Gemini 3.8 Flash 在共同评测平均分中领先
3 项共同评测中领先 2 项，平均分高 1.2 分
仅基于所有选中模型共同有成绩的 3 项百分制评测汇总，明细见下方图表。 另有 1 项 Elo/评分制评测未计入平均分（量纲不同，无法与百分制相加）。
“最佳可用”会为每项评测选取该模型已收录的最高非并行模式，可能组合成并不存在的虚拟运行配置；请结合模式明细解读。
按评测基准逐项对比；切换思考模式或工具设置后，下方图表与表格同步更新。
“最佳可用”按每项评测分别选择最高非并行模式，因此这条系列可能由多个推理档拼接而成，并不代表一个可直接复现的单一运行配置。切换模式筛选可查看可复现的同档结果。
数据优先来自官方发布（GitHub、Hugging Face、论文），其次为评测基准官方结果，最后为第三方评测机构数据。 了解数据收集方法
按评测基准逐行列出各模型与运行模式的得分；同一行内可比，跨行不可比。
4 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 3.8 Flash | GPT-5.6 Terra |
|---|---|---|
Terminal-Bench 2.1 AI Agent - 工具使用 | 89.40开启思考 ｜ 工具 | 87.40思考水平·高 |
Terminal-Bench 4.0 AI Agent - 工具使用 | 19.10开启思考 ｜ 工具 | 21.52思考水平·高 ｜ 工具 |
DeepSWE 编程与软件工程 | 73.70开启思考 ｜ 工具 | 69.60思考水平·极高 ｜ 工具 |
GDPval-AA v2 生产力知识 | 1545.00开启思考 | 1565.62思考水平·高 ｜ 工具 |
各模型 API 的官方标价，按输入 / 输出分列；单位为美元 / 百万 tokens。
架构、许可与 API 模态等规格对比；「未提供」表示数据库暂无该字段。
| 功能与规格 | Gemini 3.8 FlashGoogle Deep Mind | GPT-5.6 TerraOpenAI |
|---|---|---|
核心规格发布时间 | 2026-09-02 | 2026-06-26 |
上下文长度 | 1M | 1.05M |
最大输出长度 | 65,536 tokens | 128,000 tokens |
模型架构 | 未公布 | 未公布 |
支持的运行模式 | 低中高 | 关闭低中高 |
可用性与许可代码可用性 | 未公开 | 未公开 |
权重可用性 | 未公开 | 未公开 |
使用与商业许可 | 仅限官方服务；以服务条款为准 | 仅限官方服务；以服务条款为准 |
API 模态支持文本 输入/输出 | 输入：支持输出：支持 | 输入：支持输出：支持 |
图片 输入/输出 | 输入：支持输出：不支持 | 输入：支持输出：不支持 |
音频 输入/输出 | 输入：支持输出：不支持 | 输入：不支持输出：不支持 |
视频 输入/输出 | 输入：支持输出：不支持 | 输入：不支持输出：不支持 |
资料来源论文 / 报告 | Gemini 3.8 Flash evaluation methodology | Previewing GPT-5.6 Sol: a next-generation model |
