BenchLeader

Gemini 3.8 Flash vs Grok 4.6

完整资料:Gemini 3.8 Flash(Google)和 Grok 4.6(SpaceXAI),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 Grok 4.6 的质量不相上下(BenchLeader Index 60.2 比 60.6,在 ±6.0 的误差范围内)。Gemini 3.8 Flash 更便宜,对方的价格是它的 2.0 倍(每百万 token 混合价格 $1.50 比 $3.00)。看重智能体与工具(75 比 59)、多模态(67 比 60)和长上下文(67 比 65)选 Gemini 3.8 Flash;看重编程(61 比 52)、推理(64 比 59)和知识(60 比 58)选 Grok 4.6。Gemini 3.8 Flash 的首次回答更快(14.8 秒 比 28.6 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,Grok 4.6 为 60.6(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)。
  • Grok 4.6 每百万 token 混合价格为 $3.00(标价,2026年11月16日)。
  • Gemini 3.8 Flash 比 Grok 4.6 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 20 项基准测试中,Grok 4.6 领先 13 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Grok 4.6类别得分 61 比 52;SciCode 56.5% 比 55.1%高
智能体与工具调用Gemini 3.8 Flash类别得分 75 比 59;τ³-Banking (AA) 45.8% 比 50.7%高
推理Grok 4.6类别得分 64 比 59;ARC-AGI-2 65.1% 比 82.9%中
知识Grok 4.6类别得分 60 比 58;GDP.pdf 16.0% 比 23.4%中
长文档Gemini 3.8 Flash类别得分 67 比 65;AA-LCR v1.1 84.0% 比 80.3%中
图像及其他媒体Gemini 3.8 Flash类别得分 67 比 60中
对话质量(人类偏好)–只有 Grok 4.6 有 Arena 评分(类别得分 64)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 $3.00;智能体编程会话 $0.060 比 $0.144;2027年1月1日 起:$3.00 比 $3.00–
首次回答最快Gemini 3.8 Flash首个回答 token 14.8 秒(Gemini 3.8 Flash (medium))比 28.6 秒(Grok 4.6 (high))–
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 Grok 4.6 (high) 的质量不相上下(60.2 比 60.6,在 ±6.0 的误差范围内)。
  • Gemini 3.8 Flash (medium) 在智能体与工具、长上下文、多模态方面更强。
  • Grok 4.6 (high) 在编程、知识、推理方面更强。
  • 截至 2026年12月31日,Gemini 3.8 Flash (medium) 更便宜,对方的价格是它的 2.0 倍(每百万 token 混合价格 $1.50 比 $3.00);自 2027年1月1日 起为 $3.00 比 $3.00。
  • Gemini 3.8 Flash (medium) 的输出速度是对方的 1.6 倍(116 比 73 token/秒)。

概览

规格Gemini 3.8 FlashGrok 4.6
提供商GoogleSpaceXAI
发布日期2026年9月2日2026年8月11日
上下文窗口(token)1,048,576500,000
对比时的配置Gemini 3.8 Flash (medium)Grok 4.6 (high)
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 / $6.00 / $0.500
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)Grok 4.6 (high)领先者
推理58.763.5Grok 4.6
编程51.661.1Grok 4.6
智能体与工具75.059.2Gemini 3.8 Flash
数学–63.4无法比较
知识57.759.5Grok 4.6
人类偏好–64.1无法比较
多模态66.760.0Gemini 3.8 Flash
长上下文66.764.8Gemini 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多模态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: 66.7Gemini 3.8 Flash, 多模态: 66.7Grok 4.6, 推理: 63.5Grok 4.6, 编程: 61.1Grok 4.6, 智能体与工具: 59.2Grok 4.6, 知识: 59.5Grok 4.6, 长上下文: 64.8Grok 4.6, 多模态: 60.0

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 20 项基准测试中,Gemini 3.8 Flash 领先 7 项,Grok 4.6 领先 13 项。第三方来源看法不一:Gemini 3.8 Flash 在 Arena Text 上领先;Grok 4.6 在 AA Intelligence Index v5.0.1 上领先。

综合 IndexGemini 3.8 Flash (medium)Grok 4.6 (high)领先者
BenchLeader Index60.260.6不相上下
AA Intelligence Index v5.0.130.131.0†Grok 4.6
Arena Text1497†1457Gemini 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)Grok 4.6 (high)
每百万 token 混合价格(截至 2026年12月31日)$1.50$3.00
每百万 token 输入 / 输出$0.750 / $3.75$2.00 / $6.00
自 2027年1月1日 起每百万 token 混合价格$3.00$3.00
自 2027年1月1日 起每百万 token 输入 / 输出$1.50 / $7.50$2.00 / $6.00
每百万 token 缓存输入$0.075$0.500
每项任务价格:聊天回复$0.0014$0.0026
每项任务价格:总结一份 30 页的报告$0.011$0.028
每项任务价格:代码编辑$0.010$0.021
每项任务价格:智能体编程会话$0.060$0.144
每项任务价格:结构化信息提取$0.0023$0.0052
智能体编程会话(输入大多命中缓存)$0.030$0.076
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/s73 tok/s
首次回答时间14.8 秒28.6 秒
完整回答耗时(最近一次测量 2026年11月13日)41.8 秒62.7 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)。Grok 4.6 (high) 得分 60.6,首个回答 token 需 29 秒;Grok 4.6 (medium) 为 59.4(19 秒),Grok 4.6 (xhigh) 为 56.1(37 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 179 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)Grok 4.6 (high)
BenchLeader IndexBenchLeader60.260.6
智能体与工具得分BenchLeader75.059.2
编程得分BenchLeader51.661.1
知识得分BenchLeader57.759.5
长上下文得分BenchLeader66.764.8
多模态得分BenchLeader66.760.0
推理得分BenchLeader58.763.5
人类偏好得分BenchLeader–64.1
数学得分BenchLeader–63.4
混合价格(美元/百万 token)BenchLeader$1.50$3.00
输出速度BenchLeader116 tok/s73 tok/s
首次回答时间BenchLeader14.8 秒28.6 秒
上下文窗口BenchLeader1,048,576 token500,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub95.4%†94.0%
Humanity's Last ExamScale AI / CAIS44.5%†–
SimpleBenchSimpleBench82.4%†75.9%†
Arena Hard PromptsArena (LMArena)1518†1481
LiveBench 2.0 ReasoningLiveBench89.3%†91.2%†
LiveBench 1.0 ReasoningLiveBench89.3%†90.5%†
GPQA Diamond (AA)Artificial Analysis93.5%95.0%
Humanity's Last Exam (AA)Artificial Analysis42.1%42.9%
HLE-Diamond (AA)Artificial Analysis29.1%21.5%†
GPQA Diamond (Vals)Vals AI94.4%†94.7%
ARC-AGI-1ARC Prize97.5%87.0%
ARC-AGI-2ARC Prize82.9%65.1%
ARC-AGI-3ARC Prize24.2%2.1%†
CritPtArtificial Analysis12.3%17.1%
CritPt v2 hard subset (AA)Artificial Analysis45.0%40.0%†
MysteryMechanismVals AI36.5%†30.6%
HLE-Diamond (Scale)Scale AI SEAL34.3%†–
Arena ExpertArena (LMArena)1527†1496
Chess PuzzlesEpoch AI Benchmarking Hub58.0%†33.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub47.0%†34.0%†
LMCAEpoch AI Benchmarking Hub52.9%48.5%†
DTBenchEpoch AI Benchmarking Hub94.9%97.3%†
ForecastBenchForecastBench–65.4%†
编程
SciCodeSciCode55.1%56.5%
WeirdMLWeirdML84.8%†67.3%
显示全部 179 项基准测试
指标发布方Gemini 3.8 Flash (medium)Grok 4.6 (high)
编程
FrontierCodeCognition41.2%48.0%†
Arena CodingArena (LMArena)1531†1508
Arena WebDevArena (LMArena)1584†1618
LiveBench 2.0 CodingLiveBench73.3%†76.7%†
LiveBench 1.0 CodingLiveBench72.5%†76.8%†
LiveCodeBenchVals AI89.5%†88.2%
IOIVals AI56.9%†47.6%
SWE-bench (Vals)Vals AI80.0%†95.6%
Code MigrationVals AI36.5%†44.6%
Code Migration v1.1Vals AI38.6%†–
ProgramBenchVals AI1.0%†1.0%
SWE-bench MultimodalVals AI40.8%†–
Vibe Code Bench 1-100Vals AI18.8%†14.8%
Vibe Code Bench v1.1Vals AI78.7%†76.2%
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%†–
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%†41.1%†
Surface Evolver BenchEpoch AI Benchmarking Hub76.9%†–
DeepSWE v1.1Epoch AI Benchmarking Hub71.0%65.2%
CursorBenchCursor37.3%40.4%
ALE-BenchEpoch AI Benchmarking Hub1269.7†1508.1†
FrontierSWEEpoch AI Benchmarking Hub19.6%†25.3%†
WeirdML v3WeirdML7.4%†–
Terminal-Bench 4.0 (AA)Artificial Analysis19.7%21.2%
Terminal-Bench 2.1 (AA)Artificial Analysis83.9%88.4%
Startrise FrontendStartrise64.6%†72.1%†
GameBench 2 OverallDuelLab GameBench 259.0†59.4†
GameBench 2 by reasoning settingDuelLab GameBench 259.768.7†
Design Arena WebsiteDesign Arena1291†1277†
FrontierCode 1.1 (AA)Artificial Analysis37.1%–
FrontierCode 2.0 (AA)Artificial Analysis16.5%19.8%†
智能体与工具
Terminal-BenchTerminal-Bench18.2%†19.7%
Remote Labor IndexScale AI / CAIS5.8%†–
APEX-AgentsMercor64.3%†65.3%†
Arena AgentArena (LMArena)2.3†-0.2†
LiveBench Long AgenticLiveBench16.5%†18.7%†
LiveBench BrowserLiveBench45.1%†49.4%†
LiveBench Agentic CodingLiveBench54.2%†57.0%†
Terminal-Bench 2.1 (Vals)Vals AI81.3%†78.3%
HiL-BenchScale AI SEAL41.5%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis46.1%–
GDPval-AA v2.1Artificial Analysis14321627
τ³-Banking (AA)Artificial Analysis45.8%50.7%
ITBench SRE (AA)Artificial Analysis52.5%†–
Analyst Agent (AA)Artificial Analysis46.3%†41.3%
CUA-benchVals AI4.2%†–
CyberBenchVals AI43.8%†67.7%
Finance Agent v2Vals AI61.4%†53.7%
Finance Agent v2.1Vals AI65.8%†–
Harvey's Legal Agent Benchmark v1.1Vals AI12.1%†–
Harvey's Legal Agent Benchmark v1Vals AI10.0%†15.8%
Legal Research BenchVals AI38.9%†48.1%
SkillsBenchVals AI58.0%†55.8%
SREBenchVals AI11.1%†–
Tax Agent BenchVals AI32.1%†33.7%
Terminal-Bench 4.0 (Vals)Vals AI19.7%†17.2%
Terminal-Bench ScienceVals AI8.6%†11.4%
Time Horizon Index: KSPVals AI18.8%†5.8%
Arena Agent Task CompletionArena (LMArena)1.3†-2.6†
Vending-Bench 2Andon Labs5093.8†9047.0†
AutomationBenchArtificial Analysis60.9%66.7%
GDP.pdf (AA)Artificial Analysis22.8%17.0%
Harvey LAB-AA v1.1Harvey0.0%†–
EnterpriseOps-GymArtificial Analysis–48.3%
AA-Briefcase v1.1Artificial Analysis11831526
Design Arena AgenticDesign Arena1225†1239†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis10.5%6.2%
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%†87.9%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub68.4%†66.0%†
FrontierMath Tier 4Epoch AI Benchmarking Hub21.9%†31.7%†
OTIS Mock AIMEEpoch AI Benchmarking Hub98.9%†97.8%
ProofBenchVals AI48.0%†51.0%†
LiveBench MathematicsLiveBench91.6%†92.6%†
Arena MathsArena (LMArena)1519†1445
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%†–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub69.7%†49.3%
LiveBench 2.0 Data AnalysisLiveBench54.0%†75.3%†
LiveBench ResearchLiveBench79.4%†88.8%†
LiveBench 1.0 Data AnalysisLiveBench54.0%†73.9%†
AA-Omniscience v1.1Artificial Analysis23.724.9†
MMLU-ProVals AI90.2%†89.4%
LegalBenchVals AI87.0%†86.3%
CorpFinVals AI–66.2%
TaxEvalVals AI74.5%†71.1%
PRBench FinanceScale AI SEAL49.5%†–
PRBench LegalScale AI SEAL48.9%†–
BioMysteryBenchVals AI62.2%†72.2%
Excel Modeling BenchmarkVals AI72.2%†62.7%
Excel Modeling Benchmark v1.1Vals AI72.9%†–
MedCodeVals AI48.1%†44.7%
MedScribeVals AI84.5%†86.5%
Public Benefits Bench v1.1Vals AI65.3%†66.8%
Access to Justice BenchmarkVals AI67.1%†71.3%
Financial Coaching BenchVals AI66.3%†–
Immigration BenchVals AI63.4%†66.0%
EBR-benchEpoch AI Benchmarking Hub–30.5%†
GDP.pdfEpoch AI Benchmarking Hub23.4%16.0%
AA-Omniscience v1.1: accuracyArtificial Analysis49.6%46.2%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis48.5%60.3%†
HealthBench Professional (AA)OpenAI51.7%†–
FACTS ParametricGoogle78.7%†44.5%†
指令遵循
LiveBench LanguageLiveBench87.8%†83.7%†
LiveBench Instruction FollowingLiveBench81.4%†71.9%†
Arena Instruction FollowingArena (LMArena)1492†1451
人类偏好
Arena TextArena (LMArena)1497†1457
EQ-Bench Creative Writing v3EQ-Bench1744†–
Arena Creative WritingArena (LMArena)1488†1442
Arena Multi-turnArena (LMArena)1505†1449
Arena Longer QueriesArena (LMArena)1511†1476
多模态
Arena VisionArena (LMArena)1317†1264
LiveBench DesignLiveBench69.7%†76.3%†
MMMU-ProArtificial Analysis84.2%–
MMMU-Pro (Vals)Vals AI89.1%†–
MortgageTaxVals AI65.3%†64.2%
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%†33.2%†
Furniture AssemblyEpoch AI Benchmarking Hub31.7%†40.0%†
VIALS-AAHandshake AI41.0%†–
Code2Video-AAArtificial Analysis899†–
AA-3DArtificial Analysis974†–
FACTS MultimodalGoogle57.6%†39.3%†
长上下文
AA-LCR v1.1Artificial Analysis84.0%80.3%
Arena DocumentArena (LMArena)1469†1450
MLCRArtificial Analysis12.8%15.6%
FACTS GroundingGoogle68.2%†66.5%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub158.8†157.8†
LiveBench 2.0LiveBench57.3%†63.5%†
LiveBench 1.0LiveBench75.8%†78.0%†
AA Intelligence Index v5.0.1Artificial Analysis30.131.0†
AA Intelligence Index v4.3.2Artificial Analysis39.844.3
AA Progress Index v1Artificial Analysis319.1321.5
Vals IndexVals AI56.0†–
Vals Finance IndexVals AI60.5%†–
Vals RSI IndexVals AI19.9%†25.5%†
Vals Science IndexVals AI35.8%†38.1%
Vals Router IndexVals AI56.0%†–
Vals Legal IndexVals AI69.8%†–
AA Cyber IndexArtificial Analysis25.1†–
安全与诚实
DistressBenchScale AI SEAL70.7%†–

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 3.8 Flash (medium):1 项分数修订。
  • Grok 4.6 (high):1 项新结果(GDPval-AA v2.1)。
  • Grok 4.6 (high):BenchLeader Index 60.9 → 60.4。
  • Grok 4.6 (high):2 项分数修订。
  • Grok 4.6 (high):1 项分数修订。
  • Gemini 3.8 Flash (medium):2 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)。
  • Gemini 3.8 Flash (medium):BenchLeader Index 63.4 → 60.4。

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 Grok 4.6:常见问题

Gemini 3.8 Flash 比 Grok 4.6 更好吗?
Gemini 3.8 Flash (medium) 与 Grok 4.6 (high) 的质量不相上下(60.2 比 60.6,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 3.8 Flash 和 Grok 4.6 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 $3.00(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 Grok 4.6 更好?
Grok 4.6 在编程方面得分更高(类别得分 61 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%,Grok 4.6 为 56.5%。
Gemini 3.8 Flash 和 Grok 4.6 哪个更快?
Gemini 3.8 Flash 输出更快(约 1.5 倍;输出 116 比 73 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Gemini 3.8 Flash 还是 Grok 4.6 更好?
Gemini 3.8 Flash 在智能体任务方面得分更高(类别得分 75 比 59,50 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%,Grok 4.6 为 50.7%。
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 65)。Gemini 3.8 Flash 支持更长的上下文:1,048,576 token,Grok 4.6 为 500,000 token。
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 28.6 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 Grok 4.6 的看法一致吗?
在两者都有结果的 20 项基准测试中,Gemini 3.8 Flash 领先 7 项,Grok 4.6 领先 13 项。第三方来源看法不一:Gemini 3.8 Flash 在 Arena Text 上领先;Grok 4.6 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。