Gemini 3 Pro 评测成绩
来自 6 个来源、11 项基准的 24 条成绩。
闭源 发布: 2025年11月18日 更新于 2026年10月22日
其他名称: gemini-3-pro · gemini-3-pro-preview · Gemini 3 Pro Preview · live-SWE-agent + Gemini 3 Pro Preview (2025-11-18) · Gemini 3 Pro Preview (2025-11-18) · Gemini-3-Pro-Preview (Prompt) · Gemini-3-Pro-Preview (FC) · Gemini-3-Pro(11/25)
全部评测成绩
| 基准 | 分数 | 名次 | 设定 | 来源类型 | 日期 |
|---|---|---|---|---|---|
| LMArena Text | 1486 | 19 | Overall, style control on; 42078 votes; 95% CI 1482–1489“gemini-3-pro” | 官方榜单 | 2026年10月8日 |
| LMArena WebDev | 1440 | 74 | Overall; 14090 votes; 95% CI 1431–1448“gemini-3-pro” | 官方榜单 | 2026年10月8日 |
| LMArena Vision | 1289 | 13 | Overall, style control on; 13620 votes; 95% CI 1282–1297“gemini-3-pro” | 官方榜单 | 2026年10月2日 |
| GPQA Diamond | 92.6% | 24 | Epoch AI run, accuracy | 独立评测 | 2025年11月19日 |
| MMLU-Pro | 90.1% | 2 | Overall accuracy; data source: Self-Reported“Gemini-3-Pro(11/25)” | 厂商自报 | 2026年3月11日 |
| SWE-bench Verified | 72.9% | 21 | Epoch AI run (Epoch scaffold) | 独立评测 | 2026年2月13日 |
| SWE-bench Verified | 77.4% | 3 | agent: live-SWE-agent“gemini-3-pro-preview” | 官方榜单 | 2025年11月20日 |
| SWE-bench Verified | 74.2% | 14 | agent: mini-SWE-agent“gemini-3-pro-preview” | 官方榜单 | 2025年11月18日 |
| AIME (OTIS Mock AIME 2024–2025) | 91.4% | 65 | Epoch AI run, OTIS Mock AIME 2024–2025 | 独立评测 | 2025年11月19日 |
| Humanity's Last Exam | 37.5% | 8 | Compiled by Epoch AI | 第三方汇编 via Epoch AI | 2025年11月18日 |
| τ²-bench | 80.5% | 6 | airline domain, pass^1; effort: high; submitted by Sierra; v1.0.1 | 官方榜单 | 2026年3月2日 |
| τ²-bench | 18.0% | 21 | banking_knowledge domain, pass^1; effort: high; submitted by Sierra; v1.0.1 | 官方榜单 | 2026年3月2日 |
| τ²-bench | 75.9% | 15 | retail domain, pass^1; effort: high; submitted by Sierra; v1.0.1 | 官方榜单 | 2026年3月2日 |
| τ²-bench | 91.0% | 10 | telecom domain, pass^1; effort: high; submitted by Sierra; v1.0.1 | 官方榜单 | 2026年3月2日 |
| Terminal-Bench 2.0 | 62.2% | 2 | Terminal-Bench 2.0; agent: CodeBrain-1 | 第三方汇编 via Epoch AI | 2026年2月5日 |
| Terminal-Bench 2.0 | 69.4% | 26 | Terminal-Bench 2.0; agent: Ante | 官方榜单 via Epoch AI | 2025年11月18日 |
| Terminal-Bench 2.0 | 65.2% | 32 | Terminal-Bench 2.0; agent: SageAgent | 官方榜单 via Epoch AI | 2025年11月18日 |
| Terminal-Bench 2.0 | 62.3% | 42 | Terminal-Bench 2.0; agent: CodeBrain-1.5 | 官方榜单 via Epoch AI | 2025年11月18日 |
| Terminal-Bench 2.0 | 61.8% | 43 | Terminal-Bench 2.0; agent: II-Agent | 官方榜单 via Epoch AI | 2025年11月18日 |
| Terminal-Bench 2.0 | 61.1% | 46 | Terminal-Bench 2.0; agent: Droid | 官方榜单 via Epoch AI | 2025年11月18日 |
| Terminal-Bench 2.0 | 56.9% | 58 | Terminal-Bench 2.0; agent: Terminus 2 | 官方榜单 via Epoch AI | 2025年11月18日 |
| Terminal-Bench 2.0 | 56.0% | 59 | Terminal-Bench 2.0; agent: Letta Code | 官方榜单 via Epoch AI | 2025年11月18日 |
| BFCL v4 (function calling) | 72.5% | 3 | Overall accuracy; prompt-based“Gemini-3-Pro-Preview (Prompt)” | 官方榜单 | 2026年10月17日 |
| BFCL v4 (function calling) | 68.1% | 7 | Overall accuracy; native function calling (FC)“Gemini-3-Pro-Preview (FC)” | 官方榜单 | 2026年10月17日 |
常见问题
Gemini 3 Pro 的这些评测分数来自哪里？
来自 Epoch AI Benchmarking Hub、Berkeley Function Calling Leaderboard (BFCL)、LMArena leaderboard dataset、MMLU-Pro leaderboard (TIGER-Lab)、SWE-bench leaderboards (swebench.com)和τ²-bench leaderboard submissions。每一行都链接到原始榜单、数据集或报告，厂商自报的分数单独标注。