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

Google Deep Mind更新于 2026/2/2216 次阅读

深度分析

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

综合评估

共 13 项评测

评测名称 / 模式

得分

排名/总数

GPQA Diamond并行思考

93.80

2 / 153

GPQA Diamond思考

91.90

5 / 153

GPQA Diamond思考·高强度

7 / 153

MMLU Pro思考

2 / 112

ARC-AGI并行思考

87.50

5 / 42

ARC-AGI思考

9 / 42

LiveBench思考

74.14

9 / 52

HLE思考·高强度 + 使用工具

45.80

11 / 105

ARC-AGI-2并行思考

45.10

10 / 34

HLE并行思考

20 / 105

HLE思考

37.50

24 / 105

HLE思考·高强度

37.20

25 / 105

ARC-AGI-2思考

31.10

13 / 34

常识问答

共 1 项评测

评测名称 / 模式

得分

排名/总数

SimpleQA思考

72.10

5 / 44

编程与软件工程

共 2 项评测

评测名称 / 模式

得分

排名/总数

LiveCodeBench思考

1 / 103

SWE-bench Verified思考

76.20

17 / 87

数学推理

共 4 项评测

评测名称 / 模式

得分

排名/总数

AIME2025思考

24 / 105

AIME 2026思考

90.60

7 / 7

FrontierMath思考

2 / 52

FrontierMath - Tier 4思考

18.80

2 / 32

常识推理

共 1 项评测

评测名称 / 模式

得分

排名/总数

Simple Bench思考

76.40

1 / 27

Agent能力评测

共 4 项评测

评测名称 / 模式

得分

排名/总数

τ²-Bench - Telecom思考·高强度 + 使用工具

4 / 29

τ²-Bench思考 + 使用工具

85.40

6 / 34

Terminal Bench Hard思考·高强度 + 使用工具

6 / 14

Terminal Bench Hard思考 + 使用工具

7 / 14

指令跟随

共 2 项评测

评测名称 / 模式

得分

排名/总数

IF Bench思考·高强度 + 使用工具

6 / 25

IF Bench思考

6 / 25

AI Agent - 信息收集

共 1 项评测

评测名称 / 模式

得分

排名/总数

BrowseComp思考·高强度 + 使用工具

59.20

15 / 27

AI Agent - 工具使用

共 2 项评测

评测名称 / 模式

得分

排名/总数

Terminal Bench 2.0思考·高强度 + 使用工具

56.90

7 / 20

Terminal Bench 2.0思考 + 使用工具

54.20

8 / 20

生产力知识

共 1 项评测

评测名称 / 模式

得分

排名/总数

GDPval-AA思考·高强度

8 / 11

长上下文能力

共 1 项评测

评测名称 / 模式

得分

排名/总数

AA-LCR思考·高强度

1 / 12

与其他模型对比

数据来源与参考

artificialanalysis.ai