BenchLeader

Gemini 3.5 Flash vs GPT-6.2 Astra

完整资料:Gemini 3.5 Flash(Google)和 GPT-6.2 Astra(OpenAI),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19日,质量上 GPT-6.2 Astra 领先 Gemini 3.5 Flash(BenchLeader Index 68.9 比 62.4)。不过,Gemini 3.5 Flash 更便宜,对方的价格是它的 4.7 倍(每百万 token 混合价格 $3.38 比 $16.00)。在两者都有成绩的所有类别中,GPT-6.2 Astra 均领先。Gemini 3.5 Flash 输出更快(3 倍以上)。

要点(截至 2026年11月19日)

  • Gemini 3.5 Flash 的 BenchLeader Index 为 62.4,GPT-6.2 Astra 为 68.9(BenchLeader,2026年11月19日)。
  • Gemini 3.5 Flash 每百万 token 混合价格为 $3.38(标价,2026年11月19日)。
  • GPT-6.2 Astra 每百万 token 混合价格为 $16.00(标价,2026年11月19日)。
  • Gemini 3.5 Flash 比 GPT-6.2 Astra 输出更快(3 倍以上;Artificial Analysis,7 日中位数,2026年11月19日)。
  • 在两者都有结果的 24 项基准测试中,GPT-6.2 Astra 领先 23 项(BenchLeader,2026年11月19日)。
  • 在 Arena WebDev 上,Gemini 3.5 Flash 的评分为 1500,GPT-6.2 Astra 为 1781(LMArena,截至 2026年11月19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GPT-6.2 Astra类别得分 76 比 59;Arena WebDev 1781 比 1500高
智能体与工具调用GPT-6.2 Astra类别得分 66 比 63;Analyst Agent (AA) 62.5% 比 45.0%中
数学GPT-6.2 Astra类别得分 73 比 58;FrontierMath Tiers 1–3 92.6% 比 62.8%高
推理GPT-6.2 Astra类别得分 73 比 60;GPQA Diamond 96.8% 比 92.8%高
知识GPT-6.2 Astra类别得分 74 比 63;SimpleQA Verified 78.5% 比 66.2%高
图像及其他媒体GPT-6.2 Astra类别得分 72 比 66;MMMU-Pro 89.5% 比 84.3%中
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 $16.00;智能体编程会话 $0.126 比 $0.640–
首次回答最快Gemini 3.5 Flash首个回答 token 11.3 秒(Gemini 3.5 Flash (high))比 202.7 秒(GPT-6.2 Astra (max))–
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 GPT-6.2 Astra (max) 领先:68.9 比 62.4。
  • GPT-6.2 Astra (max) 在智能体与工具、编程、知识、数学、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 4.7 倍(每百万 token 混合价格 $3.38 比 $16.00)。
  • Gemini 3.5 Flash (high) 的输出速度是对方的 3.2 倍(156 比 49 token/秒)。

概览

规格Gemini 3.5 FlashGPT-6.2 Astra
提供商GoogleOpenAI
发布日期2026年5月19日2026年11月17日
上下文窗口(token)1,048,5761,050,000
对比时的配置Gemini 3.5 Flash (high)GPT-6.2 Astra (max)
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$8.00 / $40.00 / $0.400

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-6.2 Astra (max)领先者
推理60.273.1GPT-6.2 Astra
编程59.376.1GPT-6.2 Astra
智能体与工具62.866.4GPT-6.2 Astra
数学57.672.5GPT-6.2 Astra
知识63.074.2GPT-6.2 Astra
指令遵循74.4–无法比较
人类偏好66.8–无法比较
多模态66.071.7GPT-6.2 Astra
长上下文61.2–无法比较
综合–69.5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多模态Gemini 3.5 Flash, 推理: 60.2Gemini 3.5 Flash, 编程: 59.3Gemini 3.5 Flash, 智能体与工具: 62.8Gemini 3.5 Flash, 数学: 57.6Gemini 3.5 Flash, 知识: 63.0Gemini 3.5 Flash, 多模态: 66.0GPT-6.2 Astra, 推理: 73.1GPT-6.2 Astra, 编程: 76.1GPT-6.2 Astra, 智能体与工具: 66.4GPT-6.2 Astra, 数学: 72.5GPT-6.2 Astra, 知识: 74.2GPT-6.2 Astra, 多模态: 71.7

未绘制(测得的模型少于两个):指令遵循, 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 24 项基准测试中,Gemini 3.5 Flash 领先 1 项,GPT-6.2 Astra 领先 23 项。所有同时评测两者的综合评分都认为 GPT-6.2 Astra 更强。

综合 IndexGemini 3.5 Flash (high)GPT-6.2 Astra (max)领先者
BenchLeader Index62.468.9GPT-6.2 Astra

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-6.2 Astra (max)
每百万 token 混合价格$3.38$16.00
每百万 token 输入 / 输出$1.50 / $9.00$8.00 / $40.00
每百万 token 缓存输入$0.150$0.400
每项任务价格:聊天回复$0.0033$0.015
每项任务价格:总结一份 30 页的报告$0.023$0.120
每项任务价格:代码编辑$0.022$0.108
每项任务价格:智能体编程会话$0.126$0.640
每项任务价格:结构化信息提取$0.0048$0.024
智能体编程会话(输入大多命中缓存)$0.065$0.298
每项基准测试任务成本(AA Index)–$4.00
每项任务输出 token(AA Index)–41k
其中推理部分–26k
每项任务耗时(AA Index)–14 min
输出速度156 tok/s49 tok/s
首次回答时间11.3 秒202.7 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 62.4,首个回答 token 需 11 秒;Gemini 3.5 Flash (medium) 为 61.8(11 秒),Gemini 3.5 Flash (minimal) 为 55.5(3 秒)。GPT-6.2 Astra (max) 得分 68.9,首个回答 token 需 203 秒;GPT-6.2 Astra (xhigh) 为 67.1(67 秒),GPT-6.2 Astra (medium) 为 65.6(4 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 163 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-6.2 Astra (max)
BenchLeader IndexBenchLeader62.468.9
智能体与工具得分BenchLeader62.866.4
编程得分BenchLeader59.376.1
人类偏好得分BenchLeader66.8–
指令遵循得分BenchLeader74.4–
知识得分BenchLeader63.074.2
长上下文得分BenchLeader61.2–
数学得分BenchLeader57.672.5
多模态得分BenchLeader66.071.7
推理得分BenchLeader60.273.1
综合得分BenchLeader–69.5
混合价格(美元/百万 token)BenchLeader$3.38$16.00
输出速度BenchLeader156 tok/s49 tok/s
首次回答时间BenchLeader11.3 秒202.7 秒
上下文窗口BenchLeader1,048,576 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub92.8%96.8%
SimpleBenchSimpleBench76.7%†–
Arena Hard PromptsArena (LMArena)1496–
LiveBench 2.0 ReasoningLiveBench–91.6%
LiveBench 1.0 ReasoningLiveBench82.0%–
GPQA Diamond (AA)Artificial Analysis92.2%–
Humanity's Last Exam (AA)Artificial Analysis42.7%–
HLE-Diamond (AA)Artificial Analysis–72.2%
GPQA Diamond (Vals)Vals AI92.7%–
EnigmaEvalScale AI SEAL25.4%–
ARC-AGI-1ARC Prize92.5%98.5%
ARC-AGI-2ARC Prize72.1%95.8%
ARC-AGI-3ARC Prize–99.8%
CritPtArtificial Analysis13.1%–
CritPt v2 hard subset (AA)Artificial Analysis–71.5%
MysteryMechanismVals AI–53.1%
HLE-Diamond (Scale)Scale AI SEAL–66.9%†
Arena ExpertArena (LMArena)1492–
Chess PuzzlesEpoch AI Benchmarking Hub45.0%78.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub32.0%95.0%
LMCAEpoch AI Benchmarking Hub47.1%–
DTBenchEpoch AI Benchmarking Hub94.7%–
ForecastBenchForecastBench63.8%†–
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub79.3%–
SciCodeSciCode53.9%–
显示全部 163 项基准测试
指标发布方Gemini 3.5 Flash (high)GPT-6.2 Astra (max)
编程
WeirdMLWeirdML62.6%–
Arena CodingArena (LMArena)1508–
Arena WebDevArena (LMArena)15001781
LiveBench 2.0 CodingLiveBench–91.9%
LiveBench 1.0 CodingLiveBench78.2%–
LiveCodeBenchVals AI87.6%–
SWE-bench (Vals)Vals AI78.8%–
Code MigrationVals AI26.8%–
ProgramBenchVals AI0.0%–
Vibe Code Bench v1.1Vals AI48.7%89.9%
Vibe Code Bench 1-100 v1.1Vals AI–55.2%
SWE Atlas v1.1Scale AI SEAL–60.5%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–67.7%†
SWE Atlas v1.1: Test WritingScale AI SEAL–62.2%†
SWE Atlas v1.1: RefactoringScale AI SEAL–51.4%†
MirrorCodeEpoch AI Benchmarking Hub–67.8%
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%64.1%
Terminal-Bench 2.1 (AA)Artificial Analysis78.7%–
GameBench 2 OverallDuelLab GameBench 249.4†–
GameBench 2 by reasoning settingDuelLab GameBench 263.5–
Design Arena WebsiteDesign Arena1256†1339†
FrontierCode 2.0 (AA)Artificial Analysis–45.4%
智能体与工具
Terminal-BenchTerminal-Bench–62.1%
APEX-AgentsMercor27.5%†–
Arena AgentArena (LMArena)–15.2
LiveBench Long AgenticLiveBench–70.8%
LiveBench BrowserLiveBench–93.0%
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%†–
GDPval-AA v2.1Artificial Analysis1211–
τ³-Banking (AA)Artificial Analysis32.2%–
ITBench SRE (AA)Artificial Analysis40.4%–
Analyst Agent (AA)Artificial Analysis45.0%62.5%
APEX-Agents (AA)Artificial Analysis47.0%–
Finance Agent v2Vals AI57.9%–
Finance Agent v2.1Vals AI–60.8%
Harvey's Legal Agent Benchmark v1.1Vals AI–16.3%
Harvey's Legal Agent Benchmark v1Vals AI2.5%–
Legal Research BenchVals AI30.8%42.8%
Robo-benchVals AI–32.7%
SkillsBenchVals AI52.7%–
Tax Agent BenchVals AI21.6%21.8%
Terminal-Bench 2.0 (Vals)Vals AI67.4%–
Terminal-Bench 4.0 (Vals)Vals AI6.1%63.1%
Terminal-Bench ScienceVals AI5.7%71.4%
Web Search IndexVals AI37.0%–
Arena Agent Task CompletionArena (LMArena)–12.4
GBAEvalEpoch AI Benchmarking Hub6.7%†–
Vending-Bench 2Andon Labs5396.4†–
SpireClimbEpoch AI Benchmarking Hub–41.3%
AutomationBenchArtificial Analysis42.1%77.3%
GDP.pdf (AA)Artificial Analysis19.8%29.8%
Harvey LAB-AA v1.1Harvey–15.0%
EnterpriseOps-GymArtificial Analysis50.1%29.9%
AA-Briefcase v1.1Artificial Analysis8761643
Design Arena AgenticDesign Arena1166†1304
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–78.1%
CWE-Bench (AA)Artificial Analysis–65.0%
DeepSec-Bench (AA)Artificial Analysis–46.8%
CyberGym end-to-end (AA)Artificial Analysis–0.0%
MKA (AA)Artificial Analysis–52.7%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub62.8%92.6%
FrontierMath Tier 4Epoch AI Benchmarking Hub26.8%100.0%
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%–
Autoform-HardVals AI–87.5%
Arena MathsArena (LMArena)1498–
FrontierMath ErdősEpoch AI Benchmarking Hub–10.3%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub66.2%78.5%
LiveBench 2.0 Data AnalysisLiveBench–84.1%
LiveBench ResearchLiveBench–91.5%
LiveBench 1.0 Data AnalysisLiveBench64.9%–
AA-Omniscience v1.1Artificial Analysis–50
MMLU-ProVals AI89.5%–
LegalBenchVals AI83.6%–
CorpFinVals AI64.7%–
TaxEvalVals AI74.4%–
PRBench LegalScale AI SEAL–43.1%†
BioMysteryBenchVals AI–80.7%
Excel Modeling BenchmarkVals AI63.5%–
Excel Modeling Benchmark v1.1Vals AI–76.0%
MedCodeVals AI55.8%–
MedScribeVals AI76.6%–
Public Benefits Bench v1.1Vals AI59.5%–
Financial Coaching BenchVals AI63.0%–
DrugDiscoveryBenchScale AI SEAL50.0%65.5%†
EBR-benchEpoch AI Benchmarking Hub4.8%92.4%
AA-Omniscience v1.1: accuracyArtificial Analysis–68.6%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–40.9%
指令遵循
LiveBench LanguageLiveBench84.6%–
LiveBench Instruction FollowingLiveBench75.6%–
IFBenchArtificial Analysis76.3%–
MultiChallengeScale AI SEAL–73.2%†
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–
LiveBench DesignLiveBench–82.8%
MMMU-ProArtificial Analysis84.3%89.5%
MMMU-Pro (Vals)Vals AI88.3%–
MortgageTaxVals AI68.1%–
Humanity's Sixth SenseScale AI SEAL32.6%63.2%†
GeoBenchGeoBench85.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub33.6%†–
Furniture AssemblyEpoch AI Benchmarking Hub–89.2%
VIALS-AAHandshake AI–65.8%
AA-3DArtificial Analysis–1318
长上下文
AA-LCR v1.1Artificial Analysis73.3%–
Arena DocumentArena (LMArena)1455–
MLCRArtificial Analysis10.0%39.4%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub155.3†174.2†
LiveBench 2.0LiveBench–84.9%
LiveBench 1.0LiveBench74.6%–
AA Intelligence Index v5.0.1Artificial Analysis–62.1
AA Intelligence Index v4.3.2Artificial Analysis32.6–
AA Progress Index v1Artificial Analysis305.1–
Vals IndexVals AI–67.7
Vals Finance IndexVals AI–57.3%
Vals RSI IndexVals AI–29.0%
Vals Science IndexVals AI–68.4%
Vals Multimodal IndexVals AI62.9%–
Vals Legal IndexVals AI–69.7%
AA Cyber IndexArtificial Analysis–37.3
安全与诚实
DistressBenchScale AI SEAL66.9%†–

数据截至 2026年11月19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 gb2-20261114-ca113f475f5e (https://benchmarks.duellab.org/releases/gb2-20261114-ca113f475f5e/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

变化

  • GPT-6.2 Astra (max):BenchLeader Index 67.8 → 68.9。
  • GPT-6.2 Astra (max):6 项新结果(VIALS-AA, Arena WebDev, Arena Agent…)。
  • GPT-6.2 Astra (max):BenchLeader Index 67.2 → 67.8。
  • GPT-6.2 Astra (max):2 项新结果(MKA (AA), Terminal-Bench)。
  • 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)。
  • Gemini 3.5 Flash (high):价格 $3.69/M → $2.98/M。

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 GPT-6.2 Astra:常见问题

GPT-6.2 Astra 比 Gemini 3.5 Flash 更好吗?
质量上 GPT-6.2 Astra (max) 领先:68.9 比 62.4。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月19日,GPT-6.2 Astra (max) 总体领先,但请结合你的用途查看各类别得分。
Gemini 3.5 Flash 和 GPT-6.2 Astra 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 $16.00(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 GPT-6.2 Astra 更好?
GPT-6.2 Astra 在编程方面得分更高(类别得分 76 比 59,50 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,GPT-6.2 Astra 为 1781。
Gemini 3.5 Flash 和 GPT-6.2 Astra 哪个更快?
Gemini 3.5 Flash 输出更快(3 倍以上;输出 156 比 49 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Gemini 3.5 Flash 还是 GPT-6.2 Astra 更好?
GPT-6.2 Astra 在智能体任务方面得分更高(类别得分 66 比 63,50 为平均水平)。
更多问题(4)
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-6.2 Astra 为 1,050,000)。
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 11.3 秒比 202.7 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 3.5 Flash 和 GPT-6.2 Astra 的看法一致吗?
在两者都有结果的 24 项基准测试中,Gemini 3.5 Flash 领先 1 项,GPT-6.2 Astra 领先 23 项。所有同时评测两者的综合评分都认为 GPT-6.2 Astra 更强。
GPT-6.2 Astra 是什么时候发布的?
GPT-6.2 Astra 于 2026年11月17日 发布。