BenchLeader

Gemini 3.5 Flash vs GPT-5.4 Pro

完整资料:Gemini 3.5 Flash(Google)和 GPT-5.4 Pro(OpenAI),包括全部基准测试、价格和排名。

更新于 · 数据来自 11 个来源

截至 2026年11月16日,Gemini 3.5 Flash 与 GPT-5.4 Pro 的质量不相上下(BenchLeader Index 62.5 比 63.1,在 ±4.4 的误差范围内)。Gemini 3.5 Flash 更便宜,对方的价格是它的 20 倍(每百万 token 混合价格 $3.38 比 $67.50)。看重指令遵循(74 比 64)选 Gemini 3.5 Flash;看重知识(74 比 63)、推理(70 比 61)和多模态(70 比 66)选 GPT-5.4 Pro。Gemini 3.5 Flash 的输出更快(3 倍以上)。

要点(截至 2026年11月16日)

  • Gemini 3.5 Flash 的 BenchLeader Index 为 62.5,GPT-5.4 Pro 为 63.1(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)。
  • GPT-5.4 Pro 每百万 token 混合价格为 $67.50(标价,2026年11月16日)。
  • Gemini 3.5 Flash 比 GPT-5.4 Pro 输出更快(3 倍以上;Artificial Analysis,7 日中位数,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
推理GPT-5.4 Pro类别得分 70 比 61高
知识GPT-5.4 Pro类别得分 74 比 63高
图像及其他媒体GPT-5.4 Pro类别得分 70 比 66中
指令遵循Gemini 3.5 Flash类别得分 74 比 64高
对话质量(人类偏好)–只有 Gemini 3.5 Flash 有 Arena 评分(类别得分 67)无法比较
成本最低Gemini 3.5 Flash每百万 token 混合价格 $3.38 比 $67.50;智能体编程会话 $0.126 比 $2.52–
首次回答最快均可首个回答 token 9.9 秒(Gemini 3.5 Flash (high))比 7.9 秒(GPT-5.4 Pro)–
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

  • Gemini 3.5 Flash (high) 与 GPT-5.4 Pro 的质量不相上下(62.5 比 63.1,在 ±4.4 的误差范围内)。
  • Gemini 3.5 Flash (high) 在指令遵循方面更强。
  • GPT-5.4 Pro 在知识、多模态、推理方面更强。
  • Gemini 3.5 Flash (high) 更便宜,对方的价格是它的 20 倍(每百万 token 混合价格 $3.38 比 $67.50)。
  • Gemini 3.5 Flash (high) 的输出速度是对方的 27.0 倍(176 比 7 token/秒)。

概览

规格Gemini 3.5 FlashGPT-5.4 Pro
提供商GoogleOpenAI
发布日期2026年5月19日2026年3月4日
上下文窗口(token)1,048,5761,050,000
对比时的配置Gemini 3.5 Flash (high)GPT-5.4 Pro
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$30.00 / $180.00 / –

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)GPT-5.4 Pro领先者
推理60.670.1GPT-5.4 Pro
编程59.5–无法比较
智能体与工具62.8–无法比较
数学57.7–无法比较
知识63.374.0GPT-5.4 Pro
指令遵循74.464.4Gemini 3.5 Flash
人类偏好66.8–无法比较
多模态66.269.8GPT-5.4 Pro
长上下文61.2–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推理知识指令遵循多模态Gemini 3.5 Flash, 推理: 60.6Gemini 3.5 Flash, 知识: 63.3Gemini 3.5 Flash, 指令遵循: 74.4Gemini 3.5 Flash, 多模态: 66.2GPT-5.4 Pro, 推理: 70.1GPT-5.4 Pro, 知识: 74.0GPT-5.4 Pro, 指令遵循: 64.4GPT-5.4 Pro, 多模态: 69.8

未绘制(测得的模型少于两个):编程, 智能体与工具, 数学, 长上下文, 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 0 项基准测试中,Gemini 3.5 Flash 领先 0 项,GPT-5.4 Pro 领先 0 项。

综合 IndexGemini 3.5 Flash (high)GPT-5.4 Pro领先者
BenchLeader Index62.563.1不相上下

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)GPT-5.4 Pro
每百万 token 混合价格$3.38$67.50
每百万 token 输入 / 输出$1.50 / $9.00$30.00 / $180.00
每百万 token 缓存输入$0.150–
每项任务价格:聊天回复$0.0033$0.066
每项任务价格:总结一份 30 页的报告$0.023$0.468
每项任务价格:代码编辑$0.022$0.450
每项任务价格:智能体编程会话$0.126$2.52
每项任务价格:结构化信息提取$0.0048$0.096
智能体编程会话(输入大多命中缓存)$0.065–
输出速度176 tok/s7 tok/s
首次回答时间9.9 秒7.9 秒
完整回答耗时(最近一次测量 2026年11月13日)27.6 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)。GPT-5.4 Pro 得分 63.1,首个回答 token 需 8 秒;GPT-5.4 Pro (xhigh) 为 59.5(8 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 119 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)GPT-5.4 Pro
BenchLeader IndexBenchLeader62.563.1
智能体与工具得分BenchLeader62.8–
编程得分BenchLeader59.5–
人类偏好得分BenchLeader66.8–
指令遵循得分BenchLeader74.464.4
知识得分BenchLeader63.374.0
长上下文得分BenchLeader61.2–
数学得分BenchLeader57.7–
多模态得分BenchLeader66.269.8
推理得分BenchLeader60.670.1
混合价格(美元/百万 token)BenchLeader$3.38$67.50
输出速度BenchLeader176 tok/s7 tok/s
首次回答时间BenchLeader9.9 秒7.9 秒
上下文窗口BenchLeader1,048,576 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub92.8%94.6%†
Humanity's Last ExamScale AI / CAIS–44.3%
SimpleBenchSimpleBench76.7%†74.1%
Arena Hard PromptsArena (LMArena)1496–
LiveBench 1.0 ReasoningLiveBench82.0%–
GPQA Diamond (AA)Artificial Analysis92.2%–
Humanity's Last Exam (AA)Artificial Analysis42.7%–
GPQA Diamond (Vals)Vals AI92.7%–
EnigmaEvalScale AI SEAL25.4%–
ARC-AGI-1ARC Prize92.5%94.5%†
ARC-AGI-2ARC Prize72.1%83.3%†
CritPtArtificial Analysis13.1%30.0%†
Arena ExpertArena (LMArena)1491–
Chess PuzzlesEpoch AI Benchmarking Hub45.0%59.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub32.0%–
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%–
WeirdMLWeirdML62.6%57.4%†
Arena CodingArena (LMArena)1508–
Arena WebDevArena (LMArena)1500–
LiveBench 1.0 CodingLiveBench78.2%–
LiveCodeBenchVals AI87.6%–
显示全部 119 项基准测试
指标发布方Gemini 3.5 Flash (high)GPT-5.4 Pro
编程
SWE-bench (Vals)Vals AI78.8%–
Code MigrationVals AI26.8%–
ProgramBenchVals AI0.0%–
Vibe Code Bench v1.1Vals AI48.7%–
Surface Evolver BenchEpoch AI Benchmarking Hub58.1%†–
DeepSWE v1.1Epoch AI Benchmarking Hub36.1%–
ALE-BenchEpoch AI Benchmarking Hub911.0–
Terminal-Bench 4.0 (AA)Artificial Analysis6.6%–
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†–
智能体与工具
APEX-AgentsMercor27.5%†–
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%†–
GDPval-AA v2.1Artificial Analysis1211–
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%–
Harvey's Legal Agent Benchmark v1Vals AI2.5%–
Legal Research BenchVals AI30.8%–
SkillsBenchVals AI52.7%–
Tax Agent BenchVals AI21.6%–
Terminal-Bench 2.0 (Vals)Vals AI67.4%–
Terminal-Bench 4.0 (Vals)Vals AI6.1%–
Terminal-Bench ScienceVals AI5.7%–
Web Search IndexVals AI37.0%–
GBAEvalEpoch AI Benchmarking Hub6.7%†–
Vending-Bench 2Andon Labs5396.4†–
AutomationBenchArtificial Analysis42.1%–
GDP.pdf (AA)Artificial Analysis19.8%–
EnterpriseOps-GymArtificial Analysis50.1%–
AA-Briefcase v1.1Artificial Analysis876–
Design Arena AgenticDesign Arena1174†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub62.8%82.5%†
FrontierMath Tier 4Epoch AI Benchmarking Hub26.8%58.5%†
OTIS Mock AIMEEpoch AI Benchmarking Hub95.6%–
ProofBenchVals AI31.0%–
LiveBench MathematicsLiveBench88.2%–
AIME 2026MathArena95.0%–
HMMT February 2026MathArena95.5%–
MathArena ApexMathArena32.3%69.8%†
Arena MathsArena (LMArena)1497–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub66.2%46.3%†
LiveBench 1.0 Data AnalysisLiveBench64.9%–
MMLU-ProVals AI89.5%–
LegalBenchVals AI83.6%–
CorpFinVals AI64.7%–
TaxEvalVals AI74.4%–
MultiNRCScale AI SEAL–62.3%
Excel Modeling BenchmarkVals AI63.5%–
MedCodeVals AI55.8%–
MedScribeVals AI76.6%–
Public Benefits Bench v1.1Vals AI59.5%–
Financial Coaching BenchVals AI63.0%–
DrugDiscoveryBenchScale AI SEAL50.0%–
EBR-benchEpoch AI Benchmarking Hub4.8%–
GDP.pdfEpoch AI Benchmarking Hub14.0%†–
指令遵循
LiveBench LanguageLiveBench84.6%–
LiveBench Instruction FollowingLiveBench75.6%–
IFBenchArtificial Analysis76.3%–
MultiChallengeScale AI SEAL–69.2%
TutorBenchScale AI SEAL–56.6%
Arena Instruction FollowingArena (LMArena)1465–
人类偏好
Arena TextArena (LMArena)1478–
EQ-Bench 4EQ-Bench1077†–
Arena Creative WritingArena (LMArena)1465–
Arena Multi-turnArena (LMArena)1480–
Arena Longer QueriesArena (LMArena)1483–
多模态
Arena VisionArena (LMArena)1308–
MMMU-ProArtificial Analysis84.3%–
VISTAScale AI SEAL–53.9%
MMMU-Pro (Vals)Vals AI88.3%–
MortgageTaxVals AI68.1%–
Humanity's Sixth SenseScale AI SEAL32.6%–
GeoBenchGeoBench85.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub33.6%†–
长上下文
AA-LCR v1.1Artificial Analysis73.3%–
Arena DocumentArena (LMArena)1455–
MLCRArtificial Analysis10.0%–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub155.3†160.2
LiveBench 1.0LiveBench74.6%–
AA Intelligence Index v4.3.2Artificial Analysis32.6–
AA Progress Index v1Artificial Analysis305.1–
Vals Multimodal IndexVals AI62.9%–
安全与诚实
FORTRESSScale AI SEAL–14.8%
MASKScale AI SEAL–91.7%
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 3.5 Flash (high):1 项新结果(GDPval-AA v2.1);1 项分数修订。
  • Gemini 3.5 Flash (high):3 项新结果(AIME 2026, HMMT February 2026, MathArena Apex)。
  • Gemini 3.5 Flash (high):1 项分数修订。
  • Gemini 3.5 Flash (high):BenchLeader Index 63.2 → 62.6。
  • Gemini 3.5 Flash (high):1 项新结果(AA Progress Index v1)。
  • GPT-5.4 Pro:BenchLeader Index 63.6 → 63.1。
  • Gemini 3.5 Flash (high):价格 $3.69/M → $2.98/M。
  • Gemini 3.5 Flash (high):1 项新结果(Harvey's Legal Agent Benchmark v1)。
  • Gemini 3.5 Flash (high):1 项分数修订。
  • GPT-5.4 Pro:1 项分数修订。

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 3.5 Flash vs GPT-5.4 Pro:常见问题

Gemini 3.5 Flash 比 GPT-5.4 Pro 更好吗?
Gemini 3.5 Flash (high) 与 GPT-5.4 Pro 的质量不相上下(62.5 比 63.1,在 ±4.4 的误差范围内)。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,两者差距在误差范围内,请结合你的用途查看各类别得分。
Gemini 3.5 Flash 和 GPT-5.4 Pro 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 $67.50(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。
Gemini 3.5 Flash 和 GPT-5.4 Pro 哪个更快?
Gemini 3.5 Flash 输出更快(3 倍以上;输出 176 比 7 token/秒,Artificial Analysis 7 日中位数)。
处理长文档哪个更好?
两者都约为 1.1M token(Gemini 3.5 Flash 为 1,048,576,GPT-5.4 Pro 为 1,050,000)。
哪个延迟更低?
GPT-5.4 Pro 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 7.9 秒比 9.9 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
更多问题(1)
Gemini 3.5 Flash 是什么时候发布的?
Gemini 3.5 Flash 于 2026年5月19日 发布。