BenchLeader

Gemini 3.8 Flash vs GLM 5.3

完整资料:Gemini 3.8 Flash(Google)和 GLM 5.3(Zhipu AI),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 3.8 Flash 与 GLM 5.3 的质量不相上下(BenchLeader Index 60.2 比 58.8,在 ±5.7 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)。看重智能体与工具(75 比 58)、知识(58 比 54)和推理(59 比 55)选 Gemini 3.8 Flash;看重编程(60 比 52)选 GLM 5.3。Gemini 3.8 Flash 的首次回答更快(14.8 秒 比 57.6 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 5.3 为 58.8(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 5.3 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 5.3 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 27 项基准测试中,GLM 5.3 领先 16 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 5.3类别得分 60 比 52;FrontierCode 2.0 (AA) 21.6% 比 16.5%高
智能体与工具调用Gemini 3.8 Flash类别得分 75 比 58;τ³-Banking (AA) 45.8% 比 50.3%高
推理Gemini 3.8 Flash类别得分 59 比 55;HLE-Diamond (AA) 29.1% 比 17.9%中
知识Gemini 3.8 Flash类别得分 58 比 54;AA-Omniscience v1.1 23.7 比 6.0中
长文档Gemini 3.8 Flash类别得分 67 比 65;AA-LCR v1.1 84.0% 比 79.7%中
对话质量(人类偏好)–只有 GLM 5.3 有 Arena 评分(类别得分 67)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 57.6 秒(GLM 5.3 (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 5.3 (max) 的质量不相上下(60.2 比 58.8,在 ±5.7 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 5.3 (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 1.3 倍(116 比 88 token/秒)。

概览

规格Gemini 3.8 FlashGLM 5.3
提供商GoogleZhipu AI
发布日期2026年9月2日2026年8月18日
上下文窗口(token)1,048,5761,000,000
对比时的配置Gemini 3.8 Flash (medium)GLM 5.3 (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 5.3 (max)领先者
推理58.754.7Gemini 3.8 Flash
编程51.659.7GLM 5.3
智能体与工具75.057.6Gemini 3.8 Flash
数学–60.0无法比较
知识57.753.5Gemini 3.8 Flash
人类偏好–67.2无法比较
多模态66.7–无法比较
长上下文66.764.5Gemini 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 5.3, 推理: 54.7GLM 5.3, 编程: 59.7GLM 5.3, 智能体与工具: 57.6GLM 5.3, 知识: 53.5GLM 5.3, 长上下文: 64.5

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 27 项基准测试中,Gemini 3.8 Flash 领先 10 项,GLM 5.3 领先 16 项,1 项持平。第三方来源看法不一:Gemini 3.8 Flash 在 Arena Text 上领先;GLM 5.3 在 AA Intelligence Index v5.0.1和Vals Index 上领先。

综合 IndexGemini 3.8 Flash (medium)GLM 5.3 (max)领先者
BenchLeader Index60.258.8不相上下
AA Intelligence Index v5.0.130.131.6GLM 5.3
Vals Index56.0†59.9GLM 5.3
Arena Text1497†1482Gemini 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 5.3 (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$5.01
每项任务输出 token(AA Index)82k119k
其中推理部分47k85k
每项任务耗时(AA Index)12 min23 min
输出速度116 tok/s88 tok/s
首次回答时间14.8 秒57.6 秒
完整回答耗时(最近一次测量 2026年11月13日)41.8 秒144.1 秒

按 token 计价不等于按任务计价:在 Artificial Analysis 的 Intelligence Index 中,一项平均任务在 Gemini 3.8 Flash (medium) 上花费 $6.26,在 GLM 5.3 (max) 上花费 $5.01;完成同样的工作,GLM 5.3 (max) 输出的 token 是对方的 1.4 倍,这是只看 token 单价看不出来的。

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 5.3 (max) 得分 58.8,首个回答 token 需 58 秒;GLM 5.3 (low) 为 47.3(7 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 183 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 5.3 (max)
BenchLeader IndexBenchLeader60.258.8
智能体与工具得分BenchLeader75.057.6
编程得分BenchLeader51.659.7
知识得分BenchLeader57.753.5
长上下文得分BenchLeader66.764.5
多模态得分BenchLeader66.7–
推理得分BenchLeader58.754.7
人类偏好得分BenchLeader–67.2
数学得分BenchLeader–60.0
混合价格(美元/百万 token)BenchLeader$1.50$2.15
输出速度BenchLeader116 tok/s88 tok/s
首次回答时间BenchLeader14.8 秒57.6 秒
上下文窗口BenchLeader1,048,576 token1,000,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub95.4%†90.9%
Humanity's Last ExamScale AI / CAIS44.5%†–
SimpleBenchSimpleBench82.4%†66.2%†
Arena Hard PromptsArena (LMArena)1518†1507
LiveBench 2.0 ReasoningLiveBench89.3%†–
LiveBench 1.0 ReasoningLiveBench89.3%†85.8%†
GPQA Diamond (AA)Artificial Analysis93.5%91.7%
Humanity's Last Exam (AA)Artificial Analysis42.1%42.3%
HLE-Diamond (AA)Artificial Analysis29.1%17.9%
GPQA Diamond (Vals)Vals AI94.4%†88.1%
ARC-AGI-1ARC Prize97.5%–
ARC-AGI-2ARC Prize82.9%–
ARC-AGI-3ARC Prize24.2%–
CritPtArtificial Analysis12.3%19.1%
CritPt v2 hard subset (AA)Artificial Analysis45.0%33.5%
MysteryMechanismVals AI36.5%†23.0%
HLE-Diamond (Scale)Scale AI SEAL34.3%†16.4%†
Arena ExpertArena (LMArena)1527†1522
Chess PuzzlesEpoch AI Benchmarking Hub58.0%†37.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub47.0%†33.0%
LMCAEpoch AI Benchmarking Hub52.9%55.5%†
DTBenchEpoch AI Benchmarking Hub94.9%87.7%†
BTF-3Epoch AI Benchmarking Hub–14.9%†
编程
SciCodeSciCode55.1%59.0%
WeirdMLWeirdML84.8%†75.4%
显示全部 183 项基准测试
指标发布方Gemini 3.8 Flash (medium)GLM 5.3 (max)
编程
FrontierCodeCognition41.2%40.1%
Arena CodingArena (LMArena)1531†1522
Arena WebDevArena (LMArena)1584†1623
LiveBench 2.0 CodingLiveBench73.3%†–
LiveBench 1.0 CodingLiveBench72.5%†79.0%†
LiveCodeBenchVals AI89.5%†80.5%
IOIVals AI56.9%†68.4%
SWE-bench (Vals)Vals AI80.0%†95.4%
Code MigrationVals AI36.5%†44.2%
Code Migration v1.1Vals AI38.6%†55.1%
ProgramBenchVals AI1.0%†1.5%
SWE-bench MultimodalVals AI40.8%†–
Vibe Code Bench 1-100Vals AI18.8%†20.0%
Vibe Code Bench v1.1Vals AI78.7%†78.1%
Vibe Code Bench 1-100 v1.1Vals AI–29.8%
SWE Atlas v1.0: Codebase QnAScale AI SEAL47.0%†–
SWE Atlas v1.0: RefactoringScale AI SEAL44.8%†–
SWE Atlas v1.0: Test WritingScale AI SEAL53.7%†–
SWE Atlas v1.1Scale AI SEAL57.3%†58.1%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL45.2%†70.2%†
SWE Atlas v1.1: Test WritingScale AI SEAL71.1%†55.6%†
SWE Atlas v1.1: RefactoringScale AI SEAL55.7%†48.6%†
SWE-Bench Pro V2Scale AI SEAL94.9%†95.6%
SWE-Bench Pro V2 HARDScale AI SEAL58.8%†84.3%
MirrorCodeEpoch AI Benchmarking Hub38.9%†–
Surface Evolver BenchEpoch AI Benchmarking Hub76.9%†–
DeepSWE v1.1Epoch AI Benchmarking Hub71.0%69.0%
CursorBenchCursor37.3%42.6%
ALE-BenchEpoch AI Benchmarking Hub1269.7†1317.4†
FrontierSWEEpoch AI Benchmarking Hub19.6%†30.2%
WeirdML v3WeirdML7.4%†–
Terminal-Bench 4.0 (AA)Artificial Analysis19.7%41.9%
Terminal-Bench 2.1 (AA)Artificial Analysis83.9%83.9%
Startrise FrontendStartrise64.6%†73.2%†
GameBench 2 OverallDuelLab GameBench 259.0†64.6†
GameBench 2 by reasoning settingDuelLab GameBench 259.772.3
Design Arena WebsiteDesign Arena1291†1279†
FrontierCode 1.1 (AA)Artificial Analysis37.1%40.1%
FrontierCode 2.0 (AA)Artificial Analysis16.5%21.6%
智能体与工具
Terminal-BenchTerminal-Bench18.2%†41.2%
Remote Labor IndexScale AI / CAIS5.8%†–
APEX-AgentsMercor64.3%†56.6%†
Arena AgentArena (LMArena)2.3†1
LiveBench Long AgenticLiveBench16.5%†–
LiveBench BrowserLiveBench45.1%†–
LiveBench Agentic CodingLiveBench54.2%†60.9%†
Terminal-Bench 2.1 (Vals)Vals AI81.3%†71.5%
MCP AtlasScale AI SEAL–84.2%†
HiL-BenchScale AI SEAL41.5%†58.3%†
GDPval-AA v2.1, normalised scoreArtificial Analysis46.1%57.5%
GDPval-AA v2.1Artificial Analysis14321655
τ³-Banking (AA)Artificial Analysis45.8%50.3%
ITBench SRE (AA)Artificial Analysis52.5%†46.1%
Analyst Agent (AA)Artificial Analysis46.3%†38.8%
CUA-benchVals AI4.2%†–
CyberBenchVals AI43.8%†72.1%
Finance Agent v2Vals AI61.4%†55.8%
Finance Agent v2.1Vals AI65.8%†65.0%
Harvey's Legal Agent Benchmark v1.1Vals AI12.1%†14.6%
Harvey's Legal Agent Benchmark v1Vals AI10.0%†8.3%
Legal Research BenchVals AI38.9%†49.0%
SkillsBenchVals AI58.0%†47.5%
SREBenchVals AI11.1%†9.2%
Tax Agent BenchVals AI32.1%†43.3%
Terminal-Bench 4.0 (Vals)Vals AI19.7%†38.9%
Terminal-Bench ScienceVals AI8.6%†5.7%
Time Horizon Index: KSPVals AI18.8%†–
Arena Agent Task CompletionArena (LMArena)1.3†3.1
PostTrainBenchEpoch AI Benchmarking Hub–34.5%
Vending-Bench 2Andon Labs5093.8†8163.6†
AutomationBenchArtificial Analysis60.9%62.2%
GDP.pdf (AA)Artificial Analysis22.8%11.2%
Harvey LAB-AA v1.1Harvey0.0%†0.3%
EnterpriseOps-GymArtificial Analysis–36.4%
AA-Briefcase v1.1Artificial Analysis11831501
GDPxGDPx by SemiAnalysis–2.7%
Design Arena AgenticDesign Arena1225†1239†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis10.5%9.5%
CWE-Bench (AA)Artificial Analysis52.5%†55.8%
DeepSec-Bench (AA)Artificial Analysis14.5%†24.3%
CyberGym end-to-end (AA)Artificial Analysis8.4%†29.0%
MKA (AA)Artificial Analysis35.3%†–
FACTS SearchGoogle80.4%†87.7%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub68.4%†68.8%
FrontierMath Tier 4Epoch AI Benchmarking Hub21.9%†29.3%
OTIS Mock AIMEEpoch AI Benchmarking Hub98.9%†91.1%
ProofBenchVals AI48.0%†49.0%
LiveBench MathematicsLiveBench91.6%†87.9%†
Arena MathsArena (LMArena)1519†1501
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%†–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub69.7%†41.0%
LiveBench 2.0 Data AnalysisLiveBench54.0%†–
LiveBench ResearchLiveBench79.4%†–
LiveBench 1.0 Data AnalysisLiveBench54.0%†70.2%†
AA-Omniscience v1.1Artificial Analysis23.76.0
MMLU-ProVals AI90.2%†86.8%
LegalBenchVals AI87.0%†84.8%
TaxEvalVals AI74.5%†72.4%
PRBench FinanceScale AI SEAL49.5%†–
PRBench LegalScale AI SEAL48.9%†–
BioMysteryBenchVals AI62.2%†–
Excel Modeling BenchmarkVals AI72.2%†56.3%
Excel Modeling Benchmark v1.1Vals AI72.9%†69.1%
MedCodeVals AI48.1%†42.9%
MedScribeVals AI84.5%†88.8%
Public Benefits Bench v1.1Vals AI65.3%†68.5%
Access to Justice BenchmarkVals AI67.1%†73.7%
Financial Coaching BenchVals AI66.3%†74.1%
Immigration BenchVals AI63.4%†66.7%
GDP.pdfEpoch AI Benchmarking Hub23.4%–
AA-Omniscience v1.1: accuracyArtificial Analysis49.6%32.3%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis48.5%61.1%
HealthBench Professional (AA)OpenAI51.7%†52.8%
FACTS ParametricGoogle78.7%†40.3%†
指令遵循
LiveBench LanguageLiveBench87.8%†79.9%†
LiveBench Instruction FollowingLiveBench81.4%†69.3%†
Arena Instruction FollowingArena (LMArena)1492†1481
人类偏好
Arena TextArena (LMArena)1497†1482
EQ-Bench Creative Writing v3EQ-Bench1744†2076†
Arena Creative WritingArena (LMArena)1488†1456
Arena Multi-turnArena (LMArena)1505†1482
Arena Longer QueriesArena (LMArena)1511†1488
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†1034
AA-3DArtificial Analysis974†794
FACTS MultimodalGoogle57.6%†–
长上下文
AA-LCR v1.1Artificial Analysis84.0%79.7%
Arena DocumentArena (LMArena)1469†–
MLCRArtificial Analysis12.8%17.2%
FACTS GroundingGoogle68.2%†55.2%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub158.8†157.1†
LiveBench 2.0LiveBench57.3%†–
LiveBench 1.0LiveBench75.8%†76.1%†
AA Intelligence Index v5.0.1Artificial Analysis30.131.6
AA Intelligence Index v4.3.2Artificial Analysis39.844.8
AA Progress Index v1Artificial Analysis319.1322.7
Vals IndexVals AI56.0†59.9
Vals Finance IndexVals AI60.5%†61.4%
Vals RSI IndexVals AI19.9%†22.9%
Vals Science IndexVals AI35.8%†–
Vals Router IndexVals AI56.0%†59.7%†
Vals Legal IndexVals AI69.8%†74.6%
AA Cyber IndexArtificial Analysis25.1†36.4
安全与诚实
FORTRESSScale AI SEAL–28.2%
DistressBenchScale AI SEAL70.7%†72.5%†
元数据
AA Openness IndexArtificial Analysis–33.3

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 5.3 (max):1 项新结果(PostTrainBench)。
  • GLM 5.3 (max):4 项分数修订。
  • Gemini 3.8 Flash (medium):2 项分数修订。
  • GLM 5.3 (max):1 项分数修订;价格 $0.30/M → $0.26/M。
  • GLM 5.3 (max):价格 $0.26/M → $0.30/M。
  • Gemini 3.8 Flash (medium):1 项分数修订。
  • GLM 5.3 (max):价格 $0.30/M → $0.26/M。
  • GLM 5.3 (max):价格 $0.26/M → $0.30/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 5.3:常见问题

Gemini 3.8 Flash 比 GLM 5.3 更好吗?
Gemini 3.8 Flash (medium) 与 GLM 5.3 (max) 的质量不相上下(60.2 比 58.8,在 ±5.7 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 3.8 Flash 和 GLM 5.3 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 5.3 更好?
GLM 5.3 在编程方面得分更高(类别得分 60 比 52,50 为平均水平)。在两者共同的最主要编程基准测试 FrontierCode 2.0 (AA) 上,Gemini 3.8 Flash 为 16.5%,GLM 5.3 为 21.6%。
Gemini 3.8 Flash 和 GLM 5.3 哪个更快?
Gemini 3.8 Flash 输出更快(约 1.5 倍;输出 116 比 88 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 5.3 更好?
Gemini 3.8 Flash 在智能体任务方面得分更高(类别得分 75 比 58,50 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 5.3 为 50.3%。
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 65)。两者都约为 1M token(Gemini 3.8 Flash 为 1,048,576,GLM 5.3 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 57.6 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 5.3 的看法一致吗?
在两者都有结果的 27 项基准测试中,Gemini 3.8 Flash 领先 10 项,GLM 5.3 领先 16 项,1 项持平。第三方来源看法不一:Gemini 3.8 Flash 在 Arena Text 上领先;GLM 5.3 在 AA Intelligence Index v5.0.1和Vals Index 上领先。
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。