BenchLeader

Gemini 3.1 Pro vs Gemini 4 Argon

完整资料:Gemini 3.1 Pro(Google)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 Gemini 3.1 Pro(BenchLeader Index 65.3 比 60.4)。两者价格相近(每百万 token 混合价格 $4.50 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)

  • Gemini 3.1 Pro 的 BenchLeader Index 为 60.4,Gemini 4 Argon 为 65.3(BenchLeader,2026年11月16日)。
  • Gemini 3.1 Pro 每百万 token 混合价格为 $4.50(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)。
  • Gemini 3.1 Pro 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 34 项基准测试中,Gemini 4 Argon 领先 32 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Gemini 4 Argon类别得分 67 比 59;IOI 100.0% 比 51.8%高
智能体与工具调用Gemini 4 Argon类别得分 59 比 57;Terminal-Bench 2.1 (Vals) 57.7% 比 70.8%中
数学Gemini 4 Argon类别得分 70 比 66;OTIS Mock AIME 100.0% 比 95.6%中
推理Gemini 4 Argon类别得分 70 比 65;GPQA Diamond 96.4% 比 94.4%中
知识Gemini 4 Argon类别得分 72 比 66;SimpleQA Verified 76.0% 比 73.5%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 $4.50 比 $4.00;智能体编程会话 $0.168 比 $0.160;2026年12月1日 起:$4.50 比 $8.00–
首次回答最快Gemini 3.1 Pro首个回答 token 15.2 秒(Gemini 3.1 Pro (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 60.4。
  • Gemini 4 Argon (high) 在智能体与工具、编程、知识、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 $8.00 比 $4.50。
  • Gemini 3.1 Pro (high) 的输出速度是对方的 1.7 倍(111 比 66 token/秒)。

概览

规格Gemini 3.1 ProGemini 4 Argon
提供商GoogleGoogle
发布日期2026年2月19日2026年9月30日
正式发布2026年2月19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Gemini 3.1 Pro (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 / $12.00 / $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Gemini 3.1 Pro (high)Gemini 4 Argon (high)领先者
推理64.769.5Gemini 4 Argon
编程58.666.7Gemini 4 Argon
智能体与工具56.758.6Gemini 4 Argon
数学65.769.9Gemini 4 Argon
知识65.671.9Gemini 4 Argon
人类偏好–72.1无法比较
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推理编程智能体与工具数学知识Gemini 3.1 Pro, 推理: 64.7Gemini 3.1 Pro, 编程: 58.6Gemini 3.1 Pro, 智能体与工具: 56.7Gemini 3.1 Pro, 数学: 65.7Gemini 3.1 Pro, 知识: 65.6Gemini 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, 知识: 71.9

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 34 项基准测试中,Gemini 3.1 Pro 领先 2 项,Gemini 4 Argon 领先 32 项。所有同时评测两者的综合评分都认为 Gemini 4 Argon 更强。

综合 IndexGemini 3.1 Pro (high)Gemini 4 Argon (high)领先者
BenchLeader Index60.465.3Gemini 4 Argon
Arena Text1487†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Gemini 3.1 Pro (high)Gemini 4 Argon (high)
每百万 token 混合价格(截至 2026年11月30日)$4.50$4.00
每百万 token 输入 / 输出$2.00 / $12.00$2.00 / $10.00
自 2026年12月1日 起每百万 token 混合价格$4.50$8.00
自 2026年12月1日 起每百万 token 输入 / 输出$2.00 / $12.00$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$0.0044$0.0038
每项任务价格:总结一份 30 页的报告$0.031$0.030
每项任务价格:代码编辑$0.030$0.027
每项任务价格:智能体编程会话$0.168$0.160
每项任务价格:结构化信息提取$0.0064$0.0060
智能体编程会话(输入大多命中缓存)$0.087$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111 tok/s66 tok/s
首次回答时间15.2 秒45.7 秒
完整回答耗时(最近一次测量 2026年11月13日)37.5 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。Gemini 3.1 Pro (high) 得分 60.4,首个回答 token 需 15 秒;Gemini 3.1 Pro 为 59.9(15 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 216 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Gemini 3.1 Pro (high)Gemini 4 Argon (high)
BenchLeader IndexBenchLeader60.465.3
智能体与工具得分BenchLeader56.758.6
编程得分BenchLeader58.666.7
知识得分BenchLeader65.671.9
数学得分BenchLeader65.769.9
推理得分BenchLeader64.769.5
综合得分BenchLeader–63.8
人类偏好得分BenchLeader–72.1
长上下文得分BenchLeader–64.5
混合价格(美元/百万 token)BenchLeader$4.50$4.00
输出速度BenchLeader111 tok/s66 tok/s
首次回答时间BenchLeader15.2 秒45.7 秒
上下文窗口BenchLeader1,048,576 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub94.4%96.4%
Humanity's Last ExamScale AI / CAIS46.4%†–
SimpleBenchSimpleBench79.6%†91.7%†
Arena Hard PromptsArena (LMArena)1508†1545
LiveBench 2.0 ReasoningLiveBench–95.1%
LiveBench 1.0 ReasoningLiveBench84.0%–
GPQA Diamond (AA)Artificial Analysis94.1%†–
Humanity's Last Exam (AA)Artificial Analysis47.0%†57.1%
HLE-Diamond (AA)Artificial Analysis31.4%†56.7%
GPQA Diamond (Vals)Vals AI95.5%–
EnigmaEvalScale AI SEAL36.8%–
ARC-AGI-1ARC Prize98.0%†98.5%
ARC-AGI-2ARC Prize77.1%†91.3%
ARC-AGI-3ARC Prize0.4%†97.3%
CritPtArtificial Analysis17.7%†27.1%
CritPt v2 hard subset (AA)Artificial Analysis–52.5%
MysteryMechanismVals AI20.7%45.5%
HLE-Diamond (Scale)Scale AI SEAL–53.2%†
Arena ExpertArena (LMArena)1509†1549
Chess PuzzlesEpoch AI Benchmarking Hub51.0%59.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub34.0%64.0%
CL-benchEpoch AI Benchmarking Hub20.8%†–
CL-bench LifeEpoch AI Benchmarking Hub16.9%†–
LMCAEpoch AI Benchmarking Hub53.8%63.7%
DTBenchEpoch AI Benchmarking Hub95.5%97.3%
显示全部 216 项基准测试
指标发布方Gemini 3.1 Pro (high)Gemini 4 Argon (high)
推理
ForecastBenchForecastBench65.2%–
编程
SciCodeSciCode58.7%†61.8%
WeirdMLWeirdML72.1%†–
FrontierCodeCognition–47.5%†
GSO-BenchGSO-Bench22.6%†–
Arena CodingArena (LMArena)1520†1553
Arena WebDevArena (LMArena)1446†1681
LiveBench 2.0 CodingLiveBench–85.7%
LiveBench 1.0 CodingLiveBench76.5%–
LiveCodeBenchVals AI88.5%–
IOIVals AI51.8%100.0%
SWE-bench (Vals)Vals AI78.8%–
SWE-Bench ProScale AI SEAL46.1%†–
Code MigrationVals AI17.3%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 AI6.7%21.2%
Vibe Code Bench v1.1Vals AI32.0%91.9%
SWE-Bench Pro (private)Scale AI SEAL32.2%†–
SWE Atlas v1.0: Codebase QnAScale AI SEAL13.5%†–
SWE Atlas v1.0: RefactoringScale AI SEAL33.8%†–
SWE Atlas v1.0: Test WritingScale AI SEAL29.8%†–
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 Hub8.9%58.9%
DeepSWE v1.1Epoch AI Benchmarking Hub11.7%†–
CursorBenchCursor–52.9%
ALE-BenchEpoch AI Benchmarking Hub1160.6†2100.1
AlgoTuneAlgoTune2.0†–
FrontierSWEEpoch AI Benchmarking Hub–55.0%
WeirdML v3WeirdML–20.3%
Terminal-Bench 4.0 (AA)Artificial Analysis4.0%†57.1%
Terminal-Bench 2.1 (AA)Artificial Analysis73.8%†–
GameBench 2 OverallDuelLab GameBench 2–81.7†
GameBench 2 by reasoning settingDuelLab GameBench 2–89.2
Design Arena WebsiteDesign Arena1226†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-Bench80.2%†55.5%
Remote Labor IndexScale AI / CAIS–17.1%†
APEX-AgentsMercor35.1%†82.4%†
Arena AgentArena (LMArena)-4.5†10.7
LiveBench Long AgenticLiveBench–58.5%
LiveBench BrowserLiveBench–82.8%
LiveBench Agentic CodingLiveBench44.1%–
Terminal-Bench HardArtificial Analysis53.8%†–
τ²-Bench Telecom (AA)Artificial Analysis95.6%†–
Terminal-Bench 2.1 (Vals)Vals AI70.8%57.7%
MCP AtlasScale AI SEAL78.2%90.7%†
HiL-BenchScale AI SEAL35.3%†62.0%†
τ³-bench Bankingτ²-bench26.0%–
GDPval-AA v2.1, normalised scoreArtificial Analysis14.6%†56.2%
GDPval-AA v2.1Artificial Analysis799†1634
τ³-Banking (AA)Artificial Analysis21.4%†–
ITBench SRE (AA)Artificial Analysis30.3%†–
Analyst Agent (AA)Artificial Analysis41.3%†48.8%
APEX-Agents (AA)Artificial Analysis32.0%†–
CUA-benchVals AI–4.8%
CyberBenchVals AI–77.9%
Finance Agent v2Vals AI43.0%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 AI0.0%19.6%
Legal Research BenchVals AI20.7%54.8%
Robo-benchVals AI–0.8%
SREBenchVals AI0.0%44.3%
Tax Agent BenchVals AI9.3%49.2%
Terminal-Bench 2.0 (Vals)Vals AI67.4%–
Terminal-Bench 4.0 (Vals)Vals AI2.5%57.6%
Terminal-Bench ScienceVals AI1.4%44.3%
Time Horizon Index: KSPVals AI–52.5%
Arena SearchArena (LMArena)1209†–
Arena Agent Task CompletionArena (LMArena)-11.3†13.2
BALROGBALROG57.0%†–
DeepResearch BenchDeepResearch Bench47.8%–
PostTrainBenchEpoch AI Benchmarking Hub18.1%†40.4%
ExploitBenchEpoch AI Benchmarking Hub26.1%†–
METR Time HorizonsMETR77.0%†–
GBAEvalEpoch AI Benchmarking Hub0.8%†–
Vending-Bench 2Andon Labs911.2†13718.2†
AutomationBenchArtificial Analysis35.4%†77.5%
GDP.pdf (AA)Artificial Analysis17.8%†21.8%
Harvey LAB-AA v1.1Harvey0.0%†3.9%
EnterpriseOps-GymArtificial Analysis42.2%†–
AA-Briefcase v1.1Artificial Analysis457†1485
GDPxGDPx by SemiAnalysis–7.3%
Design Arena AgenticDesign Arena1088†1274†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–52.9%
MKA (AA)Artificial Analysis–51.3%
BrowseCompOpenAI31.2%†–
DeepSearchQAGoogle60.2%†–
FACTS SearchGoogle90.2%†89.9%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub59.6%†86.0%
FrontierMath Tier 4Epoch AI Benchmarking Hub26.8%†78.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub95.6%100.0%
ProofBenchVals AI26.0%†99.0%†
LiveBench MathematicsLiveBench91.0%–
AIME (Vals)Vals AI98.1%–
AIME 2026MathArena98.3%–
HMMT February 2026MathArena94.7%–
USAMO 2026MathArena74.4%–
MathArena ApexMathArena60.9%–
ArXivMathMathArena–84.4%
BrokenArXivMathArena–47.9%
Arena MathsArena (LMArena)1488†1536
FrontierMath ErdősEpoch AI Benchmarking Hub–1.5%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub73.5%76.0%
LiveBench 2.0 Data AnalysisLiveBench–85.2%
LiveBench ResearchLiveBench–86.8%
LiveBench 1.0 Data AnalysisLiveBench78.5%–
AA-Omniscience v1.1Artificial Analysis–46.1
MMLU-ProVals AI91.0%–
LegalBenchVals AI87.4%88.3%
CorpFinVals AI64.5%–
TaxEvalVals AI72.9%–
MedQAVals AI96.4%–
PRBench FinanceScale AI SEAL41.9%†49.9%†
PRBench LegalScale AI SEAL44.0%†49.4%†
MultiNRCScale AI SEAL64.7%†–
BioMysteryBenchVals AI60.0%76.3%
CaseLaw v2Vals AI64.8%–
Excel Modeling BenchmarkVals AI52.6%75.2%
Excel Modeling Benchmark v1.1Vals AI–74.8%
MedCodeVals AI59.1%58.8%
MedScribeVals AI76.1%87.4%
Public Benefits Bench v1.1Vals AI53.8%69.8%
Access to Justice BenchmarkVals AI–68.5%
Financial Coaching BenchVals AI66.7%73.1%
Immigration BenchVals AI–68.1%
DrugDiscoveryBenchScale AI SEAL41.9%65.4%
EBR-benchEpoch AI Benchmarking Hub14.3%†64.8%
GDP.pdfEpoch AI Benchmarking Hub17.0%28.4%
AA-Omniscience v1.1: accuracyArtificial Analysis–48.3%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–95.7%
Global-MMLU-Lite (AA)Artificial Analysis93.2%†–
HealthBench Professional (AA)OpenAI–55.0%
FACTS ParametricGoogle79.4%†72.2%†
指令遵循
LiveBench LanguageLiveBench85.4%–
LiveBench Instruction FollowingLiveBench79.1%–
IFBenchArtificial Analysis77.1%†–
MultiChallengeScale AI SEAL71.4%†78.7%†
TutorBenchScale AI SEAL53.0%†–
Arena Instruction FollowingArena (LMArena)1480†1528
人类偏好
Arena TextArena (LMArena)1487†1522
EQ-Bench 4EQ-Bench1132†1236†
EQ-Bench Creative Writing v3EQ-Bench1491†1758†
Arena Creative WritingArena (LMArena)1482†1523
Arena Multi-turnArena (LMArena)1495†1545
Arena Longer QueriesArena (LMArena)1499†1544
多模态
Arena VisionArena (LMArena)1296†–
LiveBench DesignLiveBench–69.2%
MMMU-ProArtificial Analysis82.4%†88.3%†
MMMU-Pro (Vals)Vals AI88.2%–
MortgageTaxVals AI69.4%–
SAGEVals AI83.2%89.5%
AudioMCScale AI SEAL–58.4%
AudioMC (text output)Scale AI SEAL–58.4%
Humanity's Sixth SenseScale AI SEAL–55.4%
VTBScale AI SEAL29.0%†–
GeoBenchGeoBench84.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub26.5%†54.5%†
Furniture AssemblyEpoch AI Benchmarking Hub26.7%72.5%
VIALS-AAHandshake AI–59.6%
Code2Video-AAArtificial Analysis–1259
AA-3DArtificial Analysis–1147
FACTS MultimodalGoogle50.4%†54.2%†
长上下文
AA-LCR v1.1Artificial Analysis82.0%†79.7%
Arena DocumentArena (LMArena)1459†–
MLCRArtificial Analysis11.1%†13.9%
FACTS GroundingGoogle56.6%†73.3%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub156.2†166.5†
LiveBench 2.0LiveBench–77.7%
LiveBench 1.0LiveBench77.0%–
AA Intelligence Index v5.0.1Artificial Analysis–50.4
AA Intelligence Index v4.3.2Artificial Analysis29.7†52.6
AA Progress Index v1Artificial Analysis296.1†341.8
Vals IndexVals AI–69.4
Vals Finance IndexVals AI–66.0%
Vals RSI IndexVals AI–30.6%
Vals Science IndexVals AI27.4%55.4%
Vals Multimodal IndexVals AI56.1%–
Vals Router IndexVals AI–69.2%†
Vals Legal IndexVals AI–76.8%
安全与诚实
FORTRESSScale AI SEAL29.8%†–
MASKScale AI SEAL42.4%†–
DistressBenchScale AI SEAL68.8%†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…)。
  • 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 3.1 Pro (high):4 项新结果(AIME 2026, HMMT February 2026, USAMO 2026…)。
  • 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

Gemini 3.1 Pro vs Gemini 4 Argon:常见问题

Gemini 4 Argon 比 Gemini 3.1 Pro 更好吗?
质量上 Gemini 4 Argon (high) 领先:65.3 比 60.4。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。
Gemini 3.1 Pro 和 Gemini 4 Argon 哪个更便宜?价格会变吗?
目前 Gemini 4 Argon 更便宜:每百万 token $4.00 比 $4.50(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 Gemini 3.1 Pro 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 59,50 为平均水平)。在两者共同的最主要编程基准测试 IOI 上,Gemini 3.1 Pro 为 51.8%,Gemini 4 Argon 为 100.0%。
Gemini 3.1 Pro 和 Gemini 4 Argon 哪个更快?
Gemini 3.1 Pro 输出更快(约 1.5 倍;输出 111 比 66 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Gemini 3.1 Pro 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 57,50 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 2.1 (Vals) 上,Gemini 3.1 Pro 为 70.8%,Gemini 4 Argon 为 57.7%。
更多问题(4)
处理长文档哪个更好?
两者都支持 1,048,576 token 的上下文。
哪个延迟更低?
Gemini 3.1 Pro 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 15.2 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 Gemini 3.1 Pro 和 Gemini 4 Argon 的看法一致吗?
在两者都有结果的 34 项基准测试中,Gemini 3.1 Pro 领先 2 项,Gemini 4 Argon 领先 32 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。