Gemini 3 评测（2026）：基准、价格，以及到底该选哪个模型

Google 的 Gemini 3 已经不再是单一模型，而这恰恰改变了评测它的方式。2025 年 11 月以“Gemini 3 Pro”之名亮相的产品，如今已经扩展成一整套模型：3.1 Pro 负责最棘手的推理，3.5 Flash 成为速度更快的新默认款，编程表现甚至超过旧旗舰，而 3.5 Pro 也将在几天内到来。真正值得回答的问题，不是“Gemini 3 好不好”，而是究竟该用哪一款，以及它是否值得让你离开 ChatGPT 或 Claude。

Gemini 3 到底值不值得用？先看结论

Gemini 3 已经是一条真正达到前沿水平的模型产品线。对大多数人来说，单是免费版就足以应付日常使用。问题在于，“Gemini 3”代表的是一整个家族，各成员差异很大，而系统默认分配给你的往往并不是最合适的那一款。

如果你本来就在 Google 生态中工作（Gmail、Docs、Search、Android），Gemini 3 是上手门槛最低的前沿 AI；按价格衡量，它也最慷慨：免费版确实能用，付费套餐低至 $4.99/month，比所有对手都便宜，API 的智能水平与价格之比也最突出。长上下文、多模态与视频理解，以及智能体搜索，都是它领先的领域。

它的短板也很明确：面对耗时长、容错率低的任务，输出一致性仍不够强；那种“可以直接相信模型判断”的可靠感，也正是许多人继续使用 Claude 的原因。此外，产品线更新太快，上个月测试过的版本如今可能已经不是现行模型。按任务选模型，不要只认品牌，才能真正发挥它的优势。

现在所说的“Gemini 3”究竟包括什么？

“Gemini 3”并不是一款模型，而是一代模型；其中四个版本已经发布或即将登场。先理清这一点，选择就完成了一大半，因为这些名称看起来相似，实际表现却完全不同。

这里的模型，可以简单理解为负责思考的引擎。“Pro”引擎规模更大、推理更深入；“Flash”引擎则更小、更快、价格也更低。到了 2026 年年中，产品线如下：

最反直觉的一点是：价格更低、速度更快的 3.5 Flash，如今在编程和智能体任务上已经超过旧旗舰 3 Pro；Google 还称，它在这些任务上足以媲美大型旗舰模型（Engadget）。因此，“严肃工作就该用贵的”这套直觉，对很多任务已经不成立。

这一代模型的共同特征包括：1 million token 的上下文窗口（即一次对话可读入的信息量，约相当于 1,500 页文本）；可在一个 prompt 中原生处理文本、图片、视频、音频和 PDF；知识截止时间为 2025 年 1 月（模型卡）。

只需记住一件事：听到“Gemini 3”时，先问清楚具体是哪一款。答案不同，价格可以相差 4 倍，优势也会彻底改变。

Gemini 3 基准测试：这些成绩该怎么解读？

从 Google 公布的数据看，Gemini 3.1 Pro 在多个维度领先前沿模型，也有少数项目落后。相比横扫所有榜单，这种有赢有输的结果反而更可信，因为败绩恰好说明了竞争对手真正占优的地方。

所谓基准测试，就是让每款模型回答同样的问题，再按同一套标准评分，从而进行横向比较。以下是 model card 中 **Gemini 3.1 Pro（Thinking, High）**与当前 Claude、OpenAI 模型的正面对比（来源）：

可以这样看：任务如果需要查找、浏览并分析大量持续变化的信息，Gemini 3.1 Pro 处于领先位置，有时优势相当明显——BrowseComp 为 85.9%，GPT-5.2 则是 65.8%，差距并不小。在专注的软件工程任务上，三者基本打平；而在引用最多的编程基准 SWE-Bench Verified 中，Claude Opus 4.6 略胜一筹。至于严格按规则调用工具，Opus 目前仍以微弱优势成为最可靠的一款。

旗舰模型的推理成绩也指向同一个结论。发布时，Gemini 3 Pro 以 1501 Elo 登顶 LMArena，在研究生级科学问题测试 GPQA Diamond 中取得 91.9%，并在不使用工具的情况下，于刻意设计得极其困难的专家考试 Humanity's Last Exam 中取得 37.5%；对这项考试而言，37.5% 已是很强的成绩（发布文章）。开启增强推理模式 Deep Think 后，Humanity's Last Exam 成绩升至 41.0%，专门用于抵抗记忆作答、强调全新问题解决能力的 ARC-AGI-2 更达到 45.1%。

Gemini 3 价格：订阅与 API 成本怎么算？

无论看订阅还是 API，Gemini 3 都是目前进入前沿 AI 成本最低的选择。这是它最鲜明的优势，却也很容易被忽略，因为最值得关注的套餐刚刚悄然改名。

先看个人用户，Google 当前定价如下（套餐页面）：

对大多数人而言，真正关键的数字是 Google AI Plus 每月 $4.99。ChatGPT Plus 和 Claude Pro 的标准套餐都在每月 $20 左右，因此 Gemini 的中档套餐价格约为它们的四分之一。如果你在其他地方看到“$7.99”，那已经是过期信息；Google 官方页面当前标价为 $4.99。

对开发者来说，API 的价格优势更加突出（定价，每 1M token）：

• Gemini 3.1 Pro：prompt 低于 200k token 时，输入 $2.00 / 输出 $12.00；超过后升至 $4.00 / $18.00。
• Gemini 3.5 Flash：输入 $1.50 / 输出 $9.00；别忘了，它在编程和智能体任务上已经胜过旧 Pro。
• 接入 Google Search：Gemini 3 全系列每月共享 5,000 次免费 prompt，之后每 1,000 次查询收费 $14。

用一个具体场景来算。假设你正在开发客服智能体，每月处理 100,000 次对话，每次平均输入 4k token、输出 1k token。使用 3.5 Flash，合计约为 400M 输入 token 和 100M 输出 token，按标价计算就是 $600 + $900 = $1,500/month。同一负载如果改用输出价格高一倍的前沿模型，账单会超过 $2,500。到了 100k 次对话的规模，差额足以支付一名员工。**这笔账，而不是基准图表，才是团队把高流量业务迁往 Gemini 的真正原因。**同档模型的基准差距只有几个百分点，账单差距却可达 40% 甚至更多。

Gemini 3 的真正优势与短板

看重能力覆盖面、触达范围与价格时，选 Gemini 3；如果你需要的是一款无需反复核查其判断的模型，就不该选它。

短板同样不应回避。最常出现的抱怨是一致性：同类 prompt 相隔一小时，第一次可能表现惊艳，下一次却异常平庸，这也正是论坛评测者提到的问题。合同、医疗或法律文书、财务分析等出错成本高的工作中，许多团队仍更信任 Claude 的稳定性；τ2-bench 工具调用和 SWE-Bench Verified 的成绩，也在小幅度上印证了这种判断。产品线的更迭同样频繁：为 3 Pro 调好的工作流，现在更适合 3.5 Flash，而 3.5 Pro 又会带来一次重置。能力快速提升当然是好事，稳定性却要为此付出代价。

如果想深入比较日常助手体验，可阅读 Gemini 与 ChatGPT 对比详解；[三方 Claude vs ChatGPT vs Gemini 对比](/blog/claude-vs-chatgpt-vs-gemini) 则把三款产品放在同一框架中逐项比较。

Gemini 3 各版本怎么选？

选择应取决于任务，而不是价格标签，因为更便宜的版本往往比直觉中更能打。

一句话决策：**任务重点是规模、覆盖面、搜索或预算，Gemini 更合适；如果是无法承受复核成本的高风险判断，价格差距就不再重要，可靠性才是决定因素。**如果主要工作是写代码，在统一采用某一款模型前，还应把它与专门的编程智能体放在一起权衡。

Gemini 3 怎么开始使用？

开始使用 Gemini 3 大约只需两分钟，而且几乎所有重要功能都可以先在免费版中体验。

1. 1

   先从免费版开始

   打开 Gemini 应用或 gemini.google.com，使用 Google 账号登录，即可免费使用 Gemini 3 Flash。先让它处理一周的真实工作，再考虑是否付费。

2. 2

   遇到限额再升级

   如果触及每日限额，或需要更深入的 Workspace 集成，Google AI Plus 的 $4.99/month 套餐对几乎所有人都最合适。$19.99 的 Pro 面向使用量和存储需求更高的用户。

3. 3

   开发应用先获取 API key

   前往 Google AI Studio 创建 key，优先调用 3.5 Flash。只有当 prompt 确实需要最深入的推理或最大上下文时，再切换至 3.1 Pro，因为后者价格高出数倍。

4. 4

   谨慎使用 Deep Think

   Deep Think 需要 Google AI Ultra。它只适合真正困难且新颖的问题，日常聊天用不上。大多数人始终都不需要它。

Gemini 3 免费吗？

免费。Gemini 应用提供有每日限额的 Gemini 3 Flash，足够应付大多数日常需求。付费套餐从每月 $4.99 的 Google AI Plus 起步，Deep Think 则需要 $99.99 的 Ultra 套餐。

Gemini 3 多少钱？

个人用户：免费；之后依次为 AI Plus $4.99/mo、AI Pro $19.99/mo、AI Ultra $99.99 和 $199.99/mo。API：Gemini 3.5 Flash 每百万 token 输入 $1.50 / 输出 $9；3.1 Pro 根据 prompt 长度不同，输入 $2 至 $4 / 输出 $12 至 $18。

Gemini 3 比 ChatGPT 或 Claude 更好吗？

根据 Google 公布的基准，它在智能体搜索、长上下文和竞技编程上领先；在 SWE-Bench Verified 和工具调用上，则以微弱差距落后于 Claude Opus 4.6。三者之中它的性价比最高，而高风险工作更适合选择稳定性更强的 Claude。

Gemini 3 Deep Think 是什么？

这是一种为高难度问题投入更多算力的增强推理模式，在 ARC-AGI-2 等测试中取得顶尖成绩（45.1%）。它仅向 Google AI Ultra 套餐开放，用于日常任务则显得大材小用。

Gemini 3 Flash 和 Pro 应该选哪个？

日常聊天、追求速度与成本，以及智能体循环，应选 3.5 Flash；它在编程上已经超过旧 Pro。需要最深入的推理或最长的上下文，并且能够接受更高价格时，再选 3.1 Pro。

想每周看到这种紧跟变化、不炒作的工具分析，了解真实价格与坦诚取舍？订阅邮件通讯。