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 Pro | Qwen3.7 Max |
|---|---|---|
| 提供商 | Alibaba | |
| 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 | 1,000,000 |
| 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 | 61.0 | 58.6 | Gemini 3 Pro |
| 智能体与工具 | 59.4 | 48.6 | Gemini 3 Pro |
| 数学 | 63.1 | 57.5 | Gemini 3 Pro |
| 知识 | 60.0 | 60.9 | 持平 |
| 指令遵循 | 69.3 | 78.1 | Qwen3.7 Max |
| 人类偏好 | – | 55.6 | 无法比较 |
| 多模态 | 62.2 | – | 无法比较 |
| 长上下文 | 62.6 | 64.1 | Qwen3.7 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。
未绘制(测得的模型少于两个):推理, 多模态, 人类偏好。
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 Index | Gemini 3 Pro (high) | Qwen3.7 Max | 领先者 |
|---|---|---|---|
| BenchLeader Index | 60.0 | 59.8 | 不相上下 |
| Arena Text | 1486† | 1474 | Gemini 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 Index | BenchLeader | 60.0 | 59.8 |
| 智能体与工具得分 | BenchLeader | 59.4 | 48.6 |
| 编程得分 | BenchLeader | 61.0 | 58.6 |
| 指令遵循得分 | BenchLeader | 69.3 | 78.1 |
| 知识得分 | BenchLeader | 60.0 | 60.9 |
| 长上下文得分 | BenchLeader | 62.6 | 64.1 |
| 数学得分 | BenchLeader | 63.1 | 57.5 |
| 多模态得分 | BenchLeader | 62.2 | – |
| 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 | BenchLeader | 1,000,000 token | 1,000,000 token |
| 推理 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 92.6%† | 90.9% |
| Humanity's Last Exam | Scale AI / CAIS | 37.5%† | – |
| SimpleBench | SimpleBench | 76.4%† | 70.4% |
| Arena Hard Prompts | Arena (LMArena) | 1502† | 1494 |
| LiveBench 1.0 Reasoning | LiveBench | – | 83.3% |
| GPQA Diamond (AA) | Artificial Analysis | 90.8% | 92.3% |
| Humanity's Last Exam (AA) | Artificial Analysis | 39.7% | 40.5% |
| GPQA Diamond (Vals) | Vals AI | 91.7% | 90.2% |
| Kagi LLM Benchmark | Kagi LLM Benchmark | 80.1%† | – |
| GPQA Diamond (HELM) | HELM Capabilities | 80.3%† | – |
| ARC-AGI-1 | ARC Prize | 75.0%† | – |
| ARC-AGI-2 | ARC Prize | 31.1%† | – |
| CritPt | Artificial Analysis | 9.1% | 13.4% |
| SciPredict | Scale AI SEAL | 25.3%† | – |
| Arena Expert | Arena (LMArena) | 1498† | 1508 |
| Chess Puzzles | Epoch AI Benchmarking Hub | – | 27.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | – | 32.0% |
| CL-bench | Epoch AI Benchmarking Hub | 15.8%† | – |
| LMCA | Epoch AI Benchmarking Hub | – | 44.0% |
| DTBench | Epoch AI Benchmarking Hub | – | 92.3% |
| ForecastBench | ForecastBench | 64.8%† | – |
| 编程 | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | 72.9%† | 77.3% |
| SciCode | SciCode | – | 49.5% |
| WeirdML | WeirdML | 69.9%† | – |
| GSO-Bench | GSO-Bench | 18.6%† | – |
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 Coding | Arena (LMArena) | 1517† | 1524 |
| Arena WebDev | Arena (LMArena) | 1441† | 1516 |
| LiveBench 1.0 Coding | LiveBench | – | 74.2% |
| LiveCodeBench | Vals AI | 86.4%† | 87.1% |
| SWE-bench (Vals) | Vals AI | 76.4% | 68.8% |
| SWE-Bench Pro | Scale AI SEAL | 43.3%† | – |
| SWE-bench Verified (bash only) | SWE-bench | 69.6% | – |
| SWE-bench Multilingual (bash only) | SWE-bench | 68.7%† | – |
| SWE-bench Verified (any scaffold) | SWE-bench | 77.4%† | – |
| Code Migration | Vals AI | – | 13.1% |
| Vibe Code Bench v1.1 | Vals AI | 14.3% | 47.7% |
| SWE-Bench Pro (private) | Scale AI SEAL | 17.9%† | – |
| ALE-Bench | Epoch AI Benchmarking Hub | 1176.8† | 1189.4 |
| AlgoTune | AlgoTune | 1.8† | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | – | 1.5% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | – | 74.5% |
| Startrise Frontend | Startrise | – | 63.6% |
| LiveCodeBench (AA) | Artificial Analysis | 91.8% | – |
| 智能体与工具 | |||
| Terminal-Bench | Terminal-Bench | 69.4%† | – |
| GDPval | OpenAI | 40.3%† | – |
| Remote Labor Index | Scale AI / CAIS | 1.3%† | – |
| Arena Agent | Arena (LMArena) | – | -8.3 |
| LiveBench Agentic Coding | LiveBench | – | 43.6% |
| Terminal-Bench Hard | Artificial Analysis | 41.7% | 50.8% |
| τ²-Bench Telecom (AA) | Artificial Analysis | 87.1% | 94.7% |
| Terminal-Bench 2.1 (Vals) | Vals AI | – | 61.0% |
| MCP Atlas | Scale AI SEAL | 70.3%† | – |
| BFCL Overall | Berkeley Function Calling Leaderboard | 72.5%† | – |
| τ²-bench | τ²-bench | 82.5% | – |
| τ³-bench Banking | τ²-bench | 18.0% | – |
| GDPval-AA v2.1 | Artificial 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 v2 | Vals AI | – | 47.8% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | – | 1.7% |
| Legal Research Bench | Vals AI | – | 25.5% |
| Poker Agent | Vals AI | 1079† | – |
| Tax Agent Bench | Vals AI | – | 15.8% |
| Terminal-Bench 2.0 (Vals) | Vals AI | 55.1% | 59.2% |
| Arena Search | Arena (LMArena) | 1201† | – |
| Arena Agent Task Completion | Arena (LMArena) | – | -10.6 |
| BALROG | BALROG | 58.1%† | – |
| DeepResearch Bench | DeepResearch Bench | 46.3%† | – |
| METR Time Horizons | METR | 71.0%† | – |
| GBAEval | Epoch AI Benchmarking Hub | – | 0.4% |
| Vending-Bench 2 | Andon Labs | 5478.2† | – |
| AutomationBench | Artificial Analysis | – | 23.0% |
| GDP.pdf (AA) | Artificial Analysis | – | 8.6% |
| EnterpriseOps-Gym | Artificial Analysis | – | 45.0% |
| AA-Briefcase v1.1 | Artificial Analysis | – | 917 |
| Design Arena Agentic | Design Arena | 1072† | 1171 |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | – | 64.6% |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | – | 34.1% |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 91.4%† | 95.6% |
| ProofBench | Vals AI | 20.0%† | 26.0% |
| LiveBench Mathematics | LiveBench | – | 85.3% |
| AIME (Vals) | Vals AI | 96.7% | – |
| MGSM | Vals AI | 93.9% | – |
| AIME 2026 | MathArena | 91.7%† | – |
| HMMT February 2026 | MathArena | 86.4%† | – |
| MathArena Apex | MathArena | 23.4%† | – |
| Omni-MATH (HELM) | HELM Capabilities | 55.6%† | – |
| MATH 500 | Vals AI | 96.4% | – |
| Arena Maths | Arena (LMArena) | 1475† | 1481 |
| AIME 2025 (AA) | Artificial Analysis | 95.7% | – |
| 知识 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | – | 55.8% |
| LiveBench 1.0 Data Analysis | LiveBench | – | 71.8% |
| MMLU-Pro | Vals AI | 90.1%† | 89.3% |
| LegalBench | Vals AI | 87.0% | 84.9% |
| CorpFin | Vals AI | 63.7% | 63.7% |
| TaxEval | Vals AI | 72.6% | 75.3% |
| MedQA | Vals AI | 96.0% | – |
| PRBench Finance | Scale AI SEAL | 39.2%† | – |
| PRBench Legal | Scale AI SEAL | 40.6%† | – |
| MultiNRC | Scale AI SEAL | 59.0%† | – |
| MMLU-Pro (HELM) | HELM Capabilities | 90.3%† | – |
| CaseLaw v2 | Vals AI | 53.1% | – |
| Excel Modeling Benchmark | Vals AI | – | 57.0% |
| MedCode | Vals AI | 52.2% | 38.8% |
| MedScribe | Vals AI | 72.0% | 79.4% |
| DrugDiscoveryBench | Scale AI SEAL | – | 29.3%† |
| EBR-bench | Epoch AI Benchmarking Hub | – | 9.5% |
| Global-MMLU-Lite (AA) | Artificial Analysis | 92.2% | – |
| 指令遵循 | |||
| LiveBench Language | LiveBench | – | 79.7% |
| LiveBench Instruction Following | LiveBench | – | 74.0% |
| IFBench | Artificial Analysis | 70.4% | 80.5% |
| MultiChallenge | Scale AI SEAL | 65.7%† | – |
| TutorBench | Scale AI SEAL | 53.7%† | – |
| IFEval (HELM) | HELM Capabilities | 87.6%† | – |
| WildBench (HELM) | HELM Capabilities | 85.9%† | – |
| Arena Instruction Following | Arena (LMArena) | 1473† | 1466 |
| 人类偏好 | |||
| Arena Text | Arena (LMArena) | 1486† | 1474 |
| EQ-Bench 4 | EQ-Bench | – | 1100 |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1524† | – |
| Arena Creative Writing | Arena (LMArena) | 1484† | 1440 |
| Arena Multi-turn | Arena (LMArena) | 1496† | 1481 |
| Arena Longer Queries | Arena (LMArena) | 1491† | 1491 |
| 多模态 | |||
| Arena Vision | Arena (LMArena) | 1305† | – |
| MMMU-Pro | Artificial Analysis | 80.2% | – |
| VISTA | Scale AI SEAL | 51.5%† | – |
| MMMU-Pro (Vals) | Vals AI | 87.5% | – |
| MortgageTax | Vals AI | 69.1% | – |
| AudioMC | Scale AI SEAL | 54.6%† | – |
| AudioMC (text output) | Scale AI SEAL | 54.6%† | – |
| VTB | Scale AI SEAL | 26.9%† | – |
| GeoBench | GeoBench | 84.0%† | – |
| VPCT | Epoch AI Benchmarking Hub | 91.0%† | – |
| 长上下文 | |||
| AA-LCR v1.1 | Artificial Analysis | 76.0% | 79.0% |
| Arena Document | Arena (LMArena) | 1451† | – |
| MLCR | Artificial Analysis | – | 14.4% |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 153.0† | 154.6 |
| LiveBench 1.0 | LiveBench | – | 73.1% |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 28.0 | 29.5 |
| AA Progress Index v1 | Artificial Analysis | 290.7 | 293.8 |
| HELM Capabilities mean | HELM Capabilities | 79.9%† | – |
| 安全与诚实 | |||
| FORTRESS | Scale AI SEAL | 41.7%† | – |
| MASK | Scale AI SEAL | 42.6%† | – |
| PropensityBench | Scale AI SEAL | 52.9%† | – |
| 元数据 | |||
| AA Openness Index | Artificial Analysis | 5.6 | – |
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。
相关对比
- Gemini 3 Pro vs Gemini 4 Carbon
- Gemini 3 Pro vs Claude Opus 5.5
- Gemini 3 Pro vs GPT-6 Astra
- Gemini 3 Pro vs GPT-6.1 Sol
- Gemini 3 Pro vs Gemini 4 Argon
- Gemini 3 Pro vs GPT-5.5
- Gemini 3 Pro vs Claude Sonnet 5.5
- Gemini 3 Pro vs GPT-6.1 Terra
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。