BenchLeader

Gemini 3.5 Flash vs GPT-6 Sol

完整资料:Gemini 3.5 Flash(Google)和 GPT-6 Sol(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16日,Gemini 3.5 Flash 与 GPT-6 Sol 的质量不相上下(BenchLeader Index 62.5 比 62.6,在 ±4.2 的误差范围内)。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)。看重多模态(66 比 61)、智能体与工具(63 比 59)和知识(63 比 61)选 Gemini 3.5 Flash;看重数学(68 比 58)、编程(66 比 60)和推理(66 比 61)选 GPT-6 Sol。Gemini 3.5 Flash 的首次回答更快(9.9 秒 比 36.9 秒)。Gemini 3.5 Flash 的输出更快。

要点(截至 2026年11月16日)

  • Gemini 3.5 Flash 的 BenchLeader Index 为 62.5,GPT-6 Sol 为 62.6(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-6 Sol 每百万 token 混合价格为 $4.00(标价,2026年11月16日)。
  • Gemini 3.5 Flash 比 GPT-6 Sol 输出更快(Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 60 项基准测试中,GPT-6 Sol 领先 42 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Gemini 3.5 Flash 的评分为 1500,GPT-6 Sol 为 1673(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GPT-6 Sol类别得分 66 比 60;Arena WebDev 1673 比 1500中
智能体与工具调用Gemini 3.5 Flash类别得分 63 比 59;Terminal-Bench 2.1 (Vals) 74.2% 比 83.2%中
数学GPT-6 Sol类别得分 68 比 58;FrontierMath Tiers 1–3 89.8% 比 62.8%高
推理GPT-6 Sol类别得分 66 比 61;GPQA Diamond 94.3% 比 92.8%中
知识Gemini 3.5 Flash类别得分 63 比 61;SimpleQA Verified 66.2% 比 60.7%中
长文档GPT-6 Sol类别得分 67 比 61;AA-LCR v1.1 83.7% 比 73.3%中
图像及其他媒体Gemini 3.5 Flash类别得分 66 比 61;Arena Vision 1308 比 1233中
对话质量(人类偏好)Gemini 3.5 FlashArena 投票 67 比 64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 36.9 秒(GPT-6 Sol (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

  • Gemini 3.5 Flash (high) 与 GPT-6 Sol (max) 的质量不相上下(62.5 比 62.6,在 ±4.2 的误差范围内)。
  • Gemini 3.5 Flash (high) 在智能体与工具、人类偏好、知识、多模态方面更强。
  • GPT-6 Sol (max) 在编程、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 1.4 倍(176 比 127 token/秒)。

概览

规格Gemini 3.5 FlashGPT-6 Sol
提供商GoogleOpenAI
发布日期2026年5月19日2026年9月22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 Sol (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$2.00 / $10.00 / $0.200

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 Sol (max)领先者
推理60.666.0GPT-6 Sol
编程59.566.3GPT-6 Sol
智能体与工具62.858.8Gemini 3.5 Flash
数学57.768.0GPT-6 Sol
知识63.360.6Gemini 3.5 Flash
指令遵循74.4–无法比较
人类偏好66.864.2Gemini 3.5 Flash
多模态66.260.6Gemini 3.5 Flash
长上下文61.266.6GPT-6 Sol

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多模态人类偏好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, 多模态: 66.2Gemini 3.5 Flash, 人类偏好: 66.8GPT-6 Sol, 推理: 66.0GPT-6 Sol, 编程: 66.3GPT-6 Sol, 智能体与工具: 58.8GPT-6 Sol, 数学: 68.0GPT-6 Sol, 知识: 60.6GPT-6 Sol, 长上下文: 66.6GPT-6 Sol, 多模态: 60.6GPT-6 Sol, 人类偏好: 64.2

未绘制(测得的模型少于两个):指令遵循。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 60 项基准测试中,Gemini 3.5 Flash 领先 18 项,GPT-6 Sol 领先 42 项。所有同时评测两者的综合评分都认为 Gemini 3.5 Flash 更强。

综合 IndexGemini 3.5 Flash (high)GPT-6 Sol (max)领先者
BenchLeader Index62.562.6不相上下
Arena Text14781457Gemini 3.5 Flash

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 Sol (max)
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$0.200
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$0.079
每项基准测试任务成本(AA Index)–$2.47
每项任务输出 token(AA Index)–54k
其中推理部分–35k
每项任务耗时(AA Index)–7 min
输出速度176 tok/s127 tok/s
首次回答时间9.9 秒36.9 秒
完整回答耗时(最近一次测量 2026年11月13日)27.6 秒143.8 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-6 Sol (max) 得分 62.6,首个回答 token 需 37 秒;GPT-6 Sol (xhigh) 为 58.4(19 秒),GPT-6 Sol (high) 为 58.1(6 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 153 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 Sol (max)
BenchLeader IndexBenchLeader62.562.6
智能体与工具得分BenchLeader62.858.8
编程得分BenchLeader59.566.3
人类偏好得分BenchLeader66.864.2
指令遵循得分BenchLeader74.4–
知识得分BenchLeader63.360.6
长上下文得分BenchLeader61.266.6
数学得分BenchLeader57.768.0
多模态得分BenchLeader66.260.6
推理得分BenchLeader60.666.0
混合价格(美元/百万 token)BenchLeader$3.38$4.00
输出速度BenchLeader176 tok/s127 tok/s
首次回答时间BenchLeader9.9 秒36.9 秒
上下文窗口BenchLeader1,048,576 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub92.8%94.3%
SimpleBenchSimpleBench76.7%†73.1%†
Arena Hard PromptsArena (LMArena)14961483
LiveBench 1.0 ReasoningLiveBench82.0%88.7%
GPQA Diamond (AA)Artificial Analysis92.2%–
Humanity's Last Exam (AA)Artificial Analysis42.7%47.9%
HLE-Diamond (AA)Artificial Analysis–45.2%
GPQA Diamond (Vals)Vals AI92.7%–
EnigmaEvalScale AI SEAL25.4%–
ARC-AGI-1ARC Prize92.5%95.5%
ARC-AGI-2ARC Prize72.1%89.6%
ARC-AGI-3ARC Prize–23.0%
CritPtArtificial Analysis13.1%30.9%
CritPt v2 hard subset (AA)Artificial Analysis–66.5%
MysteryMechanismVals AI–30.2%
HLE-Diamond (Scale)Scale AI SEAL–33.8%†
Arena ExpertArena (LMArena)14911496
Chess PuzzlesEpoch AI Benchmarking Hub45.0%56.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub32.0%56.0%
LMCAEpoch AI Benchmarking Hub47.1%59.1%
DTBenchEpoch AI Benchmarking Hub94.7%97.3%
ForecastBenchForecastBench64.0%†–
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub79.3%–
SciCodeSciCode53.9%57.6%
WeirdMLWeirdML62.6%–
显示全部 153 项基准测试
指标发布方Gemini 3.5 Flash (high)GPT-6 Sol (max)
编程
FrontierCodeCognition–49.3%
Arena CodingArena (LMArena)15081521
Arena WebDevArena (LMArena)15001673
LiveBench 1.0 CodingLiveBench78.2%81.8%
LiveCodeBenchVals AI87.6%–
IOIVals AI–82.6%
SWE-bench (Vals)Vals AI78.8%–
Code MigrationVals AI26.8%57.2%
ProgramBenchVals AI0.0%2.0%
Vibe Code Bench v1.1Vals AI48.7%87.8%
MirrorCodeEpoch AI Benchmarking Hub–48.9%
Surface Evolver BenchEpoch AI Benchmarking Hub58.1%†–
DeepSWE v1.1Epoch AI Benchmarking Hub36.1%–
ALE-BenchEpoch AI Benchmarking Hub911.02462
WeirdML v3WeirdML–19.7%†
Terminal-Bench 4.0 (AA)Artificial Analysis6.6%43.9%
Terminal-Bench 2.1 (AA)Artificial Analysis78.7%–
GameBench 2 OverallDuelLab GameBench 249.4†73.0†
GameBench 2 by reasoning settingDuelLab GameBench 263.279.4†
Design Arena WebsiteDesign Arena1260†1290†
FrontierCode 2.0 (AA)Artificial Analysis–35.6%
智能体与工具
Terminal-BenchTerminal-Bench–50.3%
APEX-AgentsMercor27.5%†54.3%
Arena AgentArena (LMArena)–6.9
LiveBench Agentic CodingLiveBench49.0%52.9%
Terminal-Bench HardArtificial Analysis40.9%–
τ²-Bench Telecom (AA)Artificial Analysis95.3%–
Terminal-Bench 2.1 (Vals)Vals AI74.2%83.2%
MCP AtlasScale AI SEAL83.6%–
HiL-BenchScale AI SEAL27.7%†–
GDPval-AA v2.1Artificial Analysis12111514
τ³-Banking (AA)Artificial Analysis32.2%–
ITBench SRE (AA)Artificial Analysis40.4%49.4%
Analyst Agent (AA)Artificial Analysis45.0%–
APEX-Agents (AA)Artificial Analysis47.0%–
CyberBenchVals AI–78.0%
Finance Agent v2Vals AI57.9%49.0%
Harvey's Legal Agent Benchmark v1Vals AI2.5%1.7%
Legal Research BenchVals AI30.8%28.9%
SkillsBenchVals AI52.7%–
SREBenchVals AI–30.5%
Tax Agent BenchVals AI21.6%15.0%
Terminal-Bench 2.0 (Vals)Vals AI67.4%–
Terminal-Bench 4.0 (Vals)Vals AI6.1%44.4%
Terminal-Bench ScienceVals AI5.7%30.0%
Web Search IndexVals AI37.0%–
Arena SearchArena (LMArena)–1229
Arena Agent Task CompletionArena (LMArena)–4.5
GBAEvalEpoch AI Benchmarking Hub6.7%†–
Vending-Bench 2Andon Labs5396.4†14427.9†
SpireClimbEpoch AI Benchmarking Hub–9.2%
AutomationBenchArtificial Analysis42.1%61.6%
GDP.pdf (AA)Artificial Analysis19.8%25.2%
Harvey LAB-AA v1.1Harvey–3.6%
EnterpriseOps-GymArtificial Analysis50.1%–
AA-Briefcase v1.1Artificial Analysis8761476
Design Arena AgenticDesign Arena1174†1218†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–30.0%
CWE-Bench (AA)Artificial Analysis–64.2%
DeepSec-Bench (AA)Artificial Analysis–46.3%
CyberGym end-to-end (AA)Artificial Analysis–0.0%
FACTS SearchGoogle–92.7%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub62.8%89.8%
FrontierMath Tier 4Epoch AI Benchmarking Hub26.8%90.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub95.6%100.0%
ProofBenchVals AI31.0%83.0%†
LiveBench MathematicsLiveBench88.2%96.4%
AIME 2026MathArena95.0%–
HMMT February 2026MathArena95.5%–
MathArena ApexMathArena32.3%–
Arena MathsArena (LMArena)14971440
FrontierMath ErdősEpoch AI Benchmarking Hub–1.5%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub66.2%60.7%
LiveBench 1.0 Data AnalysisLiveBench64.9%81.2%
AA-Omniscience v1.1Artificial Analysis–21.4
MMLU-ProVals AI89.5%–
LegalBenchVals AI83.6%–
CorpFinVals AI64.7%–
TaxEvalVals AI74.4%–
PRBench LegalScale AI SEAL–38.6%†
BioMysteryBenchVals AI–74.8%
Excel Modeling BenchmarkVals AI63.5%71.5%
MedCodeVals AI55.8%47.1%
MedScribeVals AI76.6%82.0%
Public Benefits Bench v1.1Vals AI59.5%56.6%
Financial Coaching BenchVals AI63.0%62.6%
DrugDiscoveryBenchScale AI SEAL50.0%–
EBR-benchEpoch AI Benchmarking Hub4.8%53.3%
GDP.pdfEpoch AI Benchmarking Hub14.0%†26.4%
AA-Omniscience v1.1: accuracyArtificial Analysis–51.1%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–39.1%
HealthBench Professional (AA)OpenAI–62.3%
FACTS ParametricGoogle–76.1%†
指令遵循
LiveBench LanguageLiveBench84.6%85.3%
LiveBench Instruction FollowingLiveBench75.6%68.6%
IFBenchArtificial Analysis76.3%–
Arena Instruction FollowingArena (LMArena)14651449
人类偏好
Arena TextArena (LMArena)14781457
EQ-Bench 4EQ-Bench1077†–
EQ-Bench Creative Writing v3EQ-Bench–2126†
Arena Creative WritingArena (LMArena)14651428
Arena Multi-turnArena (LMArena)14801468
Arena Longer QueriesArena (LMArena)14831466
多模态
Arena VisionArena (LMArena)13081233
MMMU-ProArtificial Analysis84.3%83.0%
MMMU-Pro (Vals)Vals AI88.3%–
MortgageTaxVals AI68.1%–
Humanity's Sixth SenseScale AI SEAL32.6%31.2%
GeoBenchGeoBench85.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub33.6%†36.9%†
Furniture AssemblyEpoch AI Benchmarking Hub–58.3%
AA-3DArtificial Analysis–1131
FACTS MultimodalGoogle–43.9%†
长上下文
AA-LCR v1.1Artificial Analysis73.3%83.7%
Arena DocumentArena (LMArena)1455–
MLCRArtificial Analysis10.0%33.9%
FACTS GroundingGoogle–83.3%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub155.3†163.8†
LiveBench 1.0LiveBench74.6%79.3%
AA Intelligence Index v5.0.1Artificial Analysis–44.2
AA Intelligence Index v4.3.2Artificial Analysis32.647.6
AA Progress Index v1Artificial Analysis305.1334
Vals RSI IndexVals AI–28.1%
Vals Science IndexVals AI–45.0%
Vals Multimodal IndexVals AI62.9%–
AA Cyber IndexArtificial Analysis–36.8
安全与诚实
FORTRESSScale AI SEAL–13.5%†
DistressBenchScale AI SEAL66.9%†68.0%†

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。
  • GPT-6 Sol (max):1 项新结果(GDPval-AA v2.1)。
  • Gemini 3.5 Flash (high):3 项新结果(AIME 2026, HMMT February 2026, MathArena Apex)。
  • GPT-6 Sol (max):1 项新结果(MirrorCode)。
  • GPT-6 Sol (max):BenchLeader Index 63.5 → 62.9。
  • GPT-6 Sol (max):2 项分数修订。
  • GPT-6 Sol (max):1 项分数修订。
  • GPT-6 Sol (max):1 项分数修订。
  • Gemini 3.5 Flash (high):1 项分数修订。
  • GPT-6 Sol (max):6 项新结果(AA Intelligence Index v5.0.1, AA-Omniscience v1.1, CritPt v2 hard subset (AA)…)。

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-6 Sol:常见问题

Gemini 3.5 Flash 比 GPT-6 Sol 更好吗?
Gemini 3.5 Flash (high) 与 GPT-6 Sol (max) 的质量不相上下(62.5 比 62.6,在 ±4.2 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-6 Sol 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 GPT-6 Sol 更好?
GPT-6 Sol 在编程方面得分更高(类别得分 66 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,GPT-6 Sol 为 1673。
Gemini 3.5 Flash 和 GPT-6 Sol 哪个更快?
Gemini 3.5 Flash 输出更快(输出 176 比 127 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 Sol 更好?
Gemini 3.5 Flash 在智能体任务方面得分更高(类别得分 63 比 59,50 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 3.5 Flash 为 74.2%,GPT-6 Sol 为 83.2%。
更多问题(4)
处理长文档哪个更好?
GPT-6 Sol 在长上下文基准测试上得分更高(67 比 61)。两者都约为 1.1M token(Gemini 3.5 Flash 为 1,048,576,GPT-6 Sol 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 9.9 秒比 36.9 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 Sol 的看法一致吗?
在两者都有结果的 60 项基准测试中,Gemini 3.5 Flash 领先 18 项,GPT-6 Sol 领先 42 项。所有同时评测两者的综合评分都认为 Gemini 3.5 Flash 更强。
GPT-6 Sol 是什么时候发布的?
GPT-6 Sol 于 2026年9月22日 发布。