BenchLeader

Claude Sonnet 5 vs Gemini 4 Carbon

完整资料:Claude Sonnet 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 13 个来源

截至 2026年11月16日,质量上 Gemini 4 Carbon 领先 Claude Sonnet 5(BenchLeader Index 68.9 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 Carbon 均领先。Claude Sonnet 5 输出更快。

要点(截至 2026年11月16日)

  • Claude Sonnet 5 的 BenchLeader Index 为 59.0,Gemini 4 Carbon 为 68.9(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 Carbon 每百万 token 混合价格为 $4.00(标价,2026年11月16日)。
  • Claude Sonnet 5 比 Gemini 4 Carbon 输出更快(Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 20 项基准测试中,Gemini 4 Carbon 领先 20 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Claude Sonnet 5 的评分为 1539,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 60;Arena WebDev 1768 比 1539高
智能体与工具调用Gemini 4 Carbon类别得分 70 比 53;Arena Agent 17 比 2高
数学Gemini 4 Carbon类别得分 72 比 65中
推理Gemini 4 Carbon类别得分 73 比 65;Arena Hard Prompts 1547 比 1490高
长文档Gemini 4 Carbon类别得分 64 比 63;AA-LCR v1.1 79.3% 比 76.7%中
对话质量(人类偏好)Gemini 4 CarbonArena 投票 73 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–
首次回答最快Claude Sonnet 5首个回答 token 15.8 秒(Claude Sonnet 5 (high))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 59.0。
  • Gemini 4 Carbon (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。
  • 两者价格相近(每百万 token 混合价格 $4.00)。
  • Claude Sonnet 5 (high) 的输出速度是对方的 1.6 倍(99 比 64 token/秒)。

概览

规格Claude Sonnet 5Gemini 4 Carbon
提供商AnthropicGoogle
发布日期2026年6月30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 5 (high)Gemini 4 Carbon (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

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 Carbon (high)领先者
推理65.473.2Gemini 4 Carbon
编程59.974.1Gemini 4 Carbon
智能体与工具52.970.3Gemini 4 Carbon
数学65.371.9Gemini 4 Carbon
知识–76.1无法比较
人类偏好64.672.6Gemini 4 Carbon
多模态60.9–无法比较
长上下文62.964.3Gemini 4 Carbon
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 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, 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):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 20 项基准测试中,Claude Sonnet 5 领先 0 项,Gemini 4 Carbon 领先 20 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 5 (high)Gemini 4 Carbon (high)领先者
BenchLeader Index59.068.9Gemini 4 Carbon
Arena Text14611526Gemini 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 5 (high)Gemini 4 Carbon (high)
每百万 token 混合价格$4.00$4.00
每百万 token 输入 / 输出$2.00 / $10.00$2.00 / $10.00
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)–$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99 tok/s64 tok/s
首次回答时间15.8 秒73.5 秒
完整回答耗时(最近一次测量 2026年11月13日)40.7 秒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 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 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 158 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 Carbon (high)
BenchLeader IndexBenchLeader59.068.9
智能体与工具得分BenchLeader52.970.3
编程得分BenchLeader59.974.1
人类偏好得分BenchLeader64.672.6
长上下文得分BenchLeader62.964.3
数学得分BenchLeader65.371.9
多模态得分BenchLeader60.9–
推理得分BenchLeader65.473.2
综合得分BenchLeader–70.3
知识得分BenchLeader–76.1
混合价格(美元/百万 token)BenchLeader$4.00$4.00
输出速度BenchLeader99 tok/s64 tok/s
首次回答时间BenchLeader15.8 秒73.5 秒
上下文窗口BenchLeader1,000,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub80.3%†96.5%
SimpleBenchSimpleBench60.6%†92.6%†
Arena Hard PromptsArena (LMArena)14901547
LiveBench 2.0 ReasoningLiveBench–90.6%
LiveBench 1.0 ReasoningLiveBench88.7%†–
GPQA Diamond (AA)Artificial Analysis91.1%†–
Humanity's Last Exam (AA)Artificial Analysis35.7%–
HLE-Diamond (AA)Artificial Analysis–69.1%
GPQA Diamond (Vals)Vals AI88.9%†–
ARC-AGI-1ARC Prize–97.5%
ARC-AGI-2ARC Prize–92.1%
ARC-AGI-3ARC Prize–96.9%
CritPtArtificial Analysis15.1%–
CritPt v2 hard subset (AA)Artificial Analysis–69.0%
Arena ExpertArena (LMArena)15091567
Chess PuzzlesEpoch AI Benchmarking Hub45.0%†78.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub16.0%†73.0%
LMCAEpoch AI Benchmarking Hub50.0%–
DTBenchEpoch AI Benchmarking Hub84.5%–
ForecastBenchForecastBench63.1%†–
BTF-3Epoch AI Benchmarking Hub14.2%†–
编程
SciCodeSciCode54.3%64.2%
WeirdMLWeirdML68.8%–
FrontierCodeCognition42.7%†–
GSO-BenchGSO-Bench37.3%†–
显示全部 158 项基准测试
指标发布方Claude Sonnet 5 (high)Gemini 4 Carbon (high)
编程
Arena CodingArena (LMArena)15201568
Arena WebDevArena (LMArena)15391768
LiveBench 2.0 CodingLiveBench–91.0%
LiveBench 1.0 CodingLiveBench80.7%†–
SciCode (AA)Artificial Analysis54.3%–
LiveCodeBenchVals AI82.4%†–
IOIVals AI45.0%†–
SWE-bench (Vals)Vals AI79.6%†–
Code MigrationVals AI44.4%†–
ProgramBenchVals AI0.0%†–
Vibe Code Bench 1-100Vals AI13.8%†–
Vibe Code Bench v1.1Vals AI81.3%†89.1%
Vibe Code Bench 1-100 v1.1Vals AI–49.7%
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 SEAL93.2%†–
SWE-Bench Pro V2 HARDScale AI SEAL88.2%†–
MirrorCodeEpoch AI Benchmarking Hub63.3%†–
Surface Evolver BenchEpoch AI Benchmarking Hub60.0%†–
DeepSWE v1.1Epoch AI Benchmarking Hub48.2%–
CursorBenchCursor30.8%60.4%
ALE-BenchEpoch AI Benchmarking Hub1463.1–
FrontierSWEEpoch AI Benchmarking Hub–61.2%
Terminal-Bench 4.0 (AA)Artificial Analysis5.0%65.2%
Terminal-Bench 2.1 (AA)Artificial Analysis80.5%†–
Startrise FrontendStartrise66.6%†–
GameBench 2 OverallDuelLab GameBench 246.6†–
GameBench 2 by reasoning settingDuelLab GameBench 254.4†–
Design Arena WebsiteDesign Arena1268†1319†
FrontierCode 2.0 (AA)Artificial Analysis17.8%†40.6%
智能体与工具
Terminal-BenchTerminal-Bench12.1%†64.5%
APEX-AgentsMercor54.5%†84.2%†
Arena AgentArena (LMArena)217
LiveBench Long AgenticLiveBench–72.7%
LiveBench BrowserLiveBench–80.0%
LiveBench Agentic CodingLiveBench59.4%†–
Terminal-Bench 2.1 (Vals)Vals AI74.5%†–
HiL-BenchScale AI SEAL–50.3%†
GDPval-AA v2.1Artificial Analysis12621733
τ³-Banking (AA)Artificial Analysis37.3%†–
Analyst Agent (AA)Artificial Analysis46.3%†–
CyberBenchVals AI61.9%†–
Finance Agent v2Vals AI53.9%†–
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 AI41.8%†55.8%
SkillsBenchVals AI46.5%†–
SREBenchVals AI0.4%†–
Tax Agent BenchVals AI29.4%†51.8%
Terminal-Bench 4.0 (Vals)Vals AI10.6%†63.1%
Terminal-Bench ScienceVals AI5.7%†–
Arena SearchArena (LMArena)1191†–
Arena Agent Task CompletionArena (LMArena)-0.618.4
GBAEvalEpoch AI Benchmarking Hub65.3%†–
Vending-Bench 2Andon Labs6377.7†16484.2†
AutomationBenchArtificial Analysis32.1%77.8%
GDP.pdf (AA)Artificial Analysis9.4%28.4%
EnterpriseOps-GymArtificial Analysis44.7%†–
AA-Briefcase v1.1Artificial Analysis11771611
GDPxGDPx by SemiAnalysis–10.9%
Design Arena AgenticDesign Arena1222†1305†
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 Hub65.6%†90.5%
FrontierMath Tier 4Epoch AI Benchmarking Hub29.3%†95.1%
OTIS Mock AIMEEpoch AI Benchmarking Hub80.0%†100.0%
ProofBenchVals AI77.0%†–
LiveBench MathematicsLiveBench92.9%†–
ArXivMathMathArena–94.3%
BrokenArXivMathArena–84.4%
Arena MathsArena (LMArena)1472–
FrontierMath ErdősEpoch AI Benchmarking Hub–2.9%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub33.7%†77.7%
LiveBench 2.0 Data AnalysisLiveBench–86.5%
LiveBench ResearchLiveBench–92.5%
LiveBench 1.0 Data AnalysisLiveBench71.7%†–
AA-Omniscience v1.1Artificial Analysis–53.5
MMLU-ProVals AI87.5%†–
LegalBenchVals AI83.9%†–
CorpFinVals AI67.0%†–
TaxEvalVals AI75.6%†–
PRBench LegalScale AI SEAL–53.4%†
Excel Modeling BenchmarkVals AI66.3%†–
Excel Modeling Benchmark v1.1Vals AI–76.5%
MedCodeVals AI47.5%†–
MedScribeVals AI76.0%†–
Public Benefits Bench v1.1Vals AI66.0%†–
DrugDiscoveryBenchScale AI SEAL50.0%†71.5%
EBR-benchEpoch AI Benchmarking Hub–87.6%
AA-Omniscience v1.1: accuracyArtificial Analysis–58.3%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–88.6%
FACTS ParametricGoogle20.5%†81.6%†
指令遵循
LiveBench LanguageLiveBench75.0%†–
LiveBench Instruction FollowingLiveBench63.9%†–
Arena Instruction FollowingArena (LMArena)14671525
人类偏好
Arena TextArena (LMArena)14611526
EQ-Bench 4EQ-Bench1221†–
EQ-Bench Creative Writing v3EQ-Bench1798†–
Arena Creative WritingArena (LMArena)14341516
Arena Multi-turnArena (LMArena)14731564
Arena Longer QueriesArena (LMArena)14811538
多模态
Arena VisionArena (LMArena)1272–
LiveBench DesignLiveBench–80.2%
MMMU-ProArtificial Analysis77.3%†89.3%†
MMMU-Pro (Vals)Vals AI83.0%†–
MortgageTaxVals AI70.0%†–
Humanity's Sixth SenseScale AI SEAL24.8%†71.1%
GeoBenchGeoBench74.0%–
Blueprint-Bench 2Epoch AI Benchmarking Hub24.9%†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 Analysis76.7%79.3%
Arena DocumentArena (LMArena)1469–
MLCRArtificial Analysis4.4%19.4%
FACTS GroundingGoogle–77.2%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub156.9†169.8†
LiveBench 2.0LiveBench–83.5%
LiveBench 1.0LiveBench76.0%†–
AA Intelligence Index v5.0.1Artificial Analysis–60.0
AA Intelligence Index v4.3.2Artificial Analysis31.7–
AA Progress Index v1Artificial Analysis296.8350.8
Vals IndexVals AI–70.5
Vals Finance IndexVals AI–67.0%
Vals RSI IndexVals AI–27.7%
Vals Multimodal IndexVals AI68.8%†–
Vals Legal IndexVals AI–75.9%
安全与诚实
FORTRESSScale AI SEAL–16.4%†
DistressBenchScale AI SEAL68.0%†–

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 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 Sonnet 5 (high):2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Gemini 4 Carbon (high):1 项新结果(Terminal-Bench)。
  • Claude Sonnet 5 (high):BenchLeader Index 59.5 → 59.0。
  • 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 5 (high):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 5 vs Gemini 4 Carbon:常见问题

Gemini 4 Carbon 比 Claude Sonnet 5 更好吗?
质量上 Gemini 4 Carbon (high) 领先:68.9 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 Carbon (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 Carbon 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。两者均未公布价格调整。
编程用 Claude Sonnet 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 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 Carbon 为 1768。
Claude Sonnet 5 和 Gemini 4 Carbon 哪个更快?
Claude Sonnet 5 输出更快(输出 99 比 64 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 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 Arena Agent 上,Claude Sonnet 5 为 2,Gemini 4 Carbon 为 17。
更多问题(4)
处理长文档哪个更好?
Gemini 4 Carbon 在长上下文基准测试上得分更高(64 比 63)。两者都约为 1M token(Claude Sonnet 5 为 1,000,000,Gemini 4 Carbon 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 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 5 和 Gemini 4 Carbon 的看法一致吗?
在两者都有结果的 20 项基准测试中,Claude Sonnet 5 领先 0 项,Gemini 4 Carbon 领先 20 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。