Gemini 3.8 Flash vs GPT-5.6 Terra
完整资料:Gemini 3.8 Flash(Google)和 GPT-5.6 Terra(OpenAI),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 GPT-5.6 Terra 的质量不相上下(BenchLeader Index 60.2 比 60.1,在 ±6.3 的误差范围内)。Gemini 3.8 Flash 更便宜,对方的价格是它的 3.0 倍(每百万 token 混合价格 $1.50 比 $4.50)。看重智能体与工具(75 比 63)、多模态(67 比 61)和知识(58 比 53)选 Gemini 3.8 Flash;看重编程(59 比 52)选 GPT-5.6 Terra。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,GPT-5.6 Terra 为 60.1(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)。
- GPT-5.6 Terra 每百万 token 混合价格为 $4.50(标价,2026年11月16日)。
- 在两者都有结果的 28 项基准测试中,Gemini 3.8 Flash 领先 22 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 Terra | 类别得分 59 比 52;SciCode 52.3% 比 55.1% | 高 |
| 智能体与工具调用 | Gemini 3.8 Flash | 类别得分 75 比 63;τ³-Banking (AA) 45.8% 比 29.7% | 高 |
| 推理 | Gemini 3.8 Flash | 类别得分 59 比 55;HLE-Diamond (AA) 29.1% 比 24.7% | 中 |
| 知识 | Gemini 3.8 Flash | 类别得分 58 比 53;AA-Omniscience v1.1 23.7 比 -11.5 | 中 |
| 长文档 | Gemini 3.8 Flash | 类别得分 67 比 64;AA-LCR v1.1 84.0% 比 79.0% | 中 |
| 图像及其他媒体 | Gemini 3.8 Flash | 类别得分 67 比 61;MMMU-Pro 84.2% 比 79.5% | 中 |
| 对话质量(人类偏好) | – | 只有 GPT-5.6 Terra 有 Arena 评分(类别得分 66) | 无法比较 |
| 成本最低 | Gemini 3.8 Flash | 每百万 token 混合价格 $1.50 比 $4.50;智能体编程会话 $0.060 比 $0.168;2027年1月1日 起:$3.00 比 $4.50 | – |
| 首次回答最快 | 均可 | 首个回答 token 14.8 秒(Gemini 3.8 Flash (medium))比 19.2 秒(GPT-5.6 Terra (xhigh)) | – |
| 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 GPT-5.6 Terra (xhigh) 的质量不相上下(60.2 比 60.1,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、多模态、推理方面更强。
- GPT-5.6 Terra (xhigh) 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 3.0 倍(每百万 token 混合价格 $1.50 比 $4.50);自 2027年1月1日 起为 $3.00 比 $4.50。
概览
| 规格 | Gemini 3.8 Flash | GPT-5.6 Terra |
|---|---|---|
| 提供商 | OpenAI | |
| 发布日期 | 2026年9月2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 3.8 Flash (medium) | GPT-5.6 Terra (xhigh) |
| 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 | $2.00 / $12.00 / $0.200 |
| 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) | GPT-5.6 Terra (xhigh) | 领先者 |
|---|---|---|---|
| 推理 | 58.7 | 54.8 | Gemini 3.8 Flash |
| 编程 | 51.6 | 59.1 | GPT-5.6 Terra |
| 智能体与工具 | 75.0 | 63.1 | Gemini 3.8 Flash |
| 数学 | – | 65.7 | 无法比较 |
| 知识 | 57.7 | 53.0 | Gemini 3.8 Flash |
| 指令遵循 | – | 65.6 | 无法比较 |
| 人类偏好 | – | 65.5 | 无法比较 |
| 多模态 | 66.7 | 61.2 | Gemini 3.8 Flash |
| 长上下文 | 66.7 | 64.1 | Gemini 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。
未绘制(测得的模型少于两个):数学, 指令遵循, 人类偏好。
各来源的分歧
在两者都有结果的 28 项基准测试中,Gemini 3.8 Flash 领先 22 项,GPT-5.6 Terra 领先 6 项。第三方来源看法不一:Gemini 3.8 Flash 在 Arena Text 上领先;GPT-5.6 Terra 在 AA Intelligence Index v5.0.1 上领先。
| 综合 Index | Gemini 3.8 Flash (medium) | GPT-5.6 Terra (xhigh) | 领先者 |
|---|---|---|---|
| BenchLeader Index | 60.2 | 60.1 | 不相上下 |
| AA Intelligence Index v5.0.1 | 30.1 | 32.3† | GPT-5.6 Terra |
| Arena Text | 1497† | 1468 | 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 3.8 Flash (medium) | GPT-5.6 Terra (xhigh) |
|---|---|---|
| 每百万 token 混合价格(截至 2026年12月31日) | $1.50 | $4.50 |
| 每百万 token 输入 / 输出 | $0.750 / $3.75 | $2.00 / $12.00 |
| 自 2027年1月1日 起每百万 token 混合价格 | $3.00 | $4.50 |
| 自 2027年1月1日 起每百万 token 输入 / 输出 | $1.50 / $7.50 | $2.00 / $12.00 |
| 每百万 token 缓存输入 | $0.075 | $0.200 |
| 每项任务价格:聊天回复 | $0.0014 | $0.0044 |
| 每项任务价格:总结一份 30 页的报告 | $0.011 | $0.031 |
| 每项任务价格:代码编辑 | $0.010 | $0.030 |
| 每项任务价格:智能体编程会话 | $0.060 | $0.168 |
| 每项任务价格:结构化信息提取 | $0.0023 | $0.0064 |
| 智能体编程会话(输入大多命中缓存) | $0.030 | $0.087 |
| 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/s | 97 tok/s |
| 首次回答时间 | 14.8 秒 | 19.2 秒 |
| 完整回答耗时(最近一次测量 2026年11月13日) | 41.8 秒 | 84.0 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)。GPT-5.6 Terra (xhigh) 得分 60.1,首个回答 token 需 19 秒;GPT-5.6 Terra (max) 为 59.5(73 秒),GPT-5.6 Terra (high) 为 56.8(6 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 185 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) | GPT-5.6 Terra (xhigh) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 60.2 | 60.1 |
| 智能体与工具得分 | BenchLeader | 75.0 | 63.1 |
| 编程得分 | BenchLeader | 51.6 | 59.1 |
| 知识得分 | BenchLeader | 57.7 | 53.0 |
| 长上下文得分 | BenchLeader | 66.7 | 64.1 |
| 多模态得分 | BenchLeader | 66.7 | 61.2 |
| 推理得分 | BenchLeader | 58.7 | 54.8 |
| 人类偏好得分 | BenchLeader | – | 65.5 |
| 指令遵循得分 | BenchLeader | – | 65.6 |
| 数学得分 | BenchLeader | – | 65.7 |
| 混合价格(美元/百万 token) | BenchLeader | $1.50 | $4.50 |
| 输出速度 | BenchLeader | 116 tok/s | 97 tok/s |
| 首次回答时间 | BenchLeader | 14.8 秒 | 19.2 秒 |
| 上下文窗口 | BenchLeader | 1,048,576 token | 1,050,000 token |
| 推理 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 95.4%† | 93.3%† |
| Humanity's Last Exam | Scale AI / CAIS | 44.5%† | – |
| SimpleBench | SimpleBench | 82.4%† | 48.9% |
| Arena Hard Prompts | Arena (LMArena) | 1518† | 1491 |
| LiveBench 2.0 Reasoning | LiveBench | 89.3%† | 90.6%† |
| LiveBench 1.0 Reasoning | LiveBench | 89.3%† | 90.6%† |
| GPQA Diamond (AA) | Artificial Analysis | 93.5% | 90.8% |
| Humanity's Last Exam (AA) | Artificial Analysis | 42.1% | 41.9% |
| HLE-Diamond (AA) | Artificial Analysis | 29.1% | 24.7% |
| GPQA Diamond (Vals) | Vals AI | 94.4%† | 90.9% |
| Kagi LLM Benchmark | Kagi LLM Benchmark | – | 51.3%† |
| ARC-AGI-1 | ARC Prize | 97.5% | 94.0% |
| ARC-AGI-2 | ARC Prize | 82.9% | 74.2% |
| ARC-AGI-3 | ARC Prize | 24.2% | 0.7% |
| CritPt | Artificial Analysis | 12.3% | 27.1% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 45.0% | 50.5%† |
| MysteryMechanism | Vals AI | 36.5%† | – |
| HLE-Diamond (Scale) | Scale AI SEAL | 34.3%† | – |
| Arena Expert | Arena (LMArena) | 1527† | 1507 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 58.0%† | 47.0%† |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 47.0%† | 35.0%† |
| LMCA | Epoch AI Benchmarking Hub | 52.9% | 52.2% |
| DTBench | Epoch AI Benchmarking Hub | 94.9% | 92.5% |
| 编程 | |||
| SciCode | SciCode | 55.1% | 52.3% |
| WeirdML | WeirdML | 84.8%† | 78.3%† |
显示全部 185 项基准测试
| 指标 | 发布方 | Gemini 3.8 Flash (medium) | GPT-5.6 Terra (xhigh) |
|---|---|---|---|
| 编程 | |||
| FrontierCode | Cognition | 41.2% | 41.3%† |
| Arena Coding | Arena (LMArena) | 1531† | 1517 |
| Arena WebDev | Arena (LMArena) | 1584† | 1520 |
| LiveBench 2.0 Coding | LiveBench | 73.3%† | 84.2%† |
| LiveBench 1.0 Coding | LiveBench | 72.5%† | 78.3%† |
| LiveCodeBench | Vals AI | 89.5%† | 85.9% |
| IOI | Vals AI | 56.9%† | 87.6%† |
| SWE-bench (Vals) | Vals AI | 80.0%† | 95.4%† |
| Code Migration | Vals AI | 36.5%† | 47.8%† |
| Code Migration v1.1 | Vals AI | 38.6%† | – |
| ProgramBench | Vals AI | 1.0%† | 0.5%† |
| SWE-bench Multimodal | Vals AI | 40.8%† | – |
| Vibe Code Bench 1-100 | Vals AI | 18.8%† | 14.8%† |
| Vibe Code Bench v1.1 | Vals AI | 78.7%† | 74.6%† |
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | 47.0%† | – |
| SWE Atlas v1.0: Refactoring | Scale AI SEAL | 44.8%† | – |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | 53.7%† | – |
| SWE Atlas v1.1 | Scale AI SEAL | 57.3%† | – |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | 45.2%† | – |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | 71.1%† | – |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | 55.7%† | – |
| SWE-Bench Pro V2 | Scale AI SEAL | 94.9%† | 92.4% |
| SWE-Bench Pro V2 HARD | Scale AI SEAL | 58.8%† | 86.3% |
| MirrorCode | Epoch AI Benchmarking Hub | 38.9%† | 41.1%† |
| Surface Evolver Bench | Epoch AI Benchmarking Hub | 76.9%† | 83.8% |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | 71.0% | 60.2% |
| CursorBench | Cursor | 37.3% | 33.6% |
| ALE-Bench | Epoch AI Benchmarking Hub | 1269.7† | 1951.4† |
| FrontierSWE | Epoch AI Benchmarking Hub | 19.6%† | – |
| WeirdML v3 | WeirdML | 7.4%† | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 19.7% | 10.1% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 83.9% | 80.2% |
| Startrise Frontend | Startrise | 64.6%† | 66.9%† |
| GameBench 2 Overall | DuelLab GameBench 2 | 59.0† | 45.6† |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 59.7 | 53.5 |
| Design Arena Website | Design Arena | 1291† | 1260† |
| FrontierCode 1.1 (AA) | Artificial Analysis | 37.1% | – |
| FrontierCode 2.0 (AA) | Artificial Analysis | 16.5% | 23.9%† |
| 智能体与工具 | |||
| Terminal-Bench | Terminal-Bench | 18.2%† | 21.5%† |
| Remote Labor Index | Scale AI / CAIS | 5.8%† | – |
| APEX-Agents | Mercor | 64.3%† | 58.2%† |
| Arena Agent | Arena (LMArena) | 2.3† | -1.8 |
| LiveBench Long Agentic | LiveBench | 16.5%† | 25.9%† |
| LiveBench Browser | LiveBench | 45.1%† | 70.3%† |
| LiveBench Agentic Coding | LiveBench | 54.2%† | 55.0%† |
| Terminal-Bench Hard | Artificial Analysis | – | 62.9% |
| τ²-Bench Telecom (AA) | Artificial Analysis | – | 80.4% |
| Terminal-Bench 2.1 (Vals) | Vals AI | 81.3%† | 77.5%† |
| HiL-Bench | Scale AI SEAL | 41.5%† | – |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 46.1% | 47.4% |
| GDPval-AA v2.1 | Artificial Analysis | 1432 | 1456 |
| τ³-Banking (AA) | Artificial Analysis | 45.8% | 29.7% |
| ITBench SRE (AA) | Artificial Analysis | 52.5%† | 51.0%† |
| Analyst Agent (AA) | Artificial Analysis | 46.3%† | – |
| APEX-Agents (AA) | Artificial Analysis | – | 38.9%† |
| CUA-bench | Vals AI | 4.2%† | – |
| CyberBench | Vals AI | 43.8%† | 72.1%† |
| Finance Agent v2 | Vals AI | 61.4%† | 54.4%† |
| Finance Agent v2.1 | Vals AI | 65.8%† | – |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | 12.1%† | – |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 10.0%† | 0.8%† |
| Legal Research Bench | Vals AI | 38.9%† | 41.4%† |
| SkillsBench | Vals AI | 58.0%† | 58.9%† |
| SREBench | Vals AI | 11.1%† | 9.5%† |
| Tax Agent Bench | Vals AI | 32.1%† | 30.0%† |
| Terminal-Bench 4.0 (Vals) | Vals AI | 19.7%† | 22.7%† |
| Terminal-Bench Science | Vals AI | 8.6%† | 10.0%† |
| Time Horizon Index: KSP | Vals AI | 18.8%† | – |
| Arena Agent Task Completion | Arena (LMArena) | 1.3† | -7.2 |
| BALROG | BALROG | – | 53.2%† |
| Vending-Bench 2 | Andon Labs | 5093.8† | 7343.2† |
| AutomationBench | Artificial Analysis | 60.9% | 47.1% |
| GDP.pdf (AA) | Artificial Analysis | 22.8% | 24.6% |
| Harvey LAB-AA v1.1 | Harvey | 0.0%† | – |
| EnterpriseOps-Gym | Artificial Analysis | – | 38.5%† |
| AA-Briefcase v1.1 | Artificial Analysis | 1183 | 1332 |
| Design Arena Agentic | Design Arena | 1225† | 1089† |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 10.5% | 13.8%† |
| CWE-Bench (AA) | Artificial Analysis | 52.5%† | – |
| DeepSec-Bench (AA) | Artificial Analysis | 14.5%† | 25.1%† |
| CyberGym end-to-end (AA) | Artificial Analysis | 8.4%† | – |
| MKA (AA) | Artificial Analysis | 35.3%† | – |
| FACTS Search | 80.4%† | 87.0%† | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 68.4%† | 86.0%† |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 21.9%† | 70.7%† |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 98.9%† | 99.7%† |
| ProofBench | Vals AI | 48.0%† | 74.0% |
| LiveBench Mathematics | LiveBench | 91.6%† | 94.9%† |
| Arena Maths | Arena (LMArena) | 1519† | 1478 |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | 0.0%† | – |
| 知识 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 69.7%† | 43.2%† |
| LiveBench 2.0 Data Analysis | LiveBench | 54.0%† | 79.3%† |
| LiveBench Research | LiveBench | 79.4%† | 79.7%† |
| LiveBench 1.0 Data Analysis | LiveBench | 54.0%† | 79.3%† |
| AA-Omniscience v1.1 | Artificial Analysis | 23.7 | -11.5 |
| MMLU-Pro | Vals AI | 90.2%† | 86.7% |
| LegalBench | Vals AI | 87.0%† | 85.1%† |
| CorpFin | Vals AI | – | 65.3% |
| TaxEval | Vals AI | 74.5%† | 76.2% |
| PRBench Finance | Scale AI SEAL | 49.5%† | – |
| PRBench Legal | Scale AI SEAL | 48.9%† | – |
| BioMysteryBench | Vals AI | 62.2%† | – |
| Excel Modeling Benchmark | Vals AI | 72.2%† | 66.2%† |
| Excel Modeling Benchmark v1.1 | Vals AI | 72.9%† | – |
| MedCode | Vals AI | 48.1%† | 43.4% |
| MedScribe | Vals AI | 84.5%† | 82.9% |
| Public Benefits Bench v1.1 | Vals AI | 65.3%† | 62.4%† |
| Access to Justice Benchmark | Vals AI | 67.1%† | – |
| Financial Coaching Bench | Vals AI | 66.3%† | 71.0%† |
| Immigration Bench | Vals AI | 63.4%† | – |
| GDP.pdf | Epoch AI Benchmarking Hub | 23.4% | 24.7%† |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 49.6% | 41.3% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 48.5% | 9.9% |
| HealthBench Professional (AA) | OpenAI | 51.7%† | – |
| FACTS Parametric | 78.7%† | 57.6%† | |
| 指令遵循 | |||
| LiveBench Language | LiveBench | 87.8%† | 82.9%† |
| LiveBench Instruction Following | LiveBench | 81.4%† | 64.6%† |
| IFBench | Artificial Analysis | – | 66.3% |
| Arena Instruction Following | Arena (LMArena) | 1492† | 1463 |
| 人类偏好 | |||
| Arena Text | Arena (LMArena) | 1497† | 1468 |
| EQ-Bench 4 | EQ-Bench | – | 1220† |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1744† | 1856† |
| Arena Creative Writing | Arena (LMArena) | 1488† | 1430 |
| Arena Multi-turn | Arena (LMArena) | 1505† | 1475 |
| Arena Longer Queries | Arena (LMArena) | 1511† | 1469 |
| 多模态 | |||
| Arena Vision | Arena (LMArena) | 1317† | 1269 |
| LiveBench Design | LiveBench | 69.7%† | 70.9%† |
| MMMU-Pro | Artificial Analysis | 84.2% | 79.5% |
| MMMU-Pro (Vals) | Vals AI | 89.1%† | 86.5%† |
| MortgageTax | Vals AI | 65.3%† | 67.3% |
| SAGE | Vals AI | 88.2%† | 87.0%† |
| AudioMC | Scale AI SEAL | 60.4%† | – |
| AudioMC (text output) | Scale AI SEAL | 60.4%† | – |
| Humanity's Sixth Sense | Scale AI SEAL | 41.6%† | 22.7%† |
| GeoBench | GeoBench | 86.0%† | – |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 38.6%† | 30.8%† |
| Furniture Assembly | Epoch AI Benchmarking Hub | 31.7%† | 54.2%† |
| VIALS-AA | Handshake AI | 41.0%† | – |
| Code2Video-AA | Artificial Analysis | 899† | – |
| AA-3D | Artificial Analysis | 974† | – |
| FACTS Multimodal | 57.6%† | 39.9%† | |
| 长上下文 | |||
| AA-LCR v1.1 | Artificial Analysis | 84.0% | 79.0% |
| Arena Document | Arena (LMArena) | 1469† | 1474 |
| MLCR | Artificial Analysis | 12.8% | 22.8% |
| FACTS Grounding | 68.2%† | 60.5%† | |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 158.8† | 160.7† |
| LiveBench 2.0 | LiveBench | 57.3%† | 67.2%† |
| LiveBench 1.0 | LiveBench | 75.8%† | 77.9%† |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 30.1 | 32.3† |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 39.8 | 38.0 |
| AA Progress Index v1 | Artificial Analysis | 319.1 | 312 |
| Vals Index | Vals AI | 56.0† | – |
| Vals Finance Index | Vals AI | 60.5%† | – |
| Vals RSI Index | Vals AI | 19.9%† | – |
| Vals Science Index | Vals AI | 35.8%† | – |
| Vals Multimodal Index | Vals AI | – | 65.1% |
| Vals Router Index | Vals AI | 56.0%† | – |
| Vals Legal Index | Vals AI | 69.8%† | – |
| AA Cyber Index | Artificial Analysis | 25.1† | – |
| 安全与诚实 | |||
| DistressBench | Scale AI SEAL | 70.7%† | 76.4%† |
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。
- GPT-5.6 Terra (xhigh):2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1)。
- Gemini 3.8 Flash (medium):2 项分数修订。
- GPT-5.6 Terra (xhigh):1 项分数修订。
- Gemini 3.8 Flash (medium):1 项分数修订。
- Gemini 3.8 Flash (medium):1 项新结果(AA-Briefcase v1.1)。
- GPT-5.6 Terra (xhigh):1 项分数修订。
- Gemini 3.8 Flash (medium):BenchLeader Index 63.4 → 60.4。
- GPT-5.6 Terra (xhigh):BenchLeader Index 61.2 → 60.4。
相关对比
- Gemini 3.8 Flash vs Gemini 4 Carbon
- GPT-5.6 Terra vs Gemini 4 Carbon
- Gemini 3.8 Flash vs GPT-6.1 Sol
- Gemini 3.8 Flash vs Gemini 4 Argon
- Gemini 3.8 Flash vs Muse Wonder
- Gemini 3.8 Flash vs Muse Spark
- Gemini 3.8 Flash vs Claude Sonnet 5.5
- Gemini 3.8 Flash vs GPT-6.1 Terra
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 GPT-5.6 Terra:常见问题
- Gemini 3.8 Flash 比 GPT-5.6 Terra 更好吗?
- Gemini 3.8 Flash (medium) 与 GPT-5.6 Terra (xhigh) 的质量不相上下(60.2 比 60.1,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 GPT-5.6 Terra 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 $4.50(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 GPT-5.6 Terra 更好?
- GPT-5.6 Terra 在编程方面得分更高(类别得分 59 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%,GPT-5.6 Terra 为 52.3%。
- Gemini 3.8 Flash 和 GPT-5.6 Terra 哪个更快?
- Gemini 3.8 Flash 输出更快(输出 116 比 97 token/秒,Artificial Analysis 7 日中位数)。
- 智能体和工具调用用 Gemini 3.8 Flash 还是 GPT-5.6 Terra 更好?
- Gemini 3.8 Flash 在智能体任务方面得分更高(类别得分 75 比 63,50 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%,GPT-5.6 Terra 为 29.7%。
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 1.1M token(Gemini 3.8 Flash 为 1,048,576,GPT-5.6 Terra 为 1,050,000)。
- 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 19.2 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 GPT-5.6 Terra 的看法一致吗?
- 在两者都有结果的 28 项基准测试中,Gemini 3.8 Flash 领先 22 项,GPT-5.6 Terra 领先 6 项。第三方来源看法不一:Gemini 3.8 Flash 在 Arena Text 上领先;GPT-5.6 Terra 在 AA Intelligence Index v5.0.1 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。