BenchLeader

Gemini 3 Pro vs Qwen3.7 Max

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

更新于 · 数据来自 12 个来源

截至 2026年11月19日,Gemini 3 Pro 与 Qwen3.7 Max 的质量不相上下(BenchLeader Index 60.0 比 59.8,在 ±5.0 的误差范围内)。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)。看重智能体与工具(59 比 49)、数学(63 比 58)和编程(61 比 59)选 Gemini 3 Pro;看重指令遵循(78 比 69)和长上下文(64 比 63)选 Qwen3.7 Max。

要点(截至 2026年11月19日)

  • Gemini 3 Pro 的 BenchLeader Index 为 60.0,Qwen3.7 Max 为 59.8(BenchLeader,2026年11月19日)。
  • Gemini 3 Pro 每百万 token 混合价格为 $4.50(标价,2026年11月19日)。
  • Qwen3.7 Max 每百万 token 混合价格为 $3.75(标价,2026年11月19日)。
  • 在两者都有结果的 17 项基准测试中,Qwen3.7 Max 领先 13 项(BenchLeader,2026年11月19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Gemini 3 Pro类别得分 61 比 59;SWE-bench (Vals) 76.4% 比 68.8%中
智能体与工具调用Gemini 3 Pro类别得分 59 比 49;Terminal-Bench Hard 41.7% 比 50.8%高
数学Gemini 3 Pro类别得分 63 比 58中
知识均可类别得分 60 比 61;LegalBench 87.0% 比 84.9%均可
长文档Qwen3.7 Max类别得分 64 比 63;AA-LCR v1.1 79.0% 比 76.0%中
指令遵循Qwen3.7 Max类别得分 78 比 69;IFBench 80.5% 比 70.4%高
对话质量(人类偏好)–只有 Qwen3.7 Max 有 Arena 评分(类别得分 56)无法比较
成本最低Qwen3.7 Max每百万 token 混合价格 $3.75 比 $4.50;智能体编程会话 $0.180 比 $0.168–
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 (high) 与 Qwen3.7 Max 的质量不相上下(60.0 比 59.8,在 ±5.0 的误差范围内)。
  • Gemini 3 Pro (high) 在智能体与工具、编程、数学方面更强。
  • Qwen3.7 Max 在指令遵循、知识、长上下文方面更强。
  • 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 Max
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)1,000,0001,000,000
对比时的配置Gemini 3 Pro (high)Qwen3.7 Max
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$2.00 / $12.00 / –$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 Pro (high)Qwen3.7 Max领先者
推理–64.2无法比较
编程61.058.6Gemini 3 Pro
智能体与工具59.448.6Gemini 3 Pro
数学63.157.5Gemini 3 Pro
知识60.060.9持平
指令遵循69.378.1Qwen3.7 Max
人类偏好–55.6无法比较
多模态62.2–无法比较
长上下文62.664.1Qwen3.7 Max

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编程智能体与工具数学知识指令遵循长上下文Gemini 3 Pro, 编程: 61.0Gemini 3 Pro, 智能体与工具: 59.4Gemini 3 Pro, 数学: 63.1Gemini 3 Pro, 知识: 60.0Gemini 3 Pro, 指令遵循: 69.3Gemini 3 Pro, 长上下文: 62.6Qwen3.7 Max, 编程: 58.6Qwen3.7 Max, 智能体与工具: 48.6Qwen3.7 Max, 数学: 57.5Qwen3.7 Max, 知识: 60.9Qwen3.7 Max, 指令遵循: 78.1Qwen3.7 Max, 长上下文: 64.1

未绘制(测得的模型少于两个):推理, 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 17 项基准测试中,Gemini 3 Pro 领先 4 项,Qwen3.7 Max 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 Pro (high)Qwen3.7 Max领先者
BenchLeader Index60.059.8不相上下
Arena Text1486†1474Gemini 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 Pro (high)Qwen3.7 Max
每百万 token 混合价格$4.50$3.75
每百万 token 输入 / 输出$2.00 / $12.00$2.50 / $7.50
每百万 token 缓存输入–$0.500
每项任务价格:聊天回复$0.0044$0.0033
每项任务价格:总结一份 30 页的报告$0.031$0.035
每项任务价格:代码编辑$0.030$0.026
每项任务价格:智能体编程会话$0.168$0.180
每项任务价格:结构化信息提取$0.0064$0.0065
智能体编程会话(输入大多命中缓存)–$0.090
输出速度–145 tok/s
首次回答时间–14.1 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 (high) 得分 60.0;Gemini 3 Pro 为 59.8。Qwen3.7 Max 得分 59.8,首个回答 token 需 14 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 145 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 Pro (high)Qwen3.7 Max
BenchLeader IndexBenchLeader60.059.8
智能体与工具得分BenchLeader59.448.6
编程得分BenchLeader61.058.6
指令遵循得分BenchLeader69.378.1
知识得分BenchLeader60.060.9
长上下文得分BenchLeader62.664.1
数学得分BenchLeader63.157.5
多模态得分BenchLeader62.2–
人类偏好得分BenchLeader–55.6
推理得分BenchLeader–64.2
混合价格(美元/百万 token)BenchLeader$4.50$3.75
输出速度BenchLeader–145 tok/s
首次回答时间BenchLeader–14.1 秒
上下文窗口BenchLeader1,000,000 token1,000,000 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)1502†1494
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)1498†1508
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%
ForecastBenchForecastBench64.8%†–
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 145 项基准测试
指标发布方Gemini 3 Pro (high)Qwen3.7 Max
编程
Arena CodingArena (LMArena)1517†1524
Arena WebDevArena (LMArena)1441†1516
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-bench69.6%–
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 Hub1176.8†1189.4
AlgoTuneAlgoTune1.8†–
Terminal-Bench 4.0 (AA)Artificial Analysis–1.5%
Terminal-Bench 2.1 (AA)Artificial Analysis–74.5%
Startrise FrontendStartrise–63.6%
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)–-8.3
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 AI1079†–
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)–-10.6
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 Arena1072†1171
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)1475†1481
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)1473†1466
人类偏好
Arena TextArena (LMArena)1486†1474
EQ-Bench 4EQ-Bench–1100
EQ-Bench Creative Writing v3EQ-Bench1524†–
Arena Creative WritingArena (LMArena)1484†1440
Arena Multi-turnArena (LMArena)1496†1481
Arena Longer QueriesArena (LMArena)1491†1491
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 Hub153.0†154.6
LiveBench 1.0LiveBench–73.1%
AA Intelligence Index v4.3.2Artificial Analysis28.029.5
AA Progress Index v1Artificial Analysis290.7293.8
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19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

  • Qwen3.7 Max:BenchLeader Index 60.3 → 59.8。
  • Qwen3.7 Max:1 项分数修订。
  • Gemini 3 Pro (high):1 项新结果(AIME 2025 (AA))。
  • Gemini 3 Pro (high):BenchLeader Index 60.5 → 60.0。
  • Qwen3.7 Max:BenchLeader Index 60.8 → 60.3。
  • Gemini 3 Pro (high):1 项新结果(AA Progress Index v1)。
  • Gemini 3 Pro (high):BenchLeader Index 61.0 → 60.5。

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 Max:常见问题

Gemini 3 Pro 比 Qwen3.7 Max 更好吗?
Gemini 3 Pro (high) 与 Qwen3.7 Max 的质量不相上下(60.0 比 59.8,在 ±5.0 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19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 Max 哪个更便宜?价格会变吗?
目前 Qwen3.7 Max 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 Max 更好?
Gemini 3 Pro 在编程方面得分更高(类别得分 61 比 59,50 为平均水平)。
智能体和工具调用用 Gemini 3 Pro 还是 Qwen3.7 Max 更好?
Gemini 3 Pro 在智能体任务方面得分更高(类别得分 59 比 49,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 Terminal-Bench Hard 上,Gemini 3 Pro 为 41.7%,Qwen3.7 Max 为 50.8%。
处理长文档哪个更好?
Qwen3.7 Max 在长上下文基准测试上得分更高(64 比 63)。两者都支持 1,000,000 token 的上下文。
更多问题(2)
第三方基准测试对 Gemini 3 Pro 和 Qwen3.7 Max 的看法一致吗?
在两者都有结果的 17 项基准测试中,Gemini 3 Pro 领先 4 项,Qwen3.7 Max 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。
Qwen3.7 Max 是什么时候发布的?
Qwen3.7 Max 于 2026年5月19日 发布。