BenchLeader

Gemini 3.5 Flash vs Gemini 4 Carbon

完整资料:Gemini 3.5 Flash(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 3.5 Flash(BenchLeader Index 68.9 比 62.5)。不过,Gemini 3.5 Flash 更便宜,对方的价格是它的 1.2 倍(每百万 token 混合价格 $3.38 比 $4.00)。在两者都有成绩的所有类别中,Gemini 4 Carbon 均领先。Gemini 3.5 Flash 输出更快(约 2 倍)。

要点(截至 2026年11月16日)

  • Gemini 3.5 Flash 的 BenchLeader Index 为 62.5,Gemini 4 Carbon 为 68.9(BenchLeader,2026年11月16日)。
  • Gemini 3.5 Flash 每百万 token 混合价格为 $3.38(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 3.5 Flash 比 Gemini 4 Carbon 输出更快(约 2 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 33 项基准测试中,Gemini 4 Carbon 领先 33 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Gemini 3.5 Flash 的评分为 1500,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 1500高
智能体与工具调用Gemini 4 Carbon类别得分 70 比 63;GDPval-AA v2.1 1733 比 1211高
数学Gemini 4 Carbon类别得分 72 比 58;FrontierMath Tiers 1–3 90.5% 比 62.8%高
推理Gemini 4 Carbon类别得分 73 比 61;GPQA Diamond 96.5% 比 92.8%高
知识Gemini 4 Carbon类别得分 76 比 63;SimpleQA Verified 77.7% 比 66.2%高
长文档Gemini 4 Carbon类别得分 64 比 61;AA-LCR v1.1 79.3% 比 73.3%中
对话质量(人类偏好)Gemini 4 CarbonArena 投票 73 比 67中
成本最低Gemini 3.5 Flash每百万 token 混合价格 $3.38 比 $4.00;智能体编程会话 $0.126 比 $0.160–
首次回答最快Gemini 3.5 Flash首个回答 token 9.9 秒(Gemini 3.5 Flash (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 62.5。
  • Gemini 4 Carbon (high) 在智能体与工具、编程、人类偏好、知识、长上下文、数学、推理方面更强。
  • Gemini 3.5 Flash (high) 更便宜,对方的价格是它的 1.2 倍(每百万 token 混合价格 $3.38 比 $4.00)。
  • Gemini 3.5 Flash (high) 的输出速度是对方的 2.8 倍(176 比 64 token/秒)。

概览

规格Gemini 3.5 FlashGemini 4 Carbon
提供商GoogleGoogle
发布日期2026年5月19日2026年10月28日
上下文窗口(token)1,048,5761,048,576
对比时的配置Gemini 3.5 Flash (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)$1.50 / $9.00 / $0.150$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 3.5 Flash (high)Gemini 4 Carbon (high)领先者
推理60.673.2Gemini 4 Carbon
编程59.574.1Gemini 4 Carbon
智能体与工具62.870.3Gemini 4 Carbon
数学57.771.9Gemini 4 Carbon
知识63.376.1Gemini 4 Carbon
指令遵循74.4–无法比较
人类偏好66.872.6Gemini 4 Carbon
多模态66.2–无法比较
长上下文61.264.3Gemini 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知识长上下文人类偏好Gemini 3.5 Flash, 推理: 60.6Gemini 3.5 Flash, 编程: 59.5Gemini 3.5 Flash, 智能体与工具: 62.8Gemini 3.5 Flash, 数学: 57.7Gemini 3.5 Flash, 知识: 63.3Gemini 3.5 Flash, 长上下文: 61.2Gemini 3.5 Flash, 人类偏好: 66.8Gemini 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, 知识: 76.1Gemini 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):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 33 项基准测试中,Gemini 3.5 Flash 领先 0 项,Gemini 4 Carbon 领先 33 项。所有同时评测两者的综合评分都认为 Gemini 4 Carbon 更强。

综合 IndexGemini 3.5 Flash (high)Gemini 4 Carbon (high)领先者
BenchLeader Index62.568.9Gemini 4 Carbon
Arena Text14781526Gemini 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 3.5 Flash (high)Gemini 4 Carbon (high)
每百万 token 混合价格$3.38$4.00
每百万 token 输入 / 输出$1.50 / $9.00$2.00 / $10.00
每百万 token 缓存输入$0.150$0.100
每项任务价格:聊天回复$0.0033$0.0038
每项任务价格:总结一份 30 页的报告$0.023$0.030
每项任务价格:代码编辑$0.022$0.027
每项任务价格:智能体编程会话$0.126$0.160
每项任务价格:结构化信息提取$0.0048$0.0060
智能体编程会话(输入大多命中缓存)$0.065$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176 tok/s64 tok/s
首次回答时间9.9 秒73.5 秒
完整回答耗时(最近一次测量 2026年11月13日)27.6 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 3.5 Flash (high) 得分 62.5,首个回答 token 需 10 秒;Gemini 3.5 Flash (medium) 为 61.8(9 秒),Gemini 3.5 Flash (minimal) 为 55.6(3 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 160 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 3.5 Flash (high)Gemini 4 Carbon (high)
BenchLeader IndexBenchLeader62.568.9
智能体与工具得分BenchLeader62.870.3
编程得分BenchLeader59.574.1
人类偏好得分BenchLeader66.872.6
指令遵循得分BenchLeader74.4–
知识得分BenchLeader63.376.1
长上下文得分BenchLeader61.264.3
数学得分BenchLeader57.771.9
多模态得分BenchLeader66.2–
推理得分BenchLeader60.673.2
综合得分BenchLeader–70.3
混合价格(美元/百万 token)BenchLeader$3.38$4.00
输出速度BenchLeader176 tok/s64 tok/s
首次回答时间BenchLeader9.9 秒73.5 秒
上下文窗口BenchLeader1,048,576 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub92.8%96.5%
SimpleBenchSimpleBench76.7%†92.6%†
Arena Hard PromptsArena (LMArena)14961547
LiveBench 2.0 ReasoningLiveBench–90.6%
LiveBench 1.0 ReasoningLiveBench82.0%–
GPQA Diamond (AA)Artificial Analysis92.2%–
Humanity's Last Exam (AA)Artificial Analysis42.7%–
HLE-Diamond (AA)Artificial Analysis–69.1%
GPQA Diamond (Vals)Vals AI92.7%–
EnigmaEvalScale AI SEAL25.4%–
ARC-AGI-1ARC Prize92.5%97.5%
ARC-AGI-2ARC Prize72.1%92.1%
ARC-AGI-3ARC Prize–96.9%
CritPtArtificial Analysis13.1%–
CritPt v2 hard subset (AA)Artificial Analysis–69.0%
Arena ExpertArena (LMArena)14911567
Chess PuzzlesEpoch AI Benchmarking Hub45.0%78.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub32.0%73.0%
LMCAEpoch AI Benchmarking Hub47.1%–
DTBenchEpoch AI Benchmarking Hub94.7%–
ForecastBenchForecastBench64.0%†–
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub79.3%–
SciCodeSciCode53.9%64.2%
WeirdMLWeirdML62.6%–
Arena CodingArena (LMArena)15081568
显示全部 160 项基准测试
指标发布方Gemini 3.5 Flash (high)Gemini 4 Carbon (high)
编程
Arena WebDevArena (LMArena)15001768
LiveBench 2.0 CodingLiveBench–91.0%
LiveBench 1.0 CodingLiveBench78.2%–
SciCode (AA)Artificial Analysis53.9%–
LiveCodeBenchVals AI87.6%–
SWE-bench (Vals)Vals AI78.8%–
Code MigrationVals AI26.8%–
ProgramBenchVals AI0.0%–
Vibe Code Bench v1.1Vals AI48.7%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%†
Surface Evolver BenchEpoch AI Benchmarking Hub58.1%†–
DeepSWE v1.1Epoch AI Benchmarking Hub36.1%–
CursorBenchCursor–60.4%
ALE-BenchEpoch AI Benchmarking Hub911.0–
FrontierSWEEpoch AI Benchmarking Hub–61.2%
Terminal-Bench 4.0 (AA)Artificial Analysis6.6%65.2%
Terminal-Bench 2.1 (AA)Artificial Analysis78.7%–
GameBench 2 OverallDuelLab GameBench 249.4†–
GameBench 2 by reasoning settingDuelLab GameBench 263.2–
Design Arena WebsiteDesign Arena1260†1319†
FrontierCode 2.0 (AA)Artificial Analysis–40.6%
智能体与工具
Terminal-BenchTerminal-Bench–64.5%
APEX-AgentsMercor27.5%†84.2%†
Arena AgentArena (LMArena)–17
LiveBench Long AgenticLiveBench–72.7%
LiveBench BrowserLiveBench–80.0%
LiveBench Agentic CodingLiveBench49.0%–
Terminal-Bench HardArtificial Analysis40.9%–
τ²-Bench Telecom (AA)Artificial Analysis95.3%–
Terminal-Bench 2.1 (Vals)Vals AI74.2%–
MCP AtlasScale AI SEAL83.6%–
HiL-BenchScale AI SEAL27.7%†50.3%†
GDPval-AA v2.1Artificial Analysis12111733
τ³-Banking (AA)Artificial Analysis32.2%–
ITBench SRE (AA)Artificial Analysis40.4%–
Analyst Agent (AA)Artificial Analysis45.0%–
APEX-Agents (AA)Artificial Analysis47.0%–
Finance Agent v2Vals AI57.9%–
Finance Agent v2.1Vals AI–67.2%
Harvey's Legal Agent Benchmark v1.1Vals AI–17.5%
Harvey's Legal Agent Benchmark v1Vals AI2.5%–
Legal Research BenchVals AI30.8%55.8%
SkillsBenchVals AI52.7%–
Tax Agent BenchVals AI21.6%51.8%
Terminal-Bench 2.0 (Vals)Vals AI67.4%–
Terminal-Bench 4.0 (Vals)Vals AI6.1%63.1%
Terminal-Bench ScienceVals AI5.7%–
Web Search IndexVals AI37.0%–
Arena Agent Task CompletionArena (LMArena)–18.4
GBAEvalEpoch AI Benchmarking Hub6.7%†–
Vending-Bench 2Andon Labs5396.4†16484.2†
AutomationBenchArtificial Analysis42.1%77.8%
GDP.pdf (AA)Artificial Analysis19.8%28.4%
EnterpriseOps-GymArtificial Analysis50.1%–
AA-Briefcase v1.1Artificial Analysis8761611
GDPxGDPx by SemiAnalysis–10.9%
Design Arena AgenticDesign Arena1174†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 Hub62.8%90.5%
FrontierMath Tier 4Epoch AI Benchmarking Hub26.8%95.1%
OTIS Mock AIMEEpoch AI Benchmarking Hub95.6%100.0%
ProofBenchVals AI31.0%–
LiveBench MathematicsLiveBench88.2%–
AIME 2026MathArena95.0%–
HMMT February 2026MathArena95.5%–
MathArena ApexMathArena32.3%–
ArXivMathMathArena–94.3%
BrokenArXivMathArena–84.4%
Arena MathsArena (LMArena)1497–
FrontierMath ErdősEpoch AI Benchmarking Hub–2.9%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub66.2%77.7%
LiveBench 2.0 Data AnalysisLiveBench–86.5%
LiveBench ResearchLiveBench–92.5%
LiveBench 1.0 Data AnalysisLiveBench64.9%–
AA-Omniscience v1.1Artificial Analysis–53.5
MMLU-ProVals AI89.5%–
LegalBenchVals AI83.6%–
CorpFinVals AI64.7%–
TaxEvalVals AI74.4%–
PRBench LegalScale AI SEAL–53.4%†
Excel Modeling BenchmarkVals AI63.5%–
Excel Modeling Benchmark v1.1Vals AI–76.5%
MedCodeVals AI55.8%–
MedScribeVals AI76.6%–
Public Benefits Bench v1.1Vals AI59.5%–
Financial Coaching BenchVals AI63.0%–
DrugDiscoveryBenchScale AI SEAL50.0%71.5%
EBR-benchEpoch AI Benchmarking Hub4.8%87.6%
GDP.pdfEpoch AI Benchmarking Hub14.0%†–
AA-Omniscience v1.1: accuracyArtificial Analysis–58.3%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–88.6%
FACTS ParametricGoogle–81.6%†
指令遵循
LiveBench LanguageLiveBench84.6%–
LiveBench Instruction FollowingLiveBench75.6%–
IFBenchArtificial Analysis76.3%–
Arena Instruction FollowingArena (LMArena)14651525
人类偏好
Arena TextArena (LMArena)14781526
EQ-Bench 4EQ-Bench1077†–
Arena Creative WritingArena (LMArena)14651516
Arena Multi-turnArena (LMArena)14801564
Arena Longer QueriesArena (LMArena)14831538
多模态
Arena VisionArena (LMArena)1308–
LiveBench DesignLiveBench–80.2%
MMMU-ProArtificial Analysis84.3%89.3%†
MMMU-Pro (Vals)Vals AI88.3%–
MortgageTaxVals AI68.1%–
Humanity's Sixth SenseScale AI SEAL32.6%71.1%
GeoBenchGeoBench85.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub33.6%†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 Analysis73.3%79.3%
Arena DocumentArena (LMArena)1455–
MLCRArtificial Analysis10.0%19.4%
FACTS GroundingGoogle–77.2%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub155.3†169.8†
LiveBench 2.0LiveBench–83.5%
LiveBench 1.0LiveBench74.6%–
AA Intelligence Index v5.0.1Artificial Analysis–60.0
AA Intelligence Index v4.3.2Artificial Analysis32.6–
AA Progress Index v1Artificial Analysis305.1350.8
Vals IndexVals AI–70.5
Vals Finance IndexVals AI–67.0%
Vals RSI IndexVals AI–27.7%
Vals Multimodal IndexVals AI62.9%–
Vals Legal IndexVals AI–75.9%
安全与诚实
FORTRESSScale AI SEAL–16.4%†
DistressBenchScale AI SEAL66.9%†–

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。
  • Gemini 3.5 Flash (high):1 项新结果(GDPval-AA v2.1);1 项分数修订。
  • Gemini 4 Carbon (high):1 项新结果(Terminal-Bench)。
  • Gemini 3.5 Flash (high):3 项新结果(AIME 2026, HMMT February 2026, MathArena Apex)。
  • 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。

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 3.5 Flash vs Gemini 4 Carbon:常见问题

Gemini 4 Carbon 比 Gemini 3.5 Flash 更好吗?
质量上 Gemini 4 Carbon (high) 领先:68.9 比 62.5。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 3.5 Flash 和 Gemini 4 Carbon 哪个更便宜?价格会变吗?
目前 Gemini 3.5 Flash 更便宜:每百万 token $3.38 比 $4.00(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 3.5 Flash 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,Gemini 3.5 Flash 为 1500,Gemini 4 Carbon 为 1768。
Gemini 3.5 Flash 和 Gemini 4 Carbon 哪个更快?
Gemini 3.5 Flash 输出更快(约 2 倍;输出 176 比 64 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Gemini 3.5 Flash 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 63,50 为平均水平)。
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 61)。两者都支持 1,048,576 token 的上下文。
哪个延迟更低?
Gemini 3.5 Flash 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 9.9 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 3.5 Flash 和 Gemini 4 Carbon 的看法一致吗?
在两者都有结果的 33 项基准测试中,Gemini 3.5 Flash 领先 0 项,Gemini 4 Carbon 领先 33 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。