BenchLeader

Gemini 3 Pro vs Qwen3.8 Max

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

更新于 · 数据来自 19 个来源

截至 2026年11月16日,Gemini 3 Pro 与 Qwen3.8 Max 的质量不相上下(BenchLeader Index 60.0 比 58.7,在 ±4.8 的误差范围内)。Qwen3.8 Max 更便宜,对方的价格是它的 1.5 倍(每百万 token 混合价格 $3.00 比 $4.50)。看重推理(63 比 52)和智能体与工具(62 比 59)选 Gemini 3 Pro;看重数学(65 比 54)、编程(62 比 58)和知识(58 比 56)选 Qwen3.8 Max。

要点(截至 2026年11月16日)

  • Gemini 3 Pro 的 BenchLeader Index 为 60.0,Qwen3.8 Max 为 58.7(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 Max 每百万 token 混合价格为 $3.00(标价,2026年11月16日)。
  • 在两者都有结果的 18 项基准测试中,Qwen3.8 Max 领先 14 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Gemini 3 Pro 的评分为 1441,Qwen3.8 Max 为 1676(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 Max类别得分 62 比 58;Arena WebDev 1676 比 1441中
智能体与工具调用Gemini 3 Pro类别得分 62 比 59;Terminal-Bench 69.4% 比 27.0%中
数学Qwen3.8 Max类别得分 65 比 54;Arena Maths 1505 比 1475高
推理Gemini 3 Pro类别得分 63 比 52;Arena Hard Prompts 1502 比 1507高
知识Qwen3.8 Max类别得分 58 比 56;MMLU-Pro 88.6% 比 90.1%中
图像及其他媒体均可类别得分 66 比 66;Arena Vision 1305 比 1312均可
对话质量(人类偏好)均可Arena 投票 68 比 68均可
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 Max (max) 的质量不相上下(60.0 比 58.7,在 ±4.8 的误差范围内)。
  • Gemini 3 Pro 在智能体与工具、人类偏好、推理方面更强。
  • Qwen3.8 Max (max) 在编程、知识、数学、多模态方面更强。
  • Qwen3.8 Max (max) 更便宜,对方的价格是它的 1.5 倍(每百万 token 混合价格 $3.00 比 $4.50)。

概览

规格Gemini 3 ProQwen3.8 Max
提供商GoogleAlibaba
发布日期2025年11月18日2026年8月3日
上下文窗口(token)–1,000,000
对比时的配置Gemini 3 ProQwen3.8 Max (max)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)–$2.00 / $6.00 / $0.250

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 Max (max)领先者
推理62.651.5Gemini 3 Pro
编程57.861.6Qwen3.8 Max
智能体与工具61.758.5Gemini 3 Pro
数学54.065.2Qwen3.8 Max
知识55.958.0Qwen3.8 Max
指令遵循61.1–无法比较
人类偏好67.767.5持平
多模态65.665.7持平
长上下文–64.8无法比较
综合–45.0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多模态人类偏好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, 多模态: 65.6Gemini 3 Pro, 人类偏好: 67.7Qwen3.8 Max, 推理: 51.5Qwen3.8 Max, 编程: 61.6Qwen3.8 Max, 智能体与工具: 58.5Qwen3.8 Max, 数学: 65.2Qwen3.8 Max, 知识: 58.0Qwen3.8 Max, 多模态: 65.7Qwen3.8 Max, 人类偏好: 67.5

未绘制(测得的模型少于两个):指令遵循, 长上下文。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 18 项基准测试中,Gemini 3 Pro 领先 4 项,Qwen3.8 Max 领先 14 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 ProQwen3.8 Max (max)领先者
BenchLeader Index60.058.7不相上下
Arena Text14861484Gemini 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 ProQwen3.8 Max (max)
每百万 token 混合价格–$3.00
每百万 token 输入 / 输出– / –$2.00 / $6.00
每百万 token 缓存输入–$0.250
每项任务价格:聊天回复–$0.0026
每项任务价格:总结一份 30 页的报告–$0.028
每项任务价格:代码编辑–$0.021
每项任务价格:智能体编程会话–$0.144
每项任务价格:结构化信息提取–$0.0052
智能体编程会话(输入大多命中缓存)–$0.065
每项基准测试任务成本(AA Index)–$10.02
每项任务输出 token(AA Index)–171k
其中推理部分–120k
每项任务耗时(AA Index)–48 min
输出速度–59 tok/s
首次回答时间–119.6 秒
完整回答耗时(最近一次测量 2026年11月13日)–294.1 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 Max (max) 得分 58.7,首个回答 token 需 120 秒;Qwen3.8 Max (xhigh) 为 56.6(3 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 201 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 Max (max)
BenchLeader IndexBenchLeader60.058.7
智能体与工具得分BenchLeader61.758.5
编程得分BenchLeader57.861.6
人类偏好得分BenchLeader67.767.5
指令遵循得分BenchLeader61.1–
知识得分BenchLeader55.958.0
数学得分BenchLeader54.065.2
多模态得分BenchLeader65.665.7
推理得分BenchLeader62.651.5
综合得分BenchLeader–45.0
长上下文得分BenchLeader–64.8
混合价格(美元/百万 token)BenchLeader–$3.00
输出速度BenchLeader–59 tok/s
首次回答时间BenchLeader–119.6 秒
上下文窗口BenchLeader–1,000,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub92.6%92.7%†
Humanity's Last ExamScale AI / CAIS37.5%–
SimpleBenchSimpleBench76.4%–
Arena Hard PromptsArena (LMArena)15021507
LiveBench 2.0 ReasoningLiveBench–88.2%
LiveBench 1.0 ReasoningLiveBench–88.2%
GPQA Diamond (AA)Artificial Analysis90.8%†92.8%
Humanity's Last Exam (AA)Artificial Analysis39.7%†43.1%
HLE-Diamond (AA)Artificial Analysis–24.0%
GPQA Diamond (Vals)Vals AI91.7%†93.7%
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%†20.0%
CritPt v2 hard subset (AA)Artificial Analysis–29.5%
MysteryMechanismVals AI–23.9%
SciPredictScale AI SEAL25.3%–
Arena ExpertArena (LMArena)14991514
Chess PuzzlesEpoch AI Benchmarking Hub–46.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub–38.0%†
CL-benchEpoch AI Benchmarking Hub15.8%–
LMCAEpoch AI Benchmarking Hub–46.2%†
DTBenchEpoch AI Benchmarking Hub–92.0%†
ForecastBenchForecastBench65.0%–
显示全部 201 项基准测试
指标发布方Gemini 3 ProQwen3.8 Max (max)
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub72.9%–
SciCodeSciCode–53.2%
WeirdMLWeirdML69.9%–
GSO-BenchGSO-Bench18.6%–
Arena CodingArena (LMArena)15171523
Arena WebDevArena (LMArena)14411676
LiveBench 2.0 CodingLiveBench–60.9%
LiveBench 1.0 CodingLiveBench–72.9%
LiveCodeBenchVals AI86.4%87.8%
IOIVals AI–68.9%
SWE-bench (Vals)Vals AI76.4%†85.6%
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–24.0%
ProgramBenchVals AI–0.0%
SWE-bench MultimodalVals AI–42.5%
Vibe Code Bench 1-100Vals AI–12.8%
Vibe Code Bench v1.1Vals AI14.3%†64.7%
SWE-Bench Pro (private)Scale AI SEAL17.9%–
SWE Atlas v1.1Scale AI SEAL–64.4%
SWE Atlas v1.1: Codebase QnAScale AI SEAL–81.5%
SWE Atlas v1.1: Test WritingScale AI SEAL–58.9%
SWE Atlas v1.1: RefactoringScale AI SEAL–52.9%
MirrorCodeEpoch AI Benchmarking Hub–52.2%†
DeepSWE v1.1Epoch AI Benchmarking Hub–57.5%†
ALE-BenchEpoch AI Benchmarking Hub1176.81679.1†
AlgoTuneAlgoTune1.8–
FrontierSWEEpoch AI Benchmarking Hub–17.8%†
Terminal-Bench 4.0 (AA)Artificial Analysis–38.9%
Terminal-Bench 2.1 (AA)Artificial Analysis–88.8%
Startrise FrontendStartrise–71.3%
GameBench 2 OverallDuelLab GameBench 2–54.2†
GameBench 2 by reasoning settingDuelLab GameBench 2–69.6†
Design Arena WebsiteDesign Arena12441269
FrontierCode 1.1 (AA)Artificial Analysis–43.2%
FrontierCode 2.0 (AA)Artificial Analysis–23.4%
LiveCodeBench (AA)Artificial Analysis91.8%†–
智能体与工具
Terminal-BenchTerminal-Bench69.4%27.0%
GDPvalOpenAI40.3%–
Remote Labor IndexScale AI / CAIS1.3%–
APEX-AgentsMercor–63.3%
Arena AgentArena (LMArena)–0.1
LiveBench Long AgenticLiveBench–26.6%
LiveBench BrowserLiveBench–49.4%
LiveBench Agentic CodingLiveBench–64.7%
Terminal-Bench HardArtificial Analysis41.7%†–
τ²-Bench Telecom (AA)Artificial Analysis87.1%†–
Terminal-Bench 2.1 (Vals)Vals AI–67.4%
MCP AtlasScale AI SEAL70.3%–
BFCL OverallBerkeley Function Calling Leaderboard72.5%–
τ²-benchτ²-bench82.5%†–
τ³-bench Bankingτ²-bench18.0%†55.1%†
GDPval-AA v2.1, normalised scoreArtificial Analysis–58.3%
GDPval-AA v2.1Artificial Analysis–1674
τ³-Banking (AA)Artificial Analysis–51.3%
ITBench SRE (AA)Artificial Analysis–40.3%
Analyst Agent (AA)Artificial Analysis–45.0%
APEX-Agents (AA)Artificial Analysis–42.4%
CyberBenchVals AI–28.6%
Finance Agent v2Vals AI–50.6%
Harvey's Legal Agent Benchmark v1Vals AI–10.4%
Legal Research BenchVals AI–47.6%
Poker AgentVals AI1078.9%–
SkillsBenchVals AI–42.0%
Tax Agent BenchVals AI–32.1%
Terminal-Bench 2.0 (Vals)Vals AI55.1%†–
Terminal-Bench 4.0 (Vals)Vals AI–34.3%
Terminal-Bench ScienceVals AI–12.9%
Arena SearchArena (LMArena)12011227
Arena Agent Task CompletionArena (LMArena)–4.5
BALROGBALROG58.1%–
DeepResearch BenchDeepResearch Bench46.3%†–
METR Time HorizonsMETR71.0%–
Vending-Bench 2Andon Labs5478.2–
AutomationBenchArtificial Analysis–56.2%
GDP.pdf (AA)Artificial Analysis–22.8%
EnterpriseOps-GymArtificial Analysis–47.6%
AA-Briefcase v1.1Artificial Analysis–1604
GDPxGDPx by SemiAnalysis–3.5%
Design Arena AgenticDesign Arena10801264
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–11.9%
MKA (AA)Artificial Analysis–37.4%
FACTS SearchGoogle–85.0%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub–74.7%†
FrontierMath Tier 4Epoch AI Benchmarking Hub–46.3%†
OTIS Mock AIMEEpoch AI Benchmarking Hub91.4%100.0%†
ProofBenchVals AI20.0%58.0%
LiveBench MathematicsLiveBench–91.3%
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)14751505
AIME 2025 (AA)Artificial Analysis95.7%†–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub–47.3%†
LiveBench 2.0 Data AnalysisLiveBench–78.4%
LiveBench ResearchLiveBench–72.8%
LiveBench 1.0 Data AnalysisLiveBench–78.4%
AA-Omniscience v1.1Artificial Analysis–10.5
MMLU-ProVals AI90.1%88.6%
LegalBenchVals AI87.0%†83.6%
CorpFinVals AI63.7%†65.8%
TaxEvalVals AI72.6%†75.5%
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–60.1%
Excel Modeling Benchmark v1.1Vals AI–66.0%
MedCodeVals AI52.2%†40.7%
MedScribeVals AI72.0%†85.0%
Public Benefits Bench v1.1Vals AI–67.1%
Access to Justice BenchmarkVals AI–76.4%
Financial Coaching BenchVals AI–75.6%
Immigration BenchVals AI–70.1%
GDP.pdfEpoch AI Benchmarking Hub–23.2%†
AA-Omniscience v1.1: accuracyArtificial Analysis–29.5%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–72.9%
Global-MMLU-Lite (AA)Artificial Analysis92.2%†–
FACTS ParametricGoogle–30.8%
指令遵循
LiveBench LanguageLiveBench–79.7%
LiveBench Instruction FollowingLiveBench–74.1%
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)14731478
人类偏好
Arena TextArena (LMArena)14861484
EQ-Bench Creative Writing v3EQ-Bench1524–
Arena Creative WritingArena (LMArena)14841472
Arena Multi-turnArena (LMArena)14951495
Arena Longer QueriesArena (LMArena)14911496
多模态
Arena VisionArena (LMArena)13051312
LiveBench DesignLiveBench–76.6%
MMMU-ProArtificial Analysis80.2%†82.8%
VISTAScale AI SEAL51.5%–
MMMU-Pro (Vals)Vals AI87.5%†88.0%
MortgageTaxVals AI69.1%†64.0%
SAGEVals AI–81.8%
AudioMCScale AI SEAL54.6%†–
AudioMC (text output)Scale AI SEAL54.6%†–
Humanity's Sixth SenseScale AI SEAL–33.0%
VTBScale AI SEAL26.9%–
GeoBenchGeoBench84.0%–
VPCTEpoch AI Benchmarking Hub91.0%–
Furniture AssemblyEpoch AI Benchmarking Hub–20.0%†
VIALS-AAHandshake AI–31.7%
Code2Video-AAArtificial Analysis–1021
AA-3DArtificial Analysis–954
FACTS MultimodalGoogle–51.5%
长上下文
AA-LCR v1.1Artificial Analysis76.0%†80.3%
Arena DocumentArena (LMArena)1451–
MLCRArtificial Analysis–26.1%
FACTS GroundingGoogle–73.8%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub153.0157.6
LiveBench 2.0LiveBench–60.9%
LiveBench 1.0LiveBench–78.5%
AA Intelligence Index v5.0.1Artificial Analysis–33.6
AA Intelligence Index v4.3.2Artificial Analysis28.0†45.4
AA Progress Index v1Artificial Analysis290.7†323.7
HELM Capabilities meanHELM Capabilities79.9%–
Vals RSI IndexVals AI–21.8%
Vals Multimodal IndexVals AI–65.4%
安全与诚实
FORTRESSScale AI SEAL41.7%–
MASKScale AI SEAL42.6%–
PropensityBenchScale AI SEAL52.9%–
DistressBenchScale AI SEAL–77.6%
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。

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 Pro:1 项分数修订。
  • Qwen3.8 Max (max):1 项分数修订。
  • Qwen3.8 Max (max):1 项分数修订。
  • Qwen3.8 Max (max):6 项分数修订。
  • Gemini 3 Pro:1 项新结果(Arena Search)。
  • Qwen3.8 Max (max):1 项分数修订。
  • Qwen3.8 Max (max):1 项新结果(FACTS Search);1 项分数修订。
  • Qwen3.8 Max (max):1 项分数修订;价格 $0.22/M → $0.25/M。
  • Qwen3.8 Max (max):价格 $0.25/M → $0.22/M。
  • Qwen3.8 Max (max):1 项分数修订;价格 $0.22/M → $0.25/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 Qwen3.8 Max:常见问题

Gemini 3 Pro 比 Qwen3.8 Max 更好吗?
Gemini 3 Pro 与 Qwen3.8 Max (max) 的质量不相上下(60.0 比 58.7,在 ±4.8 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 Max 哪个更便宜?价格会变吗?
目前 Qwen3.8 Max 更便宜:每百万 token $3.00 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 Max 更好?
Qwen3.8 Max 在编程方面得分更高(类别得分 62 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 Max 为 1676。
智能体和工具调用用 Gemini 3 Pro 还是 Qwen3.8 Max 更好?
Gemini 3 Pro 在智能体任务方面得分更高(类别得分 62 比 59,50 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 上,Gemini 3 Pro 为 69.4%,Qwen3.8 Max 为 27.0%。
第三方基准测试对 Gemini 3 Pro 和 Qwen3.8 Max 的看法一致吗?
在两者都有结果的 18 项基准测试中,Gemini 3 Pro 领先 4 项,Qwen3.8 Max 领先 14 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)
Qwen3.8 Max 是什么时候发布的?
Qwen3.8 Max 于 2026年8月3日 发布。