Gemini 3.6 Flash 在多项智能体评测中表现强势
CounterReady4774 · reddit · 2026-07-21
这张基准图把 Gemini 3.6 Flash 和 Gemini 3.5 Flash、Gemini 3.1 Pro、GPT-5.6 Luna、Grok 4.5、Claude Sonnet 5 放在一起，对比了价格和多项评测。
图里的关键信息包括：
- 价格：输入 $1.50/M tokens，输出 $7.50/M tokens。
- 代码能力：SWE-Bench Pro 为 58.7%，DeepSWE v1.1 为 49%。
- 终端/智能体任务：Terminal-bench 2.1 为 78.0%，OSWorld-Verified 为 83.0%。
- 推理与多模态：CharXiv Reasoning 85.2%，LVBench 83.2%，GDM-MRCR v2（128k）91.8%。
- 长上下文：在 1M pointwise 设置下，GDM-MRCR v2 仍有 54.0%。
整体看，这是一款价格更低、但在智能体和长上下文上表现很强的 Flash 模型。
所属事件:谷歌发布三款全新 Gemini 模型并宣布 Gemini 4 预训练(157 条相关)→
「模型」频道最新
- Kimi K3 的「开源」有条件：年入 2000 万美元需另签协议 — alex_verem · 2026-10-27
- Kimi K3 开源许可证设门槛:年收超 2000 万美元须另签协议 — alex_verem · 2026-10-27
- 网友晒截图：ChatGPT 界面惊现「GPT-6 Astra Ultra」模型选项 — justalexoki · 2026-10-27
- DeepSeek 安全评测发现「过度归因」：模型把普通任务当成考试 — Much_Boysenberry9124 · 2026-10-27
- Cohere 发现热门开源模型疑似「call home」：试图上传文件至北京存储桶 — stanislavfort · 2026-10-27
- MissionReport 基准:前沿模型写政府状态报告平均仅得约60分 — Exp_Mark · 2026-10-27