BenchLeader

Gemini 3.8 Flash vs GLM 5.2

完整资料:Gemini 3.8 Flash(Google)和 GLM 5.2(Zhipu AI),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 3.8 Flash 与 GLM 5.2 的质量不相上下(BenchLeader Index 60.2 比 58.9,在 ±6.3 的误差范围内)。Gemini 3.8 Flash 更便宜,对方的价格是它的 1.4 倍(每百万 token 混合价格 $1.50 比 $2.15)。看重知识(58 比 44)、智能体与工具(75 比 62)和长上下文(67 比 64)选 Gemini 3.8 Flash;看重编程(62 比 52)选 GLM 5.2。Gemini 3.8 Flash 的首次回答更快(14.8 秒 比 26.8 秒)。Gemini 3.8 Flash 的输出更快(约 1.5 倍)。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 3.8 Flash 的 BenchLeader Index 为 60.2,GLM 5.2 为 58.9(BenchLeader,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)。
  • GLM 5.2 每百万 token 混合价格为 $2.15(标价,2026年11月16日)。
  • Gemini 3.8 Flash 比 GLM 5.2 输出更快(约 1.5 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 21 项基准测试中,Gemini 3.8 Flash 领先 17 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GLM 5.2类别得分 62 比 52;SciCode 51.2% 比 55.1%高
智能体与工具调用Gemini 3.8 Flash类别得分 75 比 62;τ³-Banking (AA) 45.8% 比 34.6%高
推理Gemini 3.8 Flash类别得分 59 比 57;HLE-Diamond (AA) 29.1% 比 17.7%中
知识Gemini 3.8 Flash类别得分 58 比 44;AA-Omniscience v1.1 23.7 比 0.6高
长文档Gemini 3.8 Flash类别得分 67 比 64;AA-LCR v1.1 84.0% 比 78.3%中
对话质量(人类偏好)–只有 GLM 5.2 有 Arena 评分(类别得分 66)无法比较
成本最低Gemini 3.8 Flash(截至 2026年12月31日)每百万 token 混合价格 $1.50 比 $2.15;智能体编程会话 $0.060 比 $0.102;2027年1月1日 起:$3.00 比 $2.15–
首次回答最快Gemini 3.8 Flash首个回答 token 14.8 秒(Gemini 3.8 Flash (medium))比 26.8 秒(GLM 5.2 (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 3.8 Flash (medium) 与 GLM 5.2 (max) 的质量不相上下(60.2 比 58.9,在 ±6.3 的误差范围内)。
  • Gemini 3.8 Flash (medium) 在智能体与工具、知识、长上下文、推理方面更强。
  • GLM 5.2 (max) 在编程方面更强。
  • 截至 2026年12月31日,Gemini 3.8 Flash (medium) 更便宜,对方的价格是它的 1.4 倍(每百万 token 混合价格 $1.50 比 $2.15);自 2027年1月1日 起为 $3.00 比 $2.15。
  • Gemini 3.8 Flash (medium) 的输出速度是对方的 1.7 倍(116 比 69 token/秒)。

概览

规格Gemini 3.8 FlashGLM 5.2
提供商GoogleZhipu AI
发布日期2026年9月2日2026年6月16日
上下文窗口(token)1,048,5761,000,000
对比时的配置Gemini 3.8 Flash (medium)GLM 5.2 (max)
开放权重否是
每百万 token 价格(输入 / 输出 / 缓存输入)$0.750 / $3.75 / $0.075$1.40 / $4.40 / $0.260
已公布的价格调整自 2027年1月1日 起为 $1.50 / $7.50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 3.8 Flash (medium)GLM 5.2 (max)领先者
推理58.757.2Gemini 3.8 Flash
编程51.661.8GLM 5.2
智能体与工具75.062.1Gemini 3.8 Flash
数学–52.6无法比较
知识57.744.3Gemini 3.8 Flash
指令遵循–71.8无法比较
人类偏好–66.4无法比较
多模态66.7–无法比较
长上下文66.763.8Gemini 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Gemini 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: 66.7GLM 5.2, 推理: 57.2GLM 5.2, 编程: 61.8GLM 5.2, 智能体与工具: 62.1GLM 5.2, 知识: 44.3GLM 5.2, 长上下文: 63.8

未绘制(测得的模型少于两个):数学, 指令遵循, 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 21 项基准测试中,Gemini 3.8 Flash 领先 17 项,GLM 5.2 领先 3 项,1 项持平。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 3.8 Flash (medium)GLM 5.2 (max)领先者
BenchLeader Index60.258.9不相上下
Arena Text1497†1475Gemini 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 3.8 Flash (medium)GLM 5.2 (max)
每百万 token 混合价格(截至 2026年12月31日)$1.50$2.15
每百万 token 输入 / 输出$0.750 / $3.75$1.40 / $4.40
自 2027年1月1日 起每百万 token 混合价格$3.00$2.15
自 2027年1月1日 起每百万 token 输入 / 输出$1.50 / $7.50$1.40 / $4.40
每百万 token 缓存输入$0.075$0.260
每项任务价格:聊天回复$0.0014$0.0019
每项任务价格:总结一份 30 页的报告$0.011$0.019
每项任务价格:代码编辑$0.010$0.015
每项任务价格:智能体编程会话$0.060$0.102
每项任务价格:结构化信息提取$0.0023$0.0037
智能体编程会话(输入大多命中缓存)$0.030$0.050
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116 tok/s69 tok/s
首次回答时间14.8 秒26.8 秒
完整回答耗时(最近一次测量 2026年11月13日)41.8 秒56.7 秒

每个模型都按其排名最高的推理强度设置进行对比。Gemini 3.8 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)。GLM 5.2 (max) 得分 58.9,首个回答 token 需 27 秒;GLM 5.2 为 51.9(1 秒),GLM 5.2 (无推理) 为 45.8(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 195 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 3.8 Flash (medium)GLM 5.2 (max)
BenchLeader IndexBenchLeader60.258.9
智能体与工具得分BenchLeader75.062.1
编程得分BenchLeader51.661.8
知识得分BenchLeader57.744.3
长上下文得分BenchLeader66.763.8
多模态得分BenchLeader66.7–
推理得分BenchLeader58.757.2
人类偏好得分BenchLeader–66.4
指令遵循得分BenchLeader–71.8
数学得分BenchLeader–52.6
混合价格(美元/百万 token)BenchLeader$1.50$2.15
输出速度BenchLeader116 tok/s69 tok/s
首次回答时间BenchLeader14.8 秒26.8 秒
上下文窗口BenchLeader1,048,576 token1,000,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub95.4%†91.9%
Humanity's Last ExamScale AI / CAIS44.5%†–
SimpleBenchSimpleBench82.4%†58.8%†
Arena Hard PromptsArena (LMArena)1518†1496
LiveBench 2.0 ReasoningLiveBench89.3%†–
LiveBench 1.0 ReasoningLiveBench89.3%†78.6%†
GPQA Diamond (AA)Artificial Analysis93.5%89.5%
Humanity's Last Exam (AA)Artificial Analysis42.1%41.1%
HLE-Diamond (AA)Artificial Analysis29.1%17.7%
GPQA Diamond (Vals)Vals AI94.4%†85.6%†
Kagi LLM BenchmarkKagi LLM Benchmark–62.6%†
ARC-AGI-1ARC Prize97.5%77.0%†
ARC-AGI-2ARC Prize82.9%22.8%†
ARC-AGI-3ARC Prize24.2%–
CritPtArtificial Analysis12.3%20.9%
CritPt v2 hard subset (AA)Artificial Analysis45.0%–
MysteryMechanismVals AI36.5%†–
HLE-Diamond (Scale)Scale AI SEAL34.3%†–
Arena ExpertArena (LMArena)1527†1502
Chess PuzzlesEpoch AI Benchmarking Hub58.0%†22.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub47.0%†18.0%†
LMCAEpoch AI Benchmarking Hub52.9%45.8%
DTBenchEpoch AI Benchmarking Hub94.9%93.6%
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub–78.7%
SciCodeSciCode55.1%51.2%
显示全部 195 项基准测试
指标发布方Gemini 3.8 Flash (medium)GLM 5.2 (max)
编程
WeirdMLWeirdML84.8%†70.1%
FrontierCodeCognition41.2%24.5%†
Arena CodingArena (LMArena)1531†1515
Arena WebDevArena (LMArena)1584†1608
LiveBench 2.0 CodingLiveBench73.3%†–
LiveBench 1.0 CodingLiveBench72.5%†79.7%†
LiveCodeBenchVals AI89.5%†69.5%†
IOIVals AI56.9%†–
SWE-bench (Vals)Vals AI80.0%†82.8%
Code MigrationVals AI36.5%†37.9%
Code Migration v1.1Vals AI38.6%†–
ProgramBenchVals AI1.0%†0.5%
SWE-bench MultimodalVals AI40.8%†–
Vibe Code Bench 1-100Vals AI18.8%†–
Vibe Code Bench v1.1Vals AI78.7%†64.0%
SWE Atlas v1.0: Codebase QnAScale AI SEAL47.0%†48.1%†
SWE Atlas v1.0: RefactoringScale AI SEAL44.8%†42.4%†
SWE Atlas v1.0: Test WritingScale AI SEAL53.7%†41.5%†
SWE Atlas v1.1Scale AI SEAL57.3%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL45.2%†–
SWE Atlas v1.1: Test WritingScale AI SEAL71.1%†–
SWE Atlas v1.1: RefactoringScale AI SEAL55.7%†–
SWE-Bench Pro V2Scale AI SEAL94.9%†–
SWE-Bench Pro V2 HARDScale AI SEAL58.8%†–
MirrorCodeEpoch AI Benchmarking Hub38.9%†36.7%
Surface Evolver BenchEpoch AI Benchmarking Hub76.9%†55.6%†
DeepSWE v1.1Epoch AI Benchmarking Hub71.0%43.8%
CursorBenchCursor37.3%–
ALE-BenchEpoch AI Benchmarking Hub1269.7†1010.2
FrontierSWEEpoch AI Benchmarking Hub19.6%†–
WeirdML v3WeirdML7.4%†–
Terminal-Bench 4.0 (AA)Artificial Analysis19.7%1.0%
Terminal-Bench 2.1 (AA)Artificial Analysis83.9%77.9%
Startrise FrontendStartrise64.6%†72.1%†
GameBench 2 OverallDuelLab GameBench 259.0†43.1†
GameBench 2 by reasoning settingDuelLab GameBench 259.732.4†
Design Arena WebsiteDesign Arena1291†1277†
FrontierCode 1.1 (AA)Artificial Analysis37.1%–
FrontierCode 2.0 (AA)Artificial Analysis16.5%–
智能体与工具
Terminal-BenchTerminal-Bench18.2%†–
Remote Labor IndexScale AI / CAIS5.8%†–
APEX-AgentsMercor64.3%†45.2%†
Arena AgentArena (LMArena)2.3†0.2
LiveBench Long AgenticLiveBench16.5%†–
LiveBench BrowserLiveBench45.1%†–
LiveBench Agentic CodingLiveBench54.2%†51.8%†
Terminal-Bench HardArtificial Analysis–50.8%
τ²-Bench Telecom (AA)Artificial Analysis–99.1%
Terminal-Bench 2.1 (Vals)Vals AI81.3%†67.8%
MCP AtlasScale AI SEAL–77.8%†
HiL-BenchScale AI SEAL41.5%†43.7%†
τ³-bench Bankingτ²-bench–37.1%†
GDPval-AA v2.1, normalised scoreArtificial Analysis46.1%–
GDPval-AA v2.1Artificial Analysis14321380
τ³-Banking (AA)Artificial Analysis45.8%34.6%
ITBench SRE (AA)Artificial Analysis52.5%†42.7%
Analyst Agent (AA)Artificial Analysis46.3%†–
APEX-Agents (AA)Artificial Analysis–33.7%
CUA-benchVals AI4.2%†–
CyberBenchVals AI43.8%†–
Finance Agent v2Vals AI61.4%†49.7%†
Finance Agent v2.1Vals AI65.8%†–
Harvey's Legal Agent Benchmark v1.1Vals AI12.1%†–
Harvey's Legal Agent Benchmark v1Vals AI10.0%†7.1%
Legal Research BenchVals AI38.9%†31.3%
SkillsBenchVals AI58.0%†45.1%
SREBenchVals AI11.1%†0.0%
Tax Agent BenchVals AI32.1%†–
Terminal-Bench 4.0 (Vals)Vals AI19.7%†–
Terminal-Bench ScienceVals AI8.6%†–
Time Horizon Index: KSPVals AI18.8%†–
Arena Agent Task CompletionArena (LMArena)1.3†1.7
PostTrainBenchEpoch AI Benchmarking Hub–30.4%
GBAEvalEpoch AI Benchmarking Hub–0.0%†
Vending-Bench 2Andon Labs5093.8†8313.8†
AutomationBenchArtificial Analysis60.9%28.4%
GDP.pdf (AA)Artificial Analysis22.8%10.4%
Harvey LAB-AA v1.1Harvey0.0%†–
EnterpriseOps-GymArtificial Analysis–42.7%
AA-Briefcase v1.1Artificial Analysis11831226
Design Arena AgenticDesign Arena1225†1194†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis10.5%–
CWE-Bench (AA)Artificial Analysis52.5%†–
DeepSec-Bench (AA)Artificial Analysis14.5%†–
CyberGym end-to-end (AA)Artificial Analysis8.4%†–
MKA (AA)Artificial Analysis35.3%†–
FACTS SearchGoogle80.4%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub68.4%†59.2%
FrontierMath Tier 4Epoch AI Benchmarking Hub21.9%†29.3%
OTIS Mock AIMEEpoch AI Benchmarking Hub98.9%†86.4%
ProofBenchVals AI48.0%†35.0%
LiveBench MathematicsLiveBench91.6%†89.8%†
AIME 2026MathArena–90.0%
HMMT February 2026MathArena–92.4%
MathArena ApexMathArena–19.8%
Arena MathsArena (LMArena)1519†1487
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%†–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub69.7%†34.2%
LiveBench 2.0 Data AnalysisLiveBench54.0%†–
LiveBench ResearchLiveBench79.4%†–
LiveBench 1.0 Data AnalysisLiveBench54.0%†73.7%†
AA-Omniscience v1.1Artificial Analysis23.70.6
MMLU-ProVals AI90.2%†86.7%†
LegalBenchVals AI87.0%†84.1%†
CorpFinVals AI–66.1%†
TaxEvalVals AI74.5%†73.3%†
PRBench FinanceScale AI SEAL49.5%†–
PRBench LegalScale AI SEAL48.9%†–
BioMysteryBenchVals AI62.2%†–
Excel Modeling BenchmarkVals AI72.2%†61.5%†
Excel Modeling Benchmark v1.1Vals AI72.9%†–
MedCodeVals AI48.1%†40.8%†
MedScribeVals AI84.5%†83.5%†
Public Benefits Bench v1.1Vals AI65.3%†–
Access to Justice BenchmarkVals AI67.1%†–
Financial Coaching BenchVals AI66.3%†–
Immigration BenchVals AI63.4%†–
DrugDiscoveryBenchScale AI SEAL–36.2%†
EBR-benchEpoch AI Benchmarking Hub–9.5%
GDP.pdfEpoch AI Benchmarking Hub23.4%–
AA-Omniscience v1.1: accuracyArtificial Analysis49.6%21.1%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis48.5%74.1%
HealthBench Professional (AA)OpenAI51.7%†–
FACTS ParametricGoogle78.7%†–
指令遵循
LiveBench LanguageLiveBench87.8%†76.2%†
LiveBench Instruction FollowingLiveBench81.4%†62.3%†
IFBenchArtificial Analysis–73.3%
Arena Instruction FollowingArena (LMArena)1492†1470
人类偏好
Arena TextArena (LMArena)1497†1475
EQ-Bench 4EQ-Bench–1208†
EQ-Bench Creative Writing v3EQ-Bench1744†1759†
Arena Creative WritingArena (LMArena)1488†1451
Arena Multi-turnArena (LMArena)1505†1477
Arena Longer QueriesArena (LMArena)1511†1486
多模态
Arena VisionArena (LMArena)1317†–
LiveBench DesignLiveBench69.7%†–
MMMU-ProArtificial Analysis84.2%–
MMMU-Pro (Vals)Vals AI89.1%†–
MortgageTaxVals AI65.3%†–
SAGEVals AI88.2%†–
AudioMCScale AI SEAL60.4%†–
AudioMC (text output)Scale AI SEAL60.4%†–
Humanity's Sixth SenseScale AI SEAL41.6%†–
GeoBenchGeoBench86.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub38.6%†–
Furniture AssemblyEpoch AI Benchmarking Hub31.7%†–
VIALS-AAHandshake AI41.0%†–
Code2Video-AAArtificial Analysis899†–
AA-3DArtificial Analysis974†–
FACTS MultimodalGoogle57.6%†–
长上下文
AA-LCR v1.1Artificial Analysis84.0%78.3%
Arena DocumentArena (LMArena)1469†–
MLCRArtificial Analysis12.8%12.8%
FACTS GroundingGoogle68.2%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub158.8†153.0†
LiveBench 2.0LiveBench57.3%†–
LiveBench 1.0LiveBench75.8%†73.2%†
AA Intelligence Index v5.0.1Artificial Analysis30.1–
AA Intelligence Index v4.3.2Artificial Analysis39.833.7
AA Progress Index v1Artificial Analysis319.1302.5
Vals IndexVals AI56.0†–
Vals Finance IndexVals AI60.5%†–
Vals RSI IndexVals AI19.9%†–
Vals Science IndexVals AI35.8%†–
Vals Router IndexVals AI56.0%†–
Vals Legal IndexVals AI69.8%†–
AA Cyber IndexArtificial Analysis25.1†–
安全与诚实
FORTRESSScale AI SEAL–48.7%†
DistressBenchScale AI SEAL70.7%†–
元数据
AA Openness IndexArtificial Analysis–44.4

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 3.8 Flash (medium):1 项分数修订。
  • GLM 5.2 (max):1 项新结果(GDPval-AA v2.1)。
  • GLM 5.2 (max):BenchLeader Index 59.5 → 59.0。
  • GLM 5.2 (max):3 项新结果(AIME 2026, HMMT February 2026, MathArena Apex);1 项分数修订。
  • GLM 5.2 (max):1 项新结果(MirrorCode)。
  • GLM 5.2 (max):BenchLeader Index 60.2 → 59.5。
  • GLM 5.2 (max):4 项新结果(HLE-Diamond (AA), AA-Omniscience v1.1, AA-Omniscience v1.1: accuracy…)。
  • Gemini 3.8 Flash (medium):2 项分数修订。
  • GLM 5.2 (max):价格 $0.30/M → $0.26/M。

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 3.8 Flash vs GLM 5.2:常见问题

Gemini 3.8 Flash 比 GLM 5.2 更好吗?
Gemini 3.8 Flash (medium) 与 GLM 5.2 (max) 的质量不相上下(60.2 比 58.9,在 ±6.3 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 3.8 Flash 和 GLM 5.2 哪个更便宜?价格会变吗?
目前 Gemini 3.8 Flash 更便宜:每百万 token $1.50 比 $2.15(按每 1 个输出 token 对应 3 个输入 token 混合计算)。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 3.8 Flash 还是 GLM 5.2 更好?
GLM 5.2 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 3.8 Flash 为 55.1%,GLM 5.2 为 51.2%。
Gemini 3.8 Flash 和 GLM 5.2 哪个更快?
Gemini 3.8 Flash 输出更快(约 1.5 倍;输出 116 比 69 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Gemini 3.8 Flash 还是 GLM 5.2 更好?
Gemini 3.8 Flash 在智能体任务方面得分更高(类别得分 75 比 62,50 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 3.8 Flash 为 45.8%,GLM 5.2 为 34.6%。
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 64)。两者都约为 1M token(Gemini 3.8 Flash 为 1,048,576,GLM 5.2 为 1,000,000)。
哪个延迟更低?
Gemini 3.8 Flash 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 14.8 秒比 26.8 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 3.8 Flash 和 GLM 5.2 的看法一致吗?
在两者都有结果的 21 项基准测试中,Gemini 3.8 Flash 领先 17 项,GLM 5.2 领先 3 项,1 项持平。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。