BenchLeader

Gemini 3.8 Flash vs Muse Spark

完整资料:Gemini 3.8 Flash(Google)和 Muse Spark(Meta),包括全部基准测试、价格和排名。

更新于 · 数据来自 11 个来源

截至 2026年11月16日,Gemini 3.8 Flash 与 Muse Spark 的质量不相上下(BenchLeader Index 60.2 比 64.2,在 ±6.0 的误差范围内)。看重智能体与工具(75 比 65)、长上下文(67 比 64)和多模态(67 比 64)选 Gemini 3.8 Flash;看重编程(65 比 52)、推理(67 比 59)和知识(63 比 58)选 Muse Spark。

要点(截至 2026年11月16日)

  • Gemini 3.8 Flash 的 BenchLeader Index 为 60.2,Muse Spark 为 64.2(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 10 项基准测试中,Gemini 3.8 Flash 领先 10 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Muse Spark类别得分 65 比 52;SciCode 51.5% 比 55.1%高
智能体与工具调用Gemini 3.8 Flash类别得分 75 比 65;GDPval-AA v2.1 1432 比 1006高
推理Muse Spark类别得分 67 比 59;GPQA Diamond (AA) 88.4% 比 93.5%高
知识Muse Spark类别得分 63 比 58中
长文档Gemini 3.8 Flash类别得分 67 比 64;AA-LCR v1.1 84.0% 比 78.0%中
图像及其他媒体Gemini 3.8 Flash类别得分 67 比 64;MMMU-Pro 84.2% 比 80.5%中
对话质量(人类偏好)–只有 Muse Spark 有 Arena 评分(类别得分 68)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 Muse Spark 的质量不相上下(60.2 比 64.2,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。
  • Muse Spark 在编程、知识、推理方面更强。

概览

规格Gemini 3.8 FlashMuse Spark
提供商GoogleMeta
发布日期2026年9月2日2026年4月8日
上下文窗口(token)1,048,576262,144
对比时的配置Gemini 3.8 Flash (medium)Muse Spark
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)Muse Spark领先者
推理58.767.4Muse Spark
编程51.665.1Muse Spark
智能体与工具75.065.0Gemini 3.8 Flash
数学–59.1无法比较
知识57.763.1Muse Spark
指令遵循–76.9无法比较
人类偏好–68.1无法比较
多模态66.764.2Gemini 3.8 Flash
长上下文66.763.6Gemini 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: 66.7Muse Spark, 推理: 67.4Muse Spark, 编程: 65.1Muse Spark, 智能体与工具: 65.0Muse Spark, 知识: 63.1Muse Spark, 长上下文: 63.6Muse Spark, 多模态: 64.2

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 10 项基准测试中,Gemini 3.8 Flash 领先 10 项,Muse Spark 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)Muse Spark领先者
BenchLeader Index60.264.2不相上下
Arena Text1497†1489Gemini 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)Muse Spark
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)。Muse Spark 得分 64.2。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 190 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)Muse Spark
BenchLeader IndexBenchLeader60.264.2
智能体与工具得分BenchLeader75.065.0
编程得分BenchLeader51.665.1
知识得分BenchLeader57.763.1
长上下文得分BenchLeader66.763.6
多模态得分BenchLeader66.764.2
推理得分BenchLeader58.767.4
人类偏好得分BenchLeader–68.1
指令遵循得分BenchLeader–76.9
数学得分BenchLeader–59.1
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 token262,144 token
推理
GPQA DiamondEpoch AI Benchmarking Hub95.4%†89.8%
Humanity's Last ExamScale AI / CAIS44.5%†40.6%
SimpleBenchSimpleBench82.4%†–
Arena Hard PromptsArena (LMArena)1518†1506
LiveBench 2.0 ReasoningLiveBench89.3%†–
LiveBench 1.0 ReasoningLiveBench89.3%†–
GPQA Diamond (AA)Artificial Analysis93.5%88.4%
Humanity's Last Exam (AA)Artificial Analysis42.1%40.7%
HLE-Diamond (AA)Artificial Analysis29.1%–
GPQA Diamond (Vals)Vals AI94.4%†89.7%
ARC-AGI-1ARC Prize97.5%–
ARC-AGI-2ARC Prize82.9%–
ARC-AGI-3ARC Prize24.2%–
CritPtArtificial Analysis12.3%11.3%
CritPt v2 hard subset (AA)Artificial Analysis45.0%–
MysteryMechanismVals AI36.5%†–
HLE-Diamond (Scale)Scale AI SEAL34.3%†–
Arena ExpertArena (LMArena)1527†1491
Chess PuzzlesEpoch AI Benchmarking Hub58.0%†–
Mystery Game PuzzlesEpoch AI Benchmarking Hub47.0%†–
LMCAEpoch AI Benchmarking Hub52.9%–
DTBenchEpoch AI Benchmarking Hub94.9%–
编程
SciCodeSciCode55.1%51.5%
WeirdMLWeirdML84.8%†–
FrontierCodeCognition41.2%–
显示全部 190 项基准测试
指标发布方Gemini 3.8 Flash (medium)Muse Spark
编程
Arena CodingArena (LMArena)1531†1529
Arena WebDevArena (LMArena)1584†–
LiveBench 2.0 CodingLiveBench73.3%†–
LiveBench 1.0 CodingLiveBench72.5%†–
SciCode (AA)Artificial Analysis55.1%–
LiveCodeBenchVals AI89.5%†–
IOIVals AI56.9%†–
SWE-bench (Vals)Vals AI80.0%†74.4%
SWE-Bench ProScale AI SEAL–55.0%
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%†19.7%
SWE-Bench Pro (private)Scale AI SEAL–44.7%
SWE Atlas v1.0: Codebase QnAScale AI SEAL47.0%†24.2%
SWE Atlas v1.0: RefactoringScale AI SEAL44.8%†–
SWE Atlas v1.0: Test WritingScale AI SEAL53.7%†31.1%
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†–
FrontierSWEEpoch AI Benchmarking Hub19.6%†–
WeirdML v3WeirdML7.4%†–
Terminal-Bench 4.0 (AA)Artificial Analysis19.7%–
Terminal-Bench 2.1 (AA)Artificial Analysis83.9%62.2%
Startrise FrontendStartrise64.6%†–
GameBench 2 OverallDuelLab GameBench 259.0†–
GameBench 2 by reasoning settingDuelLab GameBench 259.7–
Design Arena WebsiteDesign Arena1291†1253
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–45.5%
τ²-Bench Telecom (AA)Artificial Analysis–91.5%
Terminal-Bench 2.1 (Vals)Vals AI81.3%†–
MCP AtlasScale AI SEAL–82.2%
HiL-BenchScale AI SEAL41.5%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis46.1%–
GDPval-AA v2.1Artificial Analysis14321006
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 2.0 (Vals)Vals AI–59.5%
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 Analysis1183646
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%†88.9%
ProofBenchVals AI48.0%†17.0%
LiveBench MathematicsLiveBench91.6%†–
AIME (Vals)Vals AI–96.9%
Arena MathsArena (LMArena)1519†1469
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%†87.3%
LegalBenchVals AI87.0%†84.2%
CorpFinVals AI–65.1%
TaxEvalVals AI74.5%†77.7%
PRBench FinanceScale AI SEAL49.5%†52.4%
PRBench LegalScale AI SEAL48.9%†52.3%
MultiNRCScale AI SEAL–59.0%
BioMysteryBenchVals AI62.2%†–
CaseLaw v2Vals AI–63.1%
Excel Modeling BenchmarkVals AI72.2%†–
Excel Modeling Benchmark v1.1Vals AI72.9%†–
MedCodeVals AI48.1%†51.3%
MedScribeVals AI84.5%†85.9%
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–75.9%
MultiChallengeScale AI SEAL–75.5%
TutorBenchScale AI SEAL–68.5%
Arena Instruction FollowingArena (LMArena)1492†1465
人类偏好
Arena TextArena (LMArena)1497†1489
EQ-Bench Creative Writing v3EQ-Bench1744†–
Arena Creative WritingArena (LMArena)1488†1464
Arena Multi-turnArena (LMArena)1505†1493
Arena Longer QueriesArena (LMArena)1511†1476
多模态
Arena VisionArena (LMArena)1317†1306
LiveBench DesignLiveBench69.7%†–
MMMU-ProArtificial Analysis84.2%80.5%
MMMU-Pro (Vals)Vals AI89.1%†87.4%
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%78.0%
Arena DocumentArena (LMArena)1469†1467
MLCRArtificial Analysis12.8%–
FACTS GroundingGoogle68.2%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub158.8†153.1
LiveBench 2.0LiveBench57.3%†–
LiveBench 1.0LiveBench75.8%†–
AA Intelligence Index v5.0.1Artificial Analysis30.1–
AA Intelligence Index v4.3.2Artificial Analysis39.831.3
AA Progress Index v1Artificial Analysis319.1289.1
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–20.2%
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。
  • Muse Spark:2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Muse Spark:BenchLeader Index 64.6 → 64.1。
  • Muse Spark: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。
  • 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。

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 Muse Spark:常见问题

Gemini 3.8 Flash 比 Muse Spark 更好吗?
Gemini 3.8 Flash (medium) 与 Muse Spark 的质量不相上下(60.2 比 64.2,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。
编程用 Gemini 3.8 Flash 还是 Muse Spark 更好?
Muse Spark 在编程方面得分更高(类别得分 65 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%,Muse Spark 为 51.5%。
智能体和工具调用用 Gemini 3.8 Flash 还是 Muse Spark 更好?
Gemini 3.8 Flash 在智能体任务方面得分更高(类别得分 75 比 65,50 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 64)。Gemini 3.8 Flash 支持更长的上下文:1,048,576 token,Muse Spark 为 262,144 token。
第三方基准测试对 Gemini 3.8 Flash 和 Muse Spark 的看法一致吗?
在两者都有结果的 10 项基准测试中,Gemini 3.8 Flash 领先 10 项,Muse Spark 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。