BenchLeader

Claude Opus 5.5 vs Gemini 4 Hydrogen

完整资料:Claude Opus 5.5(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 12 个来源

截至 2026年11月16日,质量上 Claude Opus 5.5 领先 Gemini 4 Hydrogen(BenchLeader Index 68.4 比 63.4)。不过,Gemini 4 Hydrogen 更便宜,对方的价格是它的 2.7 倍(每百万 token 混合价格 $3.00 比 $8.00)。在两者都有成绩的所有类别中,Claude Opus 5.5 均领先。Gemini 4 Hydrogen 输出更快(约 1.5 倍)。

要点(截至 2026年11月16日)

  • Claude Opus 5.5 的 BenchLeader Index 为 68.4,Gemini 4 Hydrogen 为 63.4(BenchLeader,2026年11月16日)。
  • Claude Opus 5.5 每百万 token 混合价格为 $8.00(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 5.5 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 13 项基准测试中,Claude Opus 5.5 领先 10 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Claude Opus 5.5 的评分为 1815,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Claude Opus 5.5类别得分 79 比 69;Arena WebDev 1815 比 1704高
智能体与工具调用均可类别得分 61 比 62;Terminal-Bench 65.8% 比 56.4%均可
数学Claude Opus 5.5类别得分 73 比 68中
推理Claude Opus 5.5类别得分 72 比 70;HLE-Diamond (AA) 67.9% 比 54.9%中
知识Claude Opus 5.5类别得分 73 比 69;AA-Omniscience v1.1 48.1 比 43.7中
对话质量(人类偏好)–只有 Gemini 4 Hydrogen 有 Arena 评分(类别得分 68)无法比较
成本最低Gemini 4 Hydrogen每百万 token 混合价格 $3.00 比 $8.00;智能体编程会话 $0.120 比 $0.320–
首次回答最快Gemini 4 Hydrogen首个回答 token 16.2 秒(Gemini 4 Hydrogen (high))比 380.2 秒(Claude Opus 5.5 (max))–
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 Claude Opus 5.5 (max) 领先:68.4 比 63.4。
  • Claude Opus 5.5 (max) 在编程、知识、数学、推理方面更强。
  • Gemini 4 Hydrogen (high) 在智能体与工具方面更强。
  • Gemini 4 Hydrogen (high) 更便宜,对方的价格是它的 2.7 倍(每百万 token 混合价格 $3.00 比 $8.00)。
  • Gemini 4 Hydrogen (high) 的输出速度是对方的 1.5 倍(170 比 116 token/秒)。

概览

规格Claude Opus 5.5Gemini 4 Hydrogen
提供商AnthropicGoogle
发布日期2026年9月22日2026年11月12日
上下文窗口(token)1,000,0001,048,576
最大输出(token)128,000 (up to 300K on the Message Batches API (beta))–
输入类型文本、图像–
推理强度设置low, medium, high, xhigh, max–
对比时的配置Claude Opus 5.5 (max)Gemini 4 Hydrogen (high)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$4.00 / $20.00 / $0.200$1.50 / $7.50 / $0.075
API 模型 IDclaude-opus-5-5–
使用渠道Claude API, Amazon Bedrock, Google Cloud, Microsoft Foundry–

上限、可用性和已公布的价格均来自厂商官方页面: platform.claude.com (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 Opus 5.5 (max)Gemini 4 Hydrogen (high)领先者
推理72.169.6Claude Opus 5.5
编程78.868.8Claude Opus 5.5
智能体与工具61.361.7持平
数学73.267.8Claude Opus 5.5
知识72.568.5Claude Opus 5.5
人类偏好–68.2无法比较
多模态70.2–无法比较
长上下文67.1–无法比较
综合70.2–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知识Claude Opus 5.5, 推理: 72.1Claude Opus 5.5, 编程: 78.8Claude Opus 5.5, 智能体与工具: 61.3Claude Opus 5.5, 数学: 73.2Claude Opus 5.5, 知识: 72.5Gemini 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, 知识: 68.5

未绘制(测得的模型少于两个):指令遵循, 长上下文, 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 13 项基准测试中,Claude Opus 5.5 领先 10 项,Gemini 4 Hydrogen 领先 3 项。所有同时评测两者的综合评分都认为 Claude Opus 5.5 更强。

综合 IndexClaude Opus 5.5 (max)Gemini 4 Hydrogen (high)领先者
BenchLeader Index68.463.4Claude Opus 5.5
AA Intelligence Index v5.0.159.150.8Claude Opus 5.5
Vals Index70.168.5†Claude Opus 5.5
Arena Text1507†1490Claude Opus 5.5

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 5.5 (max)Gemini 4 Hydrogen (high)
每百万 token 混合价格$8.00$3.00
每百万 token 输入 / 输出$4.00 / $20.00$1.50 / $7.50
每百万 token 缓存输入$0.200$0.075
每项任务价格:聊天回复$0.0076$0.0029
每项任务价格:总结一份 30 页的报告$0.060$0.022
每项任务价格:代码编辑$0.054$0.020
每项任务价格:智能体编程会话$0.320$0.120
每项任务价格:结构化信息提取$0.012$0.0045
智能体编程会话(输入大多命中缓存)$0.149$0.056
每项基准测试任务成本(AA Index)$10.04$1.87
每项任务输出 token(AA Index)173k85k
其中推理部分120k48k
每项任务耗时(AA Index)25 min8 min
输出速度116 tok/s170 tok/s
首次回答时间380.2 秒16.2 秒
完整回答耗时(最近一次测量 2026年11月13日)711.4 秒63.3 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 Opus 5.5 (max) 上花费 $10.04,在 Gemini 4 Hydrogen (high) 上花费 $1.87;完成同样的工作,Claude Opus 5.5 (max) 输出的 token 是对方的 2.0 倍,这是只看 token 单价看不出来的。

每个模型都按其排名最高的推理强度设置进行对比。Claude Opus 5.5 (max) 得分 68.4,首个回答 token 需 380 秒;Claude Opus 5.5 (high) 为 66.0(26 秒),Claude Opus 5.5 (xhigh) 为 65.4(78 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 162 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 5.5 (max)Gemini 4 Hydrogen (high)
BenchLeader IndexBenchLeader68.463.4
智能体与工具得分BenchLeader61.361.7
编程得分BenchLeader78.868.8
综合得分BenchLeader70.2–
知识得分BenchLeader72.568.5
长上下文得分BenchLeader67.1–
数学得分BenchLeader73.267.8
多模态得分BenchLeader70.2–
推理得分BenchLeader72.169.6
人类偏好得分BenchLeader–68.2
混合价格(美元/百万 token)BenchLeader$8.00$3.00
输出速度BenchLeader116 tok/s170 tok/s
首次回答时间BenchLeader380.2 秒16.2 秒
上下文窗口BenchLeader1,000,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub90.6%–
SimpleBenchSimpleBench88.4%†–
Arena Hard PromptsArena (LMArena)1530†1514
LiveBench 2.0 ReasoningLiveBench92.2%88.6%†
LiveBench 1.0 ReasoningLiveBench92.2%–
Humanity's Last Exam (AA)Artificial Analysis61.4%–
HLE-Diamond (AA)Artificial Analysis67.9%54.9%
ARC-AGI-1ARC Prize97.5%–
ARC-AGI-2ARC Prize91.7%–
CritPtArtificial Analysis31.7%–
CritPt v2 hard subset (AA)Artificial Analysis68.0%61.5%
MysteryMechanismVals AI49.5%–
HLE-Diamond (Scale)Scale AI SEAL55.0%†–
Arena ExpertArena (LMArena)1545†1542
Chess PuzzlesEpoch AI Benchmarking Hub67.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub71.0%–
LMCAEpoch AI Benchmarking Hub68.2%–
DTBenchEpoch AI Benchmarking Hub98.9%–
编程
SciCodeSciCode66.9%–
FrontierCodeCognition54.6%†–
Arena CodingArena (LMArena)1548†1518
Arena WebDevArena (LMArena)18151704
LiveBench 2.0 CodingLiveBench87.1%78.5%†
LiveBench 1.0 CodingLiveBench89.3%–
IOIVals AI95.1%–
显示全部 162 项基准测试
指标发布方Claude Opus 5.5 (max)Gemini 4 Hydrogen (high)
编程
Code MigrationVals AI66.7%–
Code Migration v1.1Vals AI81.0%–
ProgramBenchVals AI18.5%–
SWE-bench MultimodalVals AI70.2%–
Vibe Code Bench 1-100Vals AI30.4%†–
Vibe Code Bench v1.1Vals AI90.3%87.8%†
Vibe Code Bench 1-100 v1.1Vals AI30.9%–
SWE Atlas v1.1Scale AI SEAL77.4%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL77.4%†–
SWE Atlas v1.1: Test WritingScale AI SEAL77.8%†–
SWE Atlas v1.1: RefactoringScale AI SEAL77.1%†–
MirrorCodeEpoch AI Benchmarking Hub95.6%–
CursorBenchCursor57.8%–
ALE-BenchEpoch AI Benchmarking Hub2147.4†–
FrontierSWEEpoch AI Benchmarking Hub62.3%–
WeirdML v3WeirdML31.2%†–
Terminal-Bench 4.0 (AA)Artificial Analysis59.6%54.0%
Startrise FrontendStartrise80.2%†–
GameBench 2 OverallDuelLab GameBench 287.6†–
GameBench 2 by reasoning settingDuelLab GameBench 294.8†–
Design Arena WebsiteDesign Arena1326†1320†
FrontierCode 1.1 (AA)Artificial Analysis52.2%–
FrontierCode 2.0 (AA)Artificial Analysis46.4%36.3%
智能体与工具
Terminal-BenchTerminal-Bench65.8%56.4%
Remote Labor IndexScale AI / CAIS21.3%†–
APEX-AgentsMercor73.5%–
Arena AgentArena (LMArena)19.5–
LiveBench Long AgenticLiveBench72.8%61.8%†
LiveBench BrowserLiveBench88.4%77.1%†
LiveBench Agentic CodingLiveBench71.7%–
Terminal-Bench 2.1 (Vals)Vals AI87.6%†–
MCP AtlasScale AI SEAL85.4%†–
HiL-BenchScale AI SEAL59.0%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis68.3%–
GDPval-AA v2.1Artificial Analysis1866–
ITBench SRE (AA)Artificial Analysis38.2%–
Analyst Agent (AA)Artificial Analysis56.3%–
CUA-benchVals AI14.0%–
CyberBenchVals AI55.4%–
Finance Agent v2Vals AI58.6%–
Finance Agent v2.1Vals AI67.8%65.1%†
Harvey's Legal Agent Benchmark v1.1Vals AI9.2%11.3%†
Harvey's Legal Agent Benchmark v1Vals AI3.8%–
Legal Research BenchVals AI50.5%53.9%†
Robo-benchVals AI14.6%–
SREBenchVals AI33.6%–
Tax Agent BenchVals AI44.5%52.3%†
Terminal-Bench 4.0 (Vals)Vals AI65.2%54.0%†
Terminal-Bench ScienceVals AI47.1%–
Time Horizon Index: KSPVals AI91.3%–
Web Search IndexVals AI53.8%–
Arena SearchArena (LMArena)1213†–
Arena Agent Task CompletionArena (LMArena)20.7–
PostTrainBenchEpoch AI Benchmarking Hub43.8%–
Vending-Bench 2Andon Labs9235.3†–
SpireClimbEpoch AI Benchmarking Hub5.8%–
AutomationBenchArtificial Analysis69.5%74.4%
GDP.pdf (AA)Artificial Analysis26.2%30.0%
Harvey LAB-AA v1.1Harvey4.2%–
AA-Briefcase v1.1Artificial Analysis18011497
GDPxGDPx by SemiAnalysis12.0%–
Design Arena AgenticDesign Arena1339†1262†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis59.0%41.4%
CWE-Bench (AA)Artificial Analysis58.3%–
DeepSec-Bench (AA)Artificial Analysis26.9%–
CyberGym end-to-end (AA)Artificial Analysis0.8%–
MKA (AA)Artificial Analysis53.0%–
FACTS SearchGoogle88.4%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub91.2%–
FrontierMath Tier 4Epoch AI Benchmarking Hub95.0%–
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%–
ProofBenchVals AI100.0%–
LiveBench MathematicsLiveBench97.1%–
ArXivMathMathArena82.6%†–
BrokenArXivMathArena77.3%†–
Arena MathsArena (LMArena)1514†1495
FrontierMath ErdősEpoch AI Benchmarking Hub2.9%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub72.2%–
LiveBench 2.0 Data AnalysisLiveBench80.3%83.2%†
LiveBench ResearchLiveBench88.9%86.8%†
LiveBench 1.0 Data AnalysisLiveBench80.3%–
AA-Omniscience v1.1Artificial Analysis48.143.7
PRBench LegalScale AI SEAL47.6%†–
BioMysteryBenchVals AI79.3%–
ClaimBenchVals AI100.0%–
Excel Modeling BenchmarkVals AI75.9%–
Excel Modeling Benchmark v1.1Vals AI75.8%75.8%†
MedCodeVals AI49.8%–
MedScribeVals AI91.4%–
Public Benefits Bench v1.1Vals AI70.6%–
Access to Justice BenchmarkVals AI73.8%–
Financial Coaching BenchVals AI76.2%–
Immigration BenchVals AI72.1%–
EBR-benchEpoch AI Benchmarking Hub71.4%–
GDP.pdfEpoch AI Benchmarking Hub30.6%–
AA-Omniscience v1.1: accuracyArtificial Analysis65.5%48.2%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis49.7%91.3%
HealthBench Professional (AA)OpenAI59.9%–
FACTS ParametricGoogle58.7%†–
指令遵循
LiveBench LanguageLiveBench86.3%–
LiveBench Instruction FollowingLiveBench65.7%–
Arena Instruction FollowingArena (LMArena)1518†1503
人类偏好
Arena TextArena (LMArena)1507†1490
EQ-Bench 4EQ-Bench1340†–
EQ-Bench Creative Writing v3EQ-Bench2051†–
Arena Creative WritingArena (LMArena)1517†1492
Arena Multi-turnArena (LMArena)1502†1476
Arena Longer QueriesArena (LMArena)1520†1514
多模态
Arena VisionArena (LMArena)1324†–
LiveBench DesignLiveBench83.3%77.3%†
MMMU-ProArtificial Analysis87.7%–
SAGEVals AI91.3%–
Humanity's Sixth SenseScale AI SEAL44.6%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub51.2%†–
Furniture AssemblyEpoch AI Benchmarking Hub83.3%–
VIALS-AAHandshake AI61.5%–
Code2Video-AAArtificial Analysis1536–
AA-3DArtificial Analysis1202–
FACTS MultimodalGoogle56.4%†–
长上下文
AA-LCR v1.1Artificial Analysis84.7%–
MLCRArtificial Analysis27.8%21.1%†
FACTS GroundingGoogle62.5%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub168.5†–
LiveBench 2.0LiveBench83.4%77.0%†
LiveBench 1.0LiveBench83.2%–
AA Intelligence Index v5.0.1Artificial Analysis59.150.8
AA Intelligence Index v4.3.2Artificial Analysis57.6–
AA Progress Index v1Artificial Analysis350–
Vals IndexVals AI70.168.5†
Vals Finance IndexVals AI65.3%66.1%†
Vals RSI IndexVals AI37.3%–
Vals Science IndexVals AI58.6%–
Vals Router IndexVals AI64.2%†–
Vals Legal IndexVals AI72.4%73.6%†
AA Cyber IndexArtificial Analysis28.7–
安全与诚实
FORTRESSScale AI SEAL5.8%–
DistressBenchScale AI SEAL75.6%†–

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

  • Claude Opus 5.5 (max):38 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Gemini 4 Hydrogen (high):10 项新结果(Arena Text, Arena Hard Prompts, Arena Coding…)。
  • Claude Opus 5.5 (max):1 项新结果(PostTrainBench);1 项分数修订。
  • Claude Opus 5.5 (max):1 项新结果(MirrorCode);1 项分数修订。
  • Claude Opus 5.5 (max):BenchLeader Index 69.3 → 68.8。
  • Claude Opus 5.5 (max):2 项分数修订。
  • Claude Opus 5.5 (max):1 项分数修订。
  • Claude Opus 5.5 (max):1 项分数修订。
  • Claude Opus 5.5 (max):2 项分数修订。
  • Claude Opus 5.5 (max):2 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 5.5 vs Gemini 4 Hydrogen:常见问题

Claude Opus 5.5 比 Gemini 4 Hydrogen 更好吗?
质量上 Claude Opus 5.5 (max) 领先:68.4 比 63.4。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,Claude Opus 5.5 (max) 总体领先,但请结合你的用途查看各类别得分。
Claude Opus 5.5 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 $8.00(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 5.5 还是 Gemini 4 Hydrogen 更好?
Claude Opus 5.5 在编程方面得分更高(类别得分 79 比 69,50 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 5.5 为 1815,Gemini 4 Hydrogen 为 1704。
Claude Opus 5.5 和 Gemini 4 Hydrogen 哪个更快?
Gemini 4 Hydrogen 输出更快(约 1.5 倍;输出 170 比 116 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Claude Opus 5.5 还是 Gemini 4 Hydrogen 更好?
两者在智能体任务方面持平(类别得分 61 比 62)。在两者共同的最主要智能体与工具基准测试 Terminal-Bench 上,Claude Opus 5.5 为 65.8%,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 5.5 为 1,000,000,Gemini 4 Hydrogen 为 1,048,576)。
哪个延迟更低?
Gemini 4 Hydrogen 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 16.2 秒比 380.2 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 5.5 和 Gemini 4 Hydrogen 的看法一致吗?
在两者都有结果的 13 项基准测试中,Claude Opus 5.5 领先 10 项,Gemini 4 Hydrogen 领先 3 项。所有同时评测两者的综合评分都认为 Claude Opus 5.5 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。