BenchLeader

Claude Sonnet 4.6 vs Gemini 4 Carbon

完整资料:Claude Sonnet 4.6(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 15 个来源

截至 2026年11月16日,质量上 Gemini 4 Carbon 领先 Claude Sonnet 4.6(BenchLeader Index 68.9 比 57.6)。Gemini 4 Carbon 更便宜,对方的价格是它的 1.5 倍(每百万 token 混合价格 $4.00 比 $6.00)。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 Sonnet 4.6 的 BenchLeader Index 为 57.6,Gemini 4 Carbon 为 68.9(BenchLeader,2026年11月16日)。
  • Claude Sonnet 4.6 每百万 token 混合价格为 $6.00(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 Sonnet 4.6 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,Gemini 4 Carbon 领先 13 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Claude Sonnet 4.6 的评分为 1522,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 54;Arena WebDev 1768 比 1522高
智能体与工具调用Gemini 4 Carbon类别得分 70 比 53;Terminal-Bench 64.5% 比 53.4%高
数学Gemini 4 Carbon类别得分 72 比 63;OTIS Mock AIME 100.0% 比 85.8%高
推理Gemini 4 Carbon类别得分 73 比 64;GPQA Diamond 96.5% 比 87.4%高
知识Gemini 4 Carbon类别得分 76 比 58高
对话质量(人类偏好)Gemini 4 CarbonArena 投票 73 比 61高
成本最低Gemini 4 Carbon每百万 token 混合价格 $4.00 比 $6.00;智能体编程会话 $0.160 比 $0.240–
首次回答最快Claude Sonnet 4.6首个回答 token 0.6 秒(Claude Sonnet 4.6)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 57.6。
  • 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 1.5 倍(每百万 token 混合价格 $4.00 比 $6.00)。
  • Gemini 4 Carbon (high) 的输出速度是对方的 1.5 倍(64 比 43 token/秒)。

概览

规格Claude Sonnet 4.6Gemini 4 Carbon
提供商AnthropicGoogle
发布日期2026年2月17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 Sonnet 4.6Gemini 4 Carbon (high)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$3.00 / $15.00 / $0.300$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 Sonnet 4.6Gemini 4 Carbon (high)领先者
推理63.973.2Gemini 4 Carbon
编程53.574.1Gemini 4 Carbon
智能体与工具52.670.3Gemini 4 Carbon
数学63.171.9Gemini 4 Carbon
知识58.176.1Gemini 4 Carbon
人类偏好60.572.6Gemini 4 Carbon
多模态62.4–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知识人类偏好Claude Sonnet 4.6, 推理: 63.9Claude Sonnet 4.6, 编程: 53.5Claude Sonnet 4.6, 智能体与工具: 52.6Claude Sonnet 4.6, 数学: 63.1Claude Sonnet 4.6, 知识: 58.1Claude Sonnet 4.6, 人类偏好: 60.5Gemini 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, 人类偏好: 72.6

未绘制(测得的模型少于两个):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 13 项基准测试中,Claude Sonnet 4.6 领先 0 项,Gemini 4 Carbon 领先 13 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 Sonnet 4.6Gemini 4 Carbon (high)领先者
BenchLeader Index57.668.9Gemini 4 Carbon
Arena Text14721526Gemini 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 Sonnet 4.6Gemini 4 Carbon (high)
每百万 token 混合价格$6.00$4.00
每百万 token 输入 / 输出$3.00 / $15.00$2.00 / $10.00
每百万 token 缓存输入$0.300$0.100
每项任务价格:聊天回复$0.0057$0.0038
每项任务价格:总结一份 30 页的报告$0.045$0.030
每项任务价格:代码编辑$0.041$0.027
每项任务价格:智能体编程会话$0.240$0.160
每项任务价格:结构化信息提取$0.0090$0.0060
智能体编程会话(输入大多命中缓存)$0.118$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43 tok/s64 tok/s
首次回答时间0.6 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 Sonnet 4.6 得分 57.6,首个回答 token 需 1 秒;Claude Sonnet 4.6 (max) 为 56.1(91 秒),Claude Sonnet 4.6 (high) 为 50.3(1 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 159 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 Sonnet 4.6Gemini 4 Carbon (high)
BenchLeader IndexBenchLeader57.668.9
智能体与工具得分BenchLeader52.670.3
编程得分BenchLeader53.574.1
人类偏好得分BenchLeader60.572.6
知识得分BenchLeader58.176.1
数学得分BenchLeader63.171.9
多模态得分BenchLeader62.4–
推理得分BenchLeader63.973.2
综合得分BenchLeader–70.3
长上下文得分BenchLeader–64.3
混合价格(美元/百万 token)BenchLeader$6.00$4.00
输出速度BenchLeader43 tok/s64 tok/s
首次回答时间BenchLeader0.6 秒73.5 秒
上下文窗口BenchLeader1,000,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub87.4%96.5%
SimpleBenchSimpleBench–92.6%†
Arena Hard PromptsArena (LMArena)15031547
LiveBench 2.0 ReasoningLiveBench–90.6%
LiveBench 1.0 ReasoningLiveBench84.8%†–
GPQA Diamond (AA)Artificial Analysis87.5%†–
Humanity's Last Exam (AA)Artificial Analysis33.6%†–
HLE-Diamond (AA)Artificial Analysis–69.1%
GPQA Diamond (Vals)Vals AI85.6%†–
ARC-AGI-1ARC Prize86.0%†97.5%
ARC-AGI-2ARC Prize58.3%†92.1%
ARC-AGI-3ARC Prize–96.9%
CritPtArtificial Analysis3.1%†–
CritPt v2 hard subset (AA)Artificial Analysis–69.0%
Arena ExpertArena (LMArena)15061567
Chess PuzzlesEpoch AI Benchmarking Hub23.0%†78.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub14.0%73.0%
LMCAEpoch AI Benchmarking Hub46.5%†–
DTBenchEpoch AI Benchmarking Hub89.9%†–
ForecastBenchForecastBench64.0%–
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub75.2%–
SciCodeSciCode46.8%†64.2%
WeirdMLWeirdML66.1%†–
FrontierCodeCognition24.3%–
Arena CodingArena (LMArena)15281568
显示全部 159 项基准测试
指标发布方Claude Sonnet 4.6Gemini 4 Carbon (high)
编程
Arena WebDevArena (LMArena)15221768
LiveBench 2.0 CodingLiveBench–91.0%
LiveBench 1.0 CodingLiveBench79.3%†–
SciCode (AA)Artificial Analysis50.1%†–
LiveCodeBenchVals AI82.1%†–
SWE-bench (Vals)Vals AI77.4%†–
Code MigrationVals AI39.9%†–
ProgramBenchVals AI0.5%†–
Vibe Code Bench v1.1Vals AI55.8%89.1%
Vibe Code Bench 1-100 v1.1Vals AI–49.7%
SWE Atlas v1.0: Codebase QnAScale AI SEAL31.2%–
SWE Atlas v1.0: RefactoringScale AI SEAL32.2%–
SWE Atlas v1.0: Test WritingScale AI SEAL31.8%–
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%†
DeepSWE v1.1Epoch AI Benchmarking Hub29.9%†–
CursorBenchCursor–60.4%
ALE-BenchEpoch AI Benchmarking Hub1327.3†–
FrontierSWEEpoch AI Benchmarking Hub–61.2%
Terminal-Bench 4.0 (AA)Artificial Analysis3.0%†65.2%
Terminal-Bench 2.1 (AA)Artificial Analysis71.2%†–
Design Arena WebsiteDesign Arena12771319†
FrontierCode 2.0 (AA)Artificial Analysis–40.6%
智能体与工具
Terminal-BenchTerminal-Bench53.4%64.5%
OSWorld-Verified 2.0OSWorld8.3%†–
APEX-AgentsMercor43.0%†84.2%†
Arena AgentArena (LMArena)–17
LiveBench Long AgenticLiveBench–72.7%
LiveBench BrowserLiveBench–80.0%
LiveBench Agentic CodingLiveBench42.6%†–
Terminal-Bench HardArtificial Analysis53.0%†–
τ²-Bench Telecom (AA)Artificial Analysis75.7%†–
Terminal-Bench 2.1 (Vals)Vals AI57.3%†–
MCP AtlasScale AI SEAL69.5%–
HiL-BenchScale AI SEAL–50.3%†
GDPval-AA v2.1Artificial Analysis1240†1733
τ³-Banking (AA)Artificial Analysis34.4%†–
ITBench SRE (AA)Artificial Analysis39.8%†–
Analyst Agent (AA)Artificial Analysis20.0%†–
APEX-Agents (AA)Artificial Analysis28.0%†–
Finance Agent v2Vals AI51.0%†–
Finance Agent v2.1Vals AI–67.2%
Harvey's Legal Agent Benchmark v1.1Vals AI–17.5%
Harvey's Legal Agent Benchmark v1Vals AI5.0%†–
Legal Research BenchVals AI38.5%†55.8%
SkillsBenchVals AI49.0%†–
Tax Agent BenchVals AI25.8%†51.8%
Terminal-Bench 2.0 (Vals)Vals AI59.5%†–
Terminal-Bench 4.0 (Vals)Vals AI–63.1%
Arena SearchArena (LMArena)1201–
Arena Agent Task CompletionArena (LMArena)–18.4
DeepResearch BenchDeepResearch Bench54.9%†–
ExploitBenchEpoch AI Benchmarking Hub23.6%–
GBAEvalEpoch AI Benchmarking Hub48.8%–
Vending-Bench 2Andon Labs7204.116484.2†
AutomationBenchArtificial Analysis20.1%†77.8%
GDP.pdf (AA)Artificial Analysis15.8%†28.4%
AA-Briefcase v1.1Artificial Analysis1062†1611
GDPxGDPx by SemiAnalysis–10.9%
Design Arena AgenticDesign Arena11871305†
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 Hub–90.5%
FrontierMath Tier 4Epoch AI Benchmarking Hub–95.1%
OTIS Mock AIMEEpoch AI Benchmarking Hub85.8%100.0%
ProofBenchVals AI45.0%†–
LiveBench MathematicsLiveBench87.0%†–
AIME (Vals)Vals AI92.3%–
ArXivMathMathArena–94.3%
BrokenArXivMathArena–84.4%
Arena MathsArena (LMArena)1461–
FrontierMath ErdősEpoch AI Benchmarking Hub–2.9%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub32.8%†77.7%
LiveBench 2.0 Data AnalysisLiveBench–86.5%
LiveBench ResearchLiveBench–92.5%
LiveBench 1.0 Data AnalysisLiveBench78.0%†–
AA-Omniscience v1.1Artificial Analysis–53.5
MMLU-ProVals AI87.3%†–
LegalBenchVals AI82.1%†–
CorpFinVals AI65.3%†–
TaxEvalVals AI77.1%†–
MedQAVals AI92.1%–
PRBench LegalScale AI SEAL–53.4%†
CaseLaw v2Vals AI64.0%–
Excel Modeling BenchmarkVals AI60.1%†–
Excel Modeling Benchmark v1.1Vals AI–76.5%
Public Benefits Bench v1.1Vals AI62.5%†–
DrugDiscoveryBenchScale AI SEAL31.3%†71.5%
EBR-benchEpoch AI Benchmarking Hub–87.6%
GDP.pdfEpoch AI Benchmarking Hub18.0%†–
AA-Omniscience v1.1: accuracyArtificial Analysis–58.3%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–88.6%
Global-MMLU-Lite (AA)Artificial Analysis90.5%†–
FACTS ParametricGoogle–81.6%†
指令遵循
LiveBench LanguageLiveBench76.1%†–
LiveBench Instruction FollowingLiveBench63.2%†–
IFBenchArtificial Analysis56.6%†–
Arena Instruction FollowingArena (LMArena)14751525
人类偏好
Arena TextArena (LMArena)14721526
EQ-Bench 4EQ-Bench1197–
EQ-Bench Creative Writing v3EQ-Bench1811–
Arena Creative WritingArena (LMArena)14491516
Arena Multi-turnArena (LMArena)14801564
Arena Longer QueriesArena (LMArena)14921538
多模态
Arena VisionArena (LMArena)1283–
LiveBench DesignLiveBench–80.2%
MMMU-ProArtificial Analysis73.3%†89.3%†
MMMU-Pro (Vals)Vals AI83.6%†–
MortgageTaxVals AI67.7%†–
Humanity's Sixth SenseScale AI SEAL–71.1%
GeoBenchGeoBench73.0%–
Blueprint-Bench 2Epoch AI Benchmarking Hub6.7%58.6%†
Furniture AssemblyEpoch AI Benchmarking Hub–77.5%
VIALS-AAHandshake AI–64.0%
FACTS MultimodalGoogle–60.2%†
长上下文
AA-LCR v1.1Artificial Analysis80.0%†79.3%
Arena DocumentArena (LMArena)1478–
MLCRArtificial Analysis7.8%†19.4%
FACTS GroundingGoogle–77.2%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub152.9169.8†
LiveBench 2.0LiveBench–83.5%
LiveBench 1.0LiveBench73.0%†–
AA Intelligence Index v5.0.1Artificial Analysis–60.0
AA Intelligence Index v4.3.2Artificial Analysis30.1†–
AA Progress Index v1Artificial Analysis293.6†350.8
Vals IndexVals AI–70.5
Vals Finance IndexVals AI–67.0%
Vals RSI IndexVals AI–27.7%
Vals Multimodal IndexVals AI60.6%†–
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

  • Claude Sonnet 4.6:BenchLeader Index 58.3 → 57.6。
  • Claude Sonnet 4.6:2 项分数修订。
  • 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。
  • Claude Sonnet 4.6:1 项新结果(GeoBench)。
  • 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)。

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 Sonnet 4.6 vs Gemini 4 Carbon:常见问题

Gemini 4 Carbon 比 Claude Sonnet 4.6 更好吗?
质量上 Gemini 4 Carbon (high) 领先:68.9 比 57.6。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 Sonnet 4.6 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 $6.00(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 Sonnet 4.6 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 54,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,Claude Sonnet 4.6 为 1522,Gemini 4 Carbon 为 1768。
Claude Sonnet 4.6 和 Gemini 4 Carbon 哪个更快?
Gemini 4 Carbon 输出更快(约 1.5 倍;输出 64 比 43 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Claude Sonnet 4.6 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 53,50 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 Sonnet 4.6 为 53.4%,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 Sonnet 4.6 为 1,000,000,Gemini 4 Carbon 为 1,048,576)。
哪个延迟更低?
Claude Sonnet 4.6 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 0.6 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 Sonnet 4.6 和 Gemini 4 Carbon 的看法一致吗?
在两者都有结果的 13 项基准测试中,Claude Sonnet 4.6 领先 0 项,Gemini 4 Carbon 领先 13 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。