Gemini 3.1 Pro vs Gemini 4 Carbon
完整资料:Gemini 3.1 Pro(Google)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 Gemini 3.1 Pro(BenchLeader Index 68.9 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 Carbon 均领先。Gemini 3.1 Pro 输出更快(约 1.5 倍)。
要点(截至 2026年11月16日)
- Gemini 3.1 Pro 的 BenchLeader Index 为 60.4,Gemini 4 Carbon 为 68.9(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 Carbon 每百万 token 混合价格为 $4.00(标价,2026年11月16日)。
- Gemini 3.1 Pro 比 Gemini 4 Carbon 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 11 项基准测试中,Gemini 4 Carbon 领先 11 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 Carbon | 类别得分 74 比 59;Vibe Code Bench v1.1 89.1% 比 32.0% | 高 |
| 智能体与工具调用 | Gemini 4 Carbon | 类别得分 70 比 57;Legal Research Bench 55.8% 比 20.7% | 高 |
| 数学 | Gemini 4 Carbon | 类别得分 72 比 66;OTIS Mock AIME 100.0% 比 95.6% | 中 |
| 推理 | Gemini 4 Carbon | 类别得分 73 比 65;GPQA Diamond 96.5% 比 94.4% | 高 |
| 知识 | Gemini 4 Carbon | 类别得分 76 比 66;SimpleQA Verified 77.7% 比 73.5% | 高 |
| 对话质量(人类偏好) | – | 只有 Gemini 4 Carbon 有 Arena 评分(类别得分 73) | 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 | – |
| 首次回答最快 | Gemini 3.1 Pro | 首个回答 token 15.2 秒(Gemini 3.1 Pro (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 60.4。
- Gemini 4 Carbon (high) 在智能体与工具、编程、知识、数学、推理方面更强。
- 两者价格相近(每百万 token 混合价格 $4.00)。
- Gemini 3.1 Pro (high) 的输出速度是对方的 1.7 倍(111 比 64 token/秒)。
概览
| 规格 | Gemini 3.1 Pro | Gemini 4 Carbon |
|---|---|---|
| 提供商 | ||
| 发布日期 | 2026年2月19日 | 2026年10月28日 |
| 上下文窗口(token) | 1,048,576 | 1,048,576 |
| 对比时的配置 | Gemini 3.1 Pro (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 / $12.00 / $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 | Gemini 3.1 Pro (high) | Gemini 4 Carbon (high) | 领先者 |
|---|---|---|---|
| 推理 | 64.7 | 73.2 | Gemini 4 Carbon |
| 编程 | 58.6 | 74.1 | Gemini 4 Carbon |
| 智能体与工具 | 56.7 | 70.3 | Gemini 4 Carbon |
| 数学 | 65.7 | 71.9 | Gemini 4 Carbon |
| 知识 | 65.6 | 76.1 | Gemini 4 Carbon |
| 人类偏好 | – | 72.6 | 无法比较 |
| 长上下文 | – | 64.3 | 无法比较 |
| 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。
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。
各来源的分歧
在两者都有结果的 11 项基准测试中,Gemini 3.1 Pro 领先 0 项,Gemini 4 Carbon 领先 11 项。所有同时评测两者的综合评分都认为 Gemini 4 Carbon 更强。
| 综合 Index | Gemini 3.1 Pro (high) | Gemini 4 Carbon (high) | 领先者 |
|---|---|---|---|
| BenchLeader Index | 60.4 | 68.9 | Gemini 4 Carbon |
| Arena Text | 1487† | 1526 | Gemini 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 | Gemini 3.1 Pro (high) | Gemini 4 Carbon (high) |
|---|---|---|
| 每百万 token 混合价格 | $4.50 | $4.00 |
| 每百万 token 输入 / 输出 | $2.00 / $12.00 | $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 | $0.0044 | $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) | – | $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 | 111 tok/s | 64 tok/s |
| 首次回答时间 | 15.2 秒 | 73.5 秒 |
| 完整回答耗时(最近一次测量 2026年11月13日) | 37.5 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。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 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 195 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 Carbon (high) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 60.4 | 68.9 |
| 智能体与工具得分 | BenchLeader | 56.7 | 70.3 |
| 编程得分 | BenchLeader | 58.6 | 74.1 |
| 知识得分 | BenchLeader | 65.6 | 76.1 |
| 数学得分 | BenchLeader | 65.7 | 71.9 |
| 推理得分 | BenchLeader | 64.7 | 73.2 |
| 综合得分 | BenchLeader | – | 70.3 |
| 人类偏好得分 | BenchLeader | – | 72.6 |
| 长上下文得分 | BenchLeader | – | 64.3 |
| 混合价格(美元/百万 token) | BenchLeader | $4.50 | $4.00 |
| 输出速度 | BenchLeader | 111 tok/s | 64 tok/s |
| 首次回答时间 | BenchLeader | 15.2 秒 | 73.5 秒 |
| 上下文窗口 | BenchLeader | 1,048,576 token | 1,048,576 token |
| 推理 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 94.4% | 96.5% |
| Humanity's Last Exam | Scale AI / CAIS | 46.4%† | – |
| SimpleBench | SimpleBench | 79.6%† | 92.6%† |
| Arena Hard Prompts | Arena (LMArena) | 1508† | 1547 |
| LiveBench 2.0 Reasoning | LiveBench | – | 90.6% |
| LiveBench 1.0 Reasoning | LiveBench | 84.0% | – |
| GPQA Diamond (AA) | Artificial Analysis | 94.1%† | – |
| Humanity's Last Exam (AA) | Artificial Analysis | 47.0%† | – |
| HLE-Diamond (AA) | Artificial Analysis | 31.4%† | 69.1% |
| GPQA Diamond (Vals) | Vals AI | 95.5% | – |
| EnigmaEval | Scale AI SEAL | 36.8% | – |
| ARC-AGI-1 | ARC Prize | 98.0%† | 97.5% |
| ARC-AGI-2 | ARC Prize | 77.1%† | 92.1% |
| ARC-AGI-3 | ARC Prize | 0.4%† | 96.9% |
| CritPt | Artificial Analysis | 17.7%† | – |
| CritPt v2 hard subset (AA) | Artificial Analysis | – | 69.0% |
| MysteryMechanism | Vals AI | 20.7% | – |
| Arena Expert | Arena (LMArena) | 1509† | 1567 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 51.0% | 78.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 34.0% | 73.0% |
| CL-bench | Epoch AI Benchmarking Hub | 20.8%† | – |
| CL-bench Life | Epoch AI Benchmarking Hub | 16.9%† | – |
| LMCA | Epoch AI Benchmarking Hub | 53.8% | – |
| DTBench | Epoch AI Benchmarking Hub | 95.5% | – |
| ForecastBench | ForecastBench | 65.2% | – |
显示全部 195 项基准测试
| 指标 | 发布方 | Gemini 3.1 Pro (high) | Gemini 4 Carbon (high) |
|---|---|---|---|
| 编程 | |||
| SciCode | SciCode | 58.7%† | 64.2% |
| WeirdML | WeirdML | 72.1%† | – |
| GSO-Bench | GSO-Bench | 22.6%† | – |
| Arena Coding | Arena (LMArena) | 1520† | 1568 |
| Arena WebDev | Arena (LMArena) | 1446† | 1768 |
| LiveBench 2.0 Coding | LiveBench | – | 91.0% |
| LiveBench 1.0 Coding | LiveBench | 76.5% | – |
| SciCode (AA) | Artificial Analysis | 58.7%† | – |
| LiveCodeBench | Vals AI | 88.5% | – |
| IOI | Vals AI | 51.8% | – |
| SWE-bench (Vals) | Vals AI | 78.8% | – |
| SWE-Bench Pro | Scale AI SEAL | 46.1%† | – |
| Code Migration | Vals AI | 17.3% | – |
| ProgramBench | Vals AI | 0.0% | – |
| Vibe Code Bench 1-100 | Vals AI | 6.7% | – |
| Vibe Code Bench v1.1 | Vals AI | 32.0% | 89.1% |
| Vibe Code Bench 1-100 v1.1 | Vals AI | – | 49.7% |
| SWE-Bench Pro (private) | Scale AI SEAL | 32.2%† | – |
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | 13.5%† | – |
| SWE Atlas v1.0: Refactoring | Scale AI SEAL | 33.8%† | – |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | 29.8%† | – |
| SWE Atlas v1.1 | Scale AI SEAL | – | 71.4%† |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | – | 73.4%† |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | – | 76.7%† |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | – | 64.3%† |
| MirrorCode | Epoch AI Benchmarking Hub | 8.9% | – |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | 11.7%† | – |
| CursorBench | Cursor | – | 60.4% |
| ALE-Bench | Epoch AI Benchmarking Hub | 1160.6† | – |
| AlgoTune | AlgoTune | 2.0† | – |
| FrontierSWE | Epoch AI Benchmarking Hub | – | 61.2% |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 4.0%† | 65.2% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 73.8%† | – |
| Design Arena Website | Design Arena | 1226† | 1319† |
| FrontierCode 2.0 (AA) | Artificial Analysis | – | 40.6% |
| 智能体与工具 | |||
| Terminal-Bench | Terminal-Bench | 80.2%† | 64.5% |
| APEX-Agents | Mercor | 35.1%† | 84.2%† |
| Arena Agent | Arena (LMArena) | -4.5† | 17 |
| LiveBench Long Agentic | LiveBench | – | 72.7% |
| LiveBench Browser | LiveBench | – | 80.0% |
| LiveBench Agentic Coding | LiveBench | 44.1% | – |
| Terminal-Bench Hard | Artificial Analysis | 53.8%† | – |
| τ²-Bench Telecom (AA) | Artificial Analysis | 95.6%† | – |
| Terminal-Bench 2.1 (Vals) | Vals AI | 70.8% | – |
| MCP Atlas | Scale AI SEAL | 78.2% | – |
| HiL-Bench | Scale AI SEAL | 35.3%† | 50.3%† |
| τ³-bench Banking | τ²-bench | 26.0% | – |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 14.6%† | – |
| GDPval-AA v2.1 | Artificial Analysis | 799† | 1733 |
| τ³-Banking (AA) | Artificial Analysis | 21.4%† | – |
| ITBench SRE (AA) | Artificial Analysis | 30.3%† | – |
| Analyst Agent (AA) | Artificial Analysis | 41.3%† | – |
| APEX-Agents (AA) | Artificial Analysis | 32.0%† | – |
| Finance Agent v2 | Vals AI | 43.0% | – |
| Finance Agent v2.1 | Vals AI | – | 67.2% |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | – | 17.5% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 0.0% | – |
| Legal Research Bench | Vals AI | 20.7% | 55.8% |
| SREBench | Vals AI | 0.0% | – |
| Tax Agent Bench | Vals AI | 9.3% | 51.8% |
| Terminal-Bench 2.0 (Vals) | Vals AI | 67.4% | – |
| Terminal-Bench 4.0 (Vals) | Vals AI | 2.5% | 63.1% |
| Terminal-Bench Science | Vals AI | 1.4% | – |
| Arena Search | Arena (LMArena) | 1209† | – |
| Arena Agent Task Completion | Arena (LMArena) | -11.3† | 18.4 |
| BALROG | BALROG | 57.0%† | – |
| DeepResearch Bench | DeepResearch Bench | 47.8% | – |
| PostTrainBench | Epoch AI Benchmarking Hub | 18.1%† | – |
| ExploitBench | Epoch AI Benchmarking Hub | 26.1%† | – |
| METR Time Horizons | METR | 77.0%† | – |
| GBAEval | Epoch AI Benchmarking Hub | 0.8%† | – |
| Vending-Bench 2 | Andon Labs | 911.2† | 16484.2† |
| AutomationBench | Artificial Analysis | 35.4%† | 77.8% |
| GDP.pdf (AA) | Artificial Analysis | 17.8%† | 28.4% |
| Harvey LAB-AA v1.1 | Harvey | 0.0%† | – |
| EnterpriseOps-Gym | Artificial Analysis | 42.2%† | – |
| AA-Briefcase v1.1 | Artificial Analysis | 457† | 1611 |
| GDPx | GDPx by SemiAnalysis | – | 10.9% |
| Design Arena Agentic | Design Arena | 1088† | 1305† |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | – | 64.8% |
| MKA (AA) | Artificial Analysis | – | 54.3% |
| BrowseComp | OpenAI | 31.2%† | – |
| DeepSearchQA | 60.2%† | – | |
| FACTS Search | 90.2%† | 94.4%† | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 59.6%† | 90.5% |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 26.8%† | 95.1% |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 95.6% | 100.0% |
| ProofBench | Vals AI | 26.0%† | – |
| LiveBench Mathematics | LiveBench | 91.0% | – |
| AIME (Vals) | Vals AI | 98.1% | – |
| AIME 2026 | MathArena | 98.3% | – |
| HMMT February 2026 | MathArena | 94.7% | – |
| USAMO 2026 | MathArena | 74.4% | – |
| MathArena Apex | MathArena | 60.9% | – |
| ArXivMath | MathArena | – | 94.3% |
| BrokenArXiv | MathArena | – | 84.4% |
| Arena Maths | Arena (LMArena) | 1488† | – |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | – | 2.9% |
| 知识 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 73.5% | 77.7% |
| LiveBench 2.0 Data Analysis | LiveBench | – | 86.5% |
| LiveBench Research | LiveBench | – | 92.5% |
| LiveBench 1.0 Data Analysis | LiveBench | 78.5% | – |
| AA-Omniscience v1.1 | Artificial Analysis | – | 53.5 |
| MMLU-Pro | Vals AI | 91.0% | – |
| LegalBench | Vals AI | 87.4% | – |
| CorpFin | Vals AI | 64.5% | – |
| TaxEval | Vals AI | 72.9% | – |
| MedQA | Vals AI | 96.4% | – |
| PRBench Finance | Scale AI SEAL | 41.9%† | – |
| PRBench Legal | Scale AI SEAL | 44.0%† | 53.4%† |
| MultiNRC | Scale AI SEAL | 64.7%† | – |
| BioMysteryBench | Vals AI | 60.0% | – |
| CaseLaw v2 | Vals AI | 64.8% | – |
| Excel Modeling Benchmark | Vals AI | 52.6% | – |
| Excel Modeling Benchmark v1.1 | Vals AI | – | 76.5% |
| MedCode | Vals AI | 59.1% | – |
| MedScribe | Vals AI | 76.1% | – |
| Public Benefits Bench v1.1 | Vals AI | 53.8% | – |
| Financial Coaching Bench | Vals AI | 66.7% | – |
| DrugDiscoveryBench | Scale AI SEAL | 41.9% | 71.5% |
| EBR-bench | Epoch AI Benchmarking Hub | 14.3%† | 87.6% |
| GDP.pdf | Epoch AI Benchmarking Hub | 17.0% | – |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | – | 58.3% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | – | 88.6% |
| Global-MMLU-Lite (AA) | Artificial Analysis | 93.2%† | – |
| FACTS Parametric | 79.4%† | 81.6%† | |
| 指令遵循 | |||
| LiveBench Language | LiveBench | 85.4% | – |
| LiveBench Instruction Following | LiveBench | 79.1% | – |
| IFBench | Artificial Analysis | 77.1%† | – |
| MultiChallenge | Scale AI SEAL | 71.4%† | – |
| TutorBench | Scale AI SEAL | 53.0%† | – |
| Arena Instruction Following | Arena (LMArena) | 1480† | 1525 |
| 人类偏好 | |||
| Arena Text | Arena (LMArena) | 1487† | 1526 |
| EQ-Bench 4 | EQ-Bench | 1132† | – |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1491† | – |
| Arena Creative Writing | Arena (LMArena) | 1482† | 1516 |
| Arena Multi-turn | Arena (LMArena) | 1495† | 1564 |
| Arena Longer Queries | Arena (LMArena) | 1499† | 1538 |
| 多模态 | |||
| Arena Vision | Arena (LMArena) | 1296† | – |
| LiveBench Design | LiveBench | – | 80.2% |
| MMMU-Pro | Artificial Analysis | 82.4%† | 89.3%† |
| MMMU-Pro (Vals) | Vals AI | 88.2% | – |
| MortgageTax | Vals AI | 69.4% | – |
| SAGE | Vals AI | 83.2% | – |
| Humanity's Sixth Sense | Scale AI SEAL | – | 71.1% |
| VTB | Scale AI SEAL | 29.0%† | – |
| GeoBench | GeoBench | 84.0%† | – |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 26.5%† | 58.6%† |
| Furniture Assembly | Epoch AI Benchmarking Hub | 26.7% | 77.5% |
| VIALS-AA | Handshake AI | – | 64.0% |
| FACTS Multimodal | 50.4%† | 60.2%† | |
| 长上下文 | |||
| AA-LCR v1.1 | Artificial Analysis | 82.0%† | 79.3% |
| Arena Document | Arena (LMArena) | 1459† | – |
| MLCR | Artificial Analysis | 11.1%† | 19.4% |
| FACTS Grounding | 56.6%† | 77.2%† | |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 156.2† | 169.8† |
| LiveBench 2.0 | LiveBench | – | 83.5% |
| LiveBench 1.0 | LiveBench | 77.0% | – |
| AA Intelligence Index v5.0.1 | Artificial Analysis | – | 60.0 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 29.7† | – |
| AA Progress Index v1 | Artificial Analysis | 296.1† | 350.8 |
| Vals Index | Vals AI | – | 70.5 |
| Vals Finance Index | Vals AI | – | 67.0% |
| Vals RSI Index | Vals AI | – | 27.7% |
| Vals Science Index | Vals AI | 27.4% | – |
| Vals Multimodal Index | Vals AI | 56.1% | – |
| Vals Legal Index | Vals AI | – | 75.9% |
| 安全与诚实 | |||
| FORTRESS | Scale AI SEAL | 29.8%† | 16.4%† |
| MASK | Scale AI SEAL | 42.4%† | – |
| DistressBench | Scale AI SEAL | 68.8%† | – |
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。
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。
- Gemini 4 Carbon (high):1 项新结果(Terminal-Bench)。
- Gemini 3.1 Pro (high):4 项新结果(AIME 2026, HMMT February 2026, USAMO 2026…)。
- 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。
- 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)。
- Gemini 4 Carbon (high):BenchLeader Index 69.3 → 68.5。
- Gemini 4 Carbon (high):BenchLeader Index 68.8 → 69.3。
相关对比
- Gemini 3.1 Pro vs Claude Opus 5.5
- Gemini 4 Carbon vs Claude Fable 5.2
- Gemini 4 Carbon vs Claude Opus 5.5
- Gemini 4 Carbon vs GPT-6 Astra
- Gemini 4 Carbon vs Claude Fable 5.1
- Gemini 3 Flash vs Gemini 4 Carbon
- Gemini 3.1 Pro vs Gemini 4 Argon
- Gemini 3.1 Pro vs GPT-6.1 Sol
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
Gemini 3.1 Pro vs Gemini 4 Carbon:常见问题
- Gemini 4 Carbon 比 Gemini 3.1 Pro 更好吗?
- 质量上 Gemini 4 Carbon (high) 领先:68.9 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 Carbon (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 Carbon 哪个更便宜?价格会变吗?
- 目前 Gemini 4 Carbon 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)。两者均未公布价格调整。
- 编程用 Gemini 3.1 Pro 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 59,50 为平均水平)。
- Gemini 3.1 Pro 和 Gemini 4 Carbon 哪个更快?
- Gemini 3.1 Pro 输出更快(约 1.5 倍;输出 111 比 64 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 Carbon 更好?
- Gemini 4 Carbon 在智能体任务方面得分更高(类别得分 70 比 57,50 为平均水平)。
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 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 Gemini 3.1 Pro 和 Gemini 4 Carbon 的看法一致吗?
- 在两者都有结果的 11 项基准测试中,Gemini 3.1 Pro 领先 0 项,Gemini 4 Carbon 领先 11 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。