BenchLeader

Gemini 3 Pro vs Qwen3.8-Flash-Next

完整资料:Gemini 3 Pro(Google)和 Qwen3.8-Flash-Next(Alibaba),包括全部基准测试、价格和排名。

更新于 · 数据来自 14 个来源

截至 2026年11月16日,Gemini 3 Pro 与 Qwen3.8-Flash-Next 的质量不相上下(BenchLeader Index 60.0 比 53.9,在 ±8.6 的误差范围内)。Qwen3.8-Flash-Next 更便宜,对方的价格是它的 20 倍(每百万 token 混合价格 $0.230 比 $4.50)。看重推理(63 比 43)、知识(56 比 38)和多模态(66 比 61)选 Gemini 3 Pro;看重编程(61 比 58)和智能体与工具(64 比 62)选 Qwen3.8-Flash-Next。

要点(截至 2026年11月16日)

  • Gemini 3 Pro 的 BenchLeader Index 为 60.0,Qwen3.8-Flash-Next 为 53.9(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)。
  • Qwen3.8-Flash-Next 每百万 token 混合价格为 $0.230(标价,2026年11月16日)。
  • 在两者都有结果的 1 项基准测试中,Qwen3.8-Flash-Next 领先 1 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Gemini 3 Pro 的评分为 1441,Qwen3.8-Flash-Next 为 1624(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Qwen3.8-Flash-Next类别得分 61 比 58;Arena WebDev 1624 比 1441中
智能体与工具调用Qwen3.8-Flash-Next类别得分 64 比 62中
推理Gemini 3 Pro类别得分 63 比 43高
知识Gemini 3 Pro类别得分 56 比 38高
图像及其他媒体Gemini 3 Pro类别得分 66 比 61中
对话质量(人类偏好)–只有 Gemini 3 Pro 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 Pro 与 Qwen3.8-Flash-Next 的质量不相上下(60.0 比 53.9,在 ±8.6 的误差范围内)。
  • Gemini 3 Pro 在知识、多模态、推理方面更强。
  • Qwen3.8-Flash-Next 在智能体与工具、编程方面更强。
  • Qwen3.8-Flash-Next 更便宜,对方的价格是它的 20 倍(每百万 token 混合价格 $0.230 比 $4.50)。

概览

规格Gemini 3 ProQwen3.8-Flash-Next
提供商GoogleAlibaba
发布日期2025年11月18日2026年8月26日
上下文窗口(token)–256,000
对比时的配置Gemini 3 ProQwen3.8-Flash-Next
开放权重否是
每百万 token 价格(输入 / 输出 / 缓存输入)–$0.150 / $0.470 / –

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 ProQwen3.8-Flash-Next领先者
推理62.643.0Gemini 3 Pro
编程57.860.7Qwen3.8-Flash-Next
智能体与工具61.764.0Qwen3.8-Flash-Next
数学54.0–无法比较
知识55.938.1Gemini 3 Pro
指令遵循61.1–无法比较
人类偏好67.7–无法比较
多模态65.661.0Gemini 3 Pro
长上下文–64.5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知识多模态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, 知识: 55.9Gemini 3 Pro, 多模态: 65.6Qwen3.8-Flash-Next, 推理: 43.0Qwen3.8-Flash-Next, 编程: 60.7Qwen3.8-Flash-Next, 智能体与工具: 64.0Qwen3.8-Flash-Next, 知识: 38.1Qwen3.8-Flash-Next, 多模态: 61.0

未绘制(测得的模型少于两个):数学, 指令遵循, 长上下文, 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 1 项基准测试中,Gemini 3 Pro 领先 0 项,Qwen3.8-Flash-Next 领先 1 项。

综合 IndexGemini 3 ProQwen3.8-Flash-Next领先者
BenchLeader Index60.053.9不相上下

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 ProQwen3.8-Flash-Next
每百万 token 混合价格–$0.230
每百万 token 输入 / 输出– / –$0.150 / $0.470
每项任务价格:聊天回复–$0.0002
每项任务价格:总结一份 30 页的报告–$0.0021
每项任务价格:代码编辑–$0.0016
每项任务价格:智能体编程会话–$0.011
每项任务价格:结构化信息提取–$0.0004
每项基准测试任务成本(AA Index)–$0.569
每项任务输出 token(AA Index)–148k
其中推理部分–97k
每项任务耗时(AA Index)–31 min
输出速度–80 tok/s
首次回答时间–65.5 秒
完整回答耗时(最近一次测量 2026年11月13日)–202.8 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 Pro 得分 60.0;Gemini 3 Pro (high) 为 60.0。Qwen3.8-Flash-Next 得分 53.9,首个回答 token 需 66 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 133 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 ProQwen3.8-Flash-Next
BenchLeader IndexBenchLeader60.053.9
智能体与工具得分BenchLeader61.764.0
编程得分BenchLeader57.860.7
人类偏好得分BenchLeader67.7–
指令遵循得分BenchLeader61.1–
知识得分BenchLeader55.938.1
数学得分BenchLeader54.0–
多模态得分BenchLeader65.661.0
推理得分BenchLeader62.643.0
长上下文得分BenchLeader–64.5
混合价格(美元/百万 token)BenchLeader–$0.230
输出速度BenchLeader–80 tok/s
首次回答时间BenchLeader–65.5 秒
上下文窗口BenchLeader–256,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub92.6%–
Humanity's Last ExamScale AI / CAIS37.5%–
SimpleBenchSimpleBench76.4%–
Arena Hard PromptsArena (LMArena)1502–
LiveBench 1.0 ReasoningLiveBench–87.4%
GPQA Diamond (AA)Artificial Analysis90.8%†92.3%
Humanity's Last Exam (AA)Artificial Analysis39.7%†38.0%
HLE-Diamond (AA)Artificial Analysis–16.3%
GPQA Diamond (Vals)Vals AI91.7%†–
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%†11.1%
CritPt v2 hard subset (AA)Artificial Analysis–24.5%
SciPredictScale AI SEAL25.3%–
Arena ExpertArena (LMArena)1499–
CL-benchEpoch AI Benchmarking Hub15.8%–
ForecastBenchForecastBench65.0%–
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub72.9%–
WeirdMLWeirdML69.9%–
GSO-BenchGSO-Bench18.6%–
Arena CodingArena (LMArena)1517–
Arena WebDevArena (LMArena)14411624
LiveBench 1.0 CodingLiveBench–72.5%
显示全部 133 项基准测试
指标发布方Gemini 3 ProQwen3.8-Flash-Next
编程
SciCode (AA)Artificial Analysis–50.6%
LiveCodeBenchVals AI86.4%–
SWE-bench (Vals)Vals AI76.4%†–
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%–
Vibe Code Bench v1.1Vals AI14.3%†–
SWE-Bench Pro (private)Scale AI SEAL17.9%–
ALE-BenchEpoch AI Benchmarking Hub1176.8–
AlgoTuneAlgoTune1.8–
Terminal-Bench 4.0 (AA)Artificial Analysis–25.3%
Terminal-Bench 2.1 (AA)Artificial Analysis–86.1%
Design Arena WebsiteDesign Arena1244–
FrontierCode 2.0 (AA)Artificial Analysis–27.1%
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)–-4.6
LiveBench Agentic CodingLiveBench–61.6%
Terminal-Bench HardArtificial Analysis41.7%†–
τ²-Bench Telecom (AA)Artificial Analysis87.1%†–
MCP AtlasScale AI SEAL70.3%–
BFCL OverallBerkeley Function Calling Leaderboard72.5%–
τ²-benchτ²-bench82.5%†–
τ³-bench Bankingτ²-bench18.0%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis–56.4%
GDPval-AA v2.1Artificial Analysis–1637
τ³-Banking (AA)Artificial Analysis–45.4%
Poker AgentVals AI1078.9%–
Terminal-Bench 2.0 (Vals)Vals AI55.1%†–
Arena SearchArena (LMArena)1201–
Arena Agent Task CompletionArena (LMArena)–0.3
BALROGBALROG58.1%–
DeepResearch BenchDeepResearch Bench46.3%†–
METR Time HorizonsMETR71.0%–
Vending-Bench 2Andon Labs5478.2–
AutomationBenchArtificial Analysis–55.9%
GDP.pdf (AA)Artificial Analysis–15.6%
AA-Briefcase v1.1Artificial Analysis–1572
Design Arena AgenticDesign Arena1080–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–7.1%
数学
OTIS Mock AIMEEpoch AI Benchmarking Hub91.4%–
ProofBenchVals AI20.0%–
LiveBench MathematicsLiveBench–85.8%
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–
AIME 2025 (AA)Artificial Analysis95.7%†–
知识
LiveBench 1.0 Data AnalysisLiveBench–74.2%
AA-Omniscience v1.1Artificial Analysis–-12.2
MMLU-ProVals AI90.1%–
LegalBenchVals AI87.0%†–
CorpFinVals AI63.7%†–
TaxEvalVals AI72.6%†–
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%†–
MedCodeVals AI52.2%†–
MedScribeVals AI72.0%†–
AA-Omniscience v1.1: accuracyArtificial Analysis–23.5%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–53.2%
Global-MMLU-Lite (AA)Artificial Analysis92.2%†–
指令遵循
LiveBench LanguageLiveBench–74.6%
LiveBench Instruction FollowingLiveBench–77.1%
IFBenchArtificial Analysis70.4%†–
MultiChallengeScale AI SEAL65.7%–
TutorBenchScale AI SEAL53.7%–
IFEval (HELM)HELM Capabilities87.6%–
WildBench (HELM)HELM Capabilities85.9%–
Arena Instruction FollowingArena (LMArena)1473–
人类偏好
Arena TextArena (LMArena)1486–
EQ-Bench Creative Writing v3EQ-Bench1524–
Arena Creative WritingArena (LMArena)1484–
Arena Multi-turnArena (LMArena)1495–
Arena Longer QueriesArena (LMArena)1491–
多模态
Arena VisionArena (LMArena)1305–
MMMU-ProArtificial Analysis80.2%†78.6%
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%†79.7%
Arena DocumentArena (LMArena)1451–
MLCRArtificial Analysis–20.6%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub153.0–
LiveBench 1.0LiveBench–76.2%
AA Intelligence Index v5.0.1Artificial Analysis–28.6
AA Intelligence Index v4.3.2Artificial Analysis28.0†39.8
AA Progress Index v1Artificial Analysis290.7†320.2
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†38.9

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。

变化

  • Gemini 3 Pro:1 项分数修订。
  • Qwen3.8-Flash-Next:BenchLeader Index 54.7 → 54.0。
  • Qwen3.8-Flash-Next:3 项新结果(AA Intelligence Index v5.0.1, FrontierCode 2.0 (AA), Terminal-Bench-Science 0.1 (AA))。
  • Qwen3.8-Flash-Next:1 项新结果(CritPt v2 hard subset (AA));1 项分数修订。
  • Gemini 3 Pro:1 项新结果(Arena Search)。
  • Qwen3.8-Flash-Next:1 项新结果(AA-Briefcase v1.1);1 项分数修订。
  • Qwen3.8-Flash-Next:BenchLeader Index 58.7 → 54.7。
  • Qwen3.8-Flash-Next:2 项新结果(AA Progress Index v1, HLE-Diamond (AA));3 项分数修订。
  • Gemini 3 Pro:1 项分数修订。
  • Qwen3.8-Flash-Next:1 项新结果(MLCR)。

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 Qwen3.8-Flash-Next:常见问题

Gemini 3 Pro 比 Qwen3.8-Flash-Next 更好吗?
Gemini 3 Pro 与 Qwen3.8-Flash-Next 的质量不相上下(60.0 比 53.9,在 ±8.6 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 Qwen3.8-Flash-Next 哪个更便宜?价格会变吗?
目前 Qwen3.8-Flash-Next 更便宜:每百万 token $0.230 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 Qwen3.8-Flash-Next 更好?
Qwen3.8-Flash-Next 在编程方面得分更高(类别得分 61 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,Qwen3.8-Flash-Next 为 1624。
智能体和工具调用用 Gemini 3 Pro 还是 Qwen3.8-Flash-Next 更好?
Qwen3.8-Flash-Next 在智能体任务方面得分更高(类别得分 64 比 62,50 为平均水平)。
第三方基准测试对 Gemini 3 Pro 和 Qwen3.8-Flash-Next 的看法一致吗?
在两者都有结果的 1 项基准测试中,Gemini 3 Pro 领先 0 项,Qwen3.8-Flash-Next 领先 1 项。
更多问题(1)
Qwen3.8-Flash-Next 是什么时候发布的?
Qwen3.8-Flash-Next 于 2026年8月26日 发布。