BenchLeader

Claude Sonnet 5.5 vs Gemini 4 Hydrogen

完整资料:Claude Sonnet 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 11 个来源

截至 2026年11月16日,Claude Sonnet 5.5 与 Gemini 4 Hydrogen 的质量不相上下(BenchLeader Index 64.2 比 63.4,在 ±3.1 的误差范围内)。Gemini 4 Hydrogen 更便宜,对方的价格是它的 1.3 倍(每百万 token 混合价格 $3.00 比 $4.00)。看重智能体与工具(71 比 62)、数学(71 比 68)和编程(70 比 69)选 Claude Sonnet 5.5;看重知识(69 比 57)和推理(70 比 68)选 Gemini 4 Hydrogen。Gemini 4 Hydrogen 的首次回答更快(16.2 秒 比 290.5 秒)。

要点(截至 2026年11月16日)

  • Claude Sonnet 5.5 的 BenchLeader Index 为 64.2,Gemini 4 Hydrogen 为 63.4(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 Hydrogen 每百万 token 混合价格为 $3.00(标价,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 69;FrontierCode 2.0 (AA) 41.7% 比 36.3%中
智能体与工具调用Claude Sonnet 5.5类别得分 71 比 62;Terminal-Bench 63.9% 比 56.4%高
数学Claude Sonnet 5.5类别得分 71 比 68中
推理Gemini 4 Hydrogen类别得分 70 比 68;HLE-Diamond (AA) 54.9% 比 53.3%中
知识Gemini 4 Hydrogen类别得分 69 比 57;AA-Omniscience v1.1 43.7 比 30.5高
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 $4.00;智能体编程会话 $0.120 比 $0.160–
首次回答最快Gemini 4 Hydrogen首个回答 token 16.2 秒(Gemini 4 Hydrogen (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 Hydrogen (high) 的质量不相上下(64.2 比 63.4,在 ±3.1 的误差范围内)。
  • Claude Sonnet 5.5 (max) 在智能体与工具、编程、数学方面更强。
  • Gemini 4 Hydrogen (high) 在知识、推理方面更强。
  • Gemini 4 Hydrogen (high) 更便宜,对方的价格是它的 1.3 倍(每百万 token 混合价格 $3.00 比 $4.00)。

概览

规格Claude Sonnet 5.5Gemini 4 Hydrogen
提供商AnthropicGoogle
发布日期2026年9月28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 Sonnet 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)$2.00 / $10.00 / $0.100$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 Sonnet 5.5 (max)Gemini 4 Hydrogen (high)领先者
推理67.869.6Gemini 4 Hydrogen
编程70.268.8Claude Sonnet 5.5
智能体与工具70.561.7Claude Sonnet 5.5
数学71.367.8Claude Sonnet 5.5
知识57.468.5Gemini 4 Hydrogen
人类偏好–68.2无法比较
长上下文66.0–无法比较
综合63.0–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 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: 57.4Gemini 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 12 项基准测试中,Claude Sonnet 5.5 领先 6 项,Gemini 4 Hydrogen 领先 6 项。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 Hydrogen 在 Arena Text 上领先。

综合 IndexClaude Sonnet 5.5 (max)Gemini 4 Hydrogen (high)领先者
BenchLeader Index64.263.4不相上下
AA Intelligence Index v5.0.154.550.8Claude Sonnet 5.5
Vals Index70.868.5†Claude Sonnet 5.5
Arena Text1473†1490Gemini 4 Hydrogen

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 Hydrogen (high)
每百万 token 混合价格$4.00$3.00
每百万 token 输入 / 输出$2.00 / $10.00$1.50 / $7.50
每百万 token 缓存输入$0.100$0.075
每项任务价格:聊天回复$0.0038$0.0029
每项任务价格:总结一份 30 页的报告$0.030$0.022
每项任务价格:代码编辑$0.027$0.020
每项任务价格:智能体编程会话$0.160$0.120
每项任务价格:结构化信息提取$0.0060$0.0045
智能体编程会话(输入大多命中缓存)$0.074$0.056
每项基准测试任务成本(AA Index)$10.02$1.87
每项任务输出 token(AA Index)285k85k
其中推理部分206k48k
每项任务耗时(AA Index)31 min8 min
输出速度152 tok/s170 tok/s
首次回答时间290.5 秒16.2 秒
完整回答耗时(最近一次测量 2026年11月13日)487.7 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 Sonnet 5.5 (max) 上花费 $10.02,在 Gemini 4 Hydrogen (high) 上花费 $1.87;完成同样的工作,Claude Sonnet 5.5 (max) 输出的 token 是对方的 3.4 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 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 140 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 Hydrogen (high)
BenchLeader IndexBenchLeader64.263.4
智能体与工具得分BenchLeader70.561.7
编程得分BenchLeader70.268.8
综合得分BenchLeader63.0–
知识得分BenchLeader57.468.5
长上下文得分BenchLeader66.0–
数学得分BenchLeader71.367.8
推理得分BenchLeader67.869.6
人类偏好得分BenchLeader–68.2
混合价格(美元/百万 token)BenchLeader$4.00$3.00
输出速度BenchLeader152 tok/s170 tok/s
首次回答时间BenchLeader290.5 秒16.2 秒
上下文窗口BenchLeader1,000,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub95.6%–
Humanity's Last ExamScale AI / CAIS46.1%†–
SimpleBenchSimpleBench75.9%†–
Arena Hard PromptsArena (LMArena)1499†1514
LiveBench 2.0 ReasoningLiveBench91.6%88.6%†
LiveBench 1.0 ReasoningLiveBench91.6%–
Humanity's Last Exam (AA)Artificial Analysis55.0%–
HLE-Diamond (AA)Artificial Analysis53.3%54.9%
ARC-AGI-1ARC Prize96.5%–
ARC-AGI-2ARC Prize83.9%†–
ARC-AGI-3ARC Prize72.4%†–
CritPtArtificial Analysis31.4%–
CritPt v2 hard subset (AA)Artificial Analysis59.0%61.5%
MysteryMechanismVals AI49.1%–
HLE-Diamond (Scale)Scale AI SEAL37.5%†–
Arena ExpertArena (LMArena)1512†1542
Chess PuzzlesEpoch AI Benchmarking Hub59.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub65.0%–
LMCAEpoch AI Benchmarking Hub68.3%–
DTBenchEpoch AI Benchmarking Hub97.3%–
编程
SciCodeSciCode61.0%–
FrontierCodeCognition52.1%†–
Arena CodingArena (LMArena)1517†1518
Arena WebDevArena (LMArena)1772†1704
LiveBench 2.0 CodingLiveBench77.2%78.5%†
显示全部 140 项基准测试
指标发布方Claude Sonnet 5.5 (max)Gemini 4 Hydrogen (high)
编程
LiveBench 1.0 CodingLiveBench91.4%–
IOIVals AI83.1%–
Code MigrationVals AI69.8%–
Code Migration v1.1Vals AI86.9%–
ProgramBenchVals AI6.5%–
SWE-bench MultimodalVals AI58.3%–
Vibe Code Bench v1.1Vals AI92.4%87.8%†
SWE Atlas v1.1Scale AI SEAL68.3%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL74.2%†–
SWE Atlas v1.1: Test WritingScale AI SEAL67.8%†–
SWE Atlas v1.1: RefactoringScale AI SEAL62.9%†–
SWE-Bench Pro V2Scale AI SEAL95.8%†–
SWE-Bench Pro V2 HARDScale AI SEAL70.6%†–
MirrorCodeEpoch AI Benchmarking Hub97.8%–
CursorBenchCursor55.5%–
ALE-BenchEpoch AI Benchmarking Hub1819.1†–
FrontierSWEEpoch AI Benchmarking Hub61.9%–
WeirdML v3WeirdML19.9%†–
Terminal-Bench 4.0 (AA)Artificial Analysis63.6%54.0%
Startrise FrontendStartrise75.9%†–
GameBench 2 OverallDuelLab GameBench 260.4†–
GameBench 2 by reasoning settingDuelLab GameBench 291.4†–
Design Arena WebsiteDesign Arena1309†1320†
FrontierCode 1.1 (AA)Artificial Analysis45.8%–
FrontierCode 2.0 (AA)Artificial Analysis41.7%36.3%
智能体与工具
Terminal-BenchTerminal-Bench63.9%56.4%
APEX-AgentsMercor75.5%–
Arena AgentArena (LMArena)16–
LiveBench Long AgenticLiveBench63.4%61.8%†
LiveBench BrowserLiveBench89.3%77.1%†
LiveBench Agentic CodingLiveBench56.3%–
Terminal-Bench 2.1 (Vals)Vals AI83.2%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis66.9%–
GDPval-AA v2.1Artificial Analysis1838–
Analyst Agent (AA)Artificial Analysis57.5%–
CyberBenchVals AI59.6%–
Finance Agent v2Vals AI58.1%–
Finance Agent v2.1Vals AI67.3%65.1%†
Harvey's Legal Agent Benchmark v1.1Vals AI10.4%11.3%†
Harvey's Legal Agent Benchmark v1Vals AI2.9%–
Legal Research BenchVals AI48.1%53.9%†
SREBenchVals AI30.1%–
Tax Agent BenchVals AI42.0%52.3%†
Terminal-Bench 4.0 (Vals)Vals AI64.1%54.0%†
Terminal-Bench ScienceVals AI47.1%–
Arena Agent Task CompletionArena (LMArena)19.5–
Vending-Bench 2Andon Labs11165.3†–
SpireClimbEpoch AI Benchmarking Hub1.3%–
AutomationBenchArtificial Analysis71.8%74.4%
GDP.pdf (AA)Artificial Analysis25.8%30.0%
Harvey LAB-AA v1.1Harvey2.8%–
AA-Briefcase v1.1Artificial Analysis18161497
GDPxGDPx by SemiAnalysis8.2%–
Design Arena AgenticDesign Arena1293†1262†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis53.3%41.4%
MKA (AA)Artificial Analysis52.0%–
FACTS SearchGoogle86.8%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub88.8%–
FrontierMath Tier 4Epoch AI Benchmarking Hub80.5%–
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%–
ProofBenchVals AI100.0%–
LiveBench MathematicsLiveBench96.1%–
Arena MathsArena (LMArena)1486†1495
FrontierMath ErdősEpoch AI Benchmarking Hub2.9%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub46.5%–
LiveBench 2.0 Data AnalysisLiveBench59.5%83.2%†
LiveBench ResearchLiveBench88.0%86.8%†
LiveBench 1.0 Data AnalysisLiveBench59.5%–
AA-Omniscience v1.1Artificial Analysis30.543.7
BioMysteryBenchVals AI81.1%–
ClaimBenchVals AI100.0%–
Excel Modeling BenchmarkVals AI75.7%–
Excel Modeling Benchmark v1.1Vals AI75.9%75.8%†
MedCodeVals AI52.9%–
MedScribeVals AI91.1%–
Public Benefits Bench v1.1Vals AI67.2%–
Access to Justice BenchmarkVals AI74.9%–
Financial Coaching BenchVals AI74.9%–
Immigration BenchVals AI69.0%–
GDP.pdfEpoch AI Benchmarking Hub31.4%–
AA-Omniscience v1.1: accuracyArtificial Analysis51.5%48.2%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis56.7%91.3%
HealthBench Professional (AA)OpenAI63.0%–
FACTS ParametricGoogle35.1%†–
指令遵循
LiveBench LanguageLiveBench78.0%–
LiveBench Instruction FollowingLiveBench56.8%–
Arena Instruction FollowingArena (LMArena)1482†1503
人类偏好
Arena TextArena (LMArena)1473†1490
Arena Creative WritingArena (LMArena)1464†1492
Arena Multi-turnArena (LMArena)1469†1476
Arena Longer QueriesArena (LMArena)1491†1514
多模态
Arena VisionArena (LMArena)1284†–
LiveBench DesignLiveBench81.3%77.3%†
SAGEVals AI88.0%–
Blueprint-Bench 2Epoch AI Benchmarking Hub39.3%†–
Furniture AssemblyEpoch AI Benchmarking Hub75.0%–
VIALS-AAHandshake AI59.6%–
Code2Video-AAArtificial Analysis1443–
AA-3DArtificial Analysis1204–
FACTS MultimodalGoogle50.4%†–
长上下文
AA-LCR v1.1Artificial Analysis82.7%–
MLCRArtificial Analysis41.7%21.1%†
FACTS GroundingGoogle62.5%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub166.6†–
LiveBench 2.0LiveBench77.0%77.0%†
LiveBench 1.0LiveBench75.7%–
AA Intelligence Index v5.0.1Artificial Analysis54.550.8
AA Intelligence Index v4.3.2Artificial Analysis56–
AA Progress Index v1Artificial Analysis350.5–
Vals IndexVals AI70.868.5†
Vals Finance IndexVals AI64.5%66.1%†
Vals Science IndexVals AI59.1%–
Vals Router IndexVals AI69.0%†–
Vals Legal IndexVals AI68.0%73.6%†
安全与诚实
DistressBenchScale AI SEAL74.6%†–

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 Sonnet 5.5 (max):36 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 Sonnet 5.5 (max):BenchLeader Index 65.1 → 64.6。
  • Claude Sonnet 5.5 (max):1 项新结果(MirrorCode)。
  • Claude Sonnet 5.5 (max):2 项分数修订。
  • Claude Sonnet 5.5 (max):1 项分数修订。
  • Claude Sonnet 5.5 (max):1 项分数修订。
  • Claude Sonnet 5.5 (max):1 项分数修订。
  • Claude Sonnet 5.5 (max):1 项新结果(MirrorCode)。
  • Claude Sonnet 5.5 (max):5 项新结果(AA Intelligence Index v5.0.1, AA Progress Index v1, HLE-Diamond (AA)…);3 项分数修订;价格 $5.46/M → $10.02/M。

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 Hydrogen:常见问题

Claude Sonnet 5.5 比 Gemini 4 Hydrogen 更好吗?
Claude Sonnet 5.5 (max) 与 Gemini 4 Hydrogen (high) 的质量不相上下(64.2 比 63.4,在 ±3.1 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 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 $4.00(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 5.5 还是 Gemini 4 Hydrogen 更好?
Claude Sonnet 5.5 在编程方面得分更高(类别得分 70 比 69,50 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 Hydrogen 为 36.3%。
Claude Sonnet 5.5 和 Gemini 4 Hydrogen 哪个更快?
Gemini 4 Hydrogen 输出更快(输出 170 比 152 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 Hydrogen 更好?
Claude Sonnet 5.5 在智能体任务方面得分更高(类别得分 71 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 Sonnet 5.5 为 63.9%,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 Sonnet 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 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 Hydrogen 的看法一致吗?
在两者都有结果的 12 项基准测试中,Claude Sonnet 5.5 领先 6 项,Gemini 4 Hydrogen 领先 6 项。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 Hydrogen 在 Arena Text 上领先。
Gemini 4 Hydrogen 是什么时候发布的?
Gemini 4 Hydrogen 于 2026年11月12日 发布。