Gemini 3.5 Flash

谷歌的全部模型 →国外全模态模型综合智力第 42 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#42

编程顶尖

记性1.0M

便宜$9.0

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 →

她的房间

电脑

79.3% · SWE-bench Verified · Epoch AI 统一复跑

书架

5 层 · 记忆 1.0M tokens

黑板

数学与科学推理

日历

知识停在 2025-01

冰箱

支持上下文缓存，能存记忆

门禁

闭源，权重不公开

身世

发布日期: 2026 年 5 月 19 日models.dev
知识截止: 2025-01
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: $1.50 / 百万 tokens
输出价格: $9.00 / 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: 154.9
AIME 数学: 95.6%
GPQA Diamond 科学: 92.8%
ARC-AGI-2 抽象推理: 72.1%
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 Verified79.3%
从真实 GitHub 仓库里挑出的 500 个 issue，看模型能不能提交出通过测试的补丁。业界最通行的编程标尺。这一列由 Epoch AI 用统一脚手架复跑。第三方实测
https://epoch.ai/benchmarks
SWE-Bench Pro55.1%
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
https://deepmind.google/models/gemini/flash/
DeepSWE37.4%
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-Bench76.2%
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
https://deepmind.google/models/gemini/flash/
ALE-Bench911
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
WebDev Arena1506 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

综合智力154.9第 42 / 225
Epoch Capabilities Index，把十几项学术评测归并成一个总分。想看综合实力，先看这一栏。第三方实测
https://epoch.ai/benchmarks
SimpleBench76.7%第 5 / 105
一套普通人能轻松答对、模型却常常答错的常识题。分数越高越少犯「一看就傻」的错。第三方实测
https://simple-bench.com/

数学

FrontierMath62.8%第 41 / 112
由职业数学家出的原创难题，连数学博士都要花几小时甚至几天。分数是解出的比例，能过一成就是前沿水平。第三方实测
https://epoch.ai/frontiermath
FrontierMath（旧版）39.0%第 11 / 97
FrontierMath 2025 年初的版本，已被新题库取代。留作历史对照。第三方实测
https://epoch.ai/frontiermath
FrontierMath 第四层26.8%第 38 / 84
FrontierMath 里最难的一层，研究级别的问题，绝大多数模型接近零分。第三方实测
https://epoch.ai/frontiermath
FrontierMath 第四层（旧版）14.6%第 13 / 68
FrontierMath 第四层 2025 年中的版本，已被新题库取代。第三方实测
https://epoch.ai/frontiermath
AIME 数学95.6%第 41 / 211
美国高中数学邀请赛难度的模拟题，是数学竞赛能力的通行标尺。答对比例，满分 100。第三方实测
https://epoch.ai/benchmarks
ProofBench31.0%第 47 / 96
不是算出答案，而是写出完整证明并由人评判。考的是数学推理的严谨程度。第三方实测
https://www.vals.ai/benchmarks/proof_bench

知识与推理

GPQA 科学92.8%第 20 / 214
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-272.1%第 21 / 120
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）92.5%第 23 / 119
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 / 108
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
https://www.kaggle.com/benchmarks/deepmind/simpleqa-verified
CritPt 物理13.1%第 46 / 180
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
WeirdML62.6%第 29 / 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

经营售货机$5,396第 29 / 100
Vending-Bench：让模型经营一台虚拟售货机一整年——进货、定价、付租金。分数是最后账上的钱，考的是长期不犯糊涂。第三方实测
https://andonlabs.com/evals/vending-bench
APEX 专业任务27.5%第 51 / 64
投行、律所、咨询公司的真实工作任务，由业内专家出题与评分。第三方实测
BlueprintBench33.6%第 10 / 38
看房屋照片画出平面图，测空间理解与工程绘图能力。第三方实测
https://andonlabs.com/evals/blueprint-bench-2
Surface Evolver58.1%第 11 / 34
用一款专业的曲面数值软件完成计算任务，考的是驾驭陌生专业工具的能力。第三方实测
https://yhenon.github.io/surface-evolver-llm-eval/

长文本

文档理解竞技场1463 Elo第 11 / 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
https://huggingface.co/datasets/lmarena-ai/leaderboard-dataset

多模态

GBA 游戏评测6.7%第 14 / 23
看画面操作掌机游戏，测的是视觉理解加实时决策。第三方实测
https://gbaeval.com/model/goose-gemini-3-5-flash

游戏与谜题

国际象棋残局45.0%第 30 / 107
给一个棋局找出最佳着法。分数是解对的比例，随机乱走约 5 分。第三方实测
https://epoch.ai/benchmarks/chess-puzzles
推理游戏谜题32.0%第 31 / 104
Epoch 自建的一组推理小游戏，测的是在规则未知的环境里摸索规律。第三方实测
https://epoch.ai/benchmarks
EnigmaEval25.4%第 4 / 52
解谜比赛里的复杂谜题，通常要综合图像、文字和多步推理。第三方实测
https://labs.scale.com/leaderboard/enigma_eval
EBR-bench4.8%第 30 / 33
Epoch 自建的一项评测，具体口径以 Epoch 榜单页说明为准。第三方实测
https://epoch.ai/benchmarks

其他

Dtbench94.7%第 26 / 222
Epoch AI 收录的评测，暂无中文说明。第三方实测
https://conceptualreasoning.ai/dtbench
Lmca47.1%第 34 / 206
Epoch AI 收录的评测，暂无中文说明。第三方实测
https://conceptualreasoning.ai/lmca

B 站上的 Gemini 3.5 Flash 实测8 个视频

在 B 站搜「Gemini 3.5 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。