BenchLeader

Gemini 3 Pro vs Qwen3.7

完整资料:Gemini 3 Pro(Google)和 Qwen3.7(Alibaba),包括全部基准测试、价格和排名。

更新于 · 数据来自 17 个来源

截至 2026年11月16日,Gemini 3 Pro 与 Qwen3.7 的质量不相上下(BenchLeader Index 60.0 比 60.0,在 ±5.4 的误差范围内)。Qwen3.7 更便宜,对方的价格是它的 1.2 倍(每百万 token 混合价格 $3.75 比 $4.50)。看重智能体与工具(62 比 49)和人类偏好(68 比 56)选 Gemini 3 Pro;看重指令遵循(78 比 61)、知识(61 比 56)和数学(58 比 54)选 Qwen3.7。

要点(截至 2026年11月16日)

  • Gemini 3 Pro 的 BenchLeader Index 为 60.0,Qwen3.7 为 60.0(BenchLeader,2026年11月16日)。
  • Gemini 3 Pro 每百万 token 混合价格为 $4.50(标价,2026年11月16日)。
  • Qwen3.7 每百万 token 混合价格为 $3.75(标价,2026年11月16日)。
  • 在两者都有结果的 20 项基准测试中,Qwen3.7 领先 13 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Gemini 3 Pro 的评分为 1441,Qwen3.7 为 1515(LMArena,截至 2026年11月16日 的公布数据)。

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Qwen3.7类别得分 59 比 58;Arena WebDev 1515 比 1441中
智能体与工具调用Gemini 3 Pro类别得分 62 比 49;Design Arena Agentic 1080 比 1179高
数学Qwen3.7类别得分 58 比 54;Arena Maths 1483 比 1475中
推理Qwen3.7类别得分 64 比 63;GPQA Diamond 90.9% 比 92.6%中
知识Qwen3.7类别得分 61 比 56;MMLU-Pro 89.3% 比 90.1%中
指令遵循Qwen3.7类别得分 78 比 61;Arena Instruction Following 1466 比 1473高
对话质量(人类偏好)Gemini 3 ProArena 投票 68 比 56高
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 Pro 与 Qwen3.7 (max) 的质量不相上下(60.0 比 60.0,在 ±5.4 的误差范围内)。
  • Gemini 3 Pro 在智能体与工具、人类偏好方面更强。
  • Qwen3.7 (max) 在编程、指令遵循、知识、数学、推理方面更强。
  • Qwen3.7 (max) 更便宜,对方的价格是它的 1.2 倍(每百万 token 混合价格 $3.75 比 $4.50)。

概览

规格Gemini 3 ProQwen3.7
提供商GoogleAlibaba
发布日期2025年11月18日2026年5月19日
上下文窗口(token)–1,000,000
对比时的配置Gemini 3 ProQwen3.7 (max)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)–$2.50 / $7.50 / $0.500

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 ProQwen3.7 (max)领先者
推理62.664.2Qwen3.7
编程57.858.8Qwen3.7
智能体与工具61.749.1Gemini 3 Pro
数学54.057.8Qwen3.7
知识55.961.1Qwen3.7
指令遵循61.178.1Qwen3.7
人类偏好67.755.6Gemini 3 Pro
多模态65.6–无法比较
长上下文–64.1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指令遵循人类偏好Gemini 3 Pro, 推理: 62.6Gemini 3 Pro, 编程: 57.8Gemini 3 Pro, 智能体与工具: 61.7Gemini 3 Pro, 数学: 54.0Gemini 3 Pro, 知识: 55.9Gemini 3 Pro, 指令遵循: 61.1Gemini 3 Pro, 人类偏好: 67.7Qwen3.7, 推理: 64.2Qwen3.7, 编程: 58.8Qwen3.7, 智能体与工具: 49.1Qwen3.7, 数学: 57.8Qwen3.7, 知识: 61.1Qwen3.7, 指令遵循: 78.1Qwen3.7, 人类偏好: 55.6

未绘制(测得的模型少于两个):长上下文, 多模态。

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 Pro 领先 7 项,Qwen3.7 领先 13 项。所有同时评测两者的综合评分都认为 Gemini 3 Pro 更强。

综合 IndexGemini 3 ProQwen3.7 (max)领先者
BenchLeader Index60.060.0不相上下
Arena Text14861474Gemini 3 Pro

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 ProQwen3.7 (max)
每百万 token 混合价格–$3.75
每百万 token 输入 / 输出– / –$2.50 / $7.50
每百万 token 缓存输入–$0.500
每项任务价格:聊天回复–$0.0033
每项任务价格:总结一份 30 页的报告–$0.035
每项任务价格:代码编辑–$0.026
每项任务价格:智能体编程会话–$0.180
每项任务价格:结构化信息提取–$0.0065
智能体编程会话(输入大多命中缓存)–$0.090
输出速度–171 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)–31.2 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 Pro 得分 60.0;Gemini 3 Pro (high) 为 60.0。Qwen3.7 (max) 得分 60.0,首个回答 token 需 15 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 146 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 ProQwen3.7 (max)
BenchLeader IndexBenchLeader60.060.0
智能体与工具得分BenchLeader61.749.1
编程得分BenchLeader57.858.8
人类偏好得分BenchLeader67.755.6
指令遵循得分BenchLeader61.178.1
知识得分BenchLeader55.961.1
数学得分BenchLeader54.057.8
多模态得分BenchLeader65.6–
推理得分BenchLeader62.664.2
长上下文得分BenchLeader–64.1
混合价格(美元/百万 token)BenchLeader–$3.75
输出速度BenchLeader–171 tok/s
首次回答时间BenchLeader–14.8 秒
上下文窗口BenchLeader–1,000,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub92.6%90.9%
Humanity's Last ExamScale AI / CAIS37.5%–
SimpleBenchSimpleBench76.4%70.4%
Arena Hard PromptsArena (LMArena)15021495
LiveBench 1.0 ReasoningLiveBench–83.3%
GPQA Diamond (AA)Artificial Analysis90.8%†92.3%
Humanity's Last Exam (AA)Artificial Analysis39.7%†40.5%
GPQA Diamond (Vals)Vals AI91.7%†90.2%
Kagi LLM BenchmarkKagi LLM Benchmark80.1%–
GPQA Diamond (HELM)HELM Capabilities80.3%–
ARC-AGI-1ARC Prize75.0%–
ARC-AGI-2ARC Prize31.1%–
CritPtArtificial Analysis9.1%†13.4%
SciPredictScale AI SEAL25.3%–
Arena ExpertArena (LMArena)14991509
Chess PuzzlesEpoch AI Benchmarking Hub–27.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub–32.0%
CL-benchEpoch AI Benchmarking Hub15.8%–
LMCAEpoch AI Benchmarking Hub–44.0%
DTBenchEpoch AI Benchmarking Hub–92.3%
ForecastBenchForecastBench65.0%–
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub72.9%77.3%
SciCodeSciCode–49.5%
WeirdMLWeirdML69.9%–
GSO-BenchGSO-Bench18.6%–
显示全部 146 项基准测试
指标发布方Gemini 3 ProQwen3.7 (max)
编程
Arena CodingArena (LMArena)15171525
Arena WebDevArena (LMArena)14411515
LiveBench 1.0 CodingLiveBench–74.2%
LiveCodeBenchVals AI86.4%87.1%
SWE-bench (Vals)Vals AI76.4%†68.8%
SWE-Bench ProScale AI SEAL43.3%–
SWE-bench Verified (bash only)SWE-bench74.2%–
SWE-bench Multilingual (bash only)SWE-bench68.7%–
SWE-bench Verified (any scaffold)SWE-bench77.4%–
Code MigrationVals AI–13.1%
Vibe Code Bench v1.1Vals AI14.3%†47.7%
SWE-Bench Pro (private)Scale AI SEAL17.9%–
ALE-BenchEpoch AI Benchmarking Hub1176.81189.4
AlgoTuneAlgoTune1.8–
Terminal-Bench 4.0 (AA)Artificial Analysis–1.5%
Terminal-Bench 2.1 (AA)Artificial Analysis–74.5%
Startrise FrontendStartrise–63.6%
Design Arena WebsiteDesign Arena12441267
LiveCodeBench (AA)Artificial Analysis91.8%†–
智能体与工具
Terminal-BenchTerminal-Bench69.4%–
GDPvalOpenAI40.3%–
Remote Labor IndexScale AI / CAIS1.3%–
Arena AgentArena (LMArena)–-7.2
LiveBench Agentic CodingLiveBench–43.6%
Terminal-Bench HardArtificial Analysis41.7%†50.8%
τ²-Bench Telecom (AA)Artificial Analysis87.1%†94.7%
Terminal-Bench 2.1 (Vals)Vals AI–61.0%
MCP AtlasScale AI SEAL70.3%–
BFCL OverallBerkeley Function Calling Leaderboard72.5%–
τ²-benchτ²-bench82.5%†–
τ³-bench Bankingτ²-bench18.0%†–
GDPval-AA v2.1Artificial Analysis–1134
τ³-Banking (AA)Artificial Analysis–11.8%
ITBench SRE (AA)Artificial Analysis–42.5%
Analyst Agent (AA)Artificial Analysis–18.8%
Finance Agent v2Vals AI–47.8%
Harvey's Legal Agent Benchmark v1Vals AI–1.7%
Legal Research BenchVals AI–25.5%
Poker AgentVals AI1078.9%–
Tax Agent BenchVals AI–15.8%
Terminal-Bench 2.0 (Vals)Vals AI55.1%†59.2%
Arena SearchArena (LMArena)1201–
Arena Agent Task CompletionArena (LMArena)–-10.5
BALROGBALROG58.1%–
DeepResearch BenchDeepResearch Bench46.3%†–
METR Time HorizonsMETR71.0%–
GBAEvalEpoch AI Benchmarking Hub–0.4%
Vending-Bench 2Andon Labs5478.2–
AutomationBenchArtificial Analysis–23.0%
GDP.pdf (AA)Artificial Analysis–8.6%
EnterpriseOps-GymArtificial Analysis–45.0%
AA-Briefcase v1.1Artificial Analysis–917
Design Arena AgenticDesign Arena10801179
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub–64.6%
FrontierMath Tier 4Epoch AI Benchmarking Hub–34.1%
OTIS Mock AIMEEpoch AI Benchmarking Hub91.4%95.6%
ProofBenchVals AI20.0%26.0%
LiveBench MathematicsLiveBench–85.3%
AIME (Vals)Vals AI96.7%†–
MGSMVals AI93.9%†–
AIME 2026MathArena91.7%–
HMMT February 2026MathArena86.4%–
MathArena ApexMathArena23.4%–
Omni-MATH (HELM)HELM Capabilities55.6%–
MATH 500Vals AI96.4%†–
Arena MathsArena (LMArena)14751483
AIME 2025 (AA)Artificial Analysis95.7%†–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub–55.8%
LiveBench 1.0 Data AnalysisLiveBench–71.8%
MMLU-ProVals AI90.1%89.3%
LegalBenchVals AI87.0%†84.9%
CorpFinVals AI63.7%†63.7%
TaxEvalVals AI72.6%†75.3%
MedQAVals AI96.0%†–
PRBench FinanceScale AI SEAL39.2%–
PRBench LegalScale AI SEAL40.6%–
MultiNRCScale AI SEAL59.0%–
MMLU-Pro (HELM)HELM Capabilities90.3%–
CaseLaw v2Vals AI53.1%†–
Excel Modeling BenchmarkVals AI–57.0%
MedCodeVals AI52.2%†38.8%
MedScribeVals AI72.0%†79.4%
DrugDiscoveryBenchScale AI SEAL–29.3%†
EBR-benchEpoch AI Benchmarking Hub–9.5%
Global-MMLU-Lite (AA)Artificial Analysis92.2%†–
指令遵循
LiveBench LanguageLiveBench–79.7%
LiveBench Instruction FollowingLiveBench–74.0%
IFBenchArtificial Analysis70.4%†80.5%
MultiChallengeScale AI SEAL65.7%–
TutorBenchScale AI SEAL53.7%–
IFEval (HELM)HELM Capabilities87.6%–
WildBench (HELM)HELM Capabilities85.9%–
Arena Instruction FollowingArena (LMArena)14731466
人类偏好
Arena TextArena (LMArena)14861474
EQ-Bench 4EQ-Bench–1100
EQ-Bench Creative Writing v3EQ-Bench1524–
Arena Creative WritingArena (LMArena)14841438
Arena Multi-turnArena (LMArena)14951479
Arena Longer QueriesArena (LMArena)14911491
多模态
Arena VisionArena (LMArena)1305–
MMMU-ProArtificial Analysis80.2%†–
VISTAScale AI SEAL51.5%–
MMMU-Pro (Vals)Vals AI87.5%†–
MortgageTaxVals AI69.1%†–
AudioMCScale AI SEAL54.6%†–
AudioMC (text output)Scale AI SEAL54.6%†–
VTBScale AI SEAL26.9%–
GeoBenchGeoBench84.0%–
VPCTEpoch AI Benchmarking Hub91.0%–
长上下文
AA-LCR v1.1Artificial Analysis76.0%†79.0%
Arena DocumentArena (LMArena)1451–
MLCRArtificial Analysis–14.4%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub153.0154.5
LiveBench 1.0LiveBench–73.1%
AA Intelligence Index v4.3.2Artificial Analysis28.0†29.5
AA Progress Index v1Artificial Analysis290.7†293.8
HELM Capabilities meanHELM Capabilities79.9%–
安全与诚实
FORTRESSScale AI SEAL41.7%–
MASKScale AI SEAL42.6%–
PropensityBenchScale AI SEAL52.9%–
元数据
AA Openness IndexArtificial Analysis5.6†–

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。

变化

  • Gemini 3 Pro:1 项分数修订。
  • Qwen3.7 (max):1 项分数修订。
  • Qwen3.7 (max):1 项新结果(GDPval-AA v2.1)。
  • Qwen3.7 (max):1 项分数修订。
  • Gemini 3 Pro:1 项新结果(Arena Search)。
  • Qwen3.7 (max):1 项分数修订。
  • Qwen3.7 (max):价格 $0.33/M → $0.50/M。
  • Qwen3.7 (max):价格 $0.50/M → $0.33/M。
  • Qwen3.7 (max):价格 $0.33/M → $0.50/M。
  • Qwen3.7 (max):价格 $0.50/M → $0.33/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 Pro vs Qwen3.7:常见问题

Gemini 3 Pro 比 Qwen3.7 更好吗?
Gemini 3 Pro 与 Qwen3.7 (max) 的质量不相上下(60.0 比 60.0,在 ±5.4 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 Pro 和 Qwen3.7 哪个更便宜?价格会变吗?
目前 Qwen3.7 更便宜:每百万 token $3.75 比 $4.50(按每 1 个输出 token 对应 3 个输入 token 混合计算)。两者均未公布价格调整。
编程用 Gemini 3 Pro 还是 Qwen3.7 更好?
Qwen3.7 在编程方面得分更高(类别得分 59 比 58,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,Gemini 3 Pro 为 1441,Qwen3.7 为 1515。
智能体和工具调用用 Gemini 3 Pro 还是 Qwen3.7 更好?
Gemini 3 Pro 在智能体任务方面得分更高(类别得分 62 比 49,50 为平均水平)。
第三方基准测试对 Gemini 3 Pro 和 Qwen3.7 的看法一致吗?
在两者都有结果的 20 项基准测试中,Gemini 3 Pro 领先 7 项,Qwen3.7 领先 13 项。所有同时评测两者的综合评分都认为 Gemini 3 Pro 更强。
更多问题(1)
Qwen3.7 是什么时候发布的?
Qwen3.7 于 2026年5月19日 发布。