
| 智能体编程会话(输入大多命中缓存) | $0.030 | $0.158 |
| 输出速度 | 95 tok/s | 100 tok/s |
| 首次回答时间 | 2.2 秒 | 33.5 秒 |
| 完整回答耗时(最近一次测量 2026年11月13日) | – | 157.3 秒 |
每个模型都按其排名最高的推理强度设置进行对比。Gemini 3.7 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)。GPT-5.6 Sol (max) 得分 65.3,首个回答 token 需 34 秒;GPT-5.6 Sol (xhigh) 为 63.9(17 秒),GPT-5.6 Sol (high) 为 63.4(10 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 151 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) | GPT-5.6 Sol (max) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 62.1 | 65.3 |
| 智能体与工具得分 | BenchLeader | 48.9 | 67.5 |
| 编程得分 | BenchLeader | 62.3 | 65.8 |
| 人类偏好得分 | BenchLeader | 68.1 | – |
| 知识得分 | BenchLeader | 65.9 | 63.8 |
| 长上下文得分 | BenchLeader | 65.5 | 66.7 |
| 数学得分 | BenchLeader | 62.6 | 70.0 |
| 多模态得分 | BenchLeader | 67.2 | 65.9 |
| 推理得分 | BenchLeader | 67.8 | 64.7 |
| 指令遵循得分 | BenchLeader | – | 71.2 |
| 混合价格(美元/百万 token) | BenchLeader | $1.50 | $8.00 |
| 输出速度 | BenchLeader | 95 tok/s | 100 tok/s |
| 首次回答时间 | BenchLeader | 2.2 秒 | 33.5 秒 |
| 上下文窗口 | BenchLeader | 1,048,576 token | 1,050,000 token |
| 推理 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 94.8% | 93.5% |
| SimpleBench | SimpleBench | – | 64.8%† |
| Arena Hard Prompts | Arena (LMArena) | 1510 | 1511† |
| LiveBench 1.0 Reasoning | LiveBench | 87.8% | 91.7% |
| GPQA Diamond (AA) | Artificial Analysis | 94.5% | 94.1% |
| Humanity's Last Exam (AA) | Artificial Analysis | 47.9% | 49.5% |
| GPQA Diamond (Vals) | Vals AI | 93.9% | 95.2% |
| EnigmaEval | Scale AI SEAL | – | 37.1%† |
| Kagi LLM Benchmark | Kagi LLM Benchmark | – | 67.0%† |
| ARC-AGI-1 | ARC Prize | 95.5% | 96.5% |
| ARC-AGI-2 | ARC Prize | 84.6% | 92.5% |
| ARC-AGI-3 | ARC Prize | – | 7.8% |
| CritPt | Artificial Analysis | 14.3% | 32.3% |
| CritPt v2 hard subset (AA) | Artificial Analysis | – | 60.0% |
| MysteryMechanism | Vals AI | – | 33.3% |
| HLE-Diamond (Scale) | Scale AI SEAL | – | 31.2%† |
| Arena Expert | Arena (LMArena) | 1519 | 1532† |
| Chess Puzzles | Epoch AI Benchmarking Hub | 66.0% | 59.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 37.0% | 58.0% |
| LMCA | Epoch AI Benchmarking Hub | 50.4% | 58.4% |
| DTBench | Epoch AI Benchmarking Hub | 96.8% | 95.5% |
| ForecastBench | ForecastBench | 66.2% | 65.7% |
| BTF-3 | Epoch AI Benchmarking Hub | – | 13.7% |
| 编程 | |||
| SciCode | SciCode | 57.2% | 57.1% |
| WeirdML | WeirdML | – | 87.0% |
显示全部 151 项基准测试
| 指标 | 发布方 | Gemini 3.7 Flash (high) | GPT-5.6 Sol (max) |
|---|---|---|---|
| 编程 | |||
| FrontierCode | Cognition | 43.6%† | 47.5%† |
| GSO-Bench | GSO-Bench | – | 76.5%† |
| Arena Coding | Arena (LMArena) | 1520 | 1533† |
| Arena WebDev | Arena (LMArena) | 1588 | 1615† |
| LiveBench 1.0 Coding | LiveBench | 78.9% | 83.9% |
| LiveCodeBench | Vals AI | 88.7% | 82.6% |
| IOI | Vals AI | 67.8% | 91.2% |
| SWE-bench (Vals) | Vals AI | 80.8% | 96.2% |
| Code Migration | Vals AI | 34.8% | 52.9% |
| ProgramBench | Vals AI | 0.0% | 1.5% |
| Vibe Code Bench 1-100 | Vals AI | – | 20.0% |
| Vibe Code Bench v1.1 | Vals AI | 70.4% | 80.5% |
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | – | 46.0%† |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | – | 45.9%† |
| SWE-Bench Pro V2 | Scale AI SEAL | – | 95.5%† |
| SWE-Bench Pro V2 HARD | Scale AI SEAL | – | 82.4%† |
| MirrorCode | Epoch AI Benchmarking Hub | 41.1% | 20.0%† |
| Surface Evolver Bench | Epoch AI Benchmarking Hub | – | 93.1%† |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | 65.3% | 72.7% |
| CursorBench | Cursor | – | 41.7% |
| ALE-Bench | Epoch AI Benchmarking Hub | 904.3 | 2176.9 |
| FrontierSWE | Epoch AI Benchmarking Hub | 20.3% | 32.2% |
| WeirdML v3 | WeirdML | – | 15.0%† |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 13.6% | 39.9% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 85.8% | 88.0% |
| Startrise Frontend | Startrise | – | 66.2%† |
| GameBench 2 Overall | DuelLab GameBench 2 | – | 67.0† |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | – | 80.0† |
| Design Arena Website | Design Arena | 1295† | 1319† |
| 智能体与工具 | |||
| Terminal-Bench | Terminal-Bench | 12.4% | 38.5% |
| OSWorld-Verified 2.0 | OSWorld | – | 27.3% |
| Remote Labor Index | Scale AI / CAIS | 5.0%† | – |
| APEX-Agents | Mercor | 67.8%† | 51.4%† |
| Arena Agent | Arena (LMArena) | -2.2 | 4.6† |
| LiveBench Agentic Coding | LiveBench | 58.3% | 56.2% |
| Terminal-Bench Hard | Artificial Analysis | – | 65.9% |
| τ²-Bench Telecom (AA) | Artificial Analysis | – | 85.1% |
| Terminal-Bench 2.1 (Vals) | Vals AI | 77.5% | 85.8% |
| HiL-Bench | Scale AI SEAL | – | 32.3%† |
| τ³-bench Banking | τ²-bench | – | 46.9%† |
| GDPval-AA v2.1 | Artificial Analysis | 1404 | 1619 |
| τ³-Banking (AA) | Artificial Analysis | 32.8% | 44.3% |
| ITBench SRE (AA) | Artificial Analysis | – | 56.2% |
| Analyst Agent (AA) | Artificial Analysis | 60.0% | 47.5% |
| CUA-bench | Vals AI | – | 8.3% |
| CyberBench | Vals AI | 43.8% | 76.3% |
| Finance Agent v2 | Vals AI | 59.0% | 53.8% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 8.8% | 2.5% |
| Legal Research Bench | Vals AI | 34.6% | 48.1% |
| SkillsBench | Vals AI | 65.9% | 54.1% |
| SREBench | Vals AI | 4.6% | 30.5% |
| Tax Agent Bench | Vals AI | 22.8% | 31.1% |
| Terminal-Bench 4.0 (Vals) | Vals AI | 12.1% | 37.9% |
| Terminal-Bench Science | Vals AI | 7.1% | 20.0% |
| Time Horizon Index: KSP | Vals AI | – | 23.8% |
| Web Search Index | Vals AI | – | 43.6% |
| Arena Search | Arena (LMArena) | – | 1255† |
| Arena Agent Task Completion | Arena (LMArena) | -3.5 | 2.3† |
| BALROG | BALROG | – | 60.0% |
| PostTrainBench | Epoch AI Benchmarking Hub | – | 31.0% |
| GBAEval | Epoch AI Benchmarking Hub | – | 52.6%† |
| Vending-Bench 2 | Andon Labs | – | 9619.4† |
| AutomationBench | Artificial Analysis | 62.0% | 60.1% |
| GDP.pdf (AA) | Artificial Analysis | 23.6% | 27.2% |
| EnterpriseOps-Gym | Artificial Analysis | 50.4%† | 42.9% |
| AA-Briefcase v1.1 | Artificial Analysis | 1115 | 1479 |
| Design Arena Agentic | Design Arena | 1222† | 1238† |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | – | 22.4% |
| FACTS Search | – | 92.9%† | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 71.6% | 89.1% |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 36.6% | 82.9% |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 97.2% | 100.0% |
| ProofBench | Vals AI | 58.0%† | 83.0% |
| LiveBench Mathematics | LiveBench | 93.5% | 96.2% |
| Arena Maths | Arena (LMArena) | 1502 | 1494† |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | – | 0.0% |
| 知识 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 69.2% | 69.7% |
| LiveBench 1.0 Data Analysis | LiveBench | 68.0% | 79.8% |
| MMLU-Pro | Vals AI | 90.1% | 89.1% |
| LegalBench | Vals AI | 87.3% | 87.0% |
| CorpFin | Vals AI | – | 64.4% |
| TaxEval | Vals AI | 74.7% | 74.8% |
| PRBench Finance | Scale AI SEAL | – | 50.5% |
| PRBench Legal | Scale AI SEAL | – | 50.5% |
| BioMysteryBench | Vals AI | – | 71.1% |
| Excel Modeling Benchmark | Vals AI | 71.3% | 72.3% |
| MedCode | Vals AI | 53.4% | 44.0% |
| MedScribe | Vals AI | 83.9% | 85.2% |
| Public Benefits Bench v1.1 | Vals AI | – | 66.5% |
| Financial Coaching Bench | Vals AI | – | 74.9% |
| DrugDiscoveryBench | Scale AI SEAL | – | 56.5% |
| EBR-bench | Epoch AI Benchmarking Hub | – | 44.8% |
| GDP.pdf | Epoch AI Benchmarking Hub | 23.8% | 30.7% |
| FACTS Parametric | – | 81.1%† | |
| 指令遵循 | |||
| LiveBench Language | LiveBench | 85.5% | 87.7% |
| LiveBench Instruction Following | LiveBench | 79.9% | 71.8% |
| IFBench | Artificial Analysis | – | 72.7% |
| Arena Instruction Following | Arena (LMArena) | 1486 | 1490† |
| 人类偏好 | |||
| Arena Text | Arena (LMArena) | 1489 | 1485† |
| EQ-Bench 4 | EQ-Bench | – | 1236† |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1720† | 1974† |
| Arena Creative Writing | Arena (LMArena) | 1487 | 1471† |
| Arena Multi-turn | Arena (LMArena) | 1490 | 1491† |
| Arena Longer Queries | Arena (LMArena) | 1501 | 1498† |
| 多模态 | |||
| Arena Vision | Arena (LMArena) | 1313 | 1282† |
| MMMU-Pro | Artificial Analysis | 85.5% | 83.4% |
| MMMU-Pro (Vals) | Vals AI | 89.0% | 88.8% |
| MortgageTax | Vals AI | 66.7% | 67.3% |
| Humanity's Sixth Sense | Scale AI SEAL | 39.8% | 30.0% |
| GeoBench | GeoBench | – | 73.0%† |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | – | 33.6%† |
| Furniture Assembly | Epoch AI Benchmarking Hub | 26.7% | 56.7% |
| FACTS Multimodal | – | 46.4%† | |
| 长上下文 | |||
| AA-LCR v1.1 | Artificial Analysis | 81.7% | 84.0% |
| Arena Document | Arena (LMArena) | 1468 | 1487† |
| MLCR | Artificial Analysis | 12.2% | 30.0% |
| FACTS Grounding | – | 61.9%† | |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 158.4† | 163.0† |
| LiveBench 1.0 | LiveBench | 78.8% | 81.0% |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 39.1 | 47.0 |
| AA Progress Index v1 | Artificial Analysis | 317.4 | 331.5 |
| Vals RSI Index | Vals AI | 18.3% | 23.9% |
| Vals Science Index | Vals AI | – | 41.5% |
| Vals Multimodal Index | Vals AI | – | 72.6% |
| 安全与诚实 | |||
| FORTRESS | Scale AI SEAL | – | 20.1%† |
| DistressBench | Scale AI SEAL | 69.0%† | 73.6%† |
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 3.7 Flash (high):2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1)。
- GPT-5.6 Sol (max):1 项新结果(GDPval-AA v2.1)。
- GPT-5.6 Sol (max):1 项分数修订。
- Gemini 3.7 Flash (high):BenchLeader Index 62.6 → 62.1。
- GPT-5.6 Sol (max):BenchLeader Index 65.8 → 65.3。
- Gemini 3.7 Flash (high):1 项分数修订。
- GPT-5.6 Sol (max):1 项分数修订。
- Gemini 3.7 Flash (high):1 项新结果(Arena Document)。
- GPT-5.6 Sol (max):1 项分数修订。
- Gemini 3.7 Flash (high):1 项新结果(MirrorCode)。
相关对比
- 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
- GPT-5.6 Sol vs Claude Fable 5.2
- GPT-5.6 Sol vs Gemini 4 Carbon
- GPT-5.6 Sol vs Claude Opus 5.5
- GPT-5.6 Sol vs GPT-6 Astra
- Gemini 3.7 Flash vs GPT-5.5
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 GPT-5.6 Sol:常见问题
- Gemini 3.7 Flash 比 GPT-5.6 Sol 更好吗?
- Gemini 3.7 Flash (high) 与 GPT-5.6 Sol (max) 的质量不相上下(62.1 比 65.3,在 ±4.7 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 GPT-5.6 Sol 哪个更便宜?价格会变吗?
- 目前 Gemini 3.7 Flash 更便宜:每百万 token $1.50 比 $8.00(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 3.7 Flash 还是 GPT-5.6 Sol 更好?
- GPT-5.6 Sol 在编程方面得分更高(类别得分 66 比 62,50 为平均水平)。在两者共同的最主要编程基准测试 LiveCodeBench 上,Gemini 3.7 Flash 为 88.7%,GPT-5.6 Sol 为 82.6%。
- Gemini 3.7 Flash 和 GPT-5.6 Sol 哪个更快?
- GPT-5.6 Sol 输出更快(输出 100 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 GPT-5.6 Sol 更好?
- GPT-5.6 Sol 在智能体任务方面得分更高(类别得分 68 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 Terminal-Bench 上,Gemini 3.7 Flash 为 12.4%,GPT-5.6 Sol 为 38.5%。
更多问题(4)
- 处理长文档哪个更好?
- GPT-5.6 Sol 在长上下文基准测试上得分更高(67 比 66)。两者都约为 1.1M token(Gemini 3.7 Flash 为 1,048,576,GPT-5.6 Sol 为 1,050,000)。
- 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 33.5 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 3.7 Flash 和 GPT-5.6 Sol 的看法一致吗?
- 在两者都有结果的 69 项基准测试中,Gemini 3.7 Flash 领先 20 项,GPT-5.6 Sol 领先 49 项。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。