BenchLeader

Claude Opus 4.7 vs Gemini 4 Carbon

完整资料:Claude Opus 4.7(Anthropic)和 Gemini 4 Carbon(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 Carbon 领先 Claude Opus 4.7(BenchLeader Index 68.9 比 63.1)。Gemini 4 Carbon 更便宜,对方的价格是它的 2.5 倍(每百万 token 混合价格 $4.00 比 $10.00)。在两者都有成绩的所有类别中,Gemini 4 Carbon 均领先。Gemini 4 Carbon 输出更快(约 1.5 倍)。

要点(截至 2026年11月16日)

  • Claude Opus 4.7 的 BenchLeader Index 为 63.1,Gemini 4 Carbon 为 68.9(BenchLeader,2026年11月16日)。
  • Claude Opus 4.7 每百万 token 混合价格为 $10.00(标价,2026年11月16日)。
  • Gemini 4 Carbon 每百万 token 混合价格为 $4.00(标价,2026年11月16日)。
  • Gemini 4 Carbon 比 Claude Opus 4.7 输出更快(约 1.5 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 10 项基准测试中,Gemini 4 Carbon 领先 9 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Claude Opus 4.7 的评分为 1555,Gemini 4 Carbon 为 1768(LMArena,截至 2026年11月16日 的公布数据)。

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 Carbon类别得分 74 比 61;Arena WebDev 1768 比 1555高
智能体与工具调用Gemini 4 Carbon类别得分 70 比 68;Terminal-Bench 64.5% 比 80.2%中
数学Gemini 4 Carbon类别得分 72 比 67中
推理Gemini 4 Carbon类别得分 73 比 64;Arena Hard Prompts 1547 比 1519高
对话质量(人类偏好)Gemini 4 CarbonArena 投票 73 比 67中
成本最低Gemini 4 Carbon每百万 token 混合价格 $4.00 比 $10.00;智能体编程会话 $0.160 比 $0.400–
首次回答最快Claude Opus 4.7首个回答 token 1.0 秒(Claude Opus 4.7)比 73.5 秒(Gemini 4 Carbon (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 Carbon (high) 领先:68.9 比 63.1。
  • Gemini 4 Carbon (high) 在智能体与工具、编程、人类偏好、数学、推理方面更强。
  • Gemini 4 Carbon (high) 更便宜,对方的价格是它的 2.5 倍(每百万 token 混合价格 $4.00 比 $10.00)。
  • Gemini 4 Carbon (high) 的输出速度是对方的 1.3 倍(64 比 48 token/秒)。

概览

规格Claude Opus 4.7Gemini 4 Carbon
提供商AnthropicGoogle
发布日期2026年4月16日2026年10月28日
上下文窗口(token)1,000,0001,048,576
对比时的配置Claude Opus 4.7Gemini 4 Carbon (high)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$5.00 / $25.00 / $0.500$2.00 / $10.00 / $0.100

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 Opus 4.7Gemini 4 Carbon (high)领先者
推理63.673.2Gemini 4 Carbon
编程60.974.1Gemini 4 Carbon
智能体与工具67.970.3Gemini 4 Carbon
数学66.771.9Gemini 4 Carbon
知识–76.1无法比较
人类偏好67.372.6Gemini 4 Carbon
多模态67.1–无法比较
长上下文–64.3无法比较
综合–70.3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推理编程智能体与工具数学人类偏好Claude Opus 4.7, 推理: 63.6Claude Opus 4.7, 编程: 60.9Claude Opus 4.7, 智能体与工具: 67.9Claude Opus 4.7, 数学: 66.7Claude Opus 4.7, 人类偏好: 67.3Gemini 4 Carbon, 推理: 73.2Gemini 4 Carbon, 编程: 74.1Gemini 4 Carbon, 智能体与工具: 70.3Gemini 4 Carbon, 数学: 71.9Gemini 4 Carbon, 人类偏好: 72.6

未绘制(测得的模型少于两个):知识, 指令遵循, 长上下文, 多模态。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 10 项基准测试中,Claude Opus 4.7 领先 1 项,Gemini 4 Carbon 领先 9 项。所有同时评测两者的综合评分都认为 Gemini 4 Carbon 更强。

综合 IndexClaude Opus 4.7Gemini 4 Carbon (high)领先者
BenchLeader Index63.168.9Gemini 4 Carbon
Arena Text14941526Gemini 4 Carbon

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 Opus 4.7Gemini 4 Carbon (high)
每百万 token 混合价格$10.00$4.00
每百万 token 输入 / 输出$5.00 / $25.00$2.00 / $10.00
每百万 token 缓存输入$0.500$0.100
每项任务价格:聊天回复$0.0095$0.0038
每项任务价格:总结一份 30 页的报告$0.075$0.030
每项任务价格:代码编辑$0.068$0.027
每项任务价格:智能体编程会话$0.400$0.160
每项任务价格:结构化信息提取$0.015$0.0060
智能体编程会话(输入大多命中缓存)$0.198$0.074
每项基准测试任务成本(AA Index)–$5.48
每项任务输出 token(AA Index)–123k
其中推理部分–72k
每项任务耗时(AA Index)–32 min
输出速度48 tok/s64 tok/s
首次回答时间1.0 秒73.5 秒
完整回答耗时(最近一次测量 2026年11月13日)–160.6 秒

每个模型都按其排名最高的推理强度设置进行对比。Claude Opus 4.7 得分 63.1,首个回答 token 需 1 秒;Claude Opus 4.7 (high) 为 60.0(1 秒),Claude Opus 4.7 (max) 为 59.7(15 秒)。Gemini 4 Carbon (high) 得分 68.9,首个回答 token 需 73 秒;Gemini 4 Carbon (medium) 为 65.8(21 秒),Gemini 4 Carbon (low) 为 60.1(11 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 Opus 4.7Gemini 4 Carbon (high)
BenchLeader IndexBenchLeader63.168.9
智能体与工具得分BenchLeader67.970.3
编程得分BenchLeader60.974.1
人类偏好得分BenchLeader67.372.6
数学得分BenchLeader66.771.9
多模态得分BenchLeader67.1–
推理得分BenchLeader63.673.2
综合得分BenchLeader–70.3
知识得分BenchLeader–76.1
长上下文得分BenchLeader–64.3
混合价格(美元/百万 token)BenchLeader$10.00$4.00
输出速度BenchLeader48 tok/s64 tok/s
首次回答时间BenchLeader1.0 秒73.5 秒
上下文窗口BenchLeader1,000,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub86.4%†96.5%
Humanity's Last ExamScale AI / CAIS36.2%–
SimpleBenchSimpleBench61.7%92.6%†
Arena Hard PromptsArena (LMArena)15191547
LiveBench 2.0 ReasoningLiveBench–90.6%
LiveBench 1.0 ReasoningLiveBench87.2%†–
GPQA Diamond (AA)Artificial Analysis91.4%†–
Humanity's Last Exam (AA)Artificial Analysis42.3%†–
HLE-Diamond (AA)Artificial Analysis–69.1%
GPQA Diamond (Vals)Vals AI90.2%†–
Kagi LLM BenchmarkKagi LLM Benchmark73.3%–
ARC-AGI-1ARC Prize–97.5%
ARC-AGI-2ARC Prize–92.1%
ARC-AGI-3ARC Prize0.2%†96.9%
CritPtArtificial Analysis12.0%†–
CritPt v2 hard subset (AA)Artificial Analysis–69.0%
Arena ExpertArena (LMArena)15341567
Chess PuzzlesEpoch AI Benchmarking Hub41.0%†78.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub13.0%73.0%
LMCAEpoch AI Benchmarking Hub52.2%†–
DTBenchEpoch AI Benchmarking Hub94.7%†–
ForecastBenchForecastBench62.8%–
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub83.5%†–
SciCodeSciCode54.5%†64.2%
WeirdMLWeirdML76.4%–
显示全部 161 项基准测试
指标发布方Claude Opus 4.7Gemini 4 Carbon (high)
编程
FrontierCodeCognition38.5%–
GSO-BenchGSO-Bench44.1%–
Arena CodingArena (LMArena)15471568
Arena WebDevArena (LMArena)15551768
LiveBench 2.0 CodingLiveBench–91.0%
LiveBench 1.0 CodingLiveBench82.1%†–
LiveCodeBenchVals AI85.1%†–
SWE-bench (Vals)Vals AI82.0%†–
Code MigrationVals AI43.9%†–
ProgramBenchVals AI0.0%†–
Vibe Code Bench v1.1Vals AI71.0%†89.1%
Vibe Code Bench 1-100 v1.1Vals AI–49.7%
SWE Atlas v1.0: Codebase QnAScale AI SEAL40.3%–
SWE Atlas v1.0: RefactoringScale AI SEAL48.6%–
SWE Atlas v1.0: Test WritingScale AI SEAL38.5%–
SWE Atlas v1.1Scale AI SEAL–71.4%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–73.4%†
SWE Atlas v1.1: Test WritingScale AI SEAL–76.7%†
SWE Atlas v1.1: RefactoringScale AI SEAL–64.3%†
MirrorCodeEpoch AI Benchmarking Hub31.1%†–
CursorBenchCursor–60.4%
ALE-BenchEpoch AI Benchmarking Hub1323.0–
FrontierSWEEpoch AI Benchmarking Hub–61.2%
Terminal-Bench 4.0 (AA)Artificial Analysis–65.2%
Terminal-Bench 2.1 (AA)Artificial Analysis83.2%†–
Design Arena WebsiteDesign Arena–1319†
FrontierCode 2.0 (AA)Artificial Analysis–40.6%
智能体与工具
Terminal-BenchTerminal-Bench80.2%64.5%
OSWorld-Verified 2.0OSWorld18.2%†–
APEX-AgentsMercor49.2%†84.2%†
Arena AgentArena (LMArena)–17
LiveBench Long AgenticLiveBench–72.7%
LiveBench BrowserLiveBench–80.0%
LiveBench Agentic CodingLiveBench50.7%†–
Terminal-Bench HardArtificial Analysis51.5%†–
τ²-Bench Telecom (AA)Artificial Analysis88.6%†–
Terminal-Bench 2.1 (Vals)Vals AI68.5%†–
MCP AtlasScale AI SEAL79.1%†–
HiL-BenchScale AI SEAL41.7%50.3%†
τ³-bench Bankingτ²-bench40.2%†–
GDPval-AA v2.1Artificial Analysis1361†1733
τ³-Banking (AA)Artificial Analysis34.6%†–
ITBench SRE (AA)Artificial Analysis46.7%†–
Analyst Agent (AA)Artificial Analysis43.8%†–
Finance Agent v2Vals AI51.5%†–
Finance Agent v2.1Vals AI–67.2%
Harvey's Legal Agent Benchmark v1.1Vals AI–17.5%
Harvey's Legal Agent Benchmark v1Vals AI6.7%†–
Legal Research BenchVals AI38.5%†55.8%
Tax Agent BenchVals AI23.7%†51.8%
Terminal-Bench 2.0 (Vals)Vals AI68.5%†–
Terminal-Bench 4.0 (Vals)Vals AI–63.1%
Arena SearchArena (LMArena)1210–
Arena Agent Task CompletionArena (LMArena)–18.4
PostTrainBenchEpoch AI Benchmarking Hub24.3%†–
ExploitBenchEpoch AI Benchmarking Hub26.5%–
GBAEvalEpoch AI Benchmarking Hub43.8%–
Vending-Bench 2Andon Labs10936.816484.2†
AutomationBenchArtificial Analysis–77.8%
GDP.pdf (AA)Artificial Analysis–28.4%
AA-Briefcase v1.1Artificial Analysis1252†1611
GDPxGDPx by SemiAnalysis–10.9%
Design Arena AgenticDesign Arena–1305†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–64.8%
MKA (AA)Artificial Analysis–54.3%
FACTS SearchGoogle–94.4%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub70.2%†90.5%
FrontierMath Tier 4Epoch AI Benchmarking Hub31.7%†95.1%
OTIS Mock AIMEEpoch AI Benchmarking Hub86.7%†100.0%
ProofBenchVals AI54.0%†–
LiveBench MathematicsLiveBench92.8%†–
AIME (Vals)Vals AI96.3%–
AIME 2026MathArena95.8%†–
HMMT February 2026MathArena93.9%†–
MathArena ApexMathArena40.6%†–
ArXivMathMathArena–94.3%
BrokenArXivMathArena–84.4%
Arena MathsArena (LMArena)1490–
FrontierMath ErdősEpoch AI Benchmarking Hub–2.9%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub51.7%†77.7%
LiveBench 2.0 Data AnalysisLiveBench–86.5%
LiveBench ResearchLiveBench–92.5%
LiveBench 1.0 Data AnalysisLiveBench78.3%†–
AA-Omniscience v1.1Artificial Analysis–53.5
MMLU-ProVals AI89.9%†–
LegalBenchVals AI85.3%†–
CorpFinVals AI66.1%†–
TaxEvalVals AI75.3%†–
PRBench LegalScale AI SEAL–53.4%†
CaseLaw v2Vals AI68.4%–
Excel Modeling BenchmarkVals AI63.7%†–
Excel Modeling Benchmark v1.1Vals AI–76.5%
MedCodeVals AI54.9%†–
MedScribeVals AI83.0%†–
DrugDiscoveryBenchScale AI SEAL–71.5%
EBR-benchEpoch AI Benchmarking Hub19.1%†87.6%
GDP.pdfEpoch AI Benchmarking Hub21.0%†–
AA-Omniscience v1.1: accuracyArtificial Analysis–58.3%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–88.6%
FACTS ParametricGoogle–81.6%†
指令遵循
LiveBench LanguageLiveBench77.9%†–
LiveBench Instruction FollowingLiveBench66.7%†–
IFBenchArtificial Analysis58.6%†–
Arena Instruction FollowingArena (LMArena)14931525
人类偏好
Arena TextArena (LMArena)14941526
EQ-Bench 4EQ-Bench1293–
EQ-Bench Creative Writing v3EQ-Bench1915–
Arena Creative WritingArena (LMArena)14821516
Arena Multi-turnArena (LMArena)15141564
Arena Longer QueriesArena (LMArena)15081538
多模态
Arena VisionArena (LMArena)1319–
LiveBench DesignLiveBench–80.2%
MMMU-ProArtificial Analysis78.8%†89.3%†
MMMU-Pro (Vals)Vals AI85.5%†–
MortgageTaxVals AI70.3%†–
Humanity's Sixth SenseScale AI SEAL–71.1%
Blueprint-Bench 2Epoch AI Benchmarking Hub24.5%58.6%†
Furniture AssemblyEpoch AI Benchmarking Hub33.3%†77.5%
VIALS-AAHandshake AI–64.0%
FACTS MultimodalGoogle–60.2%†
长上下文
AA-LCR v1.1Artificial Analysis78.7%†79.3%
Arena DocumentArena (LMArena)1494–
MLCRArtificial Analysis–19.4%
FACTS GroundingGoogle–77.2%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub157.4169.8†
LiveBench 2.0LiveBench–83.5%
LiveBench 1.0LiveBench76.5%†–
AA Intelligence Index v5.0.1Artificial Analysis–60.0
AA Intelligence Index v4.3.2Artificial Analysis40.7†–
AA Progress Index v1Artificial Analysis312.5†350.8
Vals IndexVals AI–70.5
Vals Finance IndexVals AI–67.0%
Vals RSI IndexVals AI19.1%†27.7%
Vals Multimodal IndexVals AI67.4%†–
Vals Legal IndexVals AI–75.9%
安全与诚实
FORTRESSScale AI SEAL–16.4%†

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。

变化

  • Gemini 4 Carbon (high):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Gemini 4 Carbon (high):BenchLeader Index 69.9 → 68.9。
  • Gemini 4 Carbon (high):1 项新结果(Terminal-Bench)。
  • Gemini 4 Carbon (high):1 项新结果(DrugDiscoveryBench);输入价格 $4.00/M → $2.00/M;输出价格 $20.00/M → $10.00/M;价格 $7.76/M → $5.48/M。
  • Gemini 4 Carbon (high):BenchLeader Index 68.5 → 69.9。
  • Gemini 4 Carbon (high):13 项新结果(GPQA Diamond, FrontierMath Tiers 1–3, FrontierMath Tier 4…)。
  • Gemini 4 Carbon (high):2 项新结果(FrontierSWE, Vals RSI Index)。
  • Gemini 4 Carbon (high):BenchLeader Index 69.3 → 68.5。
  • Gemini 4 Carbon (high):BenchLeader Index 68.8 → 69.3。
  • Gemini 4 Carbon (high):1 项分数修订。

排行榜: 综合最佳大模型 · 最适合编程的大模型 · 最适合智能体的大模型 · 便宜好用的大模型

Claude Opus 4.7 vs Gemini 4 Carbon:常见问题

Gemini 4 Carbon 比 Claude Opus 4.7 更好吗?
质量上 Gemini 4 Carbon (high) 领先:68.9 比 63.1。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 Carbon (high) 总体领先,但请结合你的用途查看各类别得分。
Claude Opus 4.7 和 Gemini 4 Carbon 哪个更便宜?价格会变吗?
目前 Gemini 4 Carbon 更便宜:每百万 token $4.00 比 $10.00(按每 1 个输出 token 对应 3 个输入 token 混合计算)。两者均未公布价格调整。
编程用 Claude Opus 4.7 还是 Gemini 4 Carbon 更好?
Gemini 4 Carbon 在编程方面得分更高(类别得分 74 比 61,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,Claude Opus 4.7 为 1555,Gemini 4 Carbon 为 1768。
Claude Opus 4.7 和 Gemini 4 Carbon 哪个更快?
Gemini 4 Carbon 输出更快(约 1.5 倍;输出 64 比 48 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Claude Opus 4.7 还是 Gemini 4 Carbon 更好?
Gemini 4 Carbon 在智能体任务方面得分更高(类别得分 70 比 68,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 Terminal-Bench 上,Claude Opus 4.7 为 80.2%,Gemini 4 Carbon 为 64.5%。
更多问题(4)
处理长文档哪个更好?
两者都约为 1M token(Claude Opus 4.7 为 1,000,000,Gemini 4 Carbon 为 1,048,576)。
哪个延迟更低?
Claude Opus 4.7 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 1.0 秒比 73.5 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 Opus 4.7 和 Gemini 4 Carbon 的看法一致吗?
在两者都有结果的 10 项基准测试中,Claude Opus 4.7 领先 1 项,Gemini 4 Carbon 领先 9 项。所有同时评测两者的综合评分都认为 Gemini 4 Carbon 更强。
Gemini 4 Carbon 是什么时候发布的?
Gemini 4 Carbon 于 2026年10月28日 发布。