BenchLeader

DeepSeek V4 Flash vs Gemini 4 Argon

完整资料:DeepSeek V4 Flash(DeepSeek)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 13 个来源

截至 2026年11月16日,质量上 Gemini 4 Argon 领先 DeepSeek V4 Flash(BenchLeader Index 65.3 比 57.2)。不过,DeepSeek V4 Flash 更便宜,对方的价格是它的 15 倍(每百万 token 混合价格 $0.262 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)

  • DeepSeek V4 Flash 的 BenchLeader Index 为 57.2,Gemini 4 Argon 为 65.3(BenchLeader,2026年11月16日)。
  • DeepSeek V4 Flash 每百万 token 混合价格为 $0.262(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)。
  • 在两者都有结果的 30 项基准测试中,Gemini 4 Argon 领先 30 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,DeepSeek V4 Flash 的评分为 1582,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 55;Arena WebDev 1681 比 1582高
数学Gemini 4 Argon类别得分 70 比 62;Arena Maths 1536 比 1441高
推理Gemini 4 Argon类别得分 70 比 59;ARC-AGI-2 91.3% 比 56.0%高
知识Gemini 4 Argon类别得分 72 比 55;LegalBench 88.3% 比 77.7%高
对话质量(人类偏好)Gemini 4 ArgonArena 投票 72 比 62高
成本最低DeepSeek V4 Flash每百万 token 混合价格 $0.262 比 $4.00;智能体编程会话 $0.011 比 $0.160;2026年12月1日 起:$0.262 比 $8.00–
首次回答最快DeepSeek V4 Flash首个回答 token 0.7 秒(DeepSeek V4 Flash (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 57.2。
  • Gemini 4 Argon (high) 在编程、人类偏好、知识、数学、推理方面更强。
  • 截至 2026年11月30日,DeepSeek V4 Flash (high) 更便宜,对方的价格是它的 15 倍(每百万 token 混合价格 $0.262 比 $4.00);自 2026年12月1日 起为 $0.262 比 $8.00。

概览

规格DeepSeek V4 FlashGemini 4 Argon
提供商DeepSeekGoogle
发布日期2026年7月31日2026年9月30日
正式发布2026年7月31日2026年10月13日
上下文窗口(token)1,048,5761,048,576
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DeepSeek V4 Flash (high)Gemini 4 Argon (high)
开放权重是否
每百万 token 价格(输入 / 输出 / 缓存输入)$0.150 / $0.600 / $0.0030$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DeepSeek V4 Flash (high)Gemini 4 Argon (high)领先者
推理59.269.5Gemini 4 Argon
编程55.066.7Gemini 4 Argon
智能体与工具–58.6无法比较
数学61.969.9Gemini 4 Argon
知识54.871.9Gemini 4 Argon
人类偏好62.072.1Gemini 4 Argon
长上下文–64.5无法比较
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推理编程数学知识人类偏好DeepSeek V4 Flash, 推理: 59.2DeepSeek V4 Flash, 编程: 55.0DeepSeek V4 Flash, 数学: 61.9DeepSeek V4 Flash, 知识: 54.8DeepSeek V4 Flash, 人类偏好: 62.0Gemini 4 Argon, 推理: 69.5Gemini 4 Argon, 编程: 66.7Gemini 4 Argon, 数学: 69.9Gemini 4 Argon, 知识: 71.9Gemini 4 Argon, 人类偏好: 72.1

未绘制(测得的模型少于两个):智能体与工具, 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 30 项基准测试中,DeepSeek V4 Flash 领先 0 项,Gemini 4 Argon 领先 30 项。所有同时评测两者的综合评分都认为 Gemini 4 Argon 更强。

综合 IndexDeepSeek V4 Flash (high)Gemini 4 Argon (high)领先者
BenchLeader Index57.265.3Gemini 4 Argon
Arena Text14391522Gemini 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DeepSeek V4 Flash (high)Gemini 4 Argon (high)
每百万 token 混合价格(截至 2026年11月30日)$0.262$4.00
每百万 token 输入 / 输出$0.150 / $0.600$2.00 / $10.00
自 2026年12月1日 起每百万 token 混合价格$0.262$8.00
自 2026年12月1日 起每百万 token 输入 / 输出$0.150 / $0.600$4.00 / $20.00
每百万 token 缓存输入$0.0030$0.100
每项任务价格:聊天回复$0.0002$0.0038
每项任务价格:总结一份 30 页的报告$0.0022$0.030
每项任务价格:代码编辑$0.0018$0.027
每项任务价格:智能体编程会话$0.011$0.160
每项任务价格:结构化信息提取$0.0004$0.0060
智能体编程会话(输入大多命中缓存)$0.0048$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82 tok/s66 tok/s
首次回答时间0.7 秒45.7 秒
完整回答耗时(最近一次测量 2026年11月13日)–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。DeepSeek V4 Flash (high) 得分 57.2,首个回答 token 需 1 秒;DeepSeek V4 Flash (max) 为 56.8(28 秒),DeepSeek V4 Flash 为 53.8(1 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 175 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DeepSeek V4 Flash (high)Gemini 4 Argon (high)
BenchLeader IndexBenchLeader57.265.3
编程得分BenchLeader55.066.7
人类偏好得分BenchLeader62.072.1
知识得分BenchLeader54.871.9
数学得分BenchLeader61.969.9
推理得分BenchLeader59.269.5
智能体与工具得分BenchLeader–58.6
综合得分BenchLeader–63.8
长上下文得分BenchLeader–64.5
混合价格(美元/百万 token)BenchLeader$0.262$4.00
输出速度BenchLeader82 tok/s66 tok/s
首次回答时间BenchLeader0.7 秒45.7 秒
上下文窗口BenchLeader1,048,576 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub91.0%†96.4%
SimpleBenchSimpleBench61.1%†91.7%†
Arena Hard PromptsArena (LMArena)14591545
LiveBench 2.0 ReasoningLiveBench–95.1%
LiveBench 1.0 ReasoningLiveBench86.6%†–
GPQA Diamond (AA)Artificial Analysis90.8%†–
Humanity's Last Exam (AA)Artificial Analysis38.5%†57.1%
HLE-Diamond (AA)Artificial Analysis–56.7%
GPQA Diamond (Vals)Vals AI89.9%–
Kagi LLM BenchmarkKagi LLM Benchmark52.2%†–
ARC-AGI-1ARC Prize87.0%98.5%
ARC-AGI-2ARC Prize56.0%91.3%
ARC-AGI-3ARC Prize–97.3%
CritPtArtificial Analysis16.6%†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)14671549
Chess PuzzlesEpoch AI Benchmarking Hub32.0%†59.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub34.0%†64.0%
LMCAEpoch AI Benchmarking Hub41.7%†63.7%
DTBenchEpoch AI Benchmarking Hub90.9%†97.3%
编程
SciCodeSciCode42.0%61.8%
WeirdMLWeirdML57.0%–
FrontierCodeCognition18.8%†47.5%†
显示全部 175 项基准测试
指标发布方DeepSeek V4 Flash (high)Gemini 4 Argon (high)
编程
Arena CodingArena (LMArena)14801553
Arena WebDevArena (LMArena)15821681
LiveBench 2.0 CodingLiveBench–85.7%
LiveBench 1.0 CodingLiveBench75.0%†–
SciCode (AA)Artificial Analysis50.4%†61.8%
LiveCodeBenchVals AI87.3%–
IOIVals AI32.7%100.0%
SWE-bench (Vals)Vals AI88.8%–
Code MigrationVals AI38.6%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 AI–21.2%
Vibe Code Bench v1.1Vals AI74.7%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 SEAL–99.2%
SWE-Bench Pro V2 HARDScale AI SEAL–92.2%
MirrorCodeEpoch AI Benchmarking Hub–58.9%
CursorBenchCursor–52.9%
ALE-BenchEpoch AI Benchmarking Hub678.22100.1
FrontierSWEEpoch AI Benchmarking Hub–55.0%
WeirdML v3WeirdML–20.3%
Terminal-Bench 4.0 (AA)Artificial Analysis12.1%†57.1%
Terminal-Bench 2.1 (AA)Artificial Analysis78.7%†–
GameBench 2 OverallDuelLab GameBench 234.1†81.7†
GameBench 2 by reasoning settingDuelLab GameBench 243.489.2
Design Arena WebsiteDesign Arena1199†1316†
FrontierCode 1.1 (AA)Artificial Analysis–43.5%
FrontierCode 2.0 (AA)Artificial Analysis–25.7%
智能体与工具
Terminal-BenchTerminal-Bench–55.5%
Remote Labor IndexScale AI / CAIS–17.1%†
APEX-AgentsMercor–82.4%†
Arena AgentArena (LMArena)–10.7
LiveBench Long AgenticLiveBench–58.5%
LiveBench BrowserLiveBench–82.8%
LiveBench Agentic CodingLiveBench46.8%†–
Terminal-Bench 2.1 (Vals)Vals AI67.0%†57.7%
MCP AtlasScale AI SEAL–90.7%†
HiL-BenchScale AI SEAL47.8%†62.0%†
GDPval-AA v2.1, normalised scoreArtificial Analysis–56.2%
GDPval-AA v2.1Artificial Analysis1437†1634
τ³-Banking (AA)Artificial Analysis39.4%†–
Analyst Agent (AA)Artificial Analysis–48.8%
CUA-benchVals AI–4.8%
CyberBenchVals AI72.1%77.9%
Finance Agent v2Vals AI49.5%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 AI8.3%19.6%
Legal Research BenchVals AI30.3%54.8%
Robo-benchVals AI–0.8%
SkillsBenchVals AI50.7%–
SREBenchVals AI–44.3%
Tax Agent BenchVals AI28.1%49.2%
Terminal-Bench 4.0 (Vals)Vals AI18.7%57.6%
Terminal-Bench ScienceVals AI4.3%44.3%
Time Horizon Index: KSPVals AI–52.5%
Arena Agent Task CompletionArena (LMArena)–13.2
PostTrainBenchEpoch AI Benchmarking Hub–40.4%
Vending-Bench 2Andon Labs–13718.2†
AutomationBenchArtificial Analysis54.0%†77.5%
GDP.pdf (AA)Artificial Analysis11.0%†21.8%
Harvey LAB-AA v1.1Harvey–3.9%
AA-Briefcase v1.1Artificial Analysis1255†1485
GDPxGDPx by SemiAnalysis–7.3%
Design Arena AgenticDesign Arena–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 Hub57.5%†86.0%
FrontierMath Tier 4Epoch AI Benchmarking Hub24.4%†78.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub94.4%†100.0%
ProofBenchVals AI56.0%†99.0%†
LiveBench MathematicsLiveBench86.8%†–
AIME 2026MathArena95.8%†–
HMMT February 2026MathArena93.9%†–
MathArena ApexMathArena27.1%†–
ArXivMathMathArena–84.4%
BrokenArXivMathArena–47.9%
Arena MathsArena (LMArena)14411536
FrontierMath ErdősEpoch AI Benchmarking Hub–1.5%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub33.6%†76.0%
LiveBench 2.0 Data AnalysisLiveBench–85.2%
LiveBench ResearchLiveBench–86.8%
LiveBench 1.0 Data AnalysisLiveBench79.3%†–
AA-Omniscience v1.1Artificial Analysis–46.1
MMLU-ProVals AI86.2%–
LegalBenchVals AI77.7%88.3%
CorpFinVals AI61.9%–
TaxEvalVals AI70.7%–
PRBench FinanceScale AI SEAL–49.9%†
PRBench LegalScale AI SEAL–49.4%†
BioMysteryBenchVals AI64.4%76.3%
Excel Modeling BenchmarkVals AI57.0%75.2%
Excel Modeling Benchmark v1.1Vals AI–74.8%
MedCodeVals AI41.4%58.8%
MedScribeVals AI80.4%87.4%
Public Benefits Bench v1.1Vals AI–69.8%
Access to Justice BenchmarkVals AI–68.5%
Financial Coaching BenchVals AI–73.1%
Immigration BenchVals AI–68.1%
DrugDiscoveryBenchScale AI SEAL–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 ParametricGoogle–72.2%†
指令遵循
LiveBench LanguageLiveBench79.2%†–
LiveBench Instruction FollowingLiveBench65.5%†–
MultiChallengeScale AI SEAL–78.7%†
Arena Instruction FollowingArena (LMArena)14341528
人类偏好
Arena TextArena (LMArena)14391522
EQ-Bench 4EQ-Bench–1236†
EQ-Bench Creative Writing v3EQ-Bench1559†1758†
Arena Creative WritingArena (LMArena)14111523
Arena Multi-turnArena (LMArena)14471545
Arena Longer QueriesArena (LMArena)14491544
多模态
LiveBench DesignLiveBench–69.2%
MMMU-ProArtificial Analysis–88.3%†
SAGEVals AI–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 Hub–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 Analysis79.7%†79.7%
MLCRArtificial Analysis–13.9%
FACTS GroundingGoogle–73.3%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub154.4†166.5†
LiveBench 2.0LiveBench–77.7%
LiveBench 1.0LiveBench74.2%†–
AA Intelligence Index v5.0.1Artificial Analysis–50.4
AA Intelligence Index v4.3.2Artificial Analysis34.3†52.6
AA Progress Index v1Artificial Analysis309.4†341.8
Vals IndexVals AI–69.4
Vals Finance IndexVals AI–66.0%
Vals RSI IndexVals AI–30.6%
Vals Science IndexVals AI–55.4%
Vals Router IndexVals AI–69.2%†
Vals Legal IndexVals AI–76.8%
安全与诚实
DistressBenchScale AI SEAL–68.6%†
元数据
AA Openness IndexArtificial Analysis44.4†–

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。

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…)。
  • DeepSeek V4 Flash (high):1 项分数修订。
  • Gemini 4 Argon (high):1 项新结果(Terminal-Bench)。
  • Gemini 4 Argon (high):1 项分数修订。
  • 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。
  • Gemini 4 Argon (high):4 项分数修订。
  • Gemini 4 Argon (high):1 项分数修订。
  • Gemini 4 Argon (high):价格 $7.68/M → $9.95/M。

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

DeepSeek V4 Flash vs Gemini 4 Argon:常见问题

Gemini 4 Argon 比 DeepSeek V4 Flash 更好吗?
质量上 Gemini 4 Argon (high) 领先:65.3 比 57.2。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。
DeepSeek V4 Flash 和 Gemini 4 Argon 哪个更便宜?价格会变吗?
目前 DeepSeek V4 Flash 更便宜:每百万 token $0.262 比 $4.00(按每 1 个输出 token 对应 3 个输入 token 混合计算)。Gemini 4 Argon 的现价有效至 2026年11月30日,之后为 $8.00。
编程用 DeepSeek V4 Flash 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 55,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,DeepSeek V4 Flash 为 1582,Gemini 4 Argon 为 1681。
DeepSeek V4 Flash 和 Gemini 4 Argon 哪个更快?
DeepSeek V4 Flash 输出更快(输出 82 比 66 token/秒,Artificial Analysis 7 日中位数)。
处理长文档哪个更好?
两者都支持 1,048,576 token 的上下文。
更多问题(3)
哪个延迟更低?
DeepSeek V4 Flash 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 0.7 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 DeepSeek V4 Flash 和 Gemini 4 Argon 的看法一致吗?
在两者都有结果的 30 项基准测试中,DeepSeek V4 Flash 领先 0 项,Gemini 4 Argon 领先 30 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。