BenchLeader

Gemini 3 Pro

推理强度
质量第 40 / 339 名
60.0Index
前四分之一
较中位数 +9.8

截至 2026年11月16日,Gemini 3 Pro(Google)在 BenchLeader Index 上得分 60.0(在 608 个已排名配置中前 100 名)。表现最好的是人类偏好(68),最弱的是数学(54)。API 价格为输入每百万 token $2.00、输出每百万 token $12.00(按 3:1 混合为 $4.50),为 2026年11月16日的标价。发布于 2025年11月18日。

要点(截至 2026年11月16日)

  • Gemini 3 Pro 的 API 价格为输入每百万 token $2.00、输出每百万 token $12.00(按 3:1 混合为 $4.50)(标价,2026年11月16日)。
  • Gemini 3 Pro 于 2025年11月18日发布(Google)。

详细说明:Gemini 3 Pro 是 Google 的闭源推理模型,发布于 2025年11月18日。其最佳配置在 BenchLeader Index 上得分 60.0 ±3.4,在 608 个配置中排第 87 名,处于上半区。关键在于这个“±”:另有 206 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,人类偏好得分最高(68),数学最低(54)。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11月11日。

混合价格
–
输出速度
–
首次回答
–
上下文
–
单任务成本
–
单任务 token 数
–
发布日期
2025年11月18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 Index60
  2. 推理63
  3. 编程58
  4. 智能体与工具62
  5. 数学54
  6. 知识56
  7. 指令遵循61
  8. 人类偏好68
  9. 多模态66

嵌入这个排名

更多徽章样式
[![Gemini 3 Pro on BenchLeader: 综合第 40 名](https://www.benchleader.com/badge/gemini-3-pro.svg?style=compact)](https://www.benchleader.com/models/gemini-3-pro)

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 10 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 3.1 Prohigh2026年2月19日60.4#77
Gemini 3 Pro本页2025年11月18日60.0#87
Gemini 2.5 Pro2025年3月25日55.2#215
Gemini 2.0 Pro2025年2月5日47.5#404
Gemini 1.5 Pro 0022024年9月24日41.4#512
Gemini 1.5 Pro2024年5月15日47.0#416
Gemini 1.5 Pro 0012024年5月14日––
Gemini 1.0 Pro 0012023年12月13日––
Gemini 1.0 Pro2023年12月6日––
Gemini 1.0 Pro 002–––

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––––$0.0044智能体与工具 63 · 指令遵循 51 · 长上下文 62
high60.0#89––$0.0044智能体与工具 59 · 编程 61 · 指令遵循 69 · 知识 60 · 长上下文 63 · 数学 63 · 多模态 63
thinking–––––
未说明最佳60.0#87–––智能体与工具 62 · 编程 58 · 人类偏好 68 · 指令遵循 61 · 知识 56 · 数学 54 · 多模态 66 · 推理 63

Index 走势

2026年9月8日 至 2026年11月16日
535965
  • high
  • 默认

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。

元数据

基准测试lowhigh来源趋势
AA Openness Index不计入 Index5.6#3075.6#307Artificial Analysis

推理

基准测试lowhigh默认来源趋势
GPQA Diamond推理强度未说明––92.6%#32Epoch AI Benchmarking Hub
Humanity's Last Exam推理强度未说明––37.5%#8Scale AI / CAIS
SimpleBench推理强度未说明––76.4%#17SimpleBench
Arena Hard Prompts推理强度未说明––1502#31Arena (LMArena)
GPQA Diamond (AA)不计入 Index88.7%#8990.8%#55–Artificial Analysis
Humanity's Last Exam (AA)不计入 Index29.5%#17239.7%#101–Artificial Analysis
GPQA Diamond (Vals)不计入 Index–91.7%#18–Vals AI
Kagi LLM Benchmark推理强度未说明––80.1%#9Kagi LLM Benchmark
GPQA Diamond (HELM)不计入 Index推理强度未说明––80.3%#1HELM Capabilities
ARC-AGI-1推理强度未说明––75.0%#140ARC Prize
ARC-AGI-2推理强度未说明––31.1%#139ARC Prize
CritPt不计入 Index0.0%#3379.1%#143–Artificial Analysis
SciPredict不计入 Index推理强度未说明––25.3%#1Scale AI SEAL
Arena Expert不计入 Index推理强度未说明––1499#47Arena (LMArena)
CL-bench不计入 Index推理强度未说明––15.8%#17Epoch AI Benchmarking Hub
ForecastBench不计入 Index推理强度未说明––65.0%#17ForecastBench

编程

基准测试lowhigh默认来源趋势
SWE-bench Verified (Epoch)推理强度未说明––72.9%#21Epoch AI Benchmarking Hub
WeirdML推理强度未说明––69.9%#34WeirdML
GSO-Bench推理强度未说明––18.6%#17GSO-Bench
Arena Coding推理强度未说明––1517#46Arena (LMArena)
Arena WebDev推理强度未说明––1441#85Arena (LMArena)
LiveCodeBench推理强度未说明––86.4%#22Vals AI
SWE-bench (Vals)不计入 Index–76.4%#36–Vals AI
SWE-Bench Pro推理强度未说明––43.3%#8Scale AI SEAL
SWE-bench Verified (bash only)–69.6%#1474.2%#6SWE-bench
SWE-bench Multilingual (bash only)不计入 Index推理强度未说明––68.7%#5SWE-bench
SWE-bench Verified (any scaffold)不计入 Index推理强度未说明––77.4%#2SWE-bench
Vibe Code Bench v1.1不计入 Index–14.3%#99–Vals AI
SWE-Bench Pro (private)不计入 Index推理强度未说明––17.9%#9Scale AI SEAL
ALE-Bench不计入 Index988.2#70–1176.8#53Epoch AI Benchmarking Hub
AlgoTune不计入 Index推理强度未说明––1.8#4AlgoTune
Design Arena Website不计入 Index推理强度未说明––1244#64Design Arena
LiveCodeBench (AA)不计入 Index85.7%#1391.8%#1–Artificial Analysis

智能体与工具

基准测试lowhigh默认来源趋势
Terminal-Bench推理强度未说明––69.4%#7Terminal-Bench
GDPval推理强度未说明––40.3%#5OpenAI
Remote Labor Index推理强度未说明––1.3%#17Scale AI / CAIS
Terminal-Bench Hard34.1%#8941.7%#50–Artificial Analysis
τ²-Bench Telecom (AA)不计入 Index68.1%#16387.1%#81–Artificial Analysis
MCP Atlas推理强度未说明––70.3%#24Scale AI SEAL
BFCL Overall推理强度未说明––72.5%#3Berkeley Function Calling Leaderboard
τ²-bench–82.5%#5–τ²-bench
τ³-bench Banking不计入 Index–18.0%#20–τ²-bench
Poker Agent不计入 Index推理强度未说明––1078.9%#6Vals AI
Terminal-Bench 2.0 (Vals)不计入 Index–55.1%#15–Vals AI
Arena Search不计入 Index推理强度未说明––1201#18Arena (LMArena)
BALROG不计入 Index推理强度未说明––58.1%#4BALROG
DeepResearch Bench不计入 Index46.3%#28––DeepResearch Bench
METR Time Horizons不计入 Index推理强度未说明––71.0%#8METR
Vending-Bench 2不计入 Index推理强度未说明––5478.2#29Andon Labs
Design Arena Agentic不计入 Index推理强度未说明––1080#64Design Arena

数学

基准测试lowhigh默认来源趋势
OTIS Mock AIME推理强度未说明––91.4%#77Epoch AI Benchmarking Hub
ProofBench推理强度未说明––20.0%#54Vals AI
AIME (Vals)–96.7%#4–Vals AI
MGSM–93.9%#7–Vals AI
AIME 2026推理强度未说明––91.7%#25MathArena
HMMT February 2026推理强度未说明––86.4%#20MathArena
MathArena Apex推理强度未说明可能存在污染––23.4%#14MathArena
Omni-MATH (HELM)推理强度未说明––55.6%#13HELM Capabilities
MATH 500不计入 Index–96.4%#1–Vals AI
Arena Maths推理强度未说明––1475#46Arena (LMArena)
AIME 2025 (AA)不计入 Index86.7%#4195.7%#7–Artificial Analysis

知识

基准测试high默认来源趋势
MMLU-Pro推理强度未说明–90.1%#7Vals AI
LegalBench87.0%#7–Vals AI
CorpFin63.7%#43–Vals AI
TaxEval72.6%#60–Vals AI
MedQA96.0%#8–Vals AI
PRBench Finance推理强度未说明–39.2%#32Scale AI SEAL
PRBench Legal推理强度未说明–40.6%#36Scale AI SEAL
MultiNRC推理强度未说明可能存在污染–59.0%#6Scale AI SEAL
MMLU-Pro (HELM)不计入 Index推理强度未说明–90.3%#1HELM Capabilities
CaseLaw v2不计入 Index53.1%#42–Vals AI
MedCode不计入 Index52.2%#14–Vals AI
MedScribe不计入 Index72.0%#88–Vals AI
Global-MMLU-Lite (AA)不计入 Index92.2%#3–Artificial Analysis

指令遵循

基准测试lowhigh默认来源趋势
IFBench49.7%#17870.4%#67–Artificial Analysis
MultiChallenge推理强度未说明––65.7%#11Scale AI SEAL
TutorBench推理强度未说明––53.7%#9Scale AI SEAL
IFEval (HELM)推理强度未说明––87.6%#13HELM Capabilities
WildBench (HELM)推理强度未说明––85.9%#5HELM Capabilities
Arena Instruction Following不计入 Index推理强度未说明––1473#38Arena (LMArena)

人类偏好

基准测试默认来源趋势
Arena Text1486#22Arena (LMArena)
EQ-Bench Creative Writing v3不计入 Index1524#56EQ-Bench
Arena Creative Writing不计入 Index1484#12Arena (LMArena)
Arena Multi-turn不计入 Index1495#16Arena (LMArena)
Arena Longer Queries不计入 Index1491#30Arena (LMArena)

多模态

基准测试highthinking默认来源趋势
Arena Vision推理强度未说明––1305#16Arena (LMArena)
MMMU-Pro80.2%#60––Artificial Analysis
VISTA推理强度未说明––51.5%#7Scale AI SEAL
MMMU-Pro (Vals)不计入 Index87.5%#14––Vals AI
MortgageTax不计入 Index69.1%#7––Vals AI
AudioMC不计入 Index–54.6%#6–Scale AI SEAL
AudioMC (text output)不计入 Index–54.6%#6–Scale AI SEAL
VTB不计入 Index推理强度未说明––26.9%#5Scale AI SEAL
GeoBench不计入 Index推理强度未说明––84.0%#7GeoBench
VPCT不计入 Index推理强度未说明––91.0%#1Epoch AI Benchmarking Hub

长上下文

基准测试lowhigh默认来源趋势
AA-LCR v1.174.0%#18576.0%#165–Artificial Analysis
Arena Document不计入 Index推理强度未说明––1451#32Arena (LMArena)

综合

基准测试lowhigh默认来源趋势
Epoch Capabilities Index不计入 Index推理强度未说明––153.0#54Epoch AI Benchmarking Hub
AA Intelligence Index v4.3.2不计入 Index22.3#21128.0#145–Artificial Analysis
AA Progress Index v1不计入 Index265.1#221290.7#143–Artificial Analysis
HELM Capabilities mean不计入 Index推理强度未说明––79.9%#5HELM Capabilities

安全与诚实

基准测试默认来源趋势
FORTRESS不计入 Index41.7%#63Scale AI SEAL
MASK不计入 Index可能存在污染42.6%#63Scale AI SEAL
PropensityBench不计入 Index52.9%#8Scale AI SEAL

优势所在

在所有已测配置中,这个配置排名前五的基准测试。

Google 的更多模型

本月新上线

将 Gemini 3 Pro 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 Pro 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 Pro on BenchLeader: 综合第 40 名](https://www.benchleader.com/badge/gemini-3-pro.svg)](https://www.benchleader.com/models/gemini-3-pro)

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 Pro on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/gemini-3-pro

BibTeX:

@misc{benchleader_gemini_3_pro_20261116,
  author       = {{BenchLeader}},
  title        = {{Gemini 3 Pro on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/gemini-3-pro}},
  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 Pro 的基准测试得分是多少?
截至 2026年11月16日,Gemini 3 Pro 的 BenchLeader Index 为 60.0 ±3.4(前 100 名)。最强的是人类偏好(68),最弱的是数学(54)。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 Pro 排名第几?
截至 2026年11月16日,Gemini 3 Pro 在 608 个已排名配置中排第 87 名(前 100 名)。另有 206 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 Pro 比 Qwen3.7 更好吗?
截至 2026年11月16日,Gemini 3 Pro 与 Qwen3.7(推理强度 max)的质量不相上下(BenchLeader Index 60.0 比 60.0,在 ±5.4 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 Pro 是什么时候发布的?
Google 于 2025年11月18日发布了 Gemini 3 Pro。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 Pro: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-pro。