大模型“诸神之战”的下半场：性价比与多模态的终极较量

随着2026年7月最新一期的大模型评测结果（Results as of July, 2026）流出，整个AI圈的目光再次聚焦。在GPT-5.6 Luna、Claude Sonnet 5、Grok 4.5等一众强敌的环伺之下，Google的 Gemini 3.6 Flash 凭借其惊人的测试成绩和极具侵略性的定价，毫无争议地拿下了“多模态与长文本性价比之王”的称号。

价格屠夫：用快模型的全责打慢模型的全胜

从公布的价目表来看，Gemini 3.6 Flash 的输入/输出价格仅为 $1.50 / $7.50（每百万tokens）。作为对比，被广泛用于生产环境的 Claude Sonnet 5 原价高达 $3.00 / $15.00，即便在临时折扣期也需要 $2.00 / $10.00。虽然 GPT-5.6 Luna 在账面价格上（$1.00 / $6.00）略低，但结合具体的任务表现来看，Gemini 3.6 Flash 展现出了跨级别的统治力，真正诠释了什么叫“花小钱办大事”。

多模态王者：CharXiv 图表推理霸榜

对于多模态能力，复杂图表推理（Information synthesis from complex charts）向来是检验模型视觉智商的试金石。在最新的 CharXiv Reasoning 榜单中，Gemini 3.6 Flash 表现出断崖式的领先：

• 无工具（no tools）模式： 斩获 85.2%，力压 GPT-5.6 Luna（82.7%）和 Claude Sonnet 5（77.0%）。
• 有工具（with tools）模式： 更是飙升至 89.4%，依然将 Claude Sonnet 5（88.3%）压在身下，而GPT和Grok在此项高端视觉测试中甚至未能交出有效答卷。

长文本“超能力”：百万Token的大海捞针

除了多模态，Gemini 3.6 Flash 在超长上下文（GDM-MRCR v2, 8-needle）测试中的表现只能用“恐怖”来形容：

在128k上下文的平均表现中，它拿下了惊人的 91.8%，远超 Claude Sonnet 5 的 71.6% 和 GPT-5.6 Luna 的 74.8%。而在极具挑战性的 1M（百万Token） 上下文逐点测试中，放眼望去只有 Gemini 系列大军能够完整应战，其中 3.6 Flash 仍保持了 54.0% 的准确率，将自家前代 3.5 Flash 和 3.1 Pro 远远甩在身后。这意味着，一次性输入整本财报、海量语料或者超级代码库进行精准信息抽取，对它来说已经是基操。

Agentic（智能体）潜能全面爆发

在评估计算机真实操作能力的 OSWorld-Verified (Computer use) 测试中，Gemini 3.6 Flash 拿到了 83.0% 的全场最高分，不仅超越了以Agent控制能力著称的 Claude Sonnet 5（81.2%），更是大幅领先 GPT-5.6 Luna（72.6%）。这意味着在综合的图形界面自动化和多模态交互代理上，Gemini 的底层基础已经打得极其扎实，成为了构建下一代AI Agent的完美大脑。