DataLearner 标志

Gemini 3.0 Pro (Preview 11-2025) 评测深度分析

Gemini 3.0 Pro (Preview 11-2025) 当前已收录的代表性评测结果包括 MMLU-Pro（2 / 177，得分 90）、LiveCodeBench（2 / 126，得分 92）、GPQA Diamond（12 / 255，得分 93.80）。并附有 1 个数据来源链接供参考。

谷歌发布的Gemini 3.0系列中最强的模型

评测结果

Gemini 3.0 Pro (Preview 11-2025)

评测结果

思考模式
工具使用
并行模式

综合知识考试

共 6 项评测
评测名称 / 模式
得分
排名/总数
MMLU-Pro
思考模式
90
2 / 177
HLE
思考模式
37.50
94 / 238
HLE
思考水平·高
37.20
96 / 238
HLE
思考水平·高工具
45.80
58 / 238
HLE
unknown
37.52
93 / 238
HLE
思考水平·高
41
83 / 238

抽象归纳与泛化

共 4 项评测
评测名称 / 模式
得分
排名/总数
ARC-AGI-1
思考模式
75
107 / 197
ARC-AGI-1
思考水平·高
87.50
79 / 197
ARC-AGI-2
思考模式
31.10
109 / 185
ARC-AGI-2
思考水平·高
45.10
95 / 185

科学知识与推理

共 3 项评测
评测名称 / 模式
得分
排名/总数
GPQA Diamond
思考模式
91.90
25 / 255
GPQA Diamond
思考水平·高
93.80
12 / 255
CritPt
思考水平·高
9.10
80 / 204

事实可靠性与幻觉

共 1 项评测
评测名称 / 模式
得分
排名/总数
SimpleQA
思考模式
72.10
6 / 46

仓库修复与多文件工程

共 1 项评测
评测名称 / 模式
得分
排名/总数
SWE-bench Verified
思考模式
76.20
36 / 119

算法与竞赛编程

共 1 项评测
评测名称 / 模式
得分
排名/总数
LiveCodeBench
思考模式
92
2 / 126

数学

共 5 项评测
评测名称 / 模式
得分
排名/总数
AIME2025
思考模式
95
27 / 111
AIME 2026
思考模式
90.60
27 / 32
FrontierMath
思考模式
38
10 / 61
FrontierMath - Tier 4
常规模式
18.80
16 / 80
FrontierMath - Tier 4
思考模式
18.80
16 / 80

常识推理

共 1 项评测
评测名称 / 模式
得分
排名/总数
SimpleBench
思考模式
76.40
12 / 96

客服与业务流程

共 2 项评测
评测名称 / 模式
得分
排名/总数
τ²-Bench - Telecom
思考模式工具
98
3 / 31
τ²-Bench
思考模式工具
85.40
8 / 44

指令与格式遵循

共 2 项评测
评测名称 / 模式
得分
排名/总数
IF Bench
思考模式
70
17 / 34
IF Bench
思考水平·高工具
70
17 / 34

事实查找与深度检索

共 1 项评测
评测名称 / 模式
得分
排名/总数
BrowseComp
思考水平·高工具
59.20
41 / 58

跨能力综合测试

共 2 项评测
评测名称 / 模式
得分
排名/总数
LiveBench
思考水平·低
63.90
95 / 157
LiveBench
思考水平·高
73.39
54 / 157

自主开发与终端任务

共 5 项评测
评测名称 / 模式
得分
排名/总数
Terminal Bench 2.0
思考模式工具
54.20
32 / 52
Terminal Bench 2.0
思考水平·高工具
56.90
27 / 52
Terminal Bench Hard
思考水平·低工具
34.10
82 / 244
Terminal Bench Hard
思考模式工具
39
55 / 244
Terminal Bench Hard
思考水平·高工具
41.70
48 / 244

跨行业工作评估

共 1 项评测
评测名称 / 模式
得分
排名/总数
GDPval-AA
思考水平·高
35
12 / 15

跨长文理解与整合

共 1 项评测
评测名称 / 模式
得分
排名/总数
AA-LCR
思考水平·高
71
3 / 6

跨应用与工具编排

共 2 项评测
评测名称 / 模式
得分
排名/总数
Pinch Bench
思考模式工具
70.70
32 / 38
MCP-Atlas
常规模式工具
70.30
32 / 50

图像感知与视觉推理

共 1 项评测
评测名称 / 模式
得分
排名/总数
MMMU-Pro
思考水平·高
80.20
42 / 229
与其他模型对比

数据来源

artificialanalysis.aiartificialanalysis.ai