Gemini 2.0 Flash Thinking：完整基准性能指南

google 2.0-flash-thinking 2024-12-19 Proprietary

深入分析 Gemini 2.0 Flash Thinking 在 MMLU、HumanEval、GSM8K、MATH、BBH 等基准上的表现，包含定价与适用场景。

核心规格

厂商google
版本2.0-flash-thinking
发布日期2024-12-19
上下文窗口1.048576e+06 tokens
输入模态text, image
输出模态text
许可Proprietary
文档https://ai.google.dev/gemini-api/docs

基准测试表现

基准得分单位评测日期备注来源
MMLU86.5%2024-12-195-shot查看
HUMANEVAL87.2pass@12024-12-19—查看
GSM8K91.3%2024-12-190-shot CoT查看
MATH56.6%2024-12-190-shot CoT查看
BBH87.9%2024-12-193-shot CoT查看
GPQA61%2024-12-190-shot查看
IFEVAL82.8%2024-12-19prompt_strict查看
ARC95%2024-12-19challenge查看
MUSR70.8%2024-12-190-shot查看
WINOGRANDE88.1%2024-12-190-shot查看

定价

项目价格币种
输入$0.1 / MtokUSD
输出$0.4 / MtokUSD
缓存读$0 / MtokUSD
缓存写$0 / MtokUSD

数据来源: https://ai.google.dev/pricing · 截至 2024-12-19

合规性

  • 数据驻留: US
  • SOC2: ✓
  • HIPAA: ✗
  • GDPR: ✓
  • ISO 27001: ✓

Gemini 2.0 Flash Thinking

模型概述

Google Gemini 2.0 Flash Thinking 实验版, 1M 上下文, 链式思维推理, 在数学与编码上接近 o1。

核心规格

厂商版本发布日期上下文窗口输入模态输出模态许可证
Google2.0-flash-thinking2024-12-191048Ktext, imagetextProprietary

基准测试表现

基准得分单位备注
MMLU (Massive Multitask Language Understanding)86.5%5-shot
HumanEval87.2pass@1—
GSM8K (Grade School Math 8K)91.3%0-shot CoT
MATH56.6%0-shot CoT
BBH (BIG-Bench Hard)87.9%3-shot CoT
GPQA61.0%0-shot
IFEval82.8%prompt_strict
ARC95.0%challenge
MUSR70.8%0-shot
WinoGrande88.1%0-shot

定价

输入输出缓存读取缓存写入
————

每百万 token

优势

  • MMLU 得分 86.5，知识推理能力强。
  • HumanEval 87.2，代码生成能力出色。
  • GSM8K 91.3，数学推理稳健。
  • 支持文本、图像、音频多模态输入。

劣势

  • 闭源专有模型，不支持自托管。

适用场景

  • 代码生成与调试
  • 视觉与图像理解
  • Agent 工作流与工具调用

参考文献