BenchLeader

Claude Opus 4.7 vs Gemini 4 Hydrogen

完整资料:Claude Opus 4.7(Anthropic)和 Gemini 4 Hydrogen(Google),包括全部基准测试、价格和排名。

更新于 · 数据来自 10 个来源

截至 2026年11月16日,Claude Opus 4.7 与 Gemini 4 Hydrogen 的质量不相上下(BenchLeader Index 63.1 比 63.4,在 ±4.2 的误差范围内)。Gemini 4 Hydrogen 更便宜,对方的价格是它的 3.3 倍(每百万 token 混合价格 $3.00 比 $10.00)。看重智能体与工具(68 比 62)选 Claude Opus 4.7;看重编程(69 比 61)、推理(70 比 64)和数学(68 比 67)选 Gemini 4 Hydrogen。Claude Opus 4.7 的首次回答更快(1.0 秒 比 16.2 秒)。Gemini 4 Hydrogen 的输出更快(3 倍以上)。

要点(截至 2026年11月16日)

  • Claude Opus 4.7 的 BenchLeader Index 为 63.1,Gemini 4 Hydrogen 为 63.4(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 Hydrogen 每百万 token 混合价格为 $3.00(标价,2026年11月16日)。
  • Gemini 4 Hydrogen 比 Claude Opus 4.7 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 10 项基准测试中,Gemini 4 Hydrogen 领先 6 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Claude Opus 4.7 的评分为 1555,Gemini 4 Hydrogen 为 1704(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 Hydrogen类别得分 69 比 61;Arena WebDev 1704 比 1555高
智能体与工具调用Claude Opus 4.7类别得分 68 比 62;Terminal-Bench 80.2% 比 56.4%中
数学Gemini 4 Hydrogen类别得分 68 比 67;Arena Maths 1495 比 1490中
推理Gemini 4 Hydrogen类别得分 70 比 64;Arena Hard Prompts 1514 比 1519中
对话质量(人类偏好)均可Arena 投票 67 比 68均可
成本最低Gemini 4 Hydrogen每百万 token 混合价格 $3.00 比 $10.00;智能体编程会话 $0.120 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 16.2 秒(Gemini 4 Hydrogen (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

  • Claude Opus 4.7 与 Gemini 4 Hydrogen (high) 的质量不相上下(63.1 比 63.4,在 ±4.2 的误差范围内)。
  • Claude Opus 4.7 在智能体与工具方面更强。
  • Gemini 4 Hydrogen (high) 在编程、人类偏好、数学、推理方面更强。
  • Gemini 4 Hydrogen (high) 更便宜,对方的价格是它的 3.3 倍(每百万 token 混合价格 $3.00 比 $10.00)。
  • Gemini 4 Hydrogen (high) 的输出速度是对方的 3.5 倍(170 比 48 token/秒)。

概览

规格Claude Opus 4.7Gemini 4 Hydrogen
提供商AnthropicGoogle
发布日期2026年4月16日2026年11月12日
上下文窗口(token)1,000,0001,048,576
对比时的配置Claude Opus 4.7Gemini 4 Hydrogen (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$1.50 / $7.50 / $0.075

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 Hydrogen (high)领先者
推理63.669.6Gemini 4 Hydrogen
编程60.968.8Gemini 4 Hydrogen
智能体与工具67.961.7Claude Opus 4.7
数学66.767.8Gemini 4 Hydrogen
知识–68.5无法比较
人类偏好67.368.2持平
多模态67.1–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 Hydrogen, 推理: 69.6Gemini 4 Hydrogen, 编程: 68.8Gemini 4 Hydrogen, 智能体与工具: 61.7Gemini 4 Hydrogen, 数学: 67.8Gemini 4 Hydrogen, 人类偏好: 68.2

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 4 项,Gemini 4 Hydrogen 领先 6 项。所有同时评测两者的综合评分都认为 Claude Opus 4.7 更强。

综合 IndexClaude Opus 4.7Gemini 4 Hydrogen (high)领先者
BenchLeader Index63.163.4不相上下
Arena Text14941490Claude Opus 4.7

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 Hydrogen (high)
每百万 token 混合价格$10.00$3.00
每百万 token 输入 / 输出$5.00 / $25.00$1.50 / $7.50
每百万 token 缓存输入$0.500$0.075
每项任务价格:聊天回复$0.0095$0.0029
每项任务价格:总结一份 30 页的报告$0.075$0.022
每项任务价格:代码编辑$0.068$0.020
每项任务价格:智能体编程会话$0.400$0.120
每项任务价格:结构化信息提取$0.015$0.0045
智能体编程会话(输入大多命中缓存)$0.198$0.056
每项基准测试任务成本(AA Index)–$1.87
每项任务输出 token(AA Index)–85k
其中推理部分–48k
每项任务耗时(AA Index)–8 min
输出速度48 tok/s170 tok/s
首次回答时间1.0 秒16.2 秒
完整回答耗时(最近一次测量 2026年11月13日)–63.3 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 Hydrogen (high) 得分 63.4,首个回答 token 需 16 秒;Gemini 4 Hydrogen (xhigh) 为 61.8(42 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 136 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 Hydrogen (high)
BenchLeader IndexBenchLeader63.163.4
智能体与工具得分BenchLeader67.961.7
编程得分BenchLeader60.968.8
人类偏好得分BenchLeader67.368.2
数学得分BenchLeader66.767.8
多模态得分BenchLeader67.1–
推理得分BenchLeader63.669.6
知识得分BenchLeader–68.5
混合价格(美元/百万 token)BenchLeader$10.00$3.00
输出速度BenchLeader48 tok/s170 tok/s
首次回答时间BenchLeader1.0 秒16.2 秒
上下文窗口BenchLeader1,000,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub86.4%†–
Humanity's Last ExamScale AI / CAIS36.2%–
SimpleBenchSimpleBench61.7%–
Arena Hard PromptsArena (LMArena)15191514
LiveBench 2.0 ReasoningLiveBench–88.6%†
LiveBench 1.0 ReasoningLiveBench87.2%†–
GPQA Diamond (AA)Artificial Analysis91.4%†–
Humanity's Last Exam (AA)Artificial Analysis42.3%†–
HLE-Diamond (AA)Artificial Analysis–54.9%
GPQA Diamond (Vals)Vals AI90.2%†–
Kagi LLM BenchmarkKagi LLM Benchmark73.3%–
ARC-AGI-3ARC Prize0.2%†–
CritPtArtificial Analysis12.0%†–
CritPt v2 hard subset (AA)Artificial Analysis–61.5%
Arena ExpertArena (LMArena)15341542
Chess PuzzlesEpoch AI Benchmarking Hub41.0%†–
Mystery Game PuzzlesEpoch AI Benchmarking Hub13.0%–
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%†–
WeirdMLWeirdML76.4%–
FrontierCodeCognition38.5%–
GSO-BenchGSO-Bench44.1%–
显示全部 136 项基准测试
指标发布方Claude Opus 4.7Gemini 4 Hydrogen (high)
编程
Arena CodingArena (LMArena)15471518
Arena WebDevArena (LMArena)15551704
LiveBench 2.0 CodingLiveBench–78.5%†
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%†87.8%†
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%–
MirrorCodeEpoch AI Benchmarking Hub31.1%†–
ALE-BenchEpoch AI Benchmarking Hub1323.0–
Terminal-Bench 4.0 (AA)Artificial Analysis–54.0%
Terminal-Bench 2.1 (AA)Artificial Analysis83.2%†–
Design Arena WebsiteDesign Arena–1320†
FrontierCode 2.0 (AA)Artificial Analysis–36.3%
智能体与工具
Terminal-BenchTerminal-Bench80.2%56.4%
OSWorld-Verified 2.0OSWorld18.2%†–
APEX-AgentsMercor49.2%†–
LiveBench Long AgenticLiveBench–61.8%†
LiveBench BrowserLiveBench–77.1%†
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%–
τ³-bench Bankingτ²-bench40.2%†–
GDPval-AA v2.1Artificial Analysis1361†–
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–65.1%†
Harvey's Legal Agent Benchmark v1.1Vals AI–11.3%†
Harvey's Legal Agent Benchmark v1Vals AI6.7%†–
Legal Research BenchVals AI38.5%†53.9%†
Tax Agent BenchVals AI23.7%†52.3%†
Terminal-Bench 2.0 (Vals)Vals AI68.5%†–
Terminal-Bench 4.0 (Vals)Vals AI–54.0%†
Arena SearchArena (LMArena)1210–
PostTrainBenchEpoch AI Benchmarking Hub24.3%†–
ExploitBenchEpoch AI Benchmarking Hub26.5%–
GBAEvalEpoch AI Benchmarking Hub43.8%–
Vending-Bench 2Andon Labs10936.8–
AutomationBenchArtificial Analysis–74.4%
GDP.pdf (AA)Artificial Analysis–30.0%
AA-Briefcase v1.1Artificial Analysis1252†1497
Design Arena AgenticDesign Arena–1262†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–41.4%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub70.2%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub31.7%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub86.7%†–
ProofBenchVals AI54.0%†–
LiveBench MathematicsLiveBench92.8%†–
AIME (Vals)Vals AI96.3%–
AIME 2026MathArena95.8%†–
HMMT February 2026MathArena93.9%†–
MathArena ApexMathArena40.6%†–
Arena MathsArena (LMArena)14901495
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub51.7%†–
LiveBench 2.0 Data AnalysisLiveBench–83.2%†
LiveBench ResearchLiveBench–86.8%†
LiveBench 1.0 Data AnalysisLiveBench78.3%†–
AA-Omniscience v1.1Artificial Analysis–43.7
MMLU-ProVals AI89.9%†–
LegalBenchVals AI85.3%†–
CorpFinVals AI66.1%†–
TaxEvalVals AI75.3%†–
CaseLaw v2Vals AI68.4%–
Excel Modeling BenchmarkVals AI63.7%†–
Excel Modeling Benchmark v1.1Vals AI–75.8%†
MedCodeVals AI54.9%†–
MedScribeVals AI83.0%†–
EBR-benchEpoch AI Benchmarking Hub19.1%†–
GDP.pdfEpoch AI Benchmarking Hub21.0%†–
AA-Omniscience v1.1: accuracyArtificial Analysis–48.2%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–91.3%
指令遵循
LiveBench LanguageLiveBench77.9%†–
LiveBench Instruction FollowingLiveBench66.7%†–
IFBenchArtificial Analysis58.6%†–
Arena Instruction FollowingArena (LMArena)14931503
人类偏好
Arena TextArena (LMArena)14941490
EQ-Bench 4EQ-Bench1293–
EQ-Bench Creative Writing v3EQ-Bench1915–
Arena Creative WritingArena (LMArena)14821492
Arena Multi-turnArena (LMArena)15141476
Arena Longer QueriesArena (LMArena)15081514
多模态
Arena VisionArena (LMArena)1319–
LiveBench DesignLiveBench–77.3%†
MMMU-ProArtificial Analysis78.8%†–
MMMU-Pro (Vals)Vals AI85.5%†–
MortgageTaxVals AI70.3%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub24.5%–
Furniture AssemblyEpoch AI Benchmarking Hub33.3%†–
长上下文
AA-LCR v1.1Artificial Analysis78.7%†–
Arena DocumentArena (LMArena)1494–
MLCRArtificial Analysis–21.1%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub157.4–
LiveBench 2.0LiveBench–77.0%†
LiveBench 1.0LiveBench76.5%†–
AA Intelligence Index v5.0.1Artificial Analysis–50.8
AA Intelligence Index v4.3.2Artificial Analysis40.7†–
AA Progress Index v1Artificial Analysis312.5†–
Vals IndexVals AI–68.5†
Vals Finance IndexVals AI–66.1%†
Vals RSI IndexVals AI19.1%†–
Vals Multimodal IndexVals AI67.4%†–
Vals Legal IndexVals AI–73.6%†

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。

变化

  • Gemini 4 Hydrogen (high):10 项新结果(Arena Text, Arena Hard Prompts, Arena Coding…)。
  • Claude Opus 4.7:1 项分数修订。
  • Claude Opus 4.7:1 项分数修订。
  • Claude Opus 4.7:1 项新结果(Harvey's Legal Agent Benchmark v1)。
  • Claude Opus 4.7:1 项分数修订。
  • Claude Opus 4.7:1 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 Opus 4.7 vs Gemini 4 Hydrogen:常见问题

Claude Opus 4.7 比 Gemini 4 Hydrogen 更好吗?
Claude Opus 4.7 与 Gemini 4 Hydrogen (high) 的质量不相上下(63.1 比 63.4,在 ±4.2 的误差范围内)。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,两者差距在误差范围内,请结合你的用途查看各类别得分。
Claude Opus 4.7 和 Gemini 4 Hydrogen 哪个更便宜?价格会变吗?
目前 Gemini 4 Hydrogen 更便宜:每百万 token $3.00 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 Hydrogen 更好?
Gemini 4 Hydrogen 在编程方面得分更高(类别得分 69 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 Hydrogen 为 1704。
Claude Opus 4.7 和 Gemini 4 Hydrogen 哪个更快?
Gemini 4 Hydrogen 输出更快(3 倍以上;输出 170 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 Hydrogen 更好?
Claude Opus 4.7 在智能体任务方面得分更高(类别得分 68 比 62,50 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 Hydrogen 为 56.4%。
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 Hydrogen 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 16.2 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 Hydrogen 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 4 项,Gemini 4 Hydrogen 领先 6 项。所有同时评测两者的综合评分都认为 Claude Opus 4.7 更强。
Gemini 4 Hydrogen 是什么时候发布的?
Gemini 4 Hydrogen 于 2026年11月12日 发布。