BenchLeader

Gemini 3.8 Flash vs Mimo v2 Pro

完整资料:Gemini 3.8 Flash(Google)和 Mimo v2 Pro(Xiaomi),包括全部基准测试、价格和排名。

更新于 · 数据来自 8 个来源

截至 2026年11月16日,Gemini 3.8 Flash 与 Mimo v2 Pro 的质量不相上下(BenchLeader Index 60.2 比 59.1,在 ±6.8 的误差范围内)。看重长上下文(67 比 59)和智能体与工具(75 比 69)选 Gemini 3.8 Flash;看重推理(64 比 59)选 Mimo v2 Pro。

要点(截至 2026年11月16日)

  • Gemini 3.8 Flash 的 BenchLeader Index 为 60.2,Mimo v2 Pro 为 59.1(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)。
  • 在两者都有结果的 5 项基准测试中,Gemini 3.8 Flash 领先 5 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
编程均可类别得分 52 比 52均可
智能体与工具调用Gemini 3.8 Flash类别得分 75 比 69中
推理Mimo v2 Pro类别得分 64 比 59;GPQA Diamond (AA) 87.0% 比 93.5%中
长文档Gemini 3.8 Flash类别得分 67 比 59;AA-LCR v1.1 84.0% 比 68.3%高
对话质量(人类偏好)–只有 Mimo v2 Pro 有 Arena 评分(类别得分 63)无法比较
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 Mimo v2 Pro 的质量不相上下(60.2 比 59.1,在 ±6.8 的误差范围内)。
  • Gemini 3.8 Flash (medium) 在智能体与工具、长上下文方面更强。
  • Mimo v2 Pro 在编程、推理方面更强。

概览

规格Gemini 3.8 FlashMimo v2 Pro
提供商GoogleXiaomi
发布日期2026年9月2日2026年3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)Mimo v2 Pro
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–
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)Mimo v2 Pro领先者
推理58.763.7Mimo v2 Pro
编程51.651.7持平
智能体与工具75.069.4Gemini 3.8 Flash
数学–62.9无法比较
知识57.7–无法比较
指令遵循–67.9无法比较
人类偏好–63.1无法比较
多模态66.7–无法比较
长上下文66.758.5Gemini 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, 长上下文: 66.7Mimo v2 Pro, 推理: 63.7Mimo v2 Pro, 编程: 51.7Mimo v2 Pro, 智能体与工具: 69.4Mimo v2 Pro, 长上下文: 58.5

未绘制(测得的模型少于两个):数学, 知识, 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 5 项基准测试中,Gemini 3.8 Flash 领先 5 项,Mimo v2 Pro 领先 0 项。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)Mimo v2 Pro领先者
BenchLeader Index60.259.1不相上下
Arena Text1497†1448Gemini 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)Mimo v2 Pro
每百万 token 混合价格(截至 2026年12月31日)$1.50–
每百万 token 输入 / 输出$0.750 / $3.75– / –
自 2027年1月1日 起每百万 token 混合价格$3.00–
自 2027年1月1日 起每百万 token 输入 / 输出$1.50 / $7.50–
每百万 token 缓存输入$0.075–
每项任务价格:聊天回复$0.0014–
每项任务价格:总结一份 30 页的报告$0.011–
每项任务价格:代码编辑$0.010–
每项任务价格:智能体编程会话$0.060–
每项任务价格:结构化信息提取$0.0023–
智能体编程会话(输入大多命中缓存)$0.030–
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–
首次回答时间14.8 秒–
完整回答耗时(最近一次测量 2026年11月13日)41.8 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)。Mimo v2 Pro 得分 59.1。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 180 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)Mimo v2 Pro
BenchLeader IndexBenchLeader60.259.1
智能体与工具得分BenchLeader75.069.4
编程得分BenchLeader51.651.7
知识得分BenchLeader57.7–
长上下文得分BenchLeader66.758.5
多模态得分BenchLeader66.7–
推理得分BenchLeader58.763.7
人类偏好得分BenchLeader–63.1
指令遵循得分BenchLeader–67.9
数学得分BenchLeader–62.9
混合价格(美元/百万 token)BenchLeader$1.50–
输出速度BenchLeader116 tok/s–
首次回答时间BenchLeader14.8 秒–
上下文窗口BenchLeader1,048,576 token1,000,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub95.4%†–
Humanity's Last ExamScale AI / CAIS44.5%†–
SimpleBenchSimpleBench82.4%†–
Arena Hard PromptsArena (LMArena)1518†1475
LiveBench 2.0 ReasoningLiveBench89.3%†–
LiveBench 1.0 ReasoningLiveBench89.3%†–
GPQA Diamond (AA)Artificial Analysis93.5%87.0%
Humanity's Last Exam (AA)Artificial Analysis42.1%30.4%
HLE-Diamond (AA)Artificial Analysis29.1%–
GPQA Diamond (Vals)Vals AI94.4%†–
ARC-AGI-1ARC Prize97.5%–
ARC-AGI-2ARC Prize82.9%–
ARC-AGI-3ARC Prize24.2%–
CritPtArtificial Analysis12.3%0.3%
CritPt v2 hard subset (AA)Artificial Analysis45.0%–
MysteryMechanismVals AI36.5%†–
HLE-Diamond (Scale)Scale AI SEAL34.3%†–
Arena ExpertArena (LMArena)1527†1493
Chess PuzzlesEpoch AI Benchmarking Hub58.0%†–
Mystery Game PuzzlesEpoch AI Benchmarking Hub47.0%†–
CL-benchEpoch AI Benchmarking Hub–15.7%
CL-bench LifeEpoch AI Benchmarking Hub–6.9%
LMCAEpoch AI Benchmarking Hub52.9%–
DTBenchEpoch AI Benchmarking Hub94.9%–
编程
SciCodeSciCode55.1%–
显示全部 180 项基准测试
指标发布方Gemini 3.8 Flash (medium)Mimo v2 Pro
编程
WeirdMLWeirdML84.8%†–
FrontierCodeCognition41.2%–
Arena CodingArena (LMArena)1531†1503
Arena WebDevArena (LMArena)1584†1434
LiveBench 2.0 CodingLiveBench73.3%†–
LiveBench 1.0 CodingLiveBench72.5%†–
LiveCodeBenchVals AI89.5%†–
IOIVals AI56.9%†–
SWE-bench (Vals)Vals AI80.0%†–
Code MigrationVals AI36.5%†–
Code Migration v1.1Vals AI38.6%†–
ProgramBenchVals AI1.0%†–
SWE-bench MultimodalVals AI40.8%†–
Vibe Code Bench 1-100Vals AI18.8%†–
Vibe Code Bench v1.1Vals AI78.7%†–
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%†–
Surface Evolver BenchEpoch AI Benchmarking Hub76.9%†–
DeepSWE v1.1Epoch AI Benchmarking Hub71.0%–
CursorBenchCursor37.3%–
ALE-BenchEpoch AI Benchmarking Hub1269.7†785.2
FrontierSWEEpoch AI Benchmarking Hub19.6%†–
WeirdML v3WeirdML7.4%†–
Terminal-Bench 4.0 (AA)Artificial Analysis19.7%–
Terminal-Bench 2.1 (AA)Artificial Analysis83.9%–
Startrise FrontendStartrise64.6%†–
GameBench 2 OverallDuelLab GameBench 259.0†–
GameBench 2 by reasoning settingDuelLab GameBench 259.7–
Design Arena WebsiteDesign Arena1291†–
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%†–
Arena AgentArena (LMArena)2.3†–
LiveBench Long AgenticLiveBench16.5%†–
LiveBench BrowserLiveBench45.1%†–
LiveBench Agentic CodingLiveBench54.2%†–
Terminal-Bench HardArtificial Analysis–40.9%
τ²-Bench Telecom (AA)Artificial Analysis–95.0%
Terminal-Bench 2.1 (Vals)Vals AI81.3%†–
HiL-BenchScale AI SEAL41.5%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis46.1%–
GDPval-AA v2.1Artificial Analysis1432–
τ³-Banking (AA)Artificial Analysis45.8%–
ITBench SRE (AA)Artificial Analysis52.5%†–
Analyst Agent (AA)Artificial Analysis46.3%†–
CUA-benchVals AI4.2%†–
CyberBenchVals AI43.8%†–
Finance Agent v2Vals AI61.4%†–
Finance Agent v2.1Vals AI65.8%†–
Harvey's Legal Agent Benchmark v1.1Vals AI12.1%†–
Harvey's Legal Agent Benchmark v1Vals AI10.0%†–
Legal Research BenchVals AI38.9%†–
SkillsBenchVals AI58.0%†–
SREBenchVals AI11.1%†–
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†–
Vending-Bench 2Andon Labs5093.8†–
AutomationBenchArtificial Analysis60.9%–
GDP.pdf (AA)Artificial Analysis22.8%–
Harvey LAB-AA v1.1Harvey0.0%†–
AA-Briefcase v1.1Artificial Analysis1183–
Design Arena AgenticDesign Arena1225†–
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%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub21.9%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub98.9%†–
ProofBenchVals AI48.0%†–
LiveBench MathematicsLiveBench91.6%†–
Arena MathsArena (LMArena)1519†1450
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%†–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub69.7%†–
LiveBench 2.0 Data AnalysisLiveBench54.0%†–
LiveBench ResearchLiveBench79.4%†–
LiveBench 1.0 Data AnalysisLiveBench54.0%†–
AA-Omniscience v1.1Artificial Analysis23.7–
MMLU-ProVals AI90.2%†–
LegalBenchVals AI87.0%†–
TaxEvalVals AI74.5%†–
PRBench FinanceScale AI SEAL49.5%†–
PRBench LegalScale AI SEAL48.9%†–
BioMysteryBenchVals AI62.2%†–
Excel Modeling BenchmarkVals AI72.2%†–
Excel Modeling Benchmark v1.1Vals AI72.9%†–
MedCodeVals AI48.1%†–
MedScribeVals AI84.5%†–
Public Benefits Bench v1.1Vals AI65.3%†–
Access to Justice BenchmarkVals AI67.1%†–
Financial Coaching BenchVals AI66.3%†–
Immigration BenchVals AI63.4%†–
GDP.pdfEpoch AI Benchmarking Hub23.4%–
AA-Omniscience v1.1: accuracyArtificial Analysis49.6%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis48.5%–
HealthBench Professional (AA)OpenAI51.7%†–
FACTS ParametricGoogle78.7%†–
指令遵循
LiveBench LanguageLiveBench87.8%†–
LiveBench Instruction FollowingLiveBench81.4%†–
IFBenchArtificial Analysis–68.8%
Arena Instruction FollowingArena (LMArena)1492†1446
人类偏好
Arena TextArena (LMArena)1497†1448
EQ-Bench Creative Writing v3EQ-Bench1744†–
Arena Creative WritingArena (LMArena)1488†1424
Arena Multi-turnArena (LMArena)1505†1467
Arena Longer QueriesArena (LMArena)1511†1467
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%68.3%
Arena DocumentArena (LMArena)1469†–
MLCRArtificial Analysis12.8%–
FACTS GroundingGoogle68.2%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub158.8†–
LiveBench 2.0LiveBench57.3%†–
LiveBench 1.0LiveBench75.8%†–
AA Intelligence Index v5.0.1Artificial Analysis30.1–
AA Intelligence Index v4.3.2Artificial Analysis39.828.6
AA Progress Index v1Artificial Analysis319.1279
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
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。
  • 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。
  • Mimo v2 Pro:BenchLeader Index 59.7 → 59.1。
  • Gemini 3.8 Flash (medium):5 项新结果(AA Intelligence Index v5.0.1, AA Progress Index v1, HLE-Diamond (AA)…);2 项分数修订;价格 $2.59/M → $6.26/M。
  • Mimo v2 Pro:1 项新结果(AA Progress Index v1)。
  • Gemini 3.8 Flash (medium):2 项新结果(FrontierCode 1.1 (AA), Terminal-Bench-Science 0.1 (AA))。

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 Mimo v2 Pro:常见问题

Gemini 3.8 Flash 比 Mimo v2 Pro 更好吗?
Gemini 3.8 Flash (medium) 与 Mimo v2 Pro 的质量不相上下(60.2 比 59.1,在 ±6.8 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。
编程用 Gemini 3.8 Flash 还是 Mimo v2 Pro 更好?
两者在编程方面持平(类别得分 52 比 52)。
智能体和工具调用用 Gemini 3.8 Flash 还是 Mimo v2 Pro 更好?
Gemini 3.8 Flash 在智能体任务方面得分更高(类别得分 75 比 69,50 为平均水平)。
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 59)。两者都约为 1M token(Gemini 3.8 Flash 为 1,048,576,Mimo v2 Pro 为 1,000,000)。
第三方基准测试对 Gemini 3.8 Flash 和 Mimo v2 Pro 的看法一致吗?
在两者都有结果的 5 项基准测试中,Gemini 3.8 Flash 领先 5 项,Mimo v2 Pro 领先 0 项。所有同时评测两者的综合评分都认为 Gemini 3.8 Flash 更强。
更多问题(1)
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。