BenchLeader

Gemini 3 Flash

推理强度
质量第 53 / 339 名
58.9Index
前四分之一
较中位数 +8.7
价格第 145 / 255 名
$1.13每百万 token
比多数贵
中位数的 1.3 倍
速度第 16 / 216 名
196token/秒
前 10%
中位数的 2.4 倍
性价比第 134 / 255 名
52.4分/$
低于中位数
中位数的 0.9 倍

性价比更高: GLM 5.3 Flash $0.238/M 即可获得 Index 57.8,便宜 79%。

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 Flash(Google)在 BenchLeader Index 上得分 58.9(共 608 个已排名配置)。表现最好的是指令遵循(76),最弱的是智能体与工具(55)。API 价格为输入每百万 token $0.500、输出每百万 token $3.00(按 3:1 混合为 $1.13),为 2026年11月16日的标价。输出速度约为 200 token/秒(Artificial Analysis)。发布于 2025年12月17日。

要点(截至 2026年11月16日)

  • Gemini 3 Flash 的 API 价格为输入每百万 token $0.500、输出每百万 token $3.00(按 3:1 混合为 $1.13)(标价,2026年11月16日)。
  • Gemini 3 Flash 的输出速度约为 200 token/秒(Artificial Analysis,2026年11月16日)。
  • Gemini 3 Flash 于 2025年12月17日发布(Google)。

详细说明:Gemini 3 Flash 是 Google 的闭源推理模型,发布于 2025年12月17日。其最佳配置(推理强度 thinking)在 BenchLeader Index 上得分 58.9 ±7.7,在 608 个配置中排第 117 名,处于上半区。关键在于这个“±”:另有 323 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,指令遵循得分最高(76),智能体与工具最低(55)。按混合价格计,每百万 token $1.13,价格居中。输出速度为 196 token/秒,首次回答需 4.7 秒,位于最快的四分之一。它已在 7 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:2025年12月17日。数据较旧:六个月内没有新结果

混合价格
$1.13/M
输入 $0.500 · 输出 $3.00
来源:Artificial Analysis
输出速度
196 tok/s
由 Artificial Analysis 测量
首次回答
4.71 s
首 token 1.10 s
上下文
1.0M
来源:models.dev
完整回答
14 s
最近一次测量 2026年11月13日
单任务成本
–
单任务 token 数
–
发布日期
2025年12月17日
各类别得分虚线 = 平均模型(50)。每 15 分为一个标准差。
  1. 综合 Index59
  2. 智能体与工具55
  3. 指令遵循76
  4. 多模态62
  5. 长上下文64

嵌入这个排名

更多徽章样式
[![Gemini 3 Flash on BenchLeader: 综合第 54 名](https://www.benchleader.com/badge/gemini-3-flash.svg?style=compact)](https://www.benchleader.com/models/gemini-3-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。

Google 发布新模型时邮件通知我

进入排名时再通知一次,每周一另有每周回顾。

选择提供商和邮件类型

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 Flashmedium2026年9月2日60.2#80
Gemini 3.7 Flashhigh2026年8月13日62.1#52
Gemini 3.6 Flashhigh2026年7月21日61.0#68
Gemini 3.5 Flashhigh2026年5月19日62.5#48
Gemini 3 Flashthinking本页2025年12月17日58.9#117
Gemini 2.5 Flash 09 2025thinking2025年9月25日52.8#271
Gemini 2.5 Flash2025年4月17日52.4#276
Gemini 2.0 Flash2025年2月5日43.5#482
Gemini 1.5 Flash 0022024年9月24日38.2#564
Gemini 1.5 Flash 0012024年5月23日––
Gemini 1.5 Flash2024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
无推理––199 tok/s1.29 s$0.0011智能体与工具 61 · 指令遵循 56 · 长上下文 52 · 多模态 61
minimal53.8#25189 tok/s1.10 s$0.0011编程 48 · 人类偏好 64 · 数学 63 · 多模态 60 · 推理 40
low––89 tok/s1.10 s$0.0011推理 33
medium––89 tok/s1.10 s$0.0011推理 41
high57.4#15589 tok/s1.10 s$0.0011智能体与工具 52 · 编程 64 · 知识 64 · 数学 57 · 推理 56
thinking最佳58.9#117196 tok/s4.71 s$0.0011智能体与工具 55 · 指令遵循 76 · 长上下文 64 · 多模态 62
未说明56.5#17989 tok/s1.10 s$0.0011智能体与工具 52 · 编程 52 · 人类偏好 66 · 数学 53 · 多模态 63 · 推理 59

Index 走势

2026年9月8日 至 2026年11月16日
465869
  • thinking
  • high
  • 默认
  • minimal

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

基准测试无推理minimallowmediumhighthinking默认来源趋势
GPQA Diamond––––89.4%#60–83.2%#120Epoch AI Benchmarking Hub
SimpleBench推理强度未说明––––––61.1%#41SimpleBench
Arena Hard Prompts–1474#81––––1493#48Arena (LMArena)
GPQA Diamond (AA)不计入 Index81.2%#185––––89.8%#68–Artificial Analysis
Humanity's Last Exam (AA)不计入 Index15.0%#271––––36.6%#124–Artificial Analysis
GPQA Diamond (Vals)不计入 Index––––87.9%#36––Vals AI
ARC-AGI-1–21.5%#22629.0%#21757.7%#17384.7%#121––ARC Prize
ARC-AGI-2–3.3%#1991.3%#22612.8%#16333.6%#131––ARC Prize
CritPt不计入 Index1.4%#230––––8.6%#149–Artificial Analysis
SciPredict不计入 Index推理强度未说明––––––22.2%#4Scale AI SEAL
Arena Expert不计入 Index–1465#102––––1498#50Arena (LMArena)
Chess Puzzles不计入 Index––––40.0%#45––Epoch AI Benchmarking Hub
Mystery Game Puzzles不计入 Index–25.0%#5126.0%#47–20.0%#64––Epoch AI Benchmarking Hub
LMCA不计入 Index––––43.1%#106––Epoch AI Benchmarking Hub
DTBench不计入 Index––––89.1%#98––Epoch AI Benchmarking Hub
ForecastBench不计入 Index推理强度未说明––––––64.4%#24ForecastBench

编程

基准测试无推理minimalhighthinking默认来源趋势
SWE-bench Verified (Epoch)推理强度未说明––––75.4%#13Epoch AI Benchmarking Hub
WeirdML推理强度未说明––––61.6%#45WeirdML
GSO-Bench推理强度未说明––––9.8%#21GSO-Bench
Arena Coding–1489#98––1505#68Arena (LMArena)
Arena WebDev–1384#111––1440#86Arena (LMArena)
LiveCodeBench––85.6%#29––Vals AI
SWE-bench (Vals)不计入 Index––75.0%#42––Vals AI
SWE-Bench Pro推理强度未说明––––34.6%#15Scale AI SEAL
SWE-bench Verified (bash only)––75.8%#2––SWE-bench
SWE-bench Multilingual (bash only)不计入 Index推理强度未说明––––72.7%#1SWE-bench
SWE-bench Verified (any scaffold)不计入 Index––75.8%#4––SWE-bench
Code Migration不计入 Index––6.4%#69––Vals AI
ProgramBench不计入 Index––0.0%#34––Vals AI
Vibe Code Bench v1.1不计入 Index––20.2%#90––Vals AI
SWE Atlas v1.0: Codebase QnA不计入 Index推理强度未说明––––8.2%#22Scale AI SEAL
SWE Atlas v1.0: Refactoring不计入 Index推理强度未说明––––10.0%#17Scale AI SEAL
SWE Atlas v1.0: Test Writing不计入 Index推理强度未说明––––30.3%#17Scale AI SEAL
ALE-Bench不计入 Index推理强度未说明––––1367.2#35Epoch AI Benchmarking Hub
Design Arena Website不计入 Index推理强度未说明––––1188#89Design Arena
LiveCodeBench (AA)不计入 Index79.7%#30––90.8%#2–Artificial Analysis

智能体与工具

基准测试无推理minimallowhighthinking默认来源趋势
Terminal-Bench推理强度未说明–––––64.3%#14Terminal-Bench
Terminal-Bench Hard31.8%#103–––38.6%#60–Artificial Analysis
τ²-Bench Telecom (AA)不计入 Index43.3%#220–––80.4%#124–Artificial Analysis
Terminal-Bench 2.1 (Vals)–––53.9%#52––Vals AI
MCP Atlas推理强度未说明–––––62.0%#30Scale AI SEAL
τ²-bench–––83.5%#4––τ²-bench
τ³-bench Banking不计入 Index–––27.3%#14––τ²-bench
τ³-Banking (AA)––––20.8%#97–Artificial Analysis
APEX-Agents (AA)不计入 Index––––27.7%#16–Artificial Analysis
Finance Agent v2不计入 Index–––42.5%#60––Vals AI
Harvey's Legal Agent Benchmark v1不计入 Index–––0.0%#64––Vals AI
Legal Research Bench不计入 Index–––18.3%#69––Vals AI
Poker Agent不计入 Index推理强度未说明–––––1100.2%#3Vals AI
Tax Agent Bench不计入 Index–––11.8%#65––Vals AI
Terminal-Bench 2.0 (Vals)不计入 Index–––51.7%#17––Vals AI
Arena Search不计入 Index推理强度未说明–––––1189#28Arena (LMArena)
BALROG不计入 Index推理强度未说明–––––48.1%#7BALROG
DeepResearch Bench不计入 Index–49.0%#1549.8%#1147.9%#21––DeepResearch Bench
Vending-Bench 2不计入 Index推理强度未说明–––––3634.7#48Andon Labs
Design Arena Agentic不计入 Index推理强度未说明–––––1081#63Design Arena
BrowseComp不计入 Index推理强度未说明–––––16.9%#3OpenAI
FACTS Search不计入 Index推理强度未说明–––––84.5%#19Google

数学

基准测试无推理minimalhighthinking默认来源趋势
FrontierMath Tiers 1–3推理强度未说明––––51.2%#57Epoch AI Benchmarking Hub
FrontierMath Tier 4推理强度未说明––––17.1%#60Epoch AI Benchmarking Hub
OTIS Mock AIME––95.6%#51–92.8%#74Epoch AI Benchmarking Hub
ProofBench推理强度未说明––––15.0%#64Vals AI
AIME (Vals)––95.6%#8––Vals AI
MGSM––93.3%#10––Vals AI
AIME 2026––96.7%#6––MathArena
HMMT February 2026––89.4%#14––MathArena
MathArena Apex可能存在污染––15.6%#16––MathArena
Arena Maths–1453#73––1474#47Arena (LMArena)
AIME 2025 (AA)不计入 Index55.7%#125––97.0%#3–Artificial Analysis

知识

基准测试无推理highthinking默认来源趋势
SimpleQA Verified–66.8%#13––Epoch AI Benchmarking Hub
MMLU-Pro–88.6%#19––Vals AI
LegalBench–86.9%#11––Vals AI
CorpFin–66.4%#20––Vals AI
TaxEval–73.9%#44––Vals AI
MedQA–95.8%#11––Vals AI
CaseLaw v2不计入 Index–55.8%#32––Vals AI
Excel Modeling Benchmark不计入 Index–26.0%#68––Vals AI
MedCode不计入 Index–55.9%#5––Vals AI
MedScribe不计入 Index–69.9%#92––Vals AI
GDP.pdf不计入 Index–10.0%#50–10.0%#50Epoch AI Benchmarking Hub
Global-MMLU-Lite (AA)不计入 Index92.8%#2–91.4%#5–Artificial Analysis
FACTS Parametric不计入 Index推理强度未说明–––72.4%#9Google

指令遵循

基准测试无推理minimalthinking默认来源趋势
IFBench55.1%#149–78.0%#14–Artificial Analysis
Arena Instruction Following不计入 Index–1444#78–1457#57Arena (LMArena)

人类偏好

基准测试minimal默认来源趋势
Arena Text1458#651473#46Arena (LMArena)
Arena Creative Writing不计入 Index1447#471456#32Arena (LMArena)
Arena Multi-turn不计入 Index1474#561482#38Arena (LMArena)
Arena Longer Queries不计入 Index1462#761476#55Arena (LMArena)

多模态

基准测试无推理minimalhighthinking默认来源趋势
Arena Vision–1265#49––1285#31Arena (LMArena)
MMMU-Pro78.5%#79––79.9%#63–Artificial Analysis
MMMU-Pro (Vals)不计入 Index––87.6%#13––Vals AI
MortgageTax不计入 Index––68.7%#11––Vals AI
GeoBench不计入 Index推理强度未说明––––88.0%#2GeoBench
VPCT不计入 Index推理强度未说明––––72.6%#3Epoch AI Benchmarking Hub
Blueprint-Bench 2不计入 Index推理强度未说明––––0.0%#33Epoch AI Benchmarking Hub
FACTS Multimodal不计入 Index推理强度未说明––––49.7%#11Google

长上下文

基准测试无推理thinking默认来源趋势
AA-LCR v1.155.3%#31878.0%#137–Artificial Analysis
Arena Document不计入 Index推理强度未说明––1440#38Arena (LMArena)
FACTS Grounding不计入 Index推理强度未说明––48.6%#25Google

综合

基准测试无推理highthinking默认来源趋势
Epoch Capabilities Index不计入 Index推理强度未说明–––152.3#57Epoch AI Benchmarking Hub
AA Intelligence Index v4.3.2不计入 Index17.9#268–26.3#161–Artificial Analysis
AA Progress Index v1不计入 Index241.3#287–290.1#146–Artificial Analysis
Vals Multimodal Index不计入 Index–52.2%#24––Vals AI

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 AI Studio122 tok/s1.02 s$0.500$3.001.0M–
Google Vertex113 tok/s1.21 s$0.900$5.401.0M–
Google AI Studio94 tok/s1.61 s$0.250$1.501.0M–
Google Vertex86 tok/s1.06 s$0.500$3.001.0M–
Google AI Studio82 tok/s0.87 s$0.900$5.401.0M–
Google Vertex8 tok/s14 s$0.250$1.501.0M–

使用情况

Gemini 3 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

OpenRouter,过去一周
#40
token 份额 0.32%
可用性,72 小时
99.9%
OpenRouter,全部提供商
工具调用错误率,7 天
3.09%
占工具调用
OpenRouter 每日 token 数(2026年10月17日 至 2026年11月15日):共 2.79T,环比上周 +11%。

过去 30 天的典型请求:每次请求 8.2k token、每个输出 token 对应 22 个输入 token、49% 的输入来自缓存、19% 的输出为推理内容、每次请求 0.09 次工具调用。

在 OpenRouter 上向它发送 token 最多的应用:sofia-venezuela (70.5B)、LangChain (25.7B)、Pocket AI (25.5B)、OpenClaw (19.3B)、AI Psychologist (16.1B)。

Vercel AI Gateway 上的提供商吞吐量首 token在线率,1 天
Google AI Studio246 tok/s0.55 s99.99%
Google Vertex214 tok/s0.86 s99.99%

来源: 使用情况: OpenRouter 排名 · Vercel AI Gateway, CC BY 4.0 · 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 $0.050。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$0.0011$0.00106.2 s
总结一份 30 页的报告12,000 / 600$0.0078$0.00387.8 s
代码编辑6,000 / 1,500$0.0075$0.005512.4 s
智能体编程会话60,000 / 4,000$0.042$0.02225.1 s
结构化信息提取2,000 / 200$0.0016$0.00095.7 s

Google 的更多模型

本月新上线

将 Gemini 3 Flash 与以下模型对比

另请参阅

嵌入或引用

在模型卡片或 README 中展示 Gemini 3 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。

[![Gemini 3 Flash on BenchLeader: 综合第 54 名](https://www.benchleader.com/badge/gemini-3-flash.svg)](https://www.benchleader.com/models/gemini-3-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 Flash on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/gemini-3-flash

BibTeX:

@misc{benchleader_gemini_3_flash_20261116,
  author       = {{BenchLeader}},
  title        = {{Gemini 3 Flash on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/gemini-3-flash}},
  note         = {Data as of 2026-11-16}
}

全部徽章样式、可嵌入的前 10 名小组件,以及如何引用 Index

常见问题

Gemini 3 Flash 的基准测试得分是多少?
截至 2026年11月16日,Gemini 3 Flash(推理强度 thinking)的 BenchLeader Index 为 58.9 ±7.7。最强的是指令遵循(76),最弱的是智能体与工具(55)。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 Flash 排名第几?
截至 2026年11月16日,Gemini 3 Flash(推理强度 thinking)在 608 个已排名配置中排第 117 名。另有 323 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 Flash 每百万 token 的价格是多少?
截至 2026年11月16日,Gemini 3 Flash 的价格为输入每百万 token $0.500、输出每百万 token $3.00,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $1.13。
Gemini 3 Flash 比 GPT-5.6 Terra 更好吗?
截至 2026年11月16日,Gemini 3 Flash(推理强度 thinking)与 GPT-5.6 Terra(推理强度 xhigh)的质量不相上下(BenchLeader Index 58.9 比 60.1,在 ±8.7 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 Flash 是什么时候发布的?
Google 于 2025年12月17日发布了 Gemini 3 Flash。BenchLeader 收录了它在 7 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 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-flash。