Gemini 3 Flash
Google 모델 · 2025년 12월 17일 공개. 독립 벤치마크 점수, 종합 지수, 사람 투표 순위와 개발사 발표 점수를 그래프로 정리했습니다.
- 개발
- Google DeepMind
- 공개일
- 이용 방식
- API 제공
- 종합 능력 지수(ECI)
- 151.8신뢰구간 150.3~153.3
- Arena 점수(사람 투표)
- 146635위 · 투표 31,337표
영역별 강점
같은 시험을 치른 모델 가운데 어디쯤인지(백분위)를 영역별로 평균했습니다. 바깥일수록 상위권이고, 점수가 없는 영역은 가운데 빈 점으로 표시합니다.
Google 모델 흐름
큰 점이 이 모델입니다. 선은 그때까지의 최고 기록입니다.
독립 벤치마크 점수
- GPQA Diamond과학89.4%
94개 모델 중 30위. 대학원 수준의 생물·물리·화학 객관식 문제 198개. 검색으로 답을 찾기 어렵게 만든 문항이다. 오차 ±2.2%.
- OTIS 모의 AIME수학95.6%
91개 모델 중 26위. OTIS의 경시대회형 수학 문제 45개. MATH Level 5보다 어렵고 FrontierMath보다 쉽다. 오차 ±3.1%.
- FrontierMath(2025판)수학35.6%
46개 모델 중 12위. 연구 수준의 매우 어려운 수학 문제(비공개). 2026년 6월 새 판으로 바뀌기 전 기록이다. 오차 ±2.8%.
- FrontierMath 1~3단계수학51.2%
57개 모델 중 34위. 연구 수준의 매우 어려운 수학 문제(비공개) 2026년 판의 1~3단계. 오차 ±3%.
- FrontierMath 4단계수학17.1%
48개 모델 중 33위. FrontierMath 2026년 판에서 가장 어려운 4단계 문제(비공개). 오차 ±5.9%.
- SWE-bench Verified코딩75.4%
23개 모델 중 8위. 실제 오픈소스 저장소의 이슈를 고치는 과제. 사람이 검증한 500개 문항이다. 오차 ±2%.
- SimpleQA Verified지식66.8%
52개 모델 중 10위. 정치·과학·예술·스포츠·지리 등 짧은 사실 질문 1,000개에 검색 없이 답한 정확도. 오차 ±1.5%.
- 체스 퍼즐추론40%
60개 모델 중 18위. 체스 엔진으로 새로 만든 퍼즐 100개. 퍼즐마다 최선의 다음 수가 하나 있다. 오차 ±4.9%.
- 미공개 게임 퍼즐추론26%
47개 모델 중 25위. 잘 알려진 게임을 퍼즐용으로 바꾼 변형판의 100개 국면. 어떤 게임인지는 일부러 밝히지 않았다. 오차 ±4.4%.
세로선은 무작위로 찍었을 때 기대되는 점수입니다. 같은 벤치마크라도 평가 방식과 설정에 따라 점수가 달라지므로 개발사 발표 수치와 다를 수 있습니다.
개발사 발표 점수
개발사가 공식 페이지나 논문에 직접 밝힌 수치입니다. 평가 조건이 서로 달라 다른 모델과 바로 비교하기는 어렵습니다. 항목마다 원문에서 확인할 수 있습니다.
| 항목 | 발표 값 | 원문 |
|---|---|---|
| Terminal-bench 2.1 Agentic terminal coding | 58% | deepmind.google |
| SWE-Bench Pro (Public) Diverse agentic coding tasks | 49.6% | deepmind.google |
| MCP Atlas Multi-step workflows using MCP | 62% | deepmind.google |
| Toolathlon Real-world general tool use | 49.4% | deepmind.google |
| OSWorld-Verified Agentic computer use | 65.1% | deepmind.google |
| Finance Agent v2 Financial analysis and decision-making | 42.6% | deepmind.google |
| CharXiv Reasoning Information synthesis from complex charts | 80.3% | deepmind.google |
| MMMU-Pro Multimodal understanding and reasoning | 81.2% | deepmind.google |
| Blueprint-Bench 2 Agentic spatial reasoning | 0% | deepmind.google |
| MRCR v2 (8-needle) Long context performance | 67.2% | deepmind.google |
| Humanity’s Last Exam Academic reasoning (full set, text + MM) | 33.7% | deepmind.google |
| ARC-AGI-2 Abstract reasoning puzzles | 33.6% | deepmind.google |
함께 볼 모델
- Gemini 3 Pro Google · 2025-11-18
- Gemini 3.1 Pro Google · 2026-02-19
- GPT-5.2 Pro OpenAI · 2025-12-11
- GPT-5.2 OpenAI · 2025-12-11