BenchLeader

Claude Sonnet 5 vs Gemini 4 Argon

完整资料:Claude Sonnet 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,质量上 Gemini 4 Argon 领先 Claude Sonnet 5(BenchLeader Index 65.3 比 59.0)。两者价格相近(每百万 token 混合价格 $4.00 比 $4.00)。在两者都有成绩的所有类别中,Gemini 4 Argon 均领先。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 的 BenchLeader Index 为 59.0,Gemini 4 Argon 为 65.3(BenchLeader,2026年11月16日)。
  • Claude Sonnet 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 比 Gemini 4 Argon 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 26 项基准测试中,Gemini 4 Argon 领先 26 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Claude Sonnet 5 的评分为 1539,Gemini 4 Argon 为 1681(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 Argon类别得分 67 比 60;Arena WebDev 1681 比 1539中
智能体与工具调用Gemini 4 Argon类别得分 59 比 53;Arena Agent 10.7 比 2中
数学Gemini 4 Argon类别得分 70 比 65;Arena Maths 1536 比 1472中
推理Gemini 4 Argon类别得分 70 比 65;Arena Hard Prompts 1545 比 1490中
长文档Gemini 4 Argon类别得分 65 比 63;AA-LCR v1.1 79.7% 比 76.7%中
对话质量(人类偏好)Gemini 4 ArgonArena 投票 72 比 65高
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Claude Sonnet 5首个回答 token 15.8 秒(Claude Sonnet 5 (high))比 45.7 秒(Gemini 4 Argon (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 Argon (high) 领先:65.3 比 59.0。
  • Gemini 4 Argon (high) 在智能体与工具、编程、人类偏好、长上下文、数学、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 (high) 的输出速度是对方的 1.5 倍(99 比 66 token/秒)。

概览

规格Claude Sonnet 5Gemini 4 Argon
提供商AnthropicGoogle
发布日期2026年6月30日2026年9月30日
正式发布2026年6月30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 (high)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 / $0.200$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 (high)Gemini 4 Argon (high)领先者
推理65.469.5Gemini 4 Argon
编程59.966.7Gemini 4 Argon
智能体与工具52.958.6Gemini 4 Argon
数学65.369.9Gemini 4 Argon
知识–71.9无法比较
人类偏好64.672.1Gemini 4 Argon
多模态60.9–无法比较
长上下文62.964.5Gemini 4 Argon
综合–63.8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长上下文人类偏好Claude Sonnet 5, 推理: 65.4Claude Sonnet 5, 编程: 59.9Claude Sonnet 5, 智能体与工具: 52.9Claude Sonnet 5, 数学: 65.3Claude Sonnet 5, 长上下文: 62.9Claude Sonnet 5, 人类偏好: 64.6Gemini 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, 长上下文: 64.5Gemini 4 Argon, 人类偏好: 72.1

未绘制(测得的模型少于两个):知识, 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 26 项基准测试中,Claude Sonnet 5 领先 0 项,Gemini 4 Argon 领先 26 项。所有同时评测两者的综合评分都认为 Gemini 4 Argon 更强。

综合 IndexClaude Sonnet 5 (high)Gemini 4 Argon (high)领先者
BenchLeader Index59.065.3Gemini 4 Argon
Arena Text14611522Gemini 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 (high)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$0.200$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)$0.079$0.074
每项基准测试任务成本(AA Index)–$4.97
每项任务输出 token(AA Index)–116k
其中推理部分–68k
每项任务耗时(AA Index)–29 min
输出速度99 tok/s66 tok/s
首次回答时间15.8 秒45.7 秒
完整回答耗时(最近一次测量 2026年11月13日)40.7 秒122.1 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 5 (high) 得分 59.0,首个回答 token 需 16 秒;Claude Sonnet 5 (max) 为 56.1(158 秒),Claude Sonnet 5 (xhigh) 为 55.4(32 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 184 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 (high)Gemini 4 Argon (high)
BenchLeader IndexBenchLeader59.065.3
智能体与工具得分BenchLeader52.958.6
编程得分BenchLeader59.966.7
人类偏好得分BenchLeader64.672.1
长上下文得分BenchLeader62.964.5
数学得分BenchLeader65.369.9
多模态得分BenchLeader60.9–
推理得分BenchLeader65.469.5
综合得分BenchLeader–63.8
知识得分BenchLeader–71.9
混合价格(美元/百万 token)BenchLeader$4.00$4.00
输出速度BenchLeader99 tok/s66 tok/s
首次回答时间BenchLeader15.8 秒45.7 秒
上下文窗口BenchLeader1,000,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub80.3%†96.4%
SimpleBenchSimpleBench60.6%†91.7%†
Arena Hard PromptsArena (LMArena)14901545
LiveBench 2.0 ReasoningLiveBench–95.1%
LiveBench 1.0 ReasoningLiveBench88.7%†–
GPQA Diamond (AA)Artificial Analysis91.1%†–
Humanity's Last Exam (AA)Artificial Analysis35.7%57.1%
HLE-Diamond (AA)Artificial Analysis–56.7%
GPQA Diamond (Vals)Vals AI88.9%†–
ARC-AGI-1ARC Prize–98.5%
ARC-AGI-2ARC Prize–91.3%
ARC-AGI-3ARC Prize–97.3%
CritPtArtificial Analysis15.1%27.1%
CritPt v2 hard subset (AA)Artificial Analysis–52.5%
MysteryMechanismVals AI–45.5%
HLE-Diamond (Scale)Scale AI SEAL–53.2%†
Arena ExpertArena (LMArena)15091549
Chess PuzzlesEpoch AI Benchmarking Hub45.0%†59.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub16.0%†64.0%
LMCAEpoch AI Benchmarking Hub50.0%63.7%
DTBenchEpoch AI Benchmarking Hub84.5%97.3%
ForecastBenchForecastBench63.1%†–
BTF-3Epoch AI Benchmarking Hub14.2%†–
编程
SciCodeSciCode54.3%61.8%
WeirdMLWeirdML68.8%–
显示全部 184 项基准测试
指标发布方Claude Sonnet 5 (high)Gemini 4 Argon (high)
编程
FrontierCodeCognition42.7%†47.5%†
GSO-BenchGSO-Bench37.3%†–
Arena CodingArena (LMArena)15201553
Arena WebDevArena (LMArena)15391681
LiveBench 2.0 CodingLiveBench–85.7%
LiveBench 1.0 CodingLiveBench80.7%†–
LiveCodeBenchVals AI82.4%†–
IOIVals AI45.0%†100.0%
SWE-bench (Vals)Vals AI79.6%†–
Code MigrationVals AI44.4%†68.2%
Code Migration v1.1Vals AI–70.8%
ProgramBenchVals AI0.0%†2.5%
SWE-bench MultimodalVals AI–56.0%
Vibe Code Bench 1-100Vals AI13.8%†21.2%
Vibe Code Bench v1.1Vals AI81.3%†91.9%
SWE Atlas v1.1Scale AI SEAL–70.1%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–65.3%†
SWE Atlas v1.1: Test WritingScale AI SEAL–77.8%†
SWE Atlas v1.1: RefactoringScale AI SEAL–67.1%†
SWE-Bench Pro V2Scale AI SEAL93.2%†99.2%
SWE-Bench Pro V2 HARDScale AI SEAL88.2%†92.2%
MirrorCodeEpoch AI Benchmarking Hub63.3%†58.9%
Surface Evolver BenchEpoch AI Benchmarking Hub60.0%†–
DeepSWE v1.1Epoch AI Benchmarking Hub48.2%–
CursorBenchCursor30.8%52.9%
ALE-BenchEpoch AI Benchmarking Hub1463.12100.1
FrontierSWEEpoch AI Benchmarking Hub–55.0%
WeirdML v3WeirdML–20.3%
Terminal-Bench 4.0 (AA)Artificial Analysis5.0%57.1%
Terminal-Bench 2.1 (AA)Artificial Analysis80.5%†–
Startrise FrontendStartrise66.6%†–
GameBench 2 OverallDuelLab GameBench 246.6†81.7†
GameBench 2 by reasoning settingDuelLab GameBench 254.4†89.2
Design Arena WebsiteDesign Arena1268†1316†
FrontierCode 1.1 (AA)Artificial Analysis–43.5%
FrontierCode 2.0 (AA)Artificial Analysis17.8%†25.7%
智能体与工具
Terminal-BenchTerminal-Bench12.1%†55.5%
Remote Labor IndexScale AI / CAIS–17.1%†
APEX-AgentsMercor54.5%†82.4%†
Arena AgentArena (LMArena)210.7
LiveBench Long AgenticLiveBench–58.5%
LiveBench BrowserLiveBench–82.8%
LiveBench Agentic CodingLiveBench59.4%†–
Terminal-Bench 2.1 (Vals)Vals AI74.5%†57.7%
MCP AtlasScale AI SEAL–90.7%†
HiL-BenchScale AI SEAL–62.0%†
GDPval-AA v2.1, normalised scoreArtificial Analysis–56.2%
GDPval-AA v2.1Artificial Analysis12621634
τ³-Banking (AA)Artificial Analysis37.3%†–
Analyst Agent (AA)Artificial Analysis46.3%†48.8%
CUA-benchVals AI–4.8%
CyberBenchVals AI61.9%†77.9%
Finance Agent v2Vals AI53.9%†65.4%
Finance Agent v2.1Vals AI–67.7%
Harvey's Legal Agent Benchmark v1.1Vals AI–27.1%
Harvey's Legal Agent Benchmark v1Vals AI5.0%†19.6%
Legal Research BenchVals AI41.8%†54.8%
Robo-benchVals AI–0.8%
SkillsBenchVals AI46.5%†–
SREBenchVals AI0.4%†44.3%
Tax Agent BenchVals AI29.4%†49.2%
Terminal-Bench 4.0 (Vals)Vals AI10.6%†57.6%
Terminal-Bench ScienceVals AI5.7%†44.3%
Time Horizon Index: KSPVals AI–52.5%
Arena SearchArena (LMArena)1191†–
Arena Agent Task CompletionArena (LMArena)-0.613.2
PostTrainBenchEpoch AI Benchmarking Hub–40.4%
GBAEvalEpoch AI Benchmarking Hub65.3%†–
Vending-Bench 2Andon Labs6377.7†13718.2†
AutomationBenchArtificial Analysis32.1%77.5%
GDP.pdf (AA)Artificial Analysis9.4%21.8%
Harvey LAB-AA v1.1Harvey–3.9%
EnterpriseOps-GymArtificial Analysis44.7%†–
AA-Briefcase v1.1Artificial Analysis11771485
GDPxGDPx by SemiAnalysis–7.3%
Design Arena AgenticDesign Arena1222†1274†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–52.9%
MKA (AA)Artificial Analysis–51.3%
FACTS SearchGoogle–89.9%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub65.6%†86.0%
FrontierMath Tier 4Epoch AI Benchmarking Hub29.3%†78.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub80.0%†100.0%
ProofBenchVals AI77.0%†99.0%†
LiveBench MathematicsLiveBench92.9%†–
ArXivMathMathArena–84.4%
BrokenArXivMathArena–47.9%
Arena MathsArena (LMArena)14721536
FrontierMath ErdősEpoch AI Benchmarking Hub–1.5%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub33.7%†76.0%
LiveBench 2.0 Data AnalysisLiveBench–85.2%
LiveBench ResearchLiveBench–86.8%
LiveBench 1.0 Data AnalysisLiveBench71.7%†–
AA-Omniscience v1.1Artificial Analysis–46.1
MMLU-ProVals AI87.5%†–
LegalBenchVals AI83.9%†88.3%
CorpFinVals AI67.0%†–
TaxEvalVals AI75.6%†–
PRBench FinanceScale AI SEAL–49.9%†
PRBench LegalScale AI SEAL–49.4%†
BioMysteryBenchVals AI–76.3%
Excel Modeling BenchmarkVals AI66.3%†75.2%
Excel Modeling Benchmark v1.1Vals AI–74.8%
MedCodeVals AI47.5%†58.8%
MedScribeVals AI76.0%†87.4%
Public Benefits Bench v1.1Vals AI66.0%†69.8%
Access to Justice BenchmarkVals AI–68.5%
Financial Coaching BenchVals AI–73.1%
Immigration BenchVals AI–68.1%
DrugDiscoveryBenchScale AI SEAL50.0%†65.4%
EBR-benchEpoch AI Benchmarking Hub–64.8%
GDP.pdfEpoch AI Benchmarking Hub–28.4%
AA-Omniscience v1.1: accuracyArtificial Analysis–48.3%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–95.7%
HealthBench Professional (AA)OpenAI–55.0%
FACTS ParametricGoogle20.5%†72.2%†
指令遵循
LiveBench LanguageLiveBench75.0%†–
LiveBench Instruction FollowingLiveBench63.9%†–
MultiChallengeScale AI SEAL–78.7%†
Arena Instruction FollowingArena (LMArena)14671528
人类偏好
Arena TextArena (LMArena)14611522
EQ-Bench 4EQ-Bench1221†1236†
EQ-Bench Creative Writing v3EQ-Bench1798†1758†
Arena Creative WritingArena (LMArena)14341523
Arena Multi-turnArena (LMArena)14731545
Arena Longer QueriesArena (LMArena)14811544
多模态
Arena VisionArena (LMArena)1272–
LiveBench DesignLiveBench–69.2%
MMMU-ProArtificial Analysis77.3%†88.3%†
MMMU-Pro (Vals)Vals AI83.0%†–
MortgageTaxVals AI70.0%†–
SAGEVals AI–89.5%
AudioMCScale AI SEAL–58.4%
AudioMC (text output)Scale AI SEAL–58.4%
Humanity's Sixth SenseScale AI SEAL24.8%†55.4%
GeoBenchGeoBench74.0%–
Blueprint-Bench 2Epoch AI Benchmarking Hub24.9%†54.5%†
Furniture AssemblyEpoch AI Benchmarking Hub–72.5%
VIALS-AAHandshake AI–59.6%
Code2Video-AAArtificial Analysis–1259
AA-3DArtificial Analysis–1147
FACTS MultimodalGoogle–54.2%†
长上下文
AA-LCR v1.1Artificial Analysis76.7%79.7%
Arena DocumentArena (LMArena)1469–
MLCRArtificial Analysis4.4%13.9%
FACTS GroundingGoogle–73.3%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub156.9†166.5†
LiveBench 2.0LiveBench–77.7%
LiveBench 1.0LiveBench76.0%†–
AA Intelligence Index v5.0.1Artificial Analysis–50.4
AA Intelligence Index v4.3.2Artificial Analysis31.752.6
AA Progress Index v1Artificial Analysis296.8341.8
Vals IndexVals AI–69.4
Vals Finance IndexVals AI–66.0%
Vals RSI IndexVals AI–30.6%
Vals Science IndexVals AI–55.4%
Vals Multimodal IndexVals AI68.8%†–
Vals Router IndexVals AI–69.2%†
Vals Legal IndexVals AI–76.8%
安全与诚实
DistressBenchScale AI SEAL68.0%†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)。
  • Gemini 4 Argon (high):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Claude Sonnet 5 (high):2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Gemini 4 Argon (high):1 项新结果(Terminal-Bench)。
  • Gemini 4 Argon (high):1 项分数修订。
  • Claude Sonnet 5 (high):BenchLeader Index 59.5 → 59.0。
  • 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 (high):1 项新结果(GeoBench)。
  • Gemini 4 Argon (high):4 项分数修订。

排行榜: 综合最佳大模型 · 最适合智能体的大模型 · 便宜好用的大模型

Claude Sonnet 5 vs Gemini 4 Argon:常见问题

Gemini 4 Argon 比 Claude Sonnet 5 更好吗?
质量上 Gemini 4 Argon (high) 领先:65.3 比 59.0。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 Argon (high) 总体领先,但请结合你的用途查看各类别得分。
Claude Sonnet 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 还是 Gemini 4 Argon 更好?
Gemini 4 Argon 在编程方面得分更高(类别得分 67 比 60,50 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 5 为 1539,Gemini 4 Argon 为 1681。
Claude Sonnet 5 和 Gemini 4 Argon 哪个更快?
Claude Sonnet 5 输出更快(约 1.5 倍;输出 99 比 66 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Claude Sonnet 5 还是 Gemini 4 Argon 更好?
Gemini 4 Argon 在智能体任务方面得分更高(类别得分 59 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 Arena Agent 上,Claude Sonnet 5 为 2,Gemini 4 Argon 为 10.7。
更多问题(4)
处理长文档哪个更好?
Gemini 4 Argon 在长上下文基准测试上得分更高(65 比 63)。两者都约为 1M token(Claude Sonnet 5 为 1,000,000,Gemini 4 Argon 为 1,048,576)。
哪个延迟更低?
Claude Sonnet 5 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 15.8 秒比 45.7 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 和 Gemini 4 Argon 的看法一致吗?
在两者都有结果的 26 项基准测试中,Claude Sonnet 5 领先 0 项,Gemini 4 Argon 领先 26 项。所有同时评测两者的综合评分都认为 Gemini 4 Argon 更强。
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。