BenchLeader

Claude Opus 5 vs Gemini 4 Carbon

完整资料:Claude Opus 5(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 5(BenchLeader Index 68.9 比 65.0)。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。

要点(截至 2026年11月16日)

  • Claude Opus 5 的 BenchLeader Index 为 65.0,Gemini 4 Carbon 为 68.9(BenchLeader,2026年11月16日)。
  • Claude Opus 5 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)。
  • 在两者都有结果的 47 项基准测试中,Gemini 4 Carbon 领先 42 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Claude Opus 5 的评分为 1691,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 67;Arena WebDev 1768 比 1691中
智能体与工具调用Gemini 4 Carbon类别得分 70 比 64;Terminal-Bench 64.5% 比 52.1%中
数学Gemini 4 Carbon类别得分 72 比 70;FrontierMath Tiers 1–3 90.5% 比 85.6%中
推理Gemini 4 Carbon类别得分 73 比 66;GPQA Diamond 96.5% 比 93.9%中
知识Gemini 4 Carbon类别得分 76 比 65;SimpleQA Verified 77.7% 比 59.9%高
长文档均可类别得分 64 比 64;AA-LCR v1.1 79.3% 比 79.3%均可
对话质量(人类偏好)Gemini 4 CarbonArena 投票 73 比 68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 5首个回答 token 48.5 秒(Claude Opus 5 (max))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 65.0。
  • Gemini 4 Carbon (high) 在智能体与工具、编程、人类偏好、知识、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)。

概览

规格Claude Opus 5Gemini 4 Carbon
提供商AnthropicGoogle
发布日期2026年7月24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 5 (max)Gemini 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 5 (max)Gemini 4 Carbon (high)领先者
推理66.173.2Gemini 4 Carbon
编程67.074.1Gemini 4 Carbon
智能体与工具63.870.3Gemini 4 Carbon
数学69.871.9Gemini 4 Carbon
知识65.276.1Gemini 4 Carbon
人类偏好68.172.6Gemini 4 Carbon
多模态67.2–无法比较
长上下文64.364.3持平
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知识长上下文人类偏好Claude Opus 5, 推理: 66.1Claude Opus 5, 编程: 67.0Claude Opus 5, 智能体与工具: 63.8Claude Opus 5, 数学: 69.8Claude Opus 5, 知识: 65.2Claude Opus 5, 长上下文: 64.3Claude Opus 5, 人类偏好: 68.1Gemini 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, 知识: 76.1Gemini 4 Carbon, 长上下文: 64.3Gemini 4 Carbon, 人类偏好: 72.6

未绘制(测得的模型少于两个):指令遵循, 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 47 项基准测试中,Claude Opus 5 领先 3 项,Gemini 4 Carbon 领先 42 项,2 项持平。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 5 (max)Gemini 4 Carbon (high)领先者
BenchLeader Index65.068.9Gemini 4 Carbon
AA Intelligence Index v5.0.144.260.0Gemini 4 Carbon
Arena Text14891526Gemini 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 5 (max)Gemini 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)$11.82$5.48
每项任务输出 token(AA Index)118k123k
其中推理部分73k72k
每项任务耗时(AA Index)25 min32 min
输出速度80 tok/s64 tok/s
首次回答时间48.5 秒73.5 秒
完整回答耗时(最近一次测量 2026年11月13日)191.6 秒160.6 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 (max) 上花费 $11.82,在 Gemini 4 Carbon (high) 上花费 $5.48;完成同样的工作,Gemini 4 Carbon (high) 输出的 token 是对方的 1.0 倍。

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 (max) 得分 65.0,首个回答 token 需 49 秒;Claude Opus 5 (high) 为 64.4(17 秒),Claude Opus 5 为 63.2(2 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 171 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 (max)Gemini 4 Carbon (high)
BenchLeader IndexBenchLeader65.068.9
智能体与工具得分BenchLeader63.870.3
编程得分BenchLeader67.074.1
人类偏好得分BenchLeader68.172.6
知识得分BenchLeader65.276.1
长上下文得分BenchLeader64.364.3
数学得分BenchLeader69.871.9
多模态得分BenchLeader67.2–
推理得分BenchLeader66.173.2
综合得分BenchLeader–70.3
混合价格(美元/百万 token)BenchLeader$10.00$4.00
输出速度BenchLeader80 tok/s64 tok/s
首次回答时间BenchLeader48.5 秒73.5 秒
上下文窗口BenchLeader1,000,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub93.9%96.5%
SimpleBenchSimpleBench80.6%†92.6%†
Arena Hard PromptsArena (LMArena)15131547
LiveBench 2.0 ReasoningLiveBench–90.6%
LiveBench 1.0 ReasoningLiveBench91.2%–
GPQA Diamond (AA)Artificial Analysis93.2%–
Humanity's Last Exam (AA)Artificial Analysis54.9%–
HLE-Diamond (AA)Artificial Analysis44.8%69.1%
GPQA Diamond (Vals)Vals AI93.4%†–
ARC-AGI-1ARC Prize97.5%97.5%
ARC-AGI-2ARC Prize90.4%92.1%
ARC-AGI-3ARC Prize30.2%†96.9%
CritPtArtificial Analysis29.1%–
CritPt v2 hard subset (AA)Artificial Analysis50.0%69.0%
MysteryMechanismVals AI37.4%–
HLE-Diamond (Scale)Scale AI SEAL38.6%†–
Arena ExpertArena (LMArena)15301567
Chess PuzzlesEpoch AI Benchmarking Hub43.0%78.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub59.0%73.0%
LMCAEpoch AI Benchmarking Hub63.3%–
DTBenchEpoch AI Benchmarking Hub97.6%–
ForecastBenchForecastBench66.6%–
BTF-3Epoch AI Benchmarking Hub12.0%†–
编程
SciCodeSciCode56.4%64.2%
WeirdMLWeirdML91.8%–
显示全部 171 项基准测试
指标发布方Claude Opus 5 (max)Gemini 4 Carbon (high)
编程
FrontierCodeCognition53.4%–
Arena CodingArena (LMArena)15281568
Arena WebDevArena (LMArena)16911768
LiveBench 2.0 CodingLiveBench–91.0%
LiveBench 1.0 CodingLiveBench81.5%–
SciCode (AA)Artificial Analysis56.4%–
LiveCodeBenchVals AI89.0%–
IOIVals AI84.3%–
SWE-bench (Vals)Vals AI97.0%†–
Code MigrationVals AI57.5%–
ProgramBenchVals AI3.0%–
Vibe Code Bench 1-100Vals AI28.5%–
Vibe Code Bench v1.1Vals AI88.4%†89.1%
Vibe Code Bench 1-100 v1.1Vals AI–49.7%
SWE Atlas v1.0: Codebase QnAScale AI SEAL63.2%†–
SWE Atlas v1.0: Test WritingScale AI SEAL62.2%†–
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%†
SWE-Bench Pro V2Scale AI SEAL99.4%†–
SWE-Bench Pro V2 HARDScale AI SEAL98.0%†–
MirrorCodeEpoch AI Benchmarking Hub87.8%–
DeepSWE v1.1Epoch AI Benchmarking Hub73.7%–
CursorBenchCursor46.6%60.4%
ALE-BenchEpoch AI Benchmarking Hub2164.6†–
FrontierSWEEpoch AI Benchmarking Hub52.0%61.2%
WeirdML v3WeirdML19.0%†–
Terminal-Bench 4.0 (AA)Artificial Analysis49.0%65.2%
Terminal-Bench 2.1 (AA)Artificial Analysis89.1%–
Startrise FrontendStartrise82.3%†–
GameBench 2 OverallDuelLab GameBench 276.5†–
GameBench 2 by reasoning settingDuelLab GameBench 284.8†–
Design Arena WebsiteDesign Arena1304†1319†
FrontierCode 2.0 (AA)Artificial Analysis31.1%40.6%
智能体与工具
Terminal-BenchTerminal-Bench52.1%64.5%
OSWorld-Verified 2.0OSWorld31.4%–
APEX-AgentsMercor65.8%84.2%†
Arena AgentArena (LMArena)7.217
LiveBench Long AgenticLiveBench–72.7%
LiveBench BrowserLiveBench–80.0%
LiveBench Agentic CodingLiveBench65.2%–
Terminal-Bench 2.1 (Vals)Vals AI84.6%†–
MCP AtlasScale AI SEAL85.8%†–
HiL-BenchScale AI SEAL57.0%†50.3%†
τ³-bench Bankingτ²-bench48.7%–
GDPval-AA v2.1Artificial Analysis17291733
τ³-Banking (AA)Artificial Analysis42.1%–
Analyst Agent (AA)Artificial Analysis53.8%–
CUA-benchVals AI9.0%–
CyberBenchVals AI65.4%–
Finance Agent v2Vals AI58.6%–
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 AI55.3%55.8%
SkillsBenchVals AI60.4%–
SREBenchVals AI12.2%–
Tax Agent BenchVals AI47.1%51.8%
Terminal-Bench 4.0 (Vals)Vals AI53.5%63.1%
Terminal-Bench ScienceVals AI27.1%–
Time Horizon Index: KSPVals AI18.8%–
Arena SearchArena (LMArena)1213†–
Arena Agent Task CompletionArena (LMArena)10.218.4
BALROGBALROG63.4%–
PostTrainBenchEpoch AI Benchmarking Hub35.7%†–
GBAEvalEpoch AI Benchmarking Hub79.6%†–
Vending-Bench 2Andon Labs11181.9†16484.2†
AutomationBenchArtificial Analysis56.6%77.8%
GDP.pdf (AA)Artificial Analysis21.6%28.4%
EnterpriseOps-GymArtificial Analysis47.5%–
AA-Briefcase v1.1Artificial Analysis16541611
GDPxGDPx by SemiAnalysis–10.9%
Design Arena AgenticDesign Arena1270†1305†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis28.6%64.8%
DeepSec-Bench (AA)Artificial Analysis25.9%–
MKA (AA)Artificial Analysis–54.3%
FACTS SearchGoogle–94.4%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub85.6%90.5%
FrontierMath Tier 4Epoch AI Benchmarking Hub73.2%95.1%
OTIS Mock AIMEEpoch AI Benchmarking Hub98.9%100.0%
ProofBenchVals AI99.0%–
LiveBench MathematicsLiveBench95.7%–
ArXivMathMathArena–94.3%
BrokenArXivMathArena–84.4%
Arena MathsArena (LMArena)1515–
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%2.9%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub59.9%77.7%
LiveBench 2.0 Data AnalysisLiveBench–86.5%
LiveBench ResearchLiveBench–92.5%
LiveBench 1.0 Data AnalysisLiveBench74.5%–
AA-Omniscience v1.1Artificial Analysis37.653.5
MMLU-ProVals AI91.6%–
LegalBenchVals AI87.0%–
CorpFinVals AI73.2%†–
TaxEvalVals AI75.1%†–
PRBench LegalScale AI SEAL–53.4%†
BioMysteryBenchVals AI79.3%–
Excel Modeling BenchmarkVals AI73.6%–
Excel Modeling Benchmark v1.1Vals AI–76.5%
MedCodeVals AI63.6%–
MedScribeVals AI91.0%–
Public Benefits Bench v1.1Vals AI76.9%–
DrugDiscoveryBenchScale AI SEAL53.7%71.5%
EBR-benchEpoch AI Benchmarking Hub45.7%87.6%
GDP.pdfEpoch AI Benchmarking Hub24.0%–
AA-Omniscience v1.1: accuracyArtificial Analysis60.9%58.3%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis40.6%88.6%
FACTS ParametricGoogle48.8%†81.6%†
指令遵循
LiveBench LanguageLiveBench88.7%–
LiveBench Instruction FollowingLiveBench63.8%–
Arena Instruction FollowingArena (LMArena)14941525
人类偏好
Arena TextArena (LMArena)14891526
EQ-Bench 4EQ-Bench1365†–
EQ-Bench Creative Writing v3EQ-Bench2135†–
Arena Creative WritingArena (LMArena)14731516
Arena Multi-turnArena (LMArena)14861564
Arena Longer QueriesArena (LMArena)15021538
多模态
Arena VisionArena (LMArena)1318†–
LiveBench DesignLiveBench–80.2%
MMMU-ProArtificial Analysis84.7%89.3%†
MMMU-Pro (Vals)Vals AI89.9%–
MortgageTaxVals AI72.1%†–
Humanity's Sixth SenseScale AI SEAL30.5%71.1%
Blueprint-Bench 2Epoch AI Benchmarking Hub30.4%†58.6%†
Furniture AssemblyEpoch AI Benchmarking Hub60.8%77.5%
VIALS-AAHandshake AI–64.0%
FACTS MultimodalGoogle–60.2%†
长上下文
AA-LCR v1.1Artificial Analysis79.3%79.3%
Arena DocumentArena (LMArena)1486†–
MLCRArtificial Analysis11.1%19.4%
FACTS GroundingGoogle–77.2%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub164.7†169.8†
LiveBench 2.0LiveBench–83.5%
LiveBench 1.0LiveBench80.1%–
AA Intelligence Index v5.0.1Artificial Analysis44.260.0
AA Intelligence Index v4.3.2Artificial Analysis50.8–
AA Progress Index v1Artificial Analysis333.7350.8
Vals IndexVals AI–70.5
Vals Finance IndexVals AI–67.0%
Vals RSI IndexVals AI33.0%27.7%
Vals Science IndexVals AI47.9%–
Vals Multimodal IndexVals AI73.9%†–
Vals Legal IndexVals AI–75.9%
安全与诚实
FORTRESSScale AI SEAL16.8%†16.4%†
DistressBenchScale AI SEAL70.2%†–

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 (max):25 项新结果(LiveCodeBench, MMLU-Pro, IOI…)。
  • 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。
  • Claude Opus 5 (max):1 项新结果(GDPval-AA v2.1)。
  • 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。
  • Claude Opus 5 (max):1 项新结果(MirrorCode)。
  • Gemini 4 Carbon (high):13 项新结果(GPQA Diamond, FrontierMath Tiers 1–3, FrontierMath Tier 4…)。
  • Claude Opus 5 (max):BenchLeader Index 65.5 → 65.0。

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 vs Gemini 4 Carbon:常见问题

Gemini 4 Carbon 比 Claude Opus 5 更好吗?
质量上 Gemini 4 Carbon (high) 领先:68.9 比 65.0。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 5 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 5 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 67,50 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 为 1691,Gemini 4 Carbon 为 1768。
Claude Opus 5 和 Gemini 4 Carbon 哪个更快?
Claude Opus 5 输出更快(输出 80 比 64 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Claude Opus 5 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 64,50 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 5 为 52.1%,Gemini 4 Carbon 为 64.5%。
更多问题(4)
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 64)。两者都约为 1M token(Claude Opus 5 为 1,000,000,Gemini 4 Carbon 为 1,048,576)。
哪个延迟更低?
Claude Opus 5 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 48.5 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 5 和 Gemini 4 Carbon 的看法一致吗?
在两者都有结果的 47 项基准测试中,Claude Opus 5 领先 3 项,Gemini 4 Carbon 领先 42 项,2 项持平。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。