BenchLeader

Gemini 3 Pro vs Step 5 Preview

完整资料:Gemini 3 Pro(Google)和 Step 5 Preview(StepFun),包括全部基准测试、价格和排名。

更新于 · 数据来自 15 个来源

截至 2026年11月16日,质量上 Gemini 3 Pro 领先 Step 5 Preview(BenchLeader Index 60.0 比 56.0)。不过,Step 5 Preview 更便宜,对方的价格是它的 3.2 倍(每百万 token 混合价格 $1.43 比 $4.50)。看重智能体与工具(62 比 49)、推理(63 比 52)和编程(58 比 50)选 Gemini 3 Pro;看重数学(60 比 54)选 Step 5 Preview。

要点(截至 2026年11月16日)

  • Gemini 3 Pro 的 BenchLeader Index 为 60.0,Step 5 Preview 为 56.0(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)。
  • Step 5 Preview 每百万 token 混合价格为 $1.43(标价,2026年11月16日)。
  • 在两者都有结果的 10 项基准测试中,Gemini 3 Pro 领先 9 项(BenchLeader,2026年11月16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 58 比 50;Arena Coding 1517 比 1505高
智能体与工具调用Gemini 3 Pro类别得分 62 比 49高
数学Step 5 Preview类别得分 60 比 54;ProofBench 42.0% 比 20.0%中
推理Gemini 3 Pro类别得分 63 比 52;Arena Hard Prompts 1502 比 1477高
知识Gemini 3 Pro类别得分 56 比 54中
图像及其他媒体Gemini 3 Pro类别得分 66 比 59;Arena Vision 1305 比 1263中
对话质量(人类偏好)Gemini 3 ProArena 投票 68 比 63中
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

  • 质量上 Gemini 3 Pro 领先:60.0 比 56.0。
  • Gemini 3 Pro 在智能体与工具、编程、人类偏好、知识、多模态、推理方面更强。
  • Step 5 Preview 在数学方面更强。
  • Step 5 Preview 更便宜,对方的价格是它的 3.2 倍(每百万 token 混合价格 $1.43 比 $4.50)。

概览

规格Gemini 3 ProStep 5 Preview
提供商GoogleStepFun
发布日期2025年11月18日2026年9月18日
上下文窗口(token)–1,000,000
对比时的配置Gemini 3 ProStep 5 Preview
开放权重否是
每百万 token 价格(输入 / 输出 / 缓存输入)–$1.00 / $2.70 / $0.105

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 ProStep 5 Preview领先者
推理62.651.7Gemini 3 Pro
编程57.849.9Gemini 3 Pro
智能体与工具61.749.1Gemini 3 Pro
数学54.060.1Step 5 Preview
知识55.953.7Gemini 3 Pro
指令遵循61.1–无法比较
人类偏好67.763.1Gemini 3 Pro
多模态65.659.3Gemini 3 Pro
长上下文–69.0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: 67.7Step 5 Preview, 推理: 51.7Step 5 Preview, 编程: 49.9Step 5 Preview, 智能体与工具: 49.1Step 5 Preview, 数学: 60.1Step 5 Preview, 知识: 53.7Step 5 Preview, 多模态: 59.3Step 5 Preview, 人类偏好: 63.1

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 10 项基准测试中,Gemini 3 Pro 领先 9 项,Step 5 Preview 领先 1 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 ProStep 5 Preview领先者
BenchLeader Index60.056.0Gemini 3 Pro
Arena Text14861449Gemini 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 ProStep 5 Preview
每百万 token 混合价格–$1.43
每百万 token 输入 / 输出– / –$1.00 / $2.70
每百万 token 缓存输入–$0.105
每项任务价格:聊天回复–$0.0012
每项任务价格:总结一份 30 页的报告–$0.014
每项任务价格:代码编辑–$0.010
每项任务价格:智能体编程会话–$0.071
每项任务价格:结构化信息提取–$0.0025
智能体编程会话(输入大多命中缓存)–$0.030
每项基准测试任务成本(AA Index)–$2.35
每项任务输出 token(AA Index)–113k
其中推理部分–80k
每项任务耗时(AA Index)–15 min
输出速度–124 tok/s
首次回答时间–23.5 秒
完整回答耗时(最近一次测量 2026年11月13日)–54.4 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。Step 5 Preview 得分 56.0,首个回答 token 需 24 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 165 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 ProStep 5 Preview
BenchLeader IndexBenchLeader60.056.0
智能体与工具得分BenchLeader61.749.1
编程得分BenchLeader57.849.9
人类偏好得分BenchLeader67.763.1
指令遵循得分BenchLeader61.1–
知识得分BenchLeader55.953.7
数学得分BenchLeader54.060.1
多模态得分BenchLeader65.659.3
推理得分BenchLeader62.651.7
长上下文得分BenchLeader–69.0
混合价格(美元/百万 token)BenchLeader–$1.43
输出速度BenchLeader–124 tok/s
首次回答时间BenchLeader–23.5 秒
上下文窗口BenchLeader–1,000,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub92.6%–
Humanity's Last ExamScale AI / CAIS37.5%–
SimpleBenchSimpleBench76.4%–
Arena Hard PromptsArena (LMArena)15021477
LiveBench 2.0 ReasoningLiveBench–83.8%†
GPQA Diamond (AA)Artificial Analysis90.8%†–
Humanity's Last Exam (AA)Artificial Analysis39.7%†46.5%
HLE-Diamond (AA)Artificial Analysis–24.3%
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%†20.9%
CritPt v2 hard subset (AA)Artificial Analysis–32.5%
MysteryMechanismVals AI–18.5%
SciPredictScale AI SEAL25.3%–
Arena ExpertArena (LMArena)14991489
CL-benchEpoch AI Benchmarking Hub15.8%–
ForecastBenchForecastBench65.0%–
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub72.9%–
SciCodeSciCode–58.9%
WeirdMLWeirdML69.9%–
GSO-BenchGSO-Bench18.6%–
Arena CodingArena (LMArena)15171505
显示全部 165 项基准测试
指标发布方Gemini 3 ProStep 5 Preview
编程
Arena WebDevArena (LMArena)14411573†
LiveBench 2.0 CodingLiveBench–67.6%†
LiveCodeBenchVals AI86.4%–
IOIVals AI–38.1%
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%–
Code MigrationVals AI–39.0%
Code Migration v1.1Vals AI–47.0%
SWE-bench MultimodalVals AI–40.8%
Vibe Code Bench v1.1Vals AI14.3%†70.4%
SWE-Bench Pro (private)Scale AI SEAL17.9%–
ALE-BenchEpoch AI Benchmarking Hub1176.8–
AlgoTuneAlgoTune1.8–
Terminal-Bench 4.0 (AA)Artificial Analysis–33.3%
Design Arena WebsiteDesign Arena1244–
FrontierCode 1.1 (AA)Artificial Analysis–38.4%
FrontierCode 2.0 (AA)Artificial Analysis–12.0%
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)–-3.7
LiveBench Long AgenticLiveBench–19.4%†
LiveBench BrowserLiveBench–24.8%†
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–54.3%
GDPval-AA v2.1Artificial Analysis–1591
ITBench SRE (AA)Artificial Analysis–55.6%
Analyst Agent (AA)Artificial Analysis–35.0%
APEX-Agents (AA)Artificial Analysis–38.0%
Finance Agent v2Vals AI–50.7%
Finance Agent v2.1Vals AI–58.9%
Harvey's Legal Agent Benchmark v1.1Vals AI–12.9%
Harvey's Legal Agent Benchmark v1Vals AI–9.2%
Legal Research BenchVals AI–40.4%
Poker AgentVals AI1078.9%–
SREBenchVals AI–0.4%
Tax Agent BenchVals AI–27.3%
Terminal-Bench 2.0 (Vals)Vals AI55.1%†–
Terminal-Bench 4.0 (Vals)Vals AI–31.8%
Terminal-Bench ScienceVals AI–2.9%
Arena SearchArena (LMArena)1201–
Arena Agent Task CompletionArena (LMArena)–-1.5
BALROGBALROG58.1%–
DeepResearch BenchDeepResearch Bench46.3%†–
METR Time HorizonsMETR71.0%–
Vending-Bench 2Andon Labs5478.2–
AutomationBenchArtificial Analysis–51.0%
GDP.pdf (AA)Artificial Analysis–14.8%
EnterpriseOps-GymArtificial Analysis–47.2%
AA-Briefcase v1.1Artificial Analysis–1424
Design Arena AgenticDesign Arena1080–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–2.4%
CWE-Bench (AA)Artificial Analysis–52.5%
DeepSec-Bench (AA)Artificial Analysis–15.8%
CyberGym end-to-end (AA)Artificial Analysis–74.8%
MKA (AA)Artificial Analysis–27.6%
数学
OTIS Mock AIMEEpoch AI Benchmarking Hub91.4%–
ProofBenchVals AI20.0%42.0%
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)14751470
AIME 2025 (AA)Artificial Analysis95.7%†–
知识
LiveBench 2.0 Data AnalysisLiveBench–63.5%†
LiveBench ResearchLiveBench–75.5%†
AA-Omniscience v1.1Artificial Analysis–16.4
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%–
BioMysteryBenchVals AI–67.4%
CaseLaw v2Vals AI53.1%†–
Excel Modeling BenchmarkVals AI–57.1%
Excel Modeling Benchmark v1.1Vals AI–69.5%
MedCodeVals AI52.2%†–
MedScribeVals AI72.0%†–
Public Benefits Bench v1.1Vals AI–58.1%
AA-Omniscience v1.1: accuracyArtificial Analysis–36.4%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–68.7%
Global-MMLU-Lite (AA)Artificial Analysis92.2%†–
指令遵循
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)14731450
人类偏好
Arena TextArena (LMArena)14861449
EQ-Bench Creative Writing v3EQ-Bench1524–
Arena Creative WritingArena (LMArena)14841413
Arena Multi-turnArena (LMArena)14951445
Arena Longer QueriesArena (LMArena)14911461
多模态
Arena VisionArena (LMArena)13051263
LiveBench DesignLiveBench–70.8%†
MMMU-ProArtificial Analysis80.2%†76.4%
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%–
Code2Video-AAArtificial Analysis–821
AA-3DArtificial Analysis–859
长上下文
AA-LCR v1.1Artificial Analysis76.0%†88.3%
Arena DocumentArena (LMArena)1451–
MLCRArtificial Analysis–18.3%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub153.0–
LiveBench 2.0LiveBench–54.9%†
AA Intelligence Index v5.0.1Artificial Analysis–28.5
AA Intelligence Index v4.3.2Artificial Analysis28.0†43.7
AA Progress Index v1Artificial Analysis290.7†318.2
Vals IndexVals AI–54.8
HELM Capabilities meanHELM Capabilities79.9%–
Vals Finance IndexVals AI–55.4%
Vals Science IndexVals AI–29.6%
Vals Legal IndexVals AI–70.2%
AA Cyber IndexArtificial Analysis–47.7
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†33.3

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

  • Step 5 Preview:BenchLeader Index 54.2 → 56.0。
  • Gemini 3 Pro:1 项分数修订。
  • Step 5 Preview:BenchLeader Index 54.7 → 54.2。
  • Step 5 Preview:1 项分数修订。
  • Step 5 Preview:7 项分数修订。
  • Gemini 3 Pro:1 项新结果(Arena Search)。
  • Step 5 Preview:2 项新结果(Vals Index, Harvey's Legal Agent Benchmark v1.1)。
  • Step 5 Preview:1 项分数修订。
  • Step 5 Preview:BenchLeader Index 58.0 → 54.7。
  • Step 5 Preview:5 项新结果(AA Intelligence Index v5.0.1, AA Progress Index v1, HLE-Diamond (AA)…);2 项分数修订;价格 $1.03/M → $2.35/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 Step 5 Preview:常见问题

Gemini 3 Pro 比 Step 5 Preview 更好吗?
质量上 Gemini 3 Pro 领先:60.0 比 56.0。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,Gemini 3 Pro 总体领先,但请结合你的用途查看各类别得分。
Gemini 3 Pro 和 Step 5 Preview 哪个更便宜?价格会变吗?
目前 Step 5 Preview 更便宜:每百万 token $1.43 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 Step 5 Preview 更好?
Gemini 3 Pro 在编程方面得分更高(类别得分 58 比 50,50 为平均水平)。在两者共同的最主要编程基准测试 Arena Coding 上,Gemini 3 Pro 为 1517,Step 5 Preview 为 1505。
智能体和工具调用用 Gemini 3 Pro 还是 Step 5 Preview 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 Step 5 Preview 的看法一致吗?
在两者都有结果的 10 项基准测试中,Gemini 3 Pro 领先 9 项,Step 5 Preview 领先 1 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)
Step 5 Preview 是什么时候发布的?
Step 5 Preview 于 2026年9月18日 发布。