均衡 vs 尖峰
三軸平衡 59.0。軸向落差大，更適合專長路由而非一刀切。
前沿主力CF-1.3gpqa
Gemini 3 Pro Deep Think
Gemini 3 Pro Deep Think 定位為「前沿主力」：Cheese Index 87.0（#3）。高指數、多訊號交叉，適合作為硬任務預設候選。場景上最貼近「編碼代理」。
2026-07-16 快照。 Google · 4 路交叉訊號 · 最佳 Fit 編碼代理 · Google
CHEESE INDEX
43.5#142
DEPTH
61.0
OPS
—
VALUE
—
BALANCE
59.0
CONSENSUS
62.7
Σ COST
—
LATENCY
—
優勢訊號
- Cheese Index 87.0 位於目錄上段（#3）。
- 專長「agent」相對群體抬升 +42.3。
- 場景 Fit 首選「編碼代理」（58.1）。
- 深度複合 81.0，能力覆蓋面不只單一軸。
風險與缺口
- 尚無部署體感訊號，上線前請補延遲／吞吐實測。
- 長程軸覆蓋不足，長 horizon 任務勿只看總指數。
深度雷達
實線＝本模型 · 虛線＝群體中位
芝士軸
coding
agent
場景 Fit
★ 編碼代理
均衡穩健
長程任務
成本優先
生成原型
關鍵取捨
專長對齊
相對群體在「agent」抬升 +42.3。任務面不匹配時，抬升無法兌換成產品價值。
部署體感
Ops—
Latency—
Throughput—
I / O$— / $—
尚無 Ops 訊號：上線前請補延遲與吞吐實測。
驗證清單
- 用 3–5 個自家真實任務（含失敗案例）跑 A/B，勿只看排行分數。
- 記錄延遲 p50／p95、錯誤率與單位任務成本，對齊 Ops／Value 敘事。
- 若作預設模型：設好降級備援（更便宜或更快的分流模型）。
- 上線後追 7 日指數波動與產品 KPI，決定是否留在短名單。
能力細節
swe
gpqa ★
hle ★
reasoning