Gemini 3 Pro 评测详情

Gemini 3 Pro 当前已收录的代表性评测结果包括 VPCT（1 / 24，得分 91）、BALROG（1 / 12，得分 58.10）、MedCode（10 / 64，得分 52.20）。

评测结果

Gemini 3 Pro

评测结果

写作与创意表达

共 1 项评测

评测名称 / 模式

得分

排名/总数

Creative Writing

常规模式

1524.50

52 / 110

客服与业务流程

共 3 项评测

评测名称 / 模式

得分

排名/总数

τ²-Bench - Telecom

思考水平·高工具

91.01

16 / 30

思考水平·高工具

47.62

24 / 64

思考水平·高工具

18.04

97 / 167

数学

共 1 项评测

评测名称 / 模式

得分

排名/总数

IMO-ProofBench Advanced

开启思考

30

7 / 24

自主开发与终端任务

共 1 项评测

评测名称 / 模式

得分

排名/总数

Terminal-Bench 2.1

思考水平·高工具

73.93

37 / 57

维护、优化与工程管理

共 1 项评测

评测名称 / 模式

得分

排名/总数

常规模式工具

18.60

11 / 21

机器学习工程

共 1 项评测

评测名称 / 模式

得分

排名/总数

常规模式工具

69.93

19 / 52

图像感知与视觉推理

共 2 项评测

评测名称 / 模式

得分

排名/总数

常规模式

91

1 / 24

常规模式

84

4 / 20

综合偏好评测

共 1 项评测

评测名称 / 模式

得分

排名/总数

Text Arena (Coding)

常规模式

1471

22 / 35

逻辑与规划

共 1 项评测

评测名称 / 模式

得分

排名/总数

常规模式工具

58.10

1 / 12

能力边界度量

共 1 项评测

评测名称 / 模式

得分

排名/总数

METR Time Horizons v1.1

常规模式工具

224.33

8 / 22

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

unknown

15.30

1 / 3

程序生成与编辑

共 1 项评测

评测名称 / 模式

得分

排名/总数

Vibe Code Bench v1.1

思考水平·高工具

14.30

52 / 61

临床工作与医疗决策

共 2 项评测

评测名称 / 模式

得分

排名/总数

思考水平·高工具

72.04

58 / 66

思考水平·高工具

52.20

10 / 64

跨能力聚合指数

共 1 项评测

评测名称 / 模式

得分

排名/总数

unknown

152.96

36 / 167

与其他模型对比