Gemini 3.6 Flash 评测详情
Gemini 3.6 Flash 当前已收录的代表性评测结果包括 GPQA Diamond（8 / 271，得分 94.13）、Context Arena（17 / 126，得分 88.78）、OSWorld-Verified（5 / 26，得分 83）。本页还提供与 3 个竞品模型及 3 个前代或同系列模型的对比，在有数据时会展示性能和价格视图。
评测结果
Gemini 3.6 Flash
评测结果
编程与软件工程
共 3 项评测评测名称 / 模式
得分
排名/总数
文本向量检索
共 3 项评测评测名称 / 模式
得分
排名/总数
AI Agent - 工具使用
共 3 项评测评测名称 / 模式
得分
排名/总数
竞品对比
Gemini 3.6 Flash 与同类主流模型的评测得分对比
评测类别:
柱状图按当前筛选范围内每个模型在各评测中的最高分展示；百分制评测使用原始高度，超出 0-100 的评测按该评测内相对比例缩放，标签仍保留原始分数。
11 项可对比评测得分汇总。每个模型展示最佳得分，模式在分数下方标注。
| 评测项 | Gemini 3.6 Flash当前 | GPT-5.6 Terra | Claude Sonnet 5 | Grok 4.5 |
|---|---|---|---|---|
GPQA Diamond 科学与综合推理 | 94.13思考水平·高 | 93.31思考水平·高 | 90.53思考水平·极高 | 93.43思考水平·高 |
Creative Writing 写作和创作 | 1599.70常规模式 | 1850.00常规模式 | 1787.60常规模式 | 1576.00常规模式 |
DeepSWE 编程与软件工程 | 49.00开启思考 ｜ 工具 | 69.60思考水平·极高 ｜ 工具 | 54.00深度思考模式 ｜ 工具 | 53.00思考水平·高 ｜ 工具 |
SWE-Bench Pro - Public 编程与软件工程 | 58.70开启思考 ｜ 工具 | -- | -- | 64.70思考水平·高 ｜ 工具 |
WeirdML v2 编程与软件工程 | 56.10思考水平·高 ｜ 工具 | 78.27思考水平·高 ｜ 工具 | 68.78思考水平·高 ｜ 工具 | -- |
Context Arena 文本向量检索 | 88.78思考水平·高 | 92.17思考水平·高 | 79.53思考水平·高 | -- |
OSWorld-Verified AI Agent - 工具使用 | 83.00开启思考 ｜ 工具 | -- | 81.20思考水平·极高 ｜ 工具 | -- |
Terminal-Bench 2.1 AI Agent - 工具使用 | 78.00开启思考 ｜ 工具 | 87.40思考水平·高 | 80.40思考水平·极高 ｜ 工具 | 83.30思考水平·高 ｜ 工具 |
GDPval-AA v2 生产力知识 | 1421.00开启思考 | 1565.62思考水平·高 ｜ 工具 | -- | 1526.00思考水平·高 ｜ 工具 |
21.95思考水平·高 | 70.73思考水平·高 | 29.27思考水平·高 | 24.39思考水平·高 | |
FrontierMath v2 数学推理 | 58.95思考水平·高 | 85.96思考水平·高 | 65.61思考水平·高 | 57.19思考水平·高 |
Gemini 3.6 Flash 与同类模型的标准 API 价格对比
按模型并排展示标准文本输入价与输出价；若存在超长上下文加价，仅保留阈值内标准价，并在下方说明适用范围。
数据来源：DataLearnerAI，展示默认供应商的标准文本价格。 · USD / 1M tokens
| 模型 | 供应商 | 标准输入 | 标准输出 | 标准价适用于 |
|---|---|---|---|---|
Gemini 3.6 Flash | DeepMind | $1.5 / 1M tokens | $7.5 / 1M tokens | — |
GPT-5.6 Terra | OpenAI | $2 / 1M tokens | $12 / 1M tokens | — |
Claude Sonnet 5 | Anthropic | $2 / 1M tokens | $10 / 1M tokens | — |
Grok 4.5 | xAI | $2 / 1M tokens | $6 / 1M tokens | — |
历代版本对比
Gemini 3.6 Flash 系列各版本的评测成绩纵向对比
评测类别:
柱状图按当前筛选范围内每个模型在各评测中的最高分展示；百分制评测使用原始高度，超出 0-100 的评测按该评测内相对比例缩放，标签仍保留原始分数。
12 项可对比评测得分汇总。每个模型展示最佳得分，模式在分数下方标注。· 点击任意行可切换下方趋势图。
| 评测项 | Gemini 3.6 Flash当前 | Gemini 3.5 Flash | Gemini 3.0 Flash |
|---|---|---|---|
GPQA Diamond 科学与综合推理 | 94.13思考水平·高 | 92.80思考水平·高 | 90.40开启思考 |
DeepSWE 编程与软件工程 | 49.00开启思考 ｜ 工具 | 37.00思考水平·中 ｜ 工具 | -- |
SWE-Bench Pro - Public 编程与软件工程 | 58.70开启思考 ｜ 工具 | 55.10思考水平·高 ｜ 工具 | 49.60思考水平·高 ｜ 工具 |
WeirdML v2 编程与软件工程 | 56.10思考水平·高 ｜ 工具 | -- | 61.60常规模式 ｜ 工具 |
Context Arena 文本向量检索 | 88.78思考水平·高 | 77.19思考水平·高 | -- |
MLE-Bench AI Agent - 工具使用 | 63.90开启思考 ｜ 工具 | 49.70开启思考 ｜ 工具 | -- |
OSWorld-Verified AI Agent - 工具使用 | 83.00开启思考 ｜ 工具 | 78.40思考水平·高 ｜ 工具 | -- |
Terminal-Bench 2.1 AI Agent - 工具使用 | 78.00开启思考 ｜ 工具 | 76.20思考水平·高 ｜ 工具 | 58.00思考水平·高 ｜ 工具 |
GDPval-AA v2 生产力知识 | 1421.00开启思考 | 1349.00开启思考 | -- |
CharXiv RQ 多模态理解 | 89.40开启思考 ｜ 工具 | 84.90开启思考 ｜ 工具 | -- |
91.80开启思考 | 77.30开启思考 | -- | |
54.00开启思考 | 26.60开启思考 | -- |
其余 2 个 benchmark 仍可在上方图表中查看。
单评测历史趋势图
当前查看：GPQA Diamond · 科学与综合推理
选择评测
Gemini 3.6 Flash 所在系列的标准 API 价格对比
按模型并排展示标准文本输入价与输出价；若存在超长上下文加价，仅保留阈值内标准价，并在下方说明适用范围。
数据来源：DataLearnerAI，展示默认供应商的标准文本价格。 · USD / 1M tokens
| 模型 | 供应商 | 标准输入 | 标准输出 | 标准价适用于 |
|---|---|---|---|---|
Gemini 3.6 Flash | DeepMind | $1.5 / 1M tokens | $7.5 / 1M tokens | — |
Gemini 3.5 Flash | DeepMind | $1.5 / 1M tokens | $9 / 1M tokens | — |
Gemini 3.0 Flash | Google Deep Mind | $0.5 / 1M tokens | $3 / 1M tokens | — |