BenchLeader

Gemini 3.8 Flash vs Muse Wonder

完整资料:Gemini 3.8 Flash(Google)和 Muse Wonder(Meta),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 Muse Wonder 的质量不相上下(BenchLeader Index 60.2 比 64.4,在 ±5.7 的误差范围内)。Gemini 3.8 Flash 更便宜,对方的价格是它的 5.3 倍(每百万 token 混合价格 $1.50 比 $8.00)。在两者都有成绩的所有类别中,Muse Wonder 均领先。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,Muse Wonder 为 64.4(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)。
  • Muse Wonder 每百万 token 混合价格为 $8.00(标价,2026年11月16日)。
  • Gemini 3.8 Flash 比 Muse Wonder 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 2 项基准测试中,Muse Wonder 领先 2 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
智能体与工具调用均可类别得分 75 比 76均可
知识Muse Wonder类别得分 77 比 58高
对话质量(人类偏好)–只有 Muse Wonder 有 Arena 评分(类别得分 70)无法比较
成本最低Gemini 3.8 Flash每百万 token 混合价格 $1.50 比 $8.00;智能体编程会话 $0.060 比 $0.320;2027年1月1日 起:$3.00 比 $8.00–
首次回答最快Muse Wonder首个回答 token 3.3 秒(Muse Wonder)比 14.8 秒(Gemini 3.8 Flash (medium))–
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 Wonder 的质量不相上下(60.2 比 64.4,在 ±5.7 的误差范围内)。
  • Muse Wonder 在智能体与工具、知识方面更强。
  • 截至 2026年12月31日,Gemini 3.8 Flash (medium) 更便宜,对方的价格是它的 5.3 倍(每百万 token 混合价格 $1.50 比 $8.00);自 2027年1月1日 起为 $3.00 比 $8.00。
  • Gemini 3.8 Flash (medium) 的输出速度是对方的 1.7 倍(116 比 70 token/秒)。

概览

规格Gemini 3.8 FlashMuse Wonder
提供商GoogleMeta
发布日期2026年9月2日2026年10月12日
上下文窗口(token)1,048,5761,048,576
对比时的配置Gemini 3.8 Flash (medium)Muse Wonder
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$4.00 / $20.00 / $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)Muse Wonder领先者
推理58.7–无法比较
编程51.6–无法比较
智能体与工具75.075.6持平
数学–70.1无法比较
知识57.777.1Muse Wonder
人类偏好–69.6无法比较
多模态66.7–无法比较
长上下文66.7–无法比较

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数学知识长上下文多模态人类偏好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 Wonder, 智能体与工具: 75.6Muse Wonder, 数学: 70.1Muse Wonder, 知识: 77.1Muse Wonder, 人类偏好: 69.6

虚线:该模型在所经过的轴上没有结果,线条只连接相邻的点。

未绘制(这些模型没有结果):指令遵循。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 2 项基准测试中,Gemini 3.8 Flash 领先 0 项,Muse Wonder 领先 2 项。所有同时评测两者的综合评分都认为 Muse Wonder 更强。

综合 IndexGemini 3.8 Flash (medium)Muse Wonder领先者
BenchLeader Index60.264.4不相上下
AA Intelligence Index v5.0.130.140.5†Muse Wonder
Vals Index56.0†64.9Muse Wonder
Arena Text1497†1511Muse Wonder

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 Wonder
每百万 token 混合价格(截至 2026年12月31日)$1.50$8.00
每百万 token 输入 / 输出$0.750 / $3.75$4.00 / $20.00
自 2027年1月1日 起每百万 token 混合价格$3.00$8.00
自 2027年1月1日 起每百万 token 输入 / 输出$1.50 / $7.50$4.00 / $20.00
每百万 token 缓存输入$0.075$0.200
每项任务价格:聊天回复$0.0014$0.0076
每项任务价格:总结一份 30 页的报告$0.011$0.060
每项任务价格:代码编辑$0.010$0.054
每项任务价格:智能体编程会话$0.060$0.320
每项任务价格:结构化信息提取$0.0023$0.012
智能体编程会话(输入大多命中缓存)$0.030$0.149
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/s70 tok/s
首次回答时间14.8 秒3.3 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 Wonder 得分 64.4,首个回答 token 需 3 秒;Muse Wonder (max) 为 60.8(20 秒),Muse Wonder (high) 为 56.2(13 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)Muse Wonder
BenchLeader IndexBenchLeader60.264.4
智能体与工具得分BenchLeader75.075.6
编程得分BenchLeader51.6–
知识得分BenchLeader57.777.1
长上下文得分BenchLeader66.7–
多模态得分BenchLeader66.7–
推理得分BenchLeader58.7–
人类偏好得分BenchLeader–69.6
数学得分BenchLeader–70.1
混合价格(美元/百万 token)BenchLeader$1.50$8.00
输出速度BenchLeader116 tok/s70 tok/s
首次回答时间BenchLeader14.8 秒3.3 秒
上下文窗口BenchLeader1,048,576 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub95.4%†–
Humanity's Last ExamScale AI / CAIS44.5%†–
SimpleBenchSimpleBench82.4%†–
Arena Hard PromptsArena (LMArena)1518†1531†
LiveBench 2.0 ReasoningLiveBench89.3%†90.6%†
LiveBench 1.0 ReasoningLiveBench89.3%†90.6%†
GPQA Diamond (AA)Artificial Analysis93.5%–
Humanity's Last Exam (AA)Artificial Analysis42.1%50.1%†
HLE-Diamond (AA)Artificial Analysis29.1%39.0%†
GPQA Diamond (Vals)Vals AI94.4%†–
ARC-AGI-1ARC Prize97.5%–
ARC-AGI-2ARC Prize82.9%–
ARC-AGI-3ARC Prize24.2%–
CritPtArtificial Analysis12.3%28.3%†
CritPt v2 hard subset (AA)Artificial Analysis45.0%50.5%†
MysteryMechanismVals AI36.5%†27.5%†
HLE-Diamond (Scale)Scale AI SEAL34.3%†37.3%
Arena ExpertArena (LMArena)1527†1525†
Chess PuzzlesEpoch AI Benchmarking Hub58.0%†–
Mystery Game PuzzlesEpoch AI Benchmarking Hub47.0%†51.0%†
LMCAEpoch AI Benchmarking Hub52.9%56.8%
DTBenchEpoch AI Benchmarking Hub94.9%95.2%
编程
SciCodeSciCode55.1%60.3%†
WeirdMLWeirdML84.8%†–
FrontierCodeCognition41.2%–
显示全部 179 项基准测试
指标发布方Gemini 3.8 Flash (medium)Muse Wonder
编程
Arena CodingArena (LMArena)1531†1542†
Arena WebDevArena (LMArena)1584†1647†
LiveBench 2.0 CodingLiveBench73.3%†74.9%†
LiveBench 1.0 CodingLiveBench72.5%†80.7%†
LiveCodeBenchVals AI89.5%†–
IOIVals AI56.9%†66.9%†
SWE-bench (Vals)Vals AI80.0%†–
Code MigrationVals AI36.5%†62.5%†
Code Migration v1.1Vals AI38.6%†72.4%†
ProgramBenchVals AI1.0%†–
SWE-bench MultimodalVals AI40.8%†45.6%†
Vibe Code Bench 1-100Vals AI18.8%†26.6%†
Vibe Code Bench v1.1Vals AI78.7%†83.1%†
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%†64.8%
SWE Atlas v1.1: Codebase QnAScale AI SEAL45.2%†73.4%
SWE Atlas v1.1: Test WritingScale AI SEAL71.1%†61.1%
SWE Atlas v1.1: RefactoringScale AI SEAL55.7%†60.0%
SWE-Bench Pro V2Scale AI SEAL94.9%†96.7%†
SWE-Bench Pro V2 HARDScale AI SEAL58.8%†90.2%†
MirrorCodeEpoch AI Benchmarking Hub38.9%†45.6%†
Surface Evolver BenchEpoch AI Benchmarking Hub76.9%†–
DeepSWE v1.1Epoch AI Benchmarking Hub71.0%–
CursorBenchCursor37.3%50.4%†
ALE-BenchEpoch AI Benchmarking Hub1269.7†–
FrontierSWEEpoch AI Benchmarking Hub19.6%†–
WeirdML v3WeirdML7.4%†15.2%†
Terminal-Bench 4.0 (AA)Artificial Analysis19.7%52.0%†
Terminal-Bench 2.1 (AA)Artificial Analysis83.9%–
Startrise FrontendStartrise64.6%†–
GameBench 2 OverallDuelLab GameBench 259.0†64.8
GameBench 2 by reasoning settingDuelLab GameBench 259.754.9†
Design Arena WebsiteDesign Arena1291†1378†
FrontierCode 1.1 (AA)Artificial Analysis37.1%46.5%†
FrontierCode 2.0 (AA)Artificial Analysis16.5%27.9%†
智能体与工具
Terminal-BenchTerminal-Bench18.2%†47.0%†
Remote Labor IndexScale AI / CAIS5.8%†–
APEX-AgentsMercor64.3%†66.1%†
Arena AgentArena (LMArena)2.3†1.8†
LiveBench Long AgenticLiveBench16.5%†46.2%†
LiveBench BrowserLiveBench45.1%†60.0%†
LiveBench Agentic CodingLiveBench54.2%†62.7%†
Terminal-Bench 2.1 (Vals)Vals AI81.3%†–
HiL-BenchScale AI SEAL41.5%†79.7%
GDPval-AA v2.1, normalised scoreArtificial Analysis46.1%63.5%†
GDPval-AA v2.1Artificial Analysis14321770†
τ³-Banking (AA)Artificial Analysis45.8%–
ITBench SRE (AA)Artificial Analysis52.5%†–
Analyst Agent (AA)Artificial Analysis46.3%†–
CUA-benchVals AI4.2%†7.2%†
CyberBenchVals AI43.8%†80.4%†
Finance Agent v2Vals AI61.4%†56.6%†
Finance Agent v2.1Vals AI65.8%†65.5%†
Harvey's Legal Agent Benchmark v1.1Vals AI12.1%†23.8%†
Harvey's Legal Agent Benchmark v1Vals AI10.0%†17.1%†
Legal Research BenchVals AI38.9%†50.5%†
SkillsBenchVals AI58.0%†–
SREBenchVals AI11.1%†–
Tax Agent BenchVals AI32.1%†36.3%†
Terminal-Bench 4.0 (Vals)Vals AI19.7%†49.5%†
Terminal-Bench ScienceVals AI8.6%†22.9%†
Time Horizon Index: KSPVals AI18.8%†–
Arena Agent Task CompletionArena (LMArena)1.3†5.4†
PostTrainBenchEpoch AI Benchmarking Hub–24.2%†
Vending-Bench 2Andon Labs5093.8†9432.2
AutomationBenchArtificial Analysis60.9%68.1%†
GDP.pdf (AA)Artificial Analysis22.8%30.6%†
Harvey LAB-AA v1.1Harvey0.0%†10.0%†
AA-Briefcase v1.1Artificial Analysis11831659†
GDPxGDPx by SemiAnalysis–6.8%†
Design Arena AgenticDesign Arena1225†1177†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis10.5%25.7%†
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%†47.5%†
FACTS SearchGoogle80.4%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub68.4%†82.1%†
FrontierMath Tier 4Epoch AI Benchmarking Hub21.9%†70.7%†
OTIS Mock AIMEEpoch AI Benchmarking Hub98.9%†99.4%†
ProofBenchVals AI48.0%†84.0%
LiveBench MathematicsLiveBench91.6%†96.5%†
Arena MathsArena (LMArena)1519†1490†
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%†–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub69.7%†–
LiveBench 2.0 Data AnalysisLiveBench54.0%†81.6%†
LiveBench ResearchLiveBench79.4%†93.0%†
LiveBench 1.0 Data AnalysisLiveBench54.0%†81.6%†
AA-Omniscience v1.1Artificial Analysis23.725.1†
MMLU-ProVals AI90.2%†–
LegalBenchVals AI87.0%†–
TaxEvalVals AI74.5%†–
PRBench FinanceScale AI SEAL49.5%†58.7%
PRBench LegalScale AI SEAL48.9%†58.4%
BioMysteryBenchVals AI62.2%†67.0%†
Excel Modeling BenchmarkVals AI72.2%†67.1%†
Excel Modeling Benchmark v1.1Vals AI72.9%†72.5%†
MedCodeVals AI48.1%†–
MedScribeVals AI84.5%†–
Public Benefits Bench v1.1Vals AI65.3%†70.2%†
Access to Justice BenchmarkVals AI67.1%†73.0%†
Financial Coaching BenchVals AI66.3%†73.8%†
Immigration BenchVals AI63.4%†69.6%†
EBR-benchEpoch AI Benchmarking Hub–31.4%†
GDP.pdfEpoch AI Benchmarking Hub23.4%30.8%†
AA-Omniscience v1.1: accuracyArtificial Analysis49.6%38.0%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis48.5%79.1%†
HealthBench Professional (AA)OpenAI51.7%†–
FACTS ParametricGoogle78.7%†–
指令遵循
LiveBench LanguageLiveBench87.8%†82.9%†
LiveBench Instruction FollowingLiveBench81.4%†73.0%†
Arena Instruction FollowingArena (LMArena)1492†1498†
人类偏好
Arena TextArena (LMArena)1497†1511†
EQ-Bench 4EQ-Bench–1325
EQ-Bench Creative Writing v3EQ-Bench1744†2007
Arena Creative WritingArena (LMArena)1488†1491†
Arena Multi-turnArena (LMArena)1505†1525†
Arena Longer QueriesArena (LMArena)1511†1507†
多模态
Arena VisionArena (LMArena)1317†–
LiveBench DesignLiveBench69.7%†70.9%†
MMMU-ProArtificial Analysis84.2%83.8%†
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%†43.7%†
GeoBenchGeoBench86.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub38.6%†31.7%
Furniture AssemblyEpoch AI Benchmarking Hub31.7%†54.2%†
VIALS-AAHandshake AI41.0%†55.3%†
Code2Video-AAArtificial Analysis899†997†
AA-3DArtificial Analysis974†–
FACTS MultimodalGoogle57.6%†–
长上下文
AA-LCR v1.1Artificial Analysis84.0%80.7%†
Arena DocumentArena (LMArena)1469†–
MLCRArtificial Analysis12.8%22.2%†
FACTS GroundingGoogle68.2%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub158.8†161.7
LiveBench 2.0LiveBench57.3%†70.7%†
LiveBench 1.0LiveBench75.8%†81.2%†
AA Intelligence Index v5.0.1Artificial Analysis30.143.6†
AA Intelligence Index v4.3.2Artificial Analysis39.852.4†
AA Progress Index v1Artificial Analysis319.1335.8†
Vals IndexVals AI56.0†64.9†
Vals Finance IndexVals AI60.5%†61.2%†
Vals RSI IndexVals AI19.9%†–
Vals Science IndexVals AI35.8%†39.1%†
Vals Router IndexVals AI56.0%†64.9%
Vals Legal IndexVals AI69.8%†75.3%†
AA Cyber IndexArtificial Analysis25.1†–
安全与诚实
DistressBenchScale AI SEAL70.7%†85.9%

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)。
  • Muse Wonder:BenchLeader Index 63.0 → 64.4。
  • Gemini 3.8 Flash (medium):1 项分数修订。
  • Muse Wonder:BenchLeader Index 63.5 → 63.0。
  • Muse Wonder:1 项新结果(Blueprint-Bench 2)。
  • Muse Wonder:BenchLeader Index 64.3 → 63.5。
  • Muse Wonder:5 项分数修订。
  • Gemini 3.8 Flash (medium):2 项分数修订。
  • Muse Wonder:1 项分数修订。
  • Gemini 3.8 Flash (medium):1 项分数修订。

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 Wonder:常见问题

Gemini 3.8 Flash 比 Muse Wonder 更好吗?
Gemini 3.8 Flash (medium) 与 Muse Wonder 的质量不相上下(60.2 比 64.4,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 Muse Wonder 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 $8.00(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。
Gemini 3.8 Flash 和 Muse Wonder 哪个更快?
Gemini 3.8 Flash 输出更快(约 1.5 倍;输出 116 比 70 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Gemini 3.8 Flash 还是 Muse Wonder 更好?
两者在智能体任务方面持平(类别得分 75 比 76)。
处理长文档哪个更好?
两者都支持 1,048,576 token 的上下文。
更多问题(3)
哪个延迟更低?
Muse Wonder 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 3.3 秒比 14.8 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 Muse Wonder 的看法一致吗?
在两者都有结果的 2 项基准测试中,Gemini 3.8 Flash 领先 0 项,Muse Wonder 领先 2 项。所有同时评测两者的综合评分都认为 Muse Wonder 更强。
Muse Wonder 是什么时候发布的?
Muse Wonder 于 2026年10月12日 发布。