BenchLeader

Claude Haiku 5.5 vs Gemini 4 Argon

完整资料:Claude Haiku 5.5(Anthropic)和 Gemini 4 Argon(Google),包括全部基准测试、价格和排名。

更新于 · 数据来自 14 个来源

截至 2026年11月16日,质量上 Gemini 4 Argon 领先 Claude Haiku 5.5(BenchLeader Index 65.3 比 56.7)。不过,Claude Haiku 5.5 更便宜,对方的价格是它的 20 倍(每百万 token 混合价格 $0.200 比 $4.00)。在两者都有成绩的所有类别中,Gemini 4 Argon 均领先。Gemini 4 Argon 的现价有效至 2026年11月30日,之后为 $8.00。

要点(截至 2026年11月16日)

  • Claude Haiku 5.5 的 BenchLeader Index 为 56.7,Gemini 4 Argon 为 65.3(BenchLeader,2026年11月16日)。
  • Claude Haiku 5.5 每百万 token 混合价格为 $0.200(标价,2026年11月16日)。
  • Gemini 4 Argon 每百万 token 混合价格为 $4.00(截至 2026年11月30日,之后为 $8.00)(https://ai.google.dev/gemini-api/docs/pricing,2026年10月20日 核实)。
  • Claude Haiku 5.5 比 Gemini 4 Argon 输出更快(3 倍以上;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 29 项基准测试中,Gemini 4 Argon 领先 25 项(BenchLeader,2026年11月16日)。

按用途怎么选

推荐模型的数值列在前面。类别得分采用 BenchLeader 标尺(50 为模型平均水平,15 分为一个标准差)。领先半个标准差及以上为“高”置信度;相差不到 1 分则视为“均可”。

用途推荐理由置信度
编程Gemini 4 Argon类别得分 67 比 59;SciCode 61.8% 比 51.7%高
数学Gemini 4 Argon类别得分 70 比 66;OTIS Mock AIME 100.0% 比 98.9%中
推理Gemini 4 Argon类别得分 70 比 57;HLE-Diamond (AA) 56.7% 比 28.8%高
知识Gemini 4 Argon类别得分 72 比 49;AA-Omniscience v1.1 46.1 比 7.8高
长文档均可类别得分 64 比 65;AA-LCR v1.1 78.3% 比 79.7%均可
对话质量(人类偏好)–只有 Gemini 4 Argon 有 Arena 评分(类别得分 72)无法比较
成本最低Claude Haiku 5.5每百万 token 混合价格 $0.200 比 $4.00;智能体编程会话 $0.008 比 $0.160;2026年12月1日 起:$0.200 比 $8.00–
首次回答最快均可首个回答 token 50.5 秒(Claude Haiku 5.5 (xhigh))比 45.7 秒(Gemini 4 Argon (high))–
低预算大批量两者都不选通常更小的模型更合适:便宜好用的大模型、最快的大模型–

主要差异

  • 质量上 Gemini 4 Argon (high) 领先:65.3 比 56.7。
  • Gemini 4 Argon (high) 在编程、知识、长上下文、数学、推理方面更强。
  • 截至 2026年11月30日,Claude Haiku 5.5 (xhigh) 更便宜,对方的价格是它的 20 倍(每百万 token 混合价格 $0.200 比 $4.00);自 2026年12月1日 起为 $0.200 比 $8.00。
  • Claude Haiku 5.5 (xhigh) 的输出速度是对方的 3.5 倍(231 比 66 token/秒)。

概览

规格Claude Haiku 5.5Gemini 4 Argon
提供商AnthropicGoogle
发布日期2026年10月7日2026年9月30日
正式发布2026年10月7日2026年10月13日
上下文窗口(token)1,000,0001,048,576
最大输出(token)–65,536 (up to 1,048,576 with long decode)
输入类型–文本、图像、视频、音频、PDF
推理强度设置–low, medium, high
对比时的配置Claude Haiku 5.5 (xhigh)Gemini 4 Argon (high)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$0.100 / $0.500 / $0.010$2.00 / $10.00 / $0.100
已公布的价格调整暂无公布自 2026年12月1日 起为 $4.00 / $20.00 / $0.200
API 模型 ID–gemini-4-argon
使用渠道–Gemini API (AI Studio), Gemini Enterprise Agent Platform, Gemini app

上限、可用性和已公布的价格均来自厂商官方页面: ai.google.dev、ai.google.dev 定价页 (2026年10月20日 核实)。其余内容均来自当日数据。

逐类别对比

类别得分采用 BenchLeader 标尺:50 为参评模型的平均水平,15 分为一个标准差。差距不到 1 分视为持平。

类别Claude Haiku 5.5 (xhigh)Gemini 4 Argon (high)领先者
推理57.369.5Gemini 4 Argon
编程58.766.7Gemini 4 Argon
智能体与工具–58.6无法比较
数学66.169.9Gemini 4 Argon
知识49.071.9Gemini 4 Argon
人类偏好–72.1无法比较
长上下文63.864.5持平
综合–63.8无法比较

同一图表对比

各领域采用与 Index 相同的标尺,平均模型为 50 分。单击某个领域可查看构成它的基准测试。 可从列表中最多选择 5 个模型。

2550 avg75推理编程数学知识长上下文Claude Haiku 5.5, 推理: 57.3Claude Haiku 5.5, 编程: 58.7Claude Haiku 5.5, 数学: 66.1Claude Haiku 5.5, 知识: 49.0Claude Haiku 5.5, 长上下文: 63.8Gemini 4 Argon, 推理: 69.5Gemini 4 Argon, 编程: 66.7Gemini 4 Argon, 数学: 69.9Gemini 4 Argon, 知识: 71.9Gemini 4 Argon, 长上下文: 64.5

未绘制(测得的模型少于两个):智能体与工具, 指令遵循, 多模态, 人类偏好。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 29 项基准测试中,Claude Haiku 5.5 领先 4 项,Gemini 4 Argon 领先 25 项。所有同时评测两者的综合评分都认为 Gemini 4 Argon 更强。

综合 IndexClaude Haiku 5.5 (xhigh)Gemini 4 Argon (high)领先者
BenchLeader Index56.765.3Gemini 4 Argon
AA Intelligence Index v5.0.134.650.4Gemini 4 Argon
Vals Index58.7†69.4Gemini 4 Argon
Arena Text1421†1522Gemini 4 Argon

各发布方使用各自的任务、评测框架和推理强度设置,因此总体结论可能不同;BenchLeader 将它们统一到同一标尺上。† 表示同一模型在另一推理强度设置下的测量值(发布方未测试本页对比的设置)。

价格、速度与延迟

标价按每 1 个输出 token 对应 3 个输入 token 混合计算。每项任务的价格采用方法论页面中的 token 数量。每项基准测试任务的成本、token 数和耗时均为实测值,取自 Artificial Analysis 整个 Intelligence Index 测试的平均值。

指标Claude Haiku 5.5 (xhigh)Gemini 4 Argon (high)
每百万 token 混合价格(截至 2026年11月30日)$0.200$4.00
每百万 token 输入 / 输出$0.100 / $0.500$2.00 / $10.00
自 2026年12月1日 起每百万 token 混合价格$0.200$8.00
自 2026年12月1日 起每百万 token 输入 / 输出$0.100 / $0.500$4.00 / $20.00
每百万 token 缓存输入$0.010$0.100
每项任务价格:聊天回复$0.0002$0.0038
每项任务价格:总结一份 30 页的报告$0.0015$0.030
每项任务价格:代码编辑$0.0014$0.027
每项任务价格:智能体编程会话$0.0080$0.160
每项任务价格:结构化信息提取$0.0003$0.0060
智能体编程会话(输入大多命中缓存)$0.0040$0.074
每项基准测试任务成本(AA Index)$0.248$4.97
每项任务输出 token(AA Index)136k116k
其中推理部分97k68k
每项任务耗时(AA Index)10 min29 min
输出速度231 tok/s66 tok/s
首次回答时间50.5 秒45.7 秒
完整回答耗时(最近一次测量 2026年11月13日)110.1 秒122.1 秒

按 token 计价不等于按任务计价:在 Artificial Analysis 的 Intelligence Index 中,一项平均任务在 Claude Haiku 5.5 (xhigh) 上花费 $0.248,在 Gemini 4 Argon (high) 上花费 $4.97;完成同样的工作,Claude Haiku 5.5 (xhigh) 输出的 token 是对方的 1.2 倍。

每个模型都按其排名最高的推理强度设置进行对比。Claude Haiku 5.5 (xhigh) 得分 56.7,首个回答 token 需 50 秒;Claude Haiku 5.5 (high) 为 55.3(18 秒),Claude Haiku 5.5 (max) 为 55.3(185 秒)。Gemini 4 Argon (high) 得分 65.3,首个回答 token 需 46 秒;Gemini 4 Argon 为 64.4(5 秒),Gemini 4 Argon (medium) 为 61.6(13 秒)。推理强度越高,回答前思考越久:得分更高,但等待更长、计费 token 也更多。 推理强度如何影响得分和成本

全部基准测试

共 161 项基准测试,按类别分组;点击名称可查看该排行榜及领先模型。† 表示同一模型在另一推理强度设置下的测量值,仅供参考,不计入胜场。

指标发布方Claude Haiku 5.5 (xhigh)Gemini 4 Argon (high)
BenchLeader IndexBenchLeader56.765.3
编程得分BenchLeader58.766.7
知识得分BenchLeader49.071.9
长上下文得分BenchLeader63.864.5
数学得分BenchLeader66.169.9
推理得分BenchLeader57.369.5
智能体与工具得分BenchLeader–58.6
综合得分BenchLeader–63.8
人类偏好得分BenchLeader–72.1
混合价格(美元/百万 token)BenchLeader$0.200$4.00
输出速度BenchLeader231 tok/s66 tok/s
首次回答时间BenchLeader50.5 秒45.7 秒
上下文窗口BenchLeader1,000,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub89.7%†96.4%
Humanity's Last ExamScale AI / CAIS30.1%†–
SimpleBenchSimpleBench–91.7%†
Arena Hard PromptsArena (LMArena)1449†1545
LiveBench 2.0 ReasoningLiveBench82.4%†95.1%
LiveBench 1.0 ReasoningLiveBench81.2%–
Humanity's Last Exam (AA)Artificial Analysis42.7%57.1%
HLE-Diamond (AA)Artificial Analysis28.8%56.7%
ARC-AGI-1ARC Prize87.5%98.5%
ARC-AGI-2ARC Prize61.3%91.3%
ARC-AGI-3ARC Prize2.8%†97.3%
CritPtArtificial Analysis22.6%27.1%
CritPt v2 hard subset (AA)Artificial Analysis47.5%52.5%
MysteryMechanismVals AI35.1%†45.5%
HLE-Diamond (Scale)Scale AI SEAL–53.2%†
Arena ExpertArena (LMArena)1465†1549
Chess PuzzlesEpoch AI Benchmarking Hub55.0%†59.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub30.0%†64.0%
LMCAEpoch AI Benchmarking Hub48.0%63.7%
DTBenchEpoch AI Benchmarking Hub87.2%97.3%
编程
SciCodeSciCode51.7%61.8%
FrontierCodeCognition46.4%†47.5%†
Arena CodingArena (LMArena)1489†1553
Arena WebDevArena (LMArena)1593†1681
LiveBench 2.0 CodingLiveBench77.6%†85.7%
显示全部 161 项基准测试
指标发布方Claude Haiku 5.5 (xhigh)Gemini 4 Argon (high)
编程
LiveBench 1.0 CodingLiveBench76.4%–
IOIVals AI47.3%†100.0%
Code MigrationVals AI44.6%†68.2%
Code Migration v1.1Vals AI52.4%†70.8%
ProgramBenchVals AI2.5%†2.5%
SWE-bench MultimodalVals AI44.0%†56.0%
Vibe Code Bench 1-100Vals AI20.4%†21.2%
Vibe Code Bench v1.1Vals AI90.4%†91.9%
SWE Atlas v1.1Scale AI SEAL59.4%†70.1%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL62.1%†65.3%†
SWE Atlas v1.1: Test WritingScale AI SEAL63.3%†77.8%†
SWE Atlas v1.1: RefactoringScale AI SEAL52.9%†67.1%†
SWE-Bench Pro V2Scale AI SEAL87.2%†99.2%
SWE-Bench Pro V2 HARDScale AI SEAL52.9%†92.2%
MirrorCodeEpoch AI Benchmarking Hub78.9%†58.9%
CursorBenchCursor44.3%52.9%
ALE-BenchEpoch AI Benchmarking Hub1587†2100.1
FrontierSWEEpoch AI Benchmarking Hub43.8%†55.0%
WeirdML v3WeirdML11.7%20.3%
Terminal-Bench 4.0 (AA)Artificial Analysis29.3%57.1%
GameBench 2 OverallDuelLab GameBench 256.0†81.7†
GameBench 2 by reasoning settingDuelLab GameBench 275.189.2
Design Arena WebsiteDesign Arena1253†1316†
FrontierCode 1.1 (AA)Artificial Analysis45.5%43.5%
FrontierCode 2.0 (AA)Artificial Analysis29.9%25.7%
智能体与工具
Terminal-BenchTerminal-Bench40.0%†55.5%
Remote Labor IndexScale AI / CAIS–17.1%†
APEX-AgentsMercor56.1%†82.4%†
Arena AgentArena (LMArena)0.5†10.7
LiveBench Long AgenticLiveBench47.9%†58.5%
LiveBench BrowserLiveBench69.5%†82.8%
LiveBench Agentic CodingLiveBench51.4%–
Terminal-Bench 2.1 (Vals)Vals AI–57.7%
MCP AtlasScale AI SEAL–90.7%†
HiL-BenchScale AI SEAL–62.0%†
GDPval-AA v2.1, normalised scoreArtificial Analysis50.7%56.2%
GDPval-AA v2.1Artificial Analysis15231634
Analyst Agent (AA)Artificial Analysis53.8%†48.8%
CUA-benchVals AI–4.8%
CyberBenchVals AI75.5%†77.9%
Finance Agent v2Vals AI54.1%†65.4%
Finance Agent v2.1Vals AI65.4%†67.7%
Harvey's Legal Agent Benchmark v1.1Vals AI4.2%†27.1%
Harvey's Legal Agent Benchmark v1Vals AI1.3%†19.6%
Legal Research BenchVals AI43.8%†54.8%
Robo-benchVals AI–0.8%
SREBenchVals AI5.7%†44.3%
Tax Agent BenchVals AI31.9%†49.2%
Terminal-Bench 4.0 (Vals)Vals AI36.4%†57.6%
Terminal-Bench ScienceVals AI10.0%†44.3%
Time Horizon Index: KSPVals AI–52.5%
Arena Agent Task CompletionArena (LMArena)1.6†13.2
PostTrainBenchEpoch AI Benchmarking Hub–40.4%
Vending-Bench 2Andon Labs3602.5†13718.2†
AutomationBenchArtificial Analysis36.0%77.5%
GDP.pdf (AA)Artificial Analysis18.2%21.8%
Harvey LAB-AA v1.1Harvey2.8%3.9%
AA-Briefcase v1.1Artificial Analysis15231485
GDPxGDPx by SemiAnalysis4.9%†7.3%
Design Arena AgenticDesign Arena–1274†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis18.1%52.9%
MKA (AA)Artificial Analysis41.0%†51.3%
FACTS SearchGoogle80.3%†89.9%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub75.1%†86.0%
FrontierMath Tier 4Epoch AI Benchmarking Hub46.3%†78.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub98.9%100.0%
ProofBenchVals AI89.0%†99.0%†
LiveBench MathematicsLiveBench92.8%–
ArXivMathMathArena–84.4%
BrokenArXivMathArena–47.9%
Arena MathsArena (LMArena)1451†1536
FrontierMath ErdősEpoch AI Benchmarking Hub–1.5%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub23.8%†76.0%
LiveBench 2.0 Data AnalysisLiveBench53.1%†85.2%
LiveBench ResearchLiveBench84.3%†86.8%
LiveBench 1.0 Data AnalysisLiveBench72.8%–
AA-Omniscience v1.1Artificial Analysis7.846.1
LegalBenchVals AI–88.3%
PRBench FinanceScale AI SEAL–49.9%†
PRBench LegalScale AI SEAL–49.4%†
BioMysteryBenchVals AI70.4%†76.3%
ClaimBenchVals AI100.0%†–
Excel Modeling BenchmarkVals AI59.0%†75.2%
Excel Modeling Benchmark v1.1Vals AI65.5%†74.8%
MedCodeVals AI51.5%†58.8%
MedScribeVals AI89.5%†87.4%
Public Benefits Bench v1.1Vals AI63.2%†69.8%
Access to Justice BenchmarkVals AI–68.5%
Financial Coaching BenchVals AI–73.1%
Immigration BenchVals AI61.8%†68.1%
DrugDiscoveryBenchScale AI SEAL–65.4%
EBR-benchEpoch AI Benchmarking Hub43.8%†64.8%
GDP.pdfEpoch AI Benchmarking Hub–28.4%
AA-Omniscience v1.1: accuracyArtificial Analysis33.8%48.3%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis60.9%95.7%
HealthBench Professional (AA)OpenAI58.4%†55.0%
FACTS ParametricGoogle13.1%†72.2%†
指令遵循
LiveBench LanguageLiveBench63.5%–
LiveBench Instruction FollowingLiveBench66.5%–
MultiChallengeScale AI SEAL67.7%†78.7%†
Arena Instruction FollowingArena (LMArena)1426†1528
人类偏好
Arena TextArena (LMArena)1421†1522
EQ-Bench 4EQ-Bench–1236†
EQ-Bench Creative Writing v3EQ-Bench–1758†
Arena Creative WritingArena (LMArena)1361†1523
Arena Multi-turnArena (LMArena)1412†1545
Arena Longer QueriesArena (LMArena)1419†1544
多模态
LiveBench DesignLiveBench79.3%†69.2%
MMMU-ProArtificial Analysis–88.3%†
SAGEVals AI89.8%†89.5%
AudioMCScale AI SEAL–58.4%
AudioMC (text output)Scale AI SEAL–58.4%
Humanity's Sixth SenseScale AI SEAL–55.4%
Blueprint-Bench 2Epoch AI Benchmarking Hub33.0%†54.5%†
Furniture AssemblyEpoch AI Benchmarking Hub47.5%†72.5%
VIALS-AAHandshake AI49.1%†59.6%
Code2Video-AAArtificial Analysis1192†1259
AA-3DArtificial Analysis998†1147
FACTS MultimodalGoogle38.9%†54.2%†
长上下文
AA-LCR v1.1Artificial Analysis78.3%79.7%
MLCRArtificial Analysis15.0%13.9%
FACTS GroundingGoogle57.0%†73.3%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub160.4†166.5†
LiveBench 2.0LiveBench68.9%†77.7%
LiveBench 1.0LiveBench72.1%–
AA Intelligence Index v5.0.1Artificial Analysis34.650.4
AA Intelligence Index v4.3.2Artificial Analysis41.352.6
AA Progress Index v1Artificial Analysis322.2341.8
Vals IndexVals AI58.7†69.4
Vals Finance IndexVals AI57.5%†66.0%
Vals RSI IndexVals AI–30.6%
Vals Science IndexVals AI38.5%†55.4%
Vals Router IndexVals AI58.7%†69.2%†
Vals Legal IndexVals AI70.3%†76.8%
安全与诚实
FORTRESSScale AI SEAL9.5%†–
DistressBenchScale AI SEAL71.7%†68.6%†

数据截至 2026年11月16日。对比的是每个模型的最佳配置;每项分数的来源链接都在模型页面上。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

变化

  • Gemini 4 Argon:标价将调整为每百万 token 输入 $4.00 / 输出 $20.00(已公布)。
  • Gemini 4 Argon (high):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Gemini 4 Argon (high):1 项新结果(Terminal-Bench)。
  • Gemini 4 Argon (high):1 项分数修订。
  • Gemini 4 Argon (high):BenchLeader Index 65.9 → 65.3。
  • Gemini 4 Argon (high):1 项新结果(PostTrainBench);输入价格 $4.00/M → $2.00/M;输出价格 $20.00/M → $10.00/M;价格 $9.95/M → $4.97/M。
  • Claude Haiku 5.5 (xhigh):1 项新结果(GameBench 2 by reasoning setting)。
  • Claude Haiku 5.5 (xhigh):BenchLeader Index 57.3 → 56.8。
  • Gemini 4 Argon (high):4 项分数修订。
  • Gemini 4 Argon (high):1 项分数修订。

排行榜: 综合最佳大模型 · 最适合智能体的大模型 · 便宜好用的大模型

Claude Haiku 5.5 vs Gemini 4 Argon:常见问题

Gemini 4 Argon 比 Claude Haiku 5.5 更好吗?
质量上 Gemini 4 Argon (high) 领先:65.3 比 56.7。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,Gemini 4 Argon (high) 总体领先,但请结合你的用途查看各类别得分。
Claude Haiku 5.5 和 Gemini 4 Argon 哪个更便宜?价格会变吗?
目前 Claude Haiku 5.5 更便宜:每百万 token $0.200 比 $4.00(按每 1 个输出 token 对应 3 个输入 token 混合计算)。Gemini 4 Argon 的现价有效至 2026年11月30日,之后为 $8.00。
编程用 Claude Haiku 5.5 还是 Gemini 4 Argon 更好?
Gemini 4 Argon 在编程方面得分更高(类别得分 67 比 59,50 为平均水平)。在两者共同的最主要编程基准测试 FrontierCode 2.0 (AA) 上,Claude Haiku 5.5 为 29.9%,Gemini 4 Argon 为 25.7%。
Claude Haiku 5.5 和 Gemini 4 Argon 哪个更快?
Claude Haiku 5.5 输出更快(3 倍以上;输出 231 比 66 token/秒,Artificial Analysis 7 日中位数)。
处理长文档哪个更好?
两者在长上下文基准测试上持平(64 比 65)。两者都约为 1M token(Claude Haiku 5.5 为 1,000,000,Gemini 4 Argon 为 1,048,576)。
更多问题(3)
哪个延迟更低?
Gemini 4 Argon 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 45.7 秒比 50.5 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
第三方基准测试对 Claude Haiku 5.5 和 Gemini 4 Argon 的看法一致吗?
在两者都有结果的 29 项基准测试中,Claude Haiku 5.5 领先 4 项,Gemini 4 Argon 领先 25 项。所有同时评测两者的综合评分都认为 Gemini 4 Argon 更强。
Gemini 4 Argon 是什么时候发布的?
Gemini 4 Argon 于 2026年9月30日 首次亮相,并于 2026年10月13日 正式发布。