BenchLeader

Claude Sonnet 5.5 vs Gemini 4 Argon

完整资料:Claude Sonnet 5.5(Anthropic)和 Gemini 4 Argon(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,Claude Sonnet 5.5 与 Gemini 4 Argon 的质量不相上下(BenchLeader Index 64.2 比 65.3,在 ±3.6 的误差范围内)。两者价格相近(每百万 token 混合价格 $4.00 比 $4.00)。看重智能体与工具(71 比 59)、编程(70 比 67)和长上下文(66 比 65)选 Claude Sonnet 5.5;看重知识(72 比 57)和推理(70 比 68)选 Gemini 4 Argon。Gemini 4 Argon 的首次回答更快(45.7 秒 比 290.5 秒)。Claude Sonnet 5.5 的输出更快(约 2 倍)。Gemini 4 Argon 的现价有效至 2026年11月30日,之后为 $8.00。

要点(截至 2026年11月16日)

  • Claude Sonnet 5.5 的 BenchLeader Index 为 64.2,Gemini 4 Argon 为 65.3(BenchLeader,2026年11月16日)。
  • Claude Sonnet 5.5 每百万 token 混合价格为 $4.00(标价,2026年11月16日)。
  • Gemini 4 Argon 每百万 token 混合价格为 $4.00(截至 2026年11月30日,之后为 $8.00)(https://ai.google.dev/gemini-api/docs/pricing,2026年10月20日 核实)。
  • Claude Sonnet 5.5 比 Gemini 4 Argon 输出更快(约 2 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 85 项基准测试中,Claude Sonnet 5.5 领先 53 项(BenchLeader,2026年11月16日)。

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 Sonnet 5.5类别得分 70 比 67;FrontierCode 2.0 (AA) 41.7% 比 25.7%中
智能体与工具调用Claude Sonnet 5.5类别得分 71 比 59;Terminal-Bench 63.9% 比 55.5%高
数学Claude Sonnet 5.5类别得分 71 比 70;FrontierMath Tiers 1–3 88.8% 比 86.0%中
推理Gemini 4 Argon类别得分 70 比 68;GPQA Diamond 96.4% 比 95.6%中
知识Gemini 4 Argon类别得分 72 比 57;SimpleQA Verified 76.0% 比 46.5%高
长文档Claude Sonnet 5.5类别得分 66 比 65;AA-LCR v1.1 82.7% 比 79.7%中
对话质量(人类偏好)–只有 Gemini 4 Argon 有 Arena 评分(类别得分 72)无法比较
成本最低均可每百万 token 混合价格 $4.00 比 $4.00;智能体编程会话 $0.160 比 $0.160;2026年12月1日 起:$4.00 比 $8.00–
首次回答最快Gemini 4 Argon首个回答 token 45.7 秒(Gemini 4 Argon (high))比 290.5 秒(Claude Sonnet 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

  • Claude Sonnet 5.5 (max) 与 Gemini 4 Argon (high) 的质量不相上下(64.2 比 65.3,在 ±3.6 的误差范围内)。
  • Claude Sonnet 5.5 (max) 在智能体与工具、编程、长上下文、数学方面更强。
  • Gemini 4 Argon (high) 在综合、知识、推理方面更强。
  • 截至 2026年11月30日,两者价格相近(每百万 token 混合价格 $4.00);自 2026年12月1日 起为 $4.00 比 $8.00。
  • Claude Sonnet 5.5 (max) 的输出速度是对方的 2.3 倍(152 比 66 token/秒)。

概览

规格Claude Sonnet 5.5Gemini 4 Argon
提供商AnthropicGoogle
发布日期2026年9月28日2026年9月30日
正式发布2026年9月28日2026年10月13日
上下文窗口(token)1,000,0001,048,576
最大输出(token)–65,536 (up to 1,048,576 with long decode)
输入类型–文本、图像、视频、音频、PDF
推理强度设置–low, medium, high
对比时的配置Claude Sonnet 5.5 (max)Gemini 4 Argon (high)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$2.00 / $10.00 / $0.100$2.00 / $10.00 / $0.100
已公布的价格调整暂无公布自 2026年12月1日 起为 $4.00 / $20.00 / $0.200
API 模型 ID–gemini-4-argon
使用渠道–Gemini API (AI Studio), Gemini Enterprise Agent Platform, Gemini app

上限、可用性和已公布的价格均来自厂商官方页面: ai.google.dev、ai.google.dev 定价页 (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 Sonnet 5.5 (max)Gemini 4 Argon (high)领先者
推理67.869.5Gemini 4 Argon
编程70.266.7Claude Sonnet 5.5
智能体与工具70.558.6Claude Sonnet 5.5
数学71.369.9Claude Sonnet 5.5
知识57.471.9Gemini 4 Argon
人类偏好–72.1无法比较
长上下文66.064.5Claude Sonnet 5.5
综合63.063.8持平

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Claude Sonnet 5.5, 推理: 67.8Claude Sonnet 5.5, 编程: 70.2Claude Sonnet 5.5, 智能体与工具: 70.5Claude Sonnet 5.5, 数学: 71.3Claude Sonnet 5.5, 知识: 57.4Claude Sonnet 5.5, 长上下文: 66.0Gemini 4 Argon, 推理: 69.5Gemini 4 Argon, 编程: 66.7Gemini 4 Argon, 智能体与工具: 58.6Gemini 4 Argon, 数学: 69.9Gemini 4 Argon, 知识: 71.9Gemini 4 Argon, 长上下文: 64.5

未绘制(测得的模型少于两个):指令遵循, 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 85 项基准测试中,Claude Sonnet 5.5 领先 53 项,Gemini 4 Argon 领先 28 项,4 项持平。第三方来源看法不一:Claude Sonnet 5.5 在 AA Intelligence Index v5.0.1和Vals Index 上领先;Gemini 4 Argon 在 Arena Text 上领先。

综合 IndexClaude Sonnet 5.5 (max)Gemini 4 Argon (high)领先者
BenchLeader Index64.265.3不相上下
AA Intelligence Index v5.0.154.550.4Claude Sonnet 5.5
Vals Index70.869.4Claude Sonnet 5.5
Arena Text1473†1522Gemini 4 Argon

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 5.5 (max)Gemini 4 Argon (high)
每百万 token 混合价格(截至 2026年11月30日)$4.00$4.00
每百万 token 输入 / 输出$2.00 / $10.00$2.00 / $10.00
自 2026年12月1日 起每百万 token 混合价格$4.00$8.00
自 2026年12月1日 起每百万 token 输入 / 输出$2.00 / $10.00$4.00 / $20.00
每百万 token 缓存输入$0.100$0.100
每项任务价格:聊天回复$0.0038$0.0038
每项任务价格:总结一份 30 页的报告$0.030$0.030
每项任务价格:代码编辑$0.027$0.027
每项任务价格:智能体编程会话$0.160$0.160
每项任务价格:结构化信息提取$0.0060$0.0060
智能体编程会话(输入大多命中缓存)$0.074$0.074
每项基准测试任务成本(AA Index)$10.02$4.97
每项任务输出 token(AA Index)285k116k
其中推理部分206k68k
每项任务耗时(AA Index)31 min29 min
输出速度152 tok/s66 tok/s
首次回答时间290.5 秒45.7 秒
完整回答耗时(最近一次测量 2026年11月13日)487.7 秒122.1 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 Sonnet 5.5 (max) 上花费 $10.02,在 Gemini 4 Argon (high) 上花费 $4.97;完成同样的工作,Claude Sonnet 5.5 (max) 输出的 token 是对方的 2.5 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 Sonnet 5.5 (max) 得分 64.2,首个回答 token 需 291 秒;Claude Sonnet 5.5 (xhigh) 为 62.5(27 秒),Claude Sonnet 5.5 (high) 为 59.5(9 秒)。Gemini 4 Argon (high) 得分 65.3,首个回答 token 需 46 秒;Gemini 4 Argon 为 64.4(5 秒),Gemini 4 Argon (medium) 为 61.6(13 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 163 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 5.5 (max)Gemini 4 Argon (high)
BenchLeader IndexBenchLeader64.265.3
智能体与工具得分BenchLeader70.558.6
编程得分BenchLeader70.266.7
综合得分BenchLeader63.063.8
知识得分BenchLeader57.471.9
长上下文得分BenchLeader66.064.5
数学得分BenchLeader71.369.9
推理得分BenchLeader67.869.5
人类偏好得分BenchLeader–72.1
混合价格(美元/百万 token)BenchLeader$4.00$4.00
输出速度BenchLeader152 tok/s66 tok/s
首次回答时间BenchLeader290.5 秒45.7 秒
上下文窗口BenchLeader1,000,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub95.6%96.4%
Humanity's Last ExamScale AI / CAIS46.1%†–
SimpleBenchSimpleBench75.9%†91.7%†
Arena Hard PromptsArena (LMArena)1499†1545
LiveBench 2.0 ReasoningLiveBench91.6%95.1%
LiveBench 1.0 ReasoningLiveBench91.6%–
Humanity's Last Exam (AA)Artificial Analysis55.0%57.1%
HLE-Diamond (AA)Artificial Analysis53.3%56.7%
ARC-AGI-1ARC Prize96.5%98.5%
ARC-AGI-2ARC Prize83.9%†91.3%
ARC-AGI-3ARC Prize72.4%†97.3%
CritPtArtificial Analysis31.4%27.1%
CritPt v2 hard subset (AA)Artificial Analysis59.0%52.5%
MysteryMechanismVals AI49.1%45.5%
HLE-Diamond (Scale)Scale AI SEAL37.5%†53.2%†
Arena ExpertArena (LMArena)1512†1549
Chess PuzzlesEpoch AI Benchmarking Hub59.0%59.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub65.0%64.0%
LMCAEpoch AI Benchmarking Hub68.3%63.7%
DTBenchEpoch AI Benchmarking Hub97.3%97.3%
编程
SciCodeSciCode61.0%61.8%
FrontierCodeCognition52.1%†47.5%†
Arena CodingArena (LMArena)1517†1553
Arena WebDevArena (LMArena)1772†1681
LiveBench 2.0 CodingLiveBench77.2%85.7%
显示全部 163 项基准测试
指标发布方Claude Sonnet 5.5 (max)Gemini 4 Argon (high)
编程
LiveBench 1.0 CodingLiveBench91.4%–
IOIVals AI83.1%100.0%
Code MigrationVals AI69.8%68.2%
Code Migration v1.1Vals AI86.9%70.8%
ProgramBenchVals AI6.5%2.5%
SWE-bench MultimodalVals AI58.3%56.0%
Vibe Code Bench 1-100Vals AI–21.2%
Vibe Code Bench v1.1Vals AI92.4%91.9%
SWE Atlas v1.1Scale AI SEAL68.3%†70.1%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL74.2%†65.3%†
SWE Atlas v1.1: Test WritingScale AI SEAL67.8%†77.8%†
SWE Atlas v1.1: RefactoringScale AI SEAL62.9%†67.1%†
SWE-Bench Pro V2Scale AI SEAL95.8%†99.2%
SWE-Bench Pro V2 HARDScale AI SEAL70.6%†92.2%
MirrorCodeEpoch AI Benchmarking Hub97.8%58.9%
CursorBenchCursor55.5%52.9%
ALE-BenchEpoch AI Benchmarking Hub1819.1†2100.1
FrontierSWEEpoch AI Benchmarking Hub61.9%55.0%
WeirdML v3WeirdML19.9%†20.3%
Terminal-Bench 4.0 (AA)Artificial Analysis63.6%57.1%
Startrise FrontendStartrise75.9%†–
GameBench 2 OverallDuelLab GameBench 260.4†81.7†
GameBench 2 by reasoning settingDuelLab GameBench 291.4†89.2
Design Arena WebsiteDesign Arena1309†1316†
FrontierCode 1.1 (AA)Artificial Analysis45.8%43.5%
FrontierCode 2.0 (AA)Artificial Analysis41.7%25.7%
智能体与工具
Terminal-BenchTerminal-Bench63.9%55.5%
Remote Labor IndexScale AI / CAIS–17.1%†
APEX-AgentsMercor75.5%82.4%†
Arena AgentArena (LMArena)1610.7
LiveBench Long AgenticLiveBench63.4%58.5%
LiveBench BrowserLiveBench89.3%82.8%
LiveBench Agentic CodingLiveBench56.3%–
Terminal-Bench 2.1 (Vals)Vals AI83.2%†57.7%
MCP AtlasScale AI SEAL–90.7%†
HiL-BenchScale AI SEAL–62.0%†
GDPval-AA v2.1, normalised scoreArtificial Analysis66.9%56.2%
GDPval-AA v2.1Artificial Analysis18381634
Analyst Agent (AA)Artificial Analysis57.5%48.8%
CUA-benchVals AI–4.8%
CyberBenchVals AI59.6%77.9%
Finance Agent v2Vals AI58.1%65.4%
Finance Agent v2.1Vals AI67.3%67.7%
Harvey's Legal Agent Benchmark v1.1Vals AI10.4%27.1%
Harvey's Legal Agent Benchmark v1Vals AI2.9%19.6%
Legal Research BenchVals AI48.1%54.8%
Robo-benchVals AI–0.8%
SREBenchVals AI30.1%44.3%
Tax Agent BenchVals AI42.0%49.2%
Terminal-Bench 4.0 (Vals)Vals AI64.1%57.6%
Terminal-Bench ScienceVals AI47.1%44.3%
Time Horizon Index: KSPVals AI–52.5%
Arena Agent Task CompletionArena (LMArena)19.513.2
PostTrainBenchEpoch AI Benchmarking Hub–40.4%
Vending-Bench 2Andon Labs11165.3†13718.2†
SpireClimbEpoch AI Benchmarking Hub1.3%–
AutomationBenchArtificial Analysis71.8%77.5%
GDP.pdf (AA)Artificial Analysis25.8%21.8%
Harvey LAB-AA v1.1Harvey2.8%3.9%
AA-Briefcase v1.1Artificial Analysis18161485
GDPxGDPx by SemiAnalysis8.2%7.3%
Design Arena AgenticDesign Arena1293†1274†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis53.3%52.9%
MKA (AA)Artificial Analysis52.0%51.3%
FACTS SearchGoogle86.8%†89.9%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub88.8%86.0%
FrontierMath Tier 4Epoch AI Benchmarking Hub80.5%78.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%100.0%
ProofBenchVals AI100.0%99.0%†
LiveBench MathematicsLiveBench96.1%–
ArXivMathMathArena–84.4%
BrokenArXivMathArena–47.9%
Arena MathsArena (LMArena)1486†1536
FrontierMath ErdősEpoch AI Benchmarking Hub2.9%1.5%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub46.5%76.0%
LiveBench 2.0 Data AnalysisLiveBench59.5%85.2%
LiveBench ResearchLiveBench88.0%86.8%
LiveBench 1.0 Data AnalysisLiveBench59.5%–
AA-Omniscience v1.1Artificial Analysis30.546.1
LegalBenchVals AI–88.3%
PRBench FinanceScale AI SEAL–49.9%†
PRBench LegalScale AI SEAL–49.4%†
BioMysteryBenchVals AI81.1%76.3%
ClaimBenchVals AI100.0%–
Excel Modeling BenchmarkVals AI75.7%75.2%
Excel Modeling Benchmark v1.1Vals AI75.9%74.8%
MedCodeVals AI52.9%58.8%
MedScribeVals AI91.1%87.4%
Public Benefits Bench v1.1Vals AI67.2%69.8%
Access to Justice BenchmarkVals AI74.9%68.5%
Financial Coaching BenchVals AI74.9%73.1%
Immigration BenchVals AI69.0%68.1%
DrugDiscoveryBenchScale AI SEAL–65.4%
EBR-benchEpoch AI Benchmarking Hub–64.8%
GDP.pdfEpoch AI Benchmarking Hub31.4%28.4%
AA-Omniscience v1.1: accuracyArtificial Analysis51.5%48.3%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis56.7%95.7%
HealthBench Professional (AA)OpenAI63.0%55.0%
FACTS ParametricGoogle35.1%†72.2%†
指令遵循
LiveBench LanguageLiveBench78.0%–
LiveBench Instruction FollowingLiveBench56.8%–
MultiChallengeScale AI SEAL–78.7%†
Arena Instruction FollowingArena (LMArena)1482†1528
人类偏好
Arena TextArena (LMArena)1473†1522
EQ-Bench 4EQ-Bench–1236†
EQ-Bench Creative Writing v3EQ-Bench–1758†
Arena Creative WritingArena (LMArena)1464†1523
Arena Multi-turnArena (LMArena)1469†1545
Arena Longer QueriesArena (LMArena)1491†1544
多模态
Arena VisionArena (LMArena)1284†–
LiveBench DesignLiveBench81.3%69.2%
MMMU-ProArtificial Analysis–88.3%†
SAGEVals AI88.0%89.5%
AudioMCScale AI SEAL–58.4%
AudioMC (text output)Scale AI SEAL–58.4%
Humanity's Sixth SenseScale AI SEAL–55.4%
Blueprint-Bench 2Epoch AI Benchmarking Hub39.3%†54.5%†
Furniture AssemblyEpoch AI Benchmarking Hub75.0%72.5%
VIALS-AAHandshake AI59.6%59.6%
Code2Video-AAArtificial Analysis14431259
AA-3DArtificial Analysis12041147
FACTS MultimodalGoogle50.4%†54.2%†
长上下文
AA-LCR v1.1Artificial Analysis82.7%79.7%
MLCRArtificial Analysis41.7%13.9%
FACTS GroundingGoogle62.5%†73.3%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub166.6†166.5†
LiveBench 2.0LiveBench77.0%77.7%
LiveBench 1.0LiveBench75.7%–
AA Intelligence Index v5.0.1Artificial Analysis54.550.4
AA Intelligence Index v4.3.2Artificial Analysis5652.6
AA Progress Index v1Artificial Analysis350.5341.8
Vals IndexVals AI70.869.4
Vals Finance IndexVals AI64.5%66.0%
Vals RSI IndexVals AI–30.6%
Vals Science IndexVals AI59.1%55.4%
Vals Router IndexVals AI69.0%†69.2%†
Vals Legal IndexVals AI68.0%76.8%
安全与诚实
DistressBenchScale AI SEAL74.6%†68.6%†

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

  • Gemini 4 Argon:标价将调整为每百万 token 输入 $4.00 / 输出 $20.00(已公布)。
  • Claude Sonnet 5.5 (max):36 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Gemini 4 Argon (high):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Gemini 4 Argon (high):1 项新结果(Terminal-Bench)。
  • Gemini 4 Argon (high):1 项分数修订。
  • Claude Sonnet 5.5 (max):BenchLeader Index 65.1 → 64.6。
  • Gemini 4 Argon (high):BenchLeader Index 65.9 → 65.3。
  • Gemini 4 Argon (high):1 项新结果(PostTrainBench);输入价格 $4.00/M → $2.00/M;输出价格 $20.00/M → $10.00/M;价格 $9.95/M → $4.97/M。
  • Claude Sonnet 5.5 (max):1 项新结果(MirrorCode)。
  • Claude Sonnet 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 Sonnet 5.5 vs Gemini 4 Argon:常见问题

Claude Sonnet 5.5 比 Gemini 4 Argon 更好吗?
Claude Sonnet 5.5 (max) 与 Gemini 4 Argon (high) 的质量不相上下(64.2 比 65.3,在 ±3.6 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 Sonnet 5.5 和 Gemini 4 Argon 哪个更便宜?价格会变吗?
两者价格相同:每百万 token 混合价格 $4.00。Gemini 4 Argon 的现价有效至 2026年11月30日,之后为 $8.00。
编程用 Claude Sonnet 5.5 还是 Gemini 4 Argon 更好?
Claude Sonnet 5.5 在编程方面得分更高(类别得分 70 比 67,50 为平均水平)。在两者共同的最主要编程基准测试 FrontierCode 2.0 (AA) 上,Claude Sonnet 5.5 为 41.7%,Gemini 4 Argon 为 25.7%。
Claude Sonnet 5.5 和 Gemini 4 Argon 哪个更快?
Claude Sonnet 5.5 输出更快(约 2 倍;输出 152 比 66 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Claude Sonnet 5.5 还是 Gemini 4 Argon 更好?
Claude Sonnet 5.5 在智能体任务方面得分更高(类别得分 71 比 59,50 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 5.5 为 63.9%,Gemini 4 Argon 为 55.5%。
更多问题(4)
处理长文档哪个更好?
Claude Sonnet 5.5 在长上下文基准测试上得分更高(66 比 65)。两者都约为 1M token(Claude Sonnet 5.5 为 1,000,000,Gemini 4 Argon 为 1,048,576)。
哪个延迟更低?
Gemini 4 Argon 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 45.7 秒比 290.5 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 5.5 和 Gemini 4 Argon 的看法一致吗?
在两者都有结果的 85 项基准测试中,Claude Sonnet 5.5 领先 53 项,Gemini 4 Argon 领先 28 项,4 项持平。第三方来源看法不一:Claude Sonnet 5.5 在 AA Intelligence Index v5.0.1和Vals Index 上领先;Gemini 4 Argon 在 Arena Text 上领先。
Gemini 4 Argon 是什么时候发布的?
Gemini 4 Argon 于 2026年9月30日 首次亮相,并于 2026年10月13日 正式发布。