Gemini 3 Flash
Google推出的面向速度与成本优化的多模态语言模型，具备较强视觉理解能力，属于Gemini 3系列的高效版本
核心事实
时间轴 (近 90 天)
在 Combo 中添加模型时，可勾选的模型包括 Gemini 2.5、Gemini 3 Flash、Claude Sonnet 4.5、Big Pickle、DeepSeek、GLM 5.3 等。
编造总额时各模型的中位置信度差异巨大：Gemini 3 Flash和Flash-Lite为95，GPT-5.4 nano为62，Claude Sonnet 5仅为20
当被单独追问总额是否可见时，Claude、Gemini 3 Flash和Flash-Lite在48张账单上全部回答总额不可见且无法计算，但直接提问时仍有21–44%的概率给出编造总额
当总额被遮但每行可见时，Claude和Gemini 3 Flash全部48张算对，失败全部来自较小模型（Flash-Lite失败31%，nano失败79%），nano即便被明确要求相加也只做对12/48
先确认后回答（在同一对话中先探测再提取）能把每个模型的编造率压到0–2%，同时Gemini 3 Flash又能重新算出98%的可恢复总额
在30张来自CORD公开数据集的真实收据照片上，Gemini 3 Flash的编造率从合成账单的21%飙升到73%，置信度仍为95，而其自身探测在30/30次中都正确说出总额不可计算
测试覆盖了四款视觉模型：Claude Sonnet 5（Anthropic）、Gemini 3 Flash（Google）、Gemini 3.1 Flash-Lite（Google）、GPT-5.4 nano（OpenAI）
总额全遮时的编造比例：Claude Sonnet 5为38%、Gemini 3 Flash为21%、Gemini 3.1 Flash-Lite为44%、GPT-5.4 nano为73%；总额遮一半时编造比例：Claude 92%、其余三款均为100%
作者用Gemini 3 Flash为120个视频字幕段落生成观众风格问题构成「问题—段落」数据对，训练不到三分钟后首位命中率从约三分之二提升到约四分之三
作者围绕开源编码代理PI构建定制Agent，运行Gemini 3 Flash，配备Shell和SQL工具，操作运行在Neon上的Postgres数据库
还有 2 条时间轴事件
全部知识事实 (11)
测试覆盖了四款视觉模型：Claude Sonnet 5（Anthropic）、Gemini 3 Flash（Google）、Gemini 3.1 Flash-Lite（Google）、GPT-5.4 nano（OpenAI）
65%待验证在 Combo 中添加模型时，可勾选的模型包括 Gemini 2.5、Gemini 3 Flash、Claude Sonnet 4.5、Big Pickle、DeepSeek、GLM 5.3 等。
50%待验证编造总额时各模型的中位置信度差异巨大：Gemini 3 Flash和Flash-Lite为95，GPT-5.4 nano为62，Claude Sonnet 5仅为20
50%待验证当总额被遮但每行可见时，Claude和Gemini 3 Flash全部48张算对，失败全部来自较小模型（Flash-Lite失败31%，nano失败79%），nano即便被明确要求相加也只做对12/48
50%待验证先确认后回答（在同一对话中先探测再提取）能把每个模型的编造率压到0–2%，同时Gemini 3 Flash又能重新算出98%的可恢复总额
50%待验证在30张来自CORD公开数据集的真实收据照片上，Gemini 3 Flash的编造率从合成账单的21%飙升到73%，置信度仍为95，而其自身探测在30/30次中都正确说出总额不可计算
50%待验证总额全遮时的编造比例：Claude Sonnet 5为38%、Gemini 3 Flash为21%、Gemini 3.1 Flash-Lite为44%、GPT-5.4 nano为73%；总额遮一半时编造比例：Claude 92%、其余三款均为100%
50%待验证当被单独追问总额是否可见时，Claude、Gemini 3 Flash和Flash-Lite在48张账单上全部回答总额不可见且无法计算，但直接提问时仍有21–44%的概率给出编造总额
50%待验证作者用Gemini 3 Flash为120个视频字幕段落生成观众风格问题构成「问题—段落」数据对，训练不到三分钟后首位命中率从约三分之二提升到约四分之三
50%待验证作者围绕开源编码代理PI构建定制Agent，运行Gemini 3 Flash，配备Shell和SQL工具，操作运行在Neon上的Postgres数据库
50%待验证在Cursor Bench上Sonnet 5.5每个任务消耗271,920个token，超过Opus的约218k，约为Gemini 3 Flash的两倍
50%