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
- 曝 Meta Muse Agent 内置邀请码逻辑,或携额外免费额度上线 — testingcatalog · 2026-09-11
- 同题 Echo Maze 实测:三大模型看似成功,代码里藏着同一个 bug — eyishazyer · 2026-09-11
- 新基准一出分数暴跌 70 点:「刷榜」现象如何让跑分失真 — airesearch12 · 2026-09-11
- ChatGPT 竟劝用户「问题太复杂,去试试更笨的回答」 — phido3000 · 2026-09-11
- Anthropic 调整年龄验证,Claude 不再向未成年人开放 — Muhammad523 · 2026-09-11
- 有人要建全模型基准分数汇总页 — airesearch12 · 2026-09-11