Gemini 3.8 Flash
性价比更高: GPT-5.6 Luna $0.450/M 即可获得 Index 58.2,便宜 70%。
没有比它更便宜且得分更高的已排名模型:它位于价格前沿上。
截至 2026年11月16日,Gemini 3.8 Flash(Google)在 BenchLeader Index 上得分 60.2(在 608 个已排名配置中前 100 名)。表现最好的是智能体与工具(75),最弱的是编程(52)。API 价格为输入每百万 token $0.750、输出每百万 token $3.75(按 3:1 混合为 $1.50),有效至 2026年12月31日,之后为 $1.50 / $7.50(混合 $3.00)。输出速度约为 120 token/秒(Artificial Analysis)。发布于 2026年9月2日。
要点(截至 2026年11月16日)
- Gemini 3.8 Flash 的 API 价格为输入每百万 token $0.750、输出每百万 token $3.75(按 3:1 混合为 $1.50),有效至 2026年12月31日,之后为 $1.50 / $7.50(混合 $3.00)(标价,2026年11月16日)。
- Gemini 3.8 Flash 的输出速度约为 120 token/秒(Artificial Analysis,2026年11月16日)。
- Gemini 3.8 Flash 于 2026年9月2日发布(Google)。
详细说明:Gemini 3.8 Flash 是 Google 的闭源推理模型,发布于 2026年9月2日。其最佳配置(推理强度 medium)在 BenchLeader Index 上得分 60.2 ±4.9,在 608 个配置中排第 80 名,处于上半区。关键在于这个“±”:另有 222 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,智能体与工具得分最高(75),编程最低(52)。按混合价格计,每百万 token $1.50,比大多数已排名模型贵。该价格有效至 2026年12月31日,之后为 $3.00。输出速度为 116 token/秒,首次回答需 14.8 秒,比大多数模型快。它已在 4 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。最近一次测量:2026年9月2日。
- 混合价格
- $1.50/M
- 输入 $0.750 · 输出 $3.75
- 来源:Artificial Analysis
- 输出速度
- 116 tok/s
- 由 Artificial Analysis 测量
- 首次回答
- 15 s
- 首 token 2.36 s
- 上下文
- 1.0M
- 来源:models.dev
- 完整回答
- 42 s
- 最近一次测量 2026年11月13日
- 单任务成本
- $6.26
- 每项任务 12 min,AA Index
- 单任务 token 数
- 82k
- 其中 58% 为推理
- 发布日期
- 2026年9月2日
- 综合 Index60
- 推理59
- 编程52
- 智能体与工具75
- 知识58
- 多模态67
- 长上下文67
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/gemini-3-8-flash)粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。
版本
Google 以这个名称发布过 12 个模型。每个版本都只按自身结果排名;较新的版本往往结果较少,在更多结果出炉之前,其 Index 会更接近平均水平。
| 模型 | 发布日期 | Index | 排名 |
|---|---|---|---|
| Gemini 3.8 Flashmedium本页 | 2026年9月2日 | 60.2 | #80 |
| Gemini 3.7 Flashhigh | 2026年8月13日 | 62.1 | #52 |
| Gemini 3.6 Flashhigh | 2026年7月21日 | 61.0 | #68 |
| Gemini 3.5 Flashhigh | 2026年5月19日 | 62.5 | #48 |
| Gemini 3 Flashthinking | 2025年12月17日 | 58.9 | #117 |
| Gemini 2.5 Flash 09 2025thinking | 2025年9月25日 | 52.8 | #271 |
| Gemini 2.5 Flash | 2025年4月17日 | 52.4 | #276 |
| Gemini 2.0 Flash | 2025年2月5日 | 43.5 | #482 |
| Gemini 1.5 Flash 002 | 2024年9月24日 | 38.2 | #564 |
| Gemini 1.5 Flash 001 | 2024年5月23日 | – | – |
| Gemini 1.5 Flash | 2024年5月14日 | 45.3 | #457 |
| Gemini Flash 2.0 | – | – | – |
不同推理强度的配置
同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。
| 推理强度 | Index | 排名 | 速度 | 首次回答 | 聊天回复成本 | 类别 |
|---|---|---|---|---|---|---|
| low | 55.9 | #197 | 106 tok/s | 4.78 s | $0.0014 | 智能体与工具 62 · 编程 44 · 知识 52 · 长上下文 65 · 多模态 67 · 推理 55 |
| medium最佳 | 60.2 | #80 | 116 tok/s | 15 s | $0.0014 | 智能体与工具 75 · 编程 52 · 知识 58 · 长上下文 67 · 多模态 67 · 推理 59 |
| high | 59.4 | #105 | 114 tok/s | 20 s | $0.0014 | 智能体与工具 51 · 编程 60 · 综合 41 · 人类偏好 69 · 知识 64 · 长上下文 65 · 数学 62 · 多模态 68 · 推理 63 |
| 未说明 | 56.4 | #181 | 79 tok/s | 2.36 s | $0.0014 | 智能体与工具 51 · 知识 58 · 数学 53 · 推理 73 |
Index 走势
2026年9月8日 至 2026年11月16日- medium
- high
- 默认
- low
Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。
基准测试结果
查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。
推理
编程
智能体与工具
数学
| 基准测试 | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| FrontierMath Tiers 1–3 | 68.4%#35 | – | Epoch AI Benchmarking Hub | |
| FrontierMath Tier 4 | 21.9%#56 | – | Epoch AI Benchmarking Hub | |
| OTIS Mock AIME | 98.9%#25 | – | Epoch AI Benchmarking Hub | |
| ProofBench推理强度未说明 | – | 48.0%#37 | Vals AI | |
| LiveBench Mathematics不计入 Index | 91.6%#29 | – | LiveBench | |
| Arena Maths | 1519#5 | – | Arena (LMArena) | |
| FrontierMath Erdős不计入 Index | 0.0%#8 | – | Epoch AI Benchmarking Hub |
知识
指令遵循
| 基准测试 | high | 来源 | 趋势 |
|---|---|---|---|
| LiveBench Language不计入 Index | 87.8%#7 | LiveBench | |
| LiveBench Instruction Following不计入 Index | 81.4%#1 | LiveBench | |
| Arena Instruction Following不计入 Index | 1492#15 | Arena (LMArena) |
人类偏好
| 基准测试 | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| Arena Text | 1497#9 | – | Arena (LMArena) | |
| EQ-Bench Creative Writing v3不计入 Index推理强度未说明 | – | 1744#30 | EQ-Bench | |
| Arena Creative Writing不计入 Index | 1488#10 | – | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1505#10 | – | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1511#9 | – | Arena (LMArena) |
多模态
| 基准测试 | low | medium | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|
| Arena Vision | – | – | 1317#6 | – | Arena (LMArena) | |
| LiveBench Design不计入 Index | – | – | 69.7%#27 | – | LiveBench | |
| MMMU-Pro | 84.5%#22 | 84.2%#24 | 85.6%#11 | – | Artificial Analysis | |
| MMMU-Pro (Vals)不计入 Index | – | – | 89.1%#4 | – | Vals AI | |
| MortgageTax不计入 Index | – | – | 65.3%#42 | – | Vals AI | |
| SAGE不计入 Index | – | – | 88.2%#9 | – | Vals AI | |
| AudioMC不计入 Index | – | – | 60.4%#1 | – | Scale AI SEAL | |
| AudioMC (text output)不计入 Index | – | – | 60.4%#1 | – | Scale AI SEAL | |
| Humanity's Sixth Sense不计入 Index | – | – | 41.6%#8 | – | Scale AI SEAL | |
| GeoBench不计入 Index推理强度未说明 | – | – | – | 86.0%#3 | GeoBench | |
| Blueprint-Bench 2不计入 Index推理强度未说明 | – | – | – | 38.6%#9 | Epoch AI Benchmarking Hub | |
| Furniture Assembly不计入 Index | – | – | 31.7%#28 | – | Epoch AI Benchmarking Hub | |
| VIALS-AA不计入 Index | – | – | 41.0%#14 | – | Handshake AI | |
| Code2Video-AA不计入 Index | – | – | 899#23 | – | Artificial Analysis | |
| AA-3D不计入 Index | – | – | 974#17 | – | Artificial Analysis | |
| FACTS Multimodal不计入 Index推理强度未说明 | – | – | – | 57.6%#2 |
长上下文
| 基准测试 | low | medium | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|
| AA-LCR v1.1 | 80.7%#74 | 84.0%#13 | 81.3%#64 | – | Artificial Analysis | |
| Arena Document不计入 Index | – | – | 1469#19 | – | Arena (LMArena) | |
| MLCR不计入 Index | 15.6%#82 | 12.8%#104 | 10.6%#119 | – | Artificial Analysis | |
| FACTS Grounding不计入 Index推理强度未说明 | – | – | – | 68.2%#12 |
综合
| 基准测试 | low | medium | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|
| Epoch Capabilities Index不计入 Index推理强度未说明 | – | – | – | 158.8#23 | Epoch AI Benchmarking Hub | |
| LiveBench 2.0 | – | – | 57.3%#26 | – | LiveBench | |
| LiveBench 1.0不计入 Index | – | – | 75.8%#34 | – | LiveBench | |
| AA Intelligence Index v5.0.1不计入 Index | 22.6#89 | 30.1#65 | 30.9#61 | – | Artificial Analysis | |
| AA Intelligence Index v4.3.2不计入 Index | 33.5#114 | 39.8#70 | 40.9#64 | – | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 308#103 | 319.1#66 | 320.3#59 | – | Artificial Analysis | |
| Vals Index不计入 Index | – | – | 56.0#23 | – | Vals AI | |
| Vals Finance Index不计入 Index | – | – | 60.5%#14 | – | Vals AI | |
| Vals RSI Index不计入 Index | – | – | 19.9%#19 | – | Vals AI | |
| Vals Science Index不计入 Index | – | – | 35.8%#15 | – | Vals AI | |
| Vals Router Index不计入 Index推理强度未说明 | – | – | – | 56.0%#13 | Vals AI | |
| Vals Legal Index不计入 Index | – | – | 69.8%#19 | – | Vals AI | |
| AA Cyber Index不计入 Index | – | – | 25.1#21 | – | Artificial Analysis |
安全与诚实
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| DistressBench不计入 Index | 70.7%#25 | Scale AI SEAL |
GameBench 2 Overall: 59.0. GameBench 2, best reasoning setting (High): 64.0. 仅供参考,不计入 BenchLeader Index。
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.
API 价格:在哪里调用
通过 OpenRouter 提供这个模型的所有提供商:吞吐量和首 token 延迟基于过去 30 分钟的实时流量测得,价格为各提供商自己的报价。紫色标出每列的最佳值。
| 提供商 | 速度 | 首 token | 输入 $/M | 输出 $/M | 上下文 | 量化 |
|---|---|---|---|---|---|---|
| Google Vertex | 103 tok/s | 3.09 s | $0.825 | $4.13 | 1.0M | – |
| Google Vertex | 91 tok/s | 1.67 s | $1.35 | $6.75 | 1.0M | – |
| Google Vertex | 84 tok/s | 2.36 s | $0.750 | $3.75 | 1.0M | – |
| Google AI Studio | 82 tok/s | 6.09 s | $1.35 | $6.75 | 1.0M | – |
| Google AI Studio | 76 tok/s | 2.10 s | $0.375 | $1.88 | 1.0M | – |
| Google AI Studio | 70 tok/s | 2.35 s | $0.750 | $3.75 | 1.0M | – |
| Google Vertex | 38 tok/s | 13 s | $0.375 | $1.88 | 1.0M | – |
使用情况
Gemini 3.8 Flash 的实际使用量,依据公开这类数据的网关报告。使用情况不计入 Index。使用最多的模型和提供商
过去 30 天的典型请求:每次请求 18.2k token、每个输出 token 对应 20 个输入 token、65% 的输入来自缓存、51% 的输出为推理内容、每次请求 0.17 次工具调用。
在 OpenRouter 上向它发送 token 最多的应用:Hermes Agent (389B)、HighLevel (355B)、ISEKAI ZERO (137B)、pi (108B)、OpenClaw (75.9B)。
| Vercel AI Gateway 上的提供商 | 吞吐量 | 首 token | 在线率,1 天 |
|---|---|---|---|
| Google AI Studio | 140 tok/s | 2.24 s | 99.97% |
| Google Vertex | 115 tok/s | 1.50 s | 99.99% |
来源: 使用情况: OpenRouter 排名 · Vercel AI Gateway, CC BY 4.0 · T3 Code via Slopalytics · 数据截至 2026年11月16日。
一项任务的成本
根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存,价格为每百万 token $0.075。未计入推理 token。
| 工作负载 | 输入 / 输出 token | 成本 | 使用缓存 | 耗时 |
|---|---|---|---|---|
| 聊天回复 | 400 / 300 | $0.0014 | $0.0012 | 17.4 s |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.011 | $0.0052 | 20.0 s |
| 代码编辑 | 6,000 / 1,500 | $0.010 | $0.0071 | 27.7 s |
| 智能体编程会话 | 60,000 / 4,000 | $0.060 | $0.030 | 49.2 s |
| 结构化信息提取 | 2,000 / 200 | $0.0023 | $0.0012 | 16.5 s |
包含该模型的编程套餐
可以使用 Gemini 3.8 Flash 的订阅套餐,列出各自的用量限制和单项任务成本。
Google 的更多模型
将 Gemini 3.8 Flash 与以下模型对比
- Gemini 3.8 Flash vs Gemini 4 Argon
- Gemini 3.8 Flash vs GPT-5.3-Codex
- Gemini 3.8 Flash vs Claude Sonnet 5.5
- Gemini 3.8 Flash vs Step 5 Preview
- Gemini 3.8 Flash vs DeepSeek V4.1 Flash 1017
- Gemini 3.8 Flash vs GPT-5.6 Terra
- Gemini 3.8 Flash vs Gemini 3.1 Pro
- Gemini 3.8 Flash vs GPT-6.1 Terra
- Gemini 3.8 Flash vs Grok 4.7
- Gemini 3.8 Flash vs GPT-6.1 Sol
- Gemini 3.8 Flash vs Kimi K3.1 Pro
- Gemini 3.8 Flash vs Gemini 4 Carbon
- Gemini 3.8 Flash vs Kimi K3
- Gemini 3.8 Flash vs DeepSeek V4 Pro
- Gemini 3.8 Flash vs Qwen3.8 Max
- Gemini 3.8 Flash vs Grok 4.6
- Gemini 3.8 Flash vs GLM 5.2
- Gemini 3.8 Flash vs GLM 5.3
- Gemini 3.8 Flash vs MiMo-V2.6-Pro
- Gemini 3.8 Flash vs Muse Wonder
- Gemini 3.8 Flash vs Muse Spark
- Gemini 3.8 Flash vs GPT-5
- Gemini 3.8 Flash vs Claude Opus 4.7
- Gemini 3.8 Flash vs o3
- Gemini 3.8 Flash vs Mimo v2 Pro
- Gemini 3.8 Flash vs Gemini 3.6 Flash
- Gemini 3.8 Flash vs Gemini 3.7 Flash
另请参阅
嵌入或引用
在模型卡片或 README 中展示 Gemini 3.8 Flash 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。
[](https://www.benchleader.com/models/gemini-3-8-flash)引用本页
排名每天都会变化,因此引用时需注明数据日期。APA 格式:
BenchLeader. (2026, November 16). Gemini 3.8 Flash on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/gemini-3-8-flash
BibTeX:
@misc{benchleader_gemini_3_8_flash_20261116,
author = {{BenchLeader}},
title = {{Gemini 3.8 Flash on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/gemini-3-8-flash}},
note = {Data as of 2026-11-16}
}常见问题
- Gemini 3.8 Flash 的基准测试得分是多少?
- 截至 2026年11月16日,Gemini 3.8 Flash(推理强度 medium)的 BenchLeader Index 为 60.2 ±4.9(前 100 名)。最强的是智能体与工具(75),最弱的是编程(52)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
- Gemini 3.8 Flash 排名第几?
- 截至 2026年11月16日,Gemini 3.8 Flash(推理强度 medium)在 608 个已排名配置中排第 80 名(前 100 名)。另有 222 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
- Gemini 3.8 Flash 每百万 token 的价格是多少?
- 截至 2026年11月16日,Gemini 3.8 Flash 的价格为输入每百万 token $0.750、输出每百万 token $3.75,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $1.50。这是有效至 2026年12月31日的首发价格,之后混合价格为 $3.00。
- Gemini 3.8 Flash 比 Gemini 4 Argon 更好吗?
- 截至 2026年11月16日,Gemini 3.8 Flash(推理强度 medium)与 Gemini 4 Argon(推理强度 high)的质量不相上下(BenchLeader Index 60.2 比 65.3,在 ±5.5 的误差范围内),可根据价格、速度和你看重的类别来选择。逐项基准测试的详细对比见对比页面。
- Gemini 3.8 Flash 是什么时候发布的?
- Google 于 2026年9月2日发布了 Gemini 3.8 Flash。BenchLeader 收录了它在 4 种推理强度设置下的结果。
数据截至 2026年11月16日。 对比这些配置
引用格式:BenchLeader,《Gemini 3.8 Flash:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/gemini-3-8-flash。