大模型世界

Gemini 3.6 Flash

谷歌的全部模型 →国外全模态模型综合智力第 44 名

偏贵、能读长文、会看图的模型

加入对比查看评测视频查看评测文章
聪明世界#44
编程中等自报
记性1.0M
便宜$3.8

记性换算成体感：一次能读完《哈利·波特》全七部

Gemini 系列的全模态模型 · 按发布时间

共 23 个 · 这里是相邻的 7 个 · 谷歌的全部模型 →
  1. 2026.05Gemini 3.1 Flash LiteECI 144.3
  2. 2026.05Gemini 3.5 FlashECI 155.0
  3. 2026.07Gemini 3.5 Flash LiteECI 145.0
  4. 2026.07Gemini 3.6 FlashECI 154.7
  5. 2026.08Gemini 3.7 FlashECI 158.2
  6. 2026.09Gemini 3.8 FlashECI 157.6
  7. 2026.09Gemini 4 ArgonECI 166.1

她的房间

编程能力：老式显像管
电脑
58.7% · SWE-Bench Pro · 厂商系统卡自评，未经第三方复核
上下文窗口
书架
5 层 · 记忆 1.0M tokens
数学与科学推理成绩
黑板
数学与科学推理
知识截止日期
日历
知识停在 2026-03
上下文缓存
冰箱
支持上下文缓存，能存记忆
闭源
门禁
闭源，权重不公开

身世

发布日期
2026 年 7 月 21 日models.dev
知识截止
2026-03
参数量
体型为估算值，官方从未公布参数量
开放权重
否
开源许可
暂无数据
上下文窗口
1.0M tokens
单次最大输出
66K
输入价格
$0.75 / 百万 tokens
输出价格
$3.75 / 百万 tokens
模型类型
全模态能听声音、也能看图，文字、图、声音一起理解
支持的输入
声音、图像、文件、文字、视频 → 文字
工具调用
是
深度思考
是
提示缓存
是

战绩

综合智力
154.7
AIME 数学
94.2%
GPQA Diamond 科学
94.1%
ARC-AGI-2 抽象推理
60.4%
Fiction.liveBench 长文本
未参评

综合智力、数学、科学、抽象推理与长文本数据来自 Epoch AI（CC-BY 4.0）。写「未参赛」的项目表示该模型没有被这项评测收录， 不代表它做不到——本站不会用估算值填补空缺。

编程战绩（按赛制分列）

  • SWE-Bench Pro58.7%
    同一个思路但难度高得多的版本，题目更长、依赖更复杂。分数普遍比 Verified 低三十分左右，两者不可直接比较。厂商自报
  • DeepSWE46.7%
    SWE-bench Verified 的一个变体测法，用不同的 agent 脚手架跑同一批题。第三方实测
    https://deepswe.datacurve.ai/
  • Terminal-Bench78.0%
    把模型丢进一个真实终端里让它自己干完一件活——装环境、跑脚本、调错。考的是当「实习生」的本事，不只是写代码。厂商自报
  • LiveBench 智能体编程43.4%
    LiveBench 的智能体编程分项：不是写一段代码，而是像开发者那样多轮改动一个项目。第三方实测
    https://livebench.ai/#/?release=2026-06-25
  • FrontierCode34.4%
    Cognition 出的高难度代码题集，面向前沿模型。第三方实测
    https://cognition.com/frontiercode
  • LiveBench 编程分项77.9%
    LiveBench 每月换新题以避免污染，这一列是它的编程分项均分。第三方实测
    https://livebench.ai/#/?release=2026-06-25
  • ALE-Bench716
    AtCoder 启发式算法竞赛题，考的是给一个没有标准答案的优化问题找出尽量好的解。分数是 137–2177 的评分标度，不是百分比。和「修 bug」是两种能力。第三方实测
    https://epoch.ai/benchmarks
  • MLE-Bench63.9%
    让模型自己完成一整个机器学习工程任务——处理数据、训模型、调参、提交结果。厂商自报
  • WebDev Arena1537 Elo
    让两个模型各写一个网页，由人来投票选哪个更好，按对战胜负算 Elo 分。考的是前端开发的实际观感，和「能不能修复一个后端 bug」不是一回事。第三方实测
    https://epoch.ai/benchmarks

这些分数不可互相比较。同一个模型换一套评测脚手架就能差二三十分： SWE-bench Verified 的中位数是 75.7，而难度更高的 SWE-Bench Pro 只有 41.0。 广场上的能力条因此显示的是「在同一把尺子下排第几」，而不是分数本身。

全部成绩（按榜单分列）

名次的分母是在同一个榜、由同一类测量方测过的模型数，不是全站模型数。不同榜的分数不可互相比较。

综合
数学
知识与推理
  • GPQA 科学94.1%第 11 / 215
    博士级别的物理、化学、生物选择题，题目设计到「谷歌也搜不到答案」。随机乱猜是 25 分。第三方实测
    https://epoch.ai/benchmarks
  • ARC-AGI-260.4%第 39 / 122
    看几组图形样例找规律的智力题，人类轻松、模型艰难。专门测「没见过的题会不会做」。第三方实测
    https://epoch.ai/benchmarks
  • ARC-AGI（第一代）91.2%第 26 / 121
    ARC-AGI 的第一代题库，已被第二代取代。第三方实测
    https://arcprize.org/
  • SimpleQA 事实问答66.2%第 13 / 109
    一问一答的冷门事实题，测的是「知不知道」和「会不会瞎编」。分数低的模型更容易一本正经地胡说。第三方实测
  • CritPt 物理10.6%第 55 / 192
    研究级别的物理问题，由在职物理学家出题。测的是能不能做前沿科研级的推理。第三方实测
  • WeirdML56.1%第 43 / 151
    一批刻意古怪的小型机器学习任务，模型要自己写代码训练并拿到成绩。考的是解决陌生问题的能力。第三方实测
    https://htihle.github.io/weirdml.html
智能体
长文本
  • 文档理解竞技场1456 Elo第 14 / 42
    丢一份文档进去提问，真人盲选谁读得更明白。第三方实测
游戏与谜题
其他

B 站上的 Gemini 3.6 Flash 实测7 个视频

在 B 站搜「Gemini 3.6 Flash 测评」↗

以上为 B 站搜索结果，按播放量排（站长的视频置顶），内容由各 UP 主提供，不代表本站观点。