能力 vs 帳單
指數 79.0 對應 Σ $14.0／MTok，Value 5.64。高指數不自動等於該買——看任務失敗成本是否撐得住溢價。
前沿主力CF-1.3gpqa
Gemini 3 Pro
Gemini 3 Pro 定位為「前沿主力」：Cheese Index 79.0（#7）。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
59.1#37
DEPTH
62.0
OPS
—
VALUE
4.22
BALANCE
84.3
CONSENSUS
75.8
Σ COST
$14.0
LATENCY
—
優勢訊號
- Cheese Index 79.0 位於目錄上段（#7）。
- 專長「agent」相對群體抬升 +32.5。
- 場景 Fit 首選「編碼代理」（56.2）。
- 深度複合 78.4，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
成本優先
長程任務
生成原型
關鍵取捨
均衡 vs 尖峰
三軸平衡 66.0。軸向落差大，更適合專長路由而非一刀切。
專長對齊
相對群體在「agent」抬升 +32.5。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$2 / $12
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 ★
coding ★
agent ★
math
knowledge
multimodal ★
reasoning