# Gemini 3 Flash

> Fiche du modèle de langage Gemini 3 Flash sur Quelle IA, édition du 28 septembre 2026. Gemini 3 Flash (Google DeepMind) : score IA de 82,4, 48e sur 246. Scores par tâche, prix, exécution locale et liens pour le télécharger ou l'essayer.

Page : https://quelleia.com/modeles/gemini-3-flash/
Origine : Google DeepMind · États-Unis · sorti le 17 décembre 2025

## Score général

- Score IA : 82,4 (marge à 90 % : de 81,0 à 83,8)
- Rang : 48 (Groupe 7, ex æquo)
- Couverture : 100 % du poids des tâches, 40 mesures
- Échelle : 100 pour le meilleur modèle au lancement du site, 50 pour GPT-4o de novembre 2024.

## Scores par tâche

| Tâche | Score | Détail |
| --- | --- | --- |
| Raisonnement | 83,2 | Rang 34 · 89 % |
| Code | 81,6 | Rang 35 · 38 % |
| Agents | 84,7 | Provisoire · 33 % |
| Usage | 83,9 | Rang 45 · 100 % |
| Maths | 81,9 | Rang 41 · 88 % |
| Sciences | 82,6 | Provisoire · 40 % |
| Français | 96,2 | Rang 4 · 100 % |
| Vision | 77,2 | Rang 26 · 67 % |
| Écriture | 85,5 | Rang 39 · 100 % |
| Web | 80,0 | Rang 56 · 100 % |

## Artificial Analysis (hors du score)

Artificial Analysis évalue les modèles de son côté et publie son propre indice, l'Artificial Analysis Intelligence Index v4.3. C'est un autre indice, qui ne compte pas dans le score IA de Quelle IA et ne se compare pas directement à lui.

| Version évaluée | Indice v4.3 | Rang chez eux | Vitesse | Premier jeton | Prix par million de jetons (entrée / sortie) |
| --- | --- | --- | --- | --- | --- |
| [Gemini 3 Flash Preview (Reasoning)](https://artificialanalysis.ai/models/gemini-3-flash-reasoning) | 26,3 (estimé) | hors classement | 185,7 jetons/s | 7,17 s | 0,5 $ / 3 $ |
| [Gemini 3 Flash Preview (Non-reasoning)](https://artificialanalysis.ai/models/gemini-3-flash) | 17,9 (estimé) | hors classement | 172,2 jetons/s | 1,06 s | 0,5 $ / 3 $ |

Médianes de leurs mesures : vitesse en jetons produits par seconde, délai avant le premier jeton en secondes. Prix en dollars par million de jetons, en entrée puis en sortie. Rang parmi les 193 modèles que leur indice classe ; un indice qu'ils estiment reste hors de ce classement. Relevé le 1er octobre 2026 sur leur site, reproduit avec leur accord.

Source : Artificial Analysis, https://artificialanalysis.ai/models/gemini-3-flash-reasoning

## Exécution locale

Non. Gemini 3 Flash est un modèle fermé : il s'utilise en ligne, par l'application de son éditeur ou par API.

## Fiche technique

- Prix : 0,43 € / 2,60 € (entrée / sortie, par million de jetons)
- Fenêtre de contexte : 1 048 576 jetons (environ 786 000 mots)
- Entrées : Texte, image, vidéo, son, PDF
- Réflexion : Minimale, faible, moyenne, élevée (quatre niveaux réglables)
- Paramètres : Non communiqué
- Licence : Propriétaire (poids fermés, accès par l'éditeur)
- Classe énergétique : E (sur une échelle de A à G)
- Hébergement en Europe : Possible
- Connaissances jusqu'à : Janvier 2025

## Où le trouver

- Par API : [OpenRouter](https://openrouter.ai/google/gemini-3-flash-preview)
- Par API : [API Google DeepMind](https://ai.google.dev)
- L'essayer : [Gemini](https://gemini.google.com)

## Dans les outils de code

- Disponible dans : [Cursor](https://quelleia.com/outils/#cursor) (inclus), [Devin Desktop (ex-Windsurf)](https://quelleia.com/outils/#devin-desktop) (à l'usage), [Zed](https://quelleia.com/outils/#zed) (inclus), [OpenCode](https://quelleia.com/outils/#opencode) (à l'usage), [Droid (Factory)](https://quelleia.com/outils/#factory-droid)
- Mesuré dans : [Gemini CLI](https://quelleia.com/outils/#gemini-cli), [Junie](https://quelleia.com/outils/#junie)
- Relevé du 30 septembre 2026 sur la page publique de chaque outil. Un modèle proposé par un outil figure dans la liste que son éditeur publie. Rien n'y est mesuré.

## Mesures

| Benchmark | Tâche | Publié | Niveau suggéré | État | Source |
| --- | --- | --- | --- | --- | --- |
| EuroEval, Allociné (sentiment) | Français | 96,7 % | 78,7 | saturé | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, Allociné (sentiment) | Français | 96,7 % | 78,7 | saturé | https://euroeval.com/leaderboards/Monolingual/french/ |
| OTIS Mock AIME 2024-2025 | Maths | 95,6 % | 83,3 | saturé | https://epoch.ai/benchmarks |
| OTIS Mock AIME 2024-2025 | Maths | 92,8 % | 79,8 | saturé | https://epoch.ai/benchmarks |
| GeoBench | Vision | 88 % | 114,4 | archivé | https://epoch.ai/benchmarks |
| EuroEval, INCLUDE (connaissances) | Français | 87,7 % | 111,9 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, MultiLoKo (connaissances locales) | Français | 87,4 % | 113,4 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| GPQA Diamond | Sciences | 89,4 % | 82,0 | actif | https://epoch.ai/benchmarks |
| ARC-AGI-1 | Raisonnement | 84,7 % | 84,0 | saturé | https://epoch.ai/benchmarks |
| DTBench | Raisonnement | 89,1 % | 83,4 | saturé | https://conceptualreasoning.ai/dtbench |
| EuroEval, HellaSwag (bon sens) | Français | 81,1 % | 85,8 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, HellaSwag (bon sens) | Français | 79,6 % | 82,6 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| GPQA Diamond | Sciences | 83,2 % | 75,4 | actif | https://epoch.ai/benchmarks |
| SWE-bench Verified | Code | 75,4 % | 83,2 | actif | https://epoch.ai/benchmarks |
| EuroEval, ScaLA (grammaire) | Français | 72,4 % | 117,7 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, ScaLA (grammaire) | Français | 71,3 % | 114,9 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, ELTeC (noms propres) | Français | 70 % | 79,2 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, ELTeC (noms propres) | Français | 69 % | 75,6 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| SimpleQA Verified | Données | 66,8 % | 98,7 | actif | https://epoch.ai/benchmarks |
| Terminal-Bench 2.0 | Code | 64,3 % | 82,8 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| EuroEval, FQuAD (compréhension) | Français | 64,2 % | 38,4 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, FQuAD (compréhension) | Français | 64,2 % | 38,4 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| compar:IA | Français | 1 125,0 Elo | 117,1 | actif | https://arene.comparia.beta.gouv.fr/ranking |
| FrontierMath, paliers 1 à 3 (version 2025) | Maths | 35,6 % | 83,3 | actif | https://epoch.ai/benchmarks |
| Arena, écriture créative | Écriture | 1 456,5 Elo | 89,3 | actif | https://arena.ai/leaderboard |
| WeirdML (v2) | Code | 61,6 % | 82,6 | actif | https://htihle.github.io/weirdml.html |
| Arena, écriture créative | Écriture | 1 446,8 Elo | 87,1 | actif | https://arena.ai/leaderboard |
| Arena, questions d'experts | Sciences | 1 496,3 Elo | 84,6 | actif | https://arena.ai/leaderboard |
| Arena, texte | Usage | 1 472,7 Elo | 86,2 | actif | https://arena.ai/leaderboard |
| Arena, questions de maths | Maths | 1 474,2 Elo | 84,7 | actif | https://arena.ai/leaderboard |
| Arena, questions en français | Français | 1 492,4 Elo | 85,1 | actif | https://arena.ai/leaderboard |
| VPCT (Visual Physics Comprehension Test) | Vision | 72,6 % | 82,9 | archivé | https://epoch.ai/benchmarks |
| Arena, questions de code | Code | 1 505,4 Elo | 82,7 | actif | https://arena.ai/leaderboard |
| Arena, texte | Usage | 1 458,2 Elo | 82,9 | actif | https://arena.ai/leaderboard |
| ARC-AGI-1 | Raisonnement | 57,7 % | 75,8 | saturé | https://epoch.ai/benchmarks |
| Arena, questions de maths | Maths | 1 453,6 Elo | 80,4 | actif | https://arena.ai/leaderboard |
| Arena, questions en français | Français | 1 474,8 Elo | 81,4 | actif | https://arena.ai/leaderboard |
| Arena, vision | Vision | 1 273,0 Elo | 86,5 | actif | https://arena.ai/leaderboard |
| Arena, questions de code | Code | 1 489,7 Elo | 79,3 | actif | https://arena.ai/leaderboard |
| Arena, questions d'experts | Sciences | 1 463,4 Elo | 78,3 | actif | https://arena.ai/leaderboard |
| Arena, vision | Vision | 1 259,9 Elo | 83,4 | actif | https://arena.ai/leaderboard |
| SimpleBench | Raisonnement | 61,1 % | 84,1 | actif | https://lmcouncil.ai/benchmarks |
| Terminal-Bench 2.0 | Code | 51,7 % | 78,6 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| FrontierMath, paliers 1 à 3 (v2) | Maths | 51,2 % | 82,1 | actif | https://epoch.ai/benchmarks |
| Terminal-Bench 2.0 | Code | 51 % | 78,4 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| LMCA | Raisonnement | 43,13 | 82,6 | actif | https://conceptualreasoning.ai/lmca |
| Code Arena, WebDev | Web | 1 438,7 Elo | 79,9 | actif | https://arena.ai/leaderboard |
| DeepResearch Bench | Agents | 49,8 % | 91,9 | actif | https://evals.futuresearch.ai/#drb |
| Vending-Bench 2 | Agents | 3 635 $ | 86,8 | actif | https://epoch.ai/benchmarks |
| DeepResearch Bench | Agents | 49 % | 89,1 | actif | https://evals.futuresearch.ai/#drb |
| BALROG | Agents | 48,1 % | 83,0 | actif | https://balrogai.com/ |
| DeepResearch Bench | Agents | 47,9 % | 85,1 | actif | https://evals.futuresearch.ai/#drb |
| Terminal-Bench 2.0 | Code | 47,4 % | 77,3 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| Code Arena, WebDev | Web | 1 384,1 Elo | 76,1 | actif | https://arena.ai/leaderboard |
| EuroEval, OrangeSum (résumé) | Français | 38,6 % | 90,1 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, OrangeSum (résumé) | Français | 38,4 % | 85,1 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| Chess Puzzles | Raisonnement | 40 % | 89,0 | actif | https://epoch.ai/benchmarks |
| Chess Puzzles | Raisonnement | 38 % | 88,1 | actif | https://epoch.ai/benchmarks |
| ARC-AGI-2 | Raisonnement | 33,6 % | 82,0 | saturé | https://epoch.ai/benchmarks |
| EuroEval, INCLUDE (connaissances) | Français | 29,2 % | 9,0 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| ARC-AGI-1 | Raisonnement | 29 % | 68,7 | saturé | https://epoch.ai/benchmarks |
| ARC-AGI-1 | Raisonnement | 21,5 % | 66,4 | saturé | https://epoch.ai/benchmarks |
| Mystery Game Puzzles | Raisonnement | 26 % | 85,5 | actif | https://epoch.ai/benchmarks |
| Mystery Game Puzzles | Raisonnement | 25 % | 85,0 | actif | https://epoch.ai/benchmarks |
| FrontierMath, palier 4 (v2) | Maths | 17,1 % | 83,5 | saturé | https://epoch.ai/benchmarks |
| ForecastBench | Raisonnement | 58,5 % | 59,6 | actif | https://epoch.ai/benchmarks |
| EuroEval, MultiLoKo (connaissances locales) | Français | 16,1 % | 50,4 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| ProofBench | Maths | 15 % | 81,2 | saturé | https://www.vals.ai/benchmarks/proof_bench |
| ARC-AGI-2 | Raisonnement | 12,8 % | 76,5 | saturé | https://epoch.ai/benchmarks |
| Mystery Game Puzzles | Raisonnement | 20 % | 82,2 | actif | https://epoch.ai/benchmarks |
| GDP.pdf | Données | 10 % | 77,3 | actif | https://surgehq.ai/benchmarks/gdp-pdf |
| GDP.pdf | Données | 10 % | 77,3 | actif | https://surgehq.ai/benchmarks/gdp-pdf |
| GSO | Code | 9,8 % | 77,0 | actif | https://gso-bench.github.io/index.html |
| FrontierMath, palier 4 (version 2025) | Maths | 4,2 % | 76,5 | actif | https://epoch.ai/benchmarks |
| ARC-AGI-2 | Raisonnement | 3,3 % | 70,1 | saturé | https://epoch.ai/benchmarks |
| ARC-AGI-2 | Raisonnement | 1,3 % | 65,7 | saturé | https://epoch.ai/benchmarks |
| Blueprint-Bench 2 | Vision | 0 % | 58,5 | actif | https://andonlabs.com/evals/blueprint-bench-2 |

## En bref

**Quel est le score de Gemini 3 Flash ?** Gemini 3 Flash obtient un score IA de 82,4, avec une marge de 81,0 à 83,8, dans l'édition du 28 septembre 2026. Il est classé 48e sur 246 modèles, à partir de 40 mesures.

**Dans quelles tâches Gemini 3 Flash est-il le plus fort ?** Ses deux meilleures tâches sont français (96,2) et écriture (85,5). Sa tâche la plus faible est vision (77,2).

**Gemini 3 Flash peut-il tourner en local ?** Non. Gemini 3 Flash est un modèle fermé : il s'utilise en ligne, par l'application de son éditeur ou par API.

**Combien coûte Gemini 3 Flash ?** 0,43 € par million de jetons en entrée et 2,60 € en sortie, au tarif affiché par les fournisseurs. Le coût réel d'une tâche dépend du nombre de jetons que le modèle consomme.

**Qui édite Gemini 3 Flash ?** Gemini 3 Flash est édité par Google DeepMind (États-Unis), et il est sorti le 17 décembre 2025. C'est un modèle fermé.

Source : Quelle IA, édition du 28 septembre 2026. https://quelleia.com