BenchLeader

Gemini 3.6 Flash vs GPT-5.6 Terra

完整资料:Gemini 3.6 Flash(Google)和 GPT-5.6 Terra(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 3.6 Flash 与 GPT-5.6 Terra 的质量不相上下(BenchLeader Index 61.0 比 60.1,在 ±5.0 的误差范围内)。Gemini 3.6 Flash 更便宜,对方的价格是它的 3.0 倍(每百万 token 混合价格 $1.50 比 $4.50)。看重知识(64 比 53)、推理(64 比 55)和多模态(65 比 61)选 Gemini 3.6 Flash;看重数学(66 比 59)、智能体与工具(63 比 59)和编程(59 比 57)选 GPT-5.6 Terra。Gemini 3.6 Flash 的首次回答更快(11.0 秒 比 19.2 秒)。Gemini 3.6 Flash 的输出更快(约 1.5 倍)。Gemini 3.6 Flash 的现价有效至 2026年12月31日,之后为 $3.00。

要点(截至 2026年11月16日)

  • Gemini 3.6 Flash 的 BenchLeader Index 为 61.0,GPT-5.6 Terra 为 60.1(BenchLeader,2026年11月16日)。
  • Gemini 3.6 Flash 每百万 token 混合价格为 $1.50(截至 2026年12月31日,之后为 $3.00)(https://ai.google.dev/gemini-api/docs/pricing,2026年10月20日 核实)。
  • GPT-5.6 Terra 每百万 token 混合价格为 $4.50(标价,2026年11月16日)。
  • Gemini 3.6 Flash 比 GPT-5.6 Terra 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 41 项基准测试中,Gemini 3.6 Flash 领先 23 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Gemini 3.6 Flash 的评分为 1538,GPT-5.6 Terra 为 1520(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-5.6 Terra类别得分 59 比 57;Arena WebDev 1520 比 1538中
智能体与工具调用GPT-5.6 Terra类别得分 63 比 59;τ³-Banking (AA) 29.7% 比 29.9%中
数学GPT-5.6 Terra类别得分 66 比 59;Arena Maths 1478 比 1501中
推理Gemini 3.6 Flash类别得分 64 比 55;Arena Hard Prompts 1501 比 1491高
知识Gemini 3.6 Flash类别得分 64 比 53;MMLU-Pro 89.3% 比 86.7%高
长文档均可类别得分 65 比 64;AA-LCR v1.1 80.0% 比 79.0%均可
图像及其他媒体Gemini 3.6 Flash类别得分 65 比 61;Arena Vision 1297 比 1269中
对话质量(人类偏好)Gemini 3.6 FlashArena 投票 67 比 66中
成本最低Gemini 3.6 Flash每百万 token 混合价格 $1.50 比 $4.50;智能体编程会话 $0.060 比 $0.168;2027年1月1日 起:$3.00 比 $4.50–
首次回答最快Gemini 3.6 Flash首个回答 token 11.0 秒(Gemini 3.6 Flash (high))比 19.2 秒(GPT-5.6 Terra (xhigh))–
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 3.6 Flash (high) 与 GPT-5.6 Terra (xhigh) 的质量不相上下(61.0 比 60.1,在 ±5.0 的误差范围内)。
  • Gemini 3.6 Flash (high) 在人类偏好、知识、长上下文、多模态、推理方面更强。
  • GPT-5.6 Terra (xhigh) 在智能体与工具、编程、数学方面更强。
  • 截至 2026年12月31日,Gemini 3.6 Flash (high) 更便宜,对方的价格是它的 3.0 倍(每百万 token 混合价格 $1.50 比 $4.50);自 2027年1月1日 起为 $3.00 比 $4.50。
  • Gemini 3.6 Flash (high) 的输出速度是对方的 1.8 倍(177 比 97 token/秒)。

概览

规格Gemini 3.6 FlashGPT-5.6 Terra
提供商GoogleOpenAI
发布日期2026年7月21日2026年7月9日
上下文窗口(token)1,048,5761,050,000
对比时的配置Gemini 3.6 Flash (high)GPT-5.6 Terra (xhigh)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$0.750 / $3.75 / $0.075$2.00 / $12.00 / $0.200
已公布的价格调整自 2027年1月1日 起为 $1.50 / $7.50 / $0.150暂无公布

上限、可用性和已公布的价格均来自厂商官方页面: ai.google.dev 定价页 (2026年10月20日 核实)。其余内容均来自当日数据。

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 3.6 Flash (high)GPT-5.6 Terra (xhigh)领先者
推理63.654.8Gemini 3.6 Flash
编程56.759.1GPT-5.6 Terra
智能体与工具59.263.1GPT-5.6 Terra
数学59.065.7GPT-5.6 Terra
知识63.653.0Gemini 3.6 Flash
指令遵循–65.6无法比较
人类偏好67.365.5Gemini 3.6 Flash
多模态65.061.2Gemini 3.6 Flash
长上下文64.664.1持平

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 3.6 Flash, 推理: 63.6Gemini 3.6 Flash, 编程: 56.7Gemini 3.6 Flash, 智能体与工具: 59.2Gemini 3.6 Flash, 数学: 59.0Gemini 3.6 Flash, 知识: 63.6Gemini 3.6 Flash, 长上下文: 64.6Gemini 3.6 Flash, 多模态: 65.0Gemini 3.6 Flash, 人类偏好: 67.3GPT-5.6 Terra, 推理: 54.8GPT-5.6 Terra, 编程: 59.1GPT-5.6 Terra, 智能体与工具: 63.1GPT-5.6 Terra, 数学: 65.7GPT-5.6 Terra, 知识: 53.0GPT-5.6 Terra, 长上下文: 64.1GPT-5.6 Terra, 多模态: 61.2GPT-5.6 Terra, 人类偏好: 65.5

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 41 项基准测试中,Gemini 3.6 Flash 领先 23 项,GPT-5.6 Terra 领先 18 项。所有同时评测两者的综合评分都认为 Gemini 3.6 Flash 更强。

综合 IndexGemini 3.6 Flash (high)GPT-5.6 Terra (xhigh)领先者
BenchLeader Index61.060.1不相上下
Arena Text14831468Gemini 3.6 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 3.6 Flash (high)GPT-5.6 Terra (xhigh)
每百万 token 混合价格(截至 2026年12月31日)$1.50$4.50
每百万 token 输入 / 输出$0.750 / $3.75$2.00 / $12.00
自 2027年1月1日 起每百万 token 混合价格$3.00$4.50
自 2027年1月1日 起每百万 token 输入 / 输出$1.50 / $7.50$2.00 / $12.00
每百万 token 缓存输入$0.075$0.200
每项任务价格:聊天回复$0.0014$0.0044
每项任务价格:总结一份 30 页的报告$0.011$0.031
每项任务价格:代码编辑$0.010$0.030
每项任务价格:智能体编程会话$0.060$0.168
每项任务价格:结构化信息提取$0.0023$0.0064
智能体编程会话(输入大多命中缓存)$0.030$0.087
输出速度177 tok/s97 tok/s
首次回答时间11.0 秒19.2 秒
完整回答耗时(最近一次测量 2026年11月13日)30.3 秒84.0 秒

每个模型都按其排名最高的推理强度设置进行对比。Gemini 3.6 Flash (high) 得分 61.0,首个回答 token 需 11 秒;Gemini 3.6 Flash 为 49.3(1 秒)。GPT-5.6 Terra (xhigh) 得分 60.1,首个回答 token 需 19 秒;GPT-5.6 Terra (max) 为 59.5(73 秒),GPT-5.6 Terra (high) 为 56.8(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 143 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 3.6 Flash (high)GPT-5.6 Terra (xhigh)
BenchLeader IndexBenchLeader61.060.1
智能体与工具得分BenchLeader59.263.1
编程得分BenchLeader56.759.1
人类偏好得分BenchLeader67.365.5
知识得分BenchLeader63.653.0
长上下文得分BenchLeader64.664.1
数学得分BenchLeader59.065.7
多模态得分BenchLeader65.061.2
推理得分BenchLeader63.654.8
指令遵循得分BenchLeader–65.6
混合价格(美元/百万 token)BenchLeader$1.50$4.50
输出速度BenchLeader177 tok/s97 tok/s
首次回答时间BenchLeader11.0 秒19.2 秒
上下文窗口BenchLeader1,048,576 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub94.1%93.3%†
SimpleBenchSimpleBench–48.9%
Arena Hard PromptsArena (LMArena)15011491
LiveBench 2.0 ReasoningLiveBench–90.6%†
LiveBench 1.0 ReasoningLiveBench85.2%90.6%†
GPQA Diamond (AA)Artificial Analysis92.8%90.8%
Humanity's Last Exam (AA)Artificial Analysis40.8%41.9%
HLE-Diamond (AA)Artificial Analysis–24.7%
GPQA Diamond (Vals)Vals AI93.4%90.9%
Kagi LLM BenchmarkKagi LLM Benchmark–51.3%†
ARC-AGI-1ARC Prize91.2%94.0%
ARC-AGI-2ARC Prize60.4%74.2%
ARC-AGI-3ARC Prize–0.7%
CritPtArtificial Analysis10.6%27.1%
CritPt v2 hard subset (AA)Artificial Analysis–50.5%†
Arena ExpertArena (LMArena)15001507
Chess PuzzlesEpoch AI Benchmarking Hub40.0%47.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub30.0%35.0%†
LMCAEpoch AI Benchmarking Hub44.9%52.2%
DTBenchEpoch AI Benchmarking Hub95.5%92.5%
ForecastBenchForecastBench65.7%†–
编程
SciCodeSciCode53.4%52.3%
WeirdMLWeirdML56.1%78.3%†
FrontierCodeCognition34.4%†41.3%†
Arena CodingArena (LMArena)15181517
显示全部 143 项基准测试
指标发布方Gemini 3.6 Flash (high)GPT-5.6 Terra (xhigh)
编程
Arena WebDevArena (LMArena)15381520
LiveBench 2.0 CodingLiveBench–84.2%†
LiveBench 1.0 CodingLiveBench77.9%78.3%†
LiveCodeBenchVals AI88.1%85.9%
IOIVals AI35.1%87.6%†
SWE-bench (Vals)Vals AI79.6%95.4%†
Code MigrationVals AI30.9%47.8%†
ProgramBenchVals AI0.0%0.5%†
Vibe Code Bench 1-100Vals AI–14.8%†
Vibe Code Bench v1.1Vals AI64.0%74.6%†
SWE-Bench Pro V2Scale AI SEAL–92.4%
SWE-Bench Pro V2 HARDScale AI SEAL–86.3%
MirrorCodeEpoch AI Benchmarking Hub23.3%41.1%†
Surface Evolver BenchEpoch AI Benchmarking Hub–83.8%
DeepSWE v1.1Epoch AI Benchmarking Hub46.7%60.2%
CursorBenchCursor–33.6%
ALE-BenchEpoch AI Benchmarking Hub715.51951.4†
Terminal-Bench 4.0 (AA)Artificial Analysis7.1%10.1%
Terminal-Bench 2.1 (AA)Artificial Analysis77.5%80.2%
Startrise FrontendStartrise–66.9%†
GameBench 2 OverallDuelLab GameBench 250.6†45.6†
GameBench 2 by reasoning settingDuelLab GameBench 263.053.5
Design Arena WebsiteDesign Arena1292†1260†
FrontierCode 2.0 (AA)Artificial Analysis–23.9%†
智能体与工具
Terminal-BenchTerminal-Bench–21.5%†
APEX-AgentsMercor46.9%†58.2%†
Arena AgentArena (LMArena)–-1.8
LiveBench Long AgenticLiveBench–25.9%†
LiveBench BrowserLiveBench–70.3%†
LiveBench Agentic CodingLiveBench43.4%55.0%†
Terminal-Bench HardArtificial Analysis–62.9%
τ²-Bench Telecom (AA)Artificial Analysis–80.4%
Terminal-Bench 2.1 (Vals)Vals AI73.8%77.5%†
GDPval-AA v2.1, normalised scoreArtificial Analysis–47.4%
GDPval-AA v2.1Artificial Analysis12931456
τ³-Banking (AA)Artificial Analysis29.9%29.7%
ITBench SRE (AA)Artificial Analysis–51.0%†
APEX-Agents (AA)Artificial Analysis–38.9%†
CyberBenchVals AI45.4%72.1%†
Finance Agent v2Vals AI56.3%54.4%†
Harvey's Legal Agent Benchmark v1Vals AI3.3%0.8%†
Legal Research BenchVals AI25.0%41.4%†
SkillsBenchVals AI–58.9%†
SREBenchVals AI–9.5%†
Tax Agent BenchVals AI18.0%30.0%†
Terminal-Bench 4.0 (Vals)Vals AI–22.7%†
Terminal-Bench ScienceVals AI4.3%10.0%†
Arena Agent Task CompletionArena (LMArena)–-7.2
BALROGBALROG–53.2%†
Vending-Bench 2Andon Labs–7343.2†
AutomationBenchArtificial Analysis53.0%47.1%
GDP.pdf (AA)Artificial Analysis17.4%24.6%
EnterpriseOps-GymArtificial Analysis–38.5%†
AA-Briefcase v1.1Artificial Analysis9571332
Design Arena AgenticDesign Arena1177†1089†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–13.8%†
DeepSec-Bench (AA)Artificial Analysis–25.1%†
FACTS SearchGoogle75.7%†87.0%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub59.0%86.0%†
FrontierMath Tier 4Epoch AI Benchmarking Hub21.9%70.7%†
OTIS Mock AIMEEpoch AI Benchmarking Hub94.2%99.7%†
ProofBenchVals AI36.0%†74.0%
LiveBench MathematicsLiveBench86.4%94.9%†
AIME 2026MathArena96.7%†–
HMMT February 2026MathArena89.4%†–
MathArena ApexMathArena26.0%†–
Arena MathsArena (LMArena)15011478
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub66.2%43.2%†
LiveBench 2.0 Data AnalysisLiveBench–79.3%†
LiveBench ResearchLiveBench–79.7%†
LiveBench 1.0 Data AnalysisLiveBench63.0%79.3%†
AA-Omniscience v1.1Artificial Analysis–-11.5
MMLU-ProVals AI89.3%86.7%
LegalBenchVals AI86.7%85.1%†
CorpFinVals AI63.3%65.3%
TaxEvalVals AI74.9%76.2%
BioMysteryBenchVals AI58.5%–
Excel Modeling BenchmarkVals AI65.4%66.2%†
MedCodeVals AI53.1%43.4%
MedScribeVals AI79.7%82.9%
Public Benefits Bench v1.1Vals AI56.6%62.4%†
Financial Coaching BenchVals AI65.8%71.0%†
GDP.pdfEpoch AI Benchmarking Hub14.0%24.7%†
AA-Omniscience v1.1: accuracyArtificial Analysis–41.3%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–9.9%
FACTS ParametricGoogle73.9%†57.6%†
指令遵循
LiveBench LanguageLiveBench83.9%82.9%†
LiveBench Instruction FollowingLiveBench75.4%64.6%†
IFBenchArtificial Analysis–66.3%
Arena Instruction FollowingArena (LMArena)14731463
人类偏好
Arena TextArena (LMArena)14831468
EQ-Bench 4EQ-Bench–1220†
EQ-Bench Creative Writing v3EQ-Bench1602†1856†
Arena Creative WritingArena (LMArena)14711430
Arena Multi-turnArena (LMArena)14901475
Arena Longer QueriesArena (LMArena)14851469
多模态
Arena VisionArena (LMArena)12971269
LiveBench DesignLiveBench–70.9%†
MMMU-ProArtificial Analysis83.2%79.5%
MMMU-Pro (Vals)Vals AI88.4%86.5%†
MortgageTaxVals AI67.6%67.3%
SAGEVals AI–87.0%†
Humanity's Sixth SenseScale AI SEAL31.9%22.7%†
Blueprint-Bench 2Epoch AI Benchmarking Hub31.2%†30.8%†
Furniture AssemblyEpoch AI Benchmarking Hub23.3%54.2%†
FACTS MultimodalGoogle53.7%†39.9%†
长上下文
AA-LCR v1.1Artificial Analysis80.0%79.0%
Arena DocumentArena (LMArena)14541474
MLCRArtificial Analysis10.0%22.8%
FACTS GroundingGoogle66.6%†60.5%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub155.2†160.7†
LiveBench 2.0LiveBench–67.2%†
LiveBench 1.0LiveBench73.6%77.9%†
AA Intelligence Index v5.0.1Artificial Analysis–32.3†
AA Intelligence Index v4.3.2Artificial Analysis34.038.0
AA Progress Index v1Artificial Analysis305.7312
Vals Multimodal IndexVals AI65.1%65.1%
安全与诚实
DistressBenchScale AI SEAL–76.4%†

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 3.6 Flash:标价将调整为每百万 token 输入 $1.50 / 输出 $7.50(已公布)。
  • Gemini 3.6 Flash (high):2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1);1 项分数修订。
  • GPT-5.6 Terra (xhigh):2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Gemini 3.6 Flash (high):1 项新结果(MirrorCode);1 项分数修订。
  • Gemini 3.6 Flash (high):1 项分数修订。
  • GPT-5.6 Terra (xhigh):1 项分数修订。
  • GPT-5.6 Terra (xhigh):1 项分数修订。
  • Gemini 3.6 Flash (high):BenchLeader Index 61.8 → 61.2。
  • GPT-5.6 Terra (xhigh):BenchLeader Index 61.2 → 60.4。
  • Gemini 3.6 Flash (high):1 项新结果(AA Progress Index v1)。

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 3.6 Flash vs GPT-5.6 Terra:常见问题

Gemini 3.6 Flash 比 GPT-5.6 Terra 更好吗?
Gemini 3.6 Flash (high) 与 GPT-5.6 Terra (xhigh) 的质量不相上下(61.0 比 60.1,在 ±5.0 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 3.6 Flash 和 GPT-5.6 Terra 哪个更便宜?价格会变吗?
目前 Gemini 3.6 Flash 更便宜:每百万 token $1.50 比 $4.50(按每 1 个输出 token 对应 3 个输入 token 混合计算)。Gemini 3.6 Flash 的现价有效至 2026年12月31日,之后为 $3.00。
编程用 Gemini 3.6 Flash 还是 GPT-5.6 Terra 更好?
GPT-5.6 Terra 在编程方面得分更高(类别得分 59 比 57,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,Gemini 3.6 Flash 为 1538,GPT-5.6 Terra 为 1520。
Gemini 3.6 Flash 和 GPT-5.6 Terra 哪个更快?
Gemini 3.6 Flash 输出更快(约 1.5 倍;输出 177 比 97 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Gemini 3.6 Flash 还是 GPT-5.6 Terra 更好?
GPT-5.6 Terra 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 τ³-Banking (AA) 上,Gemini 3.6 Flash 为 29.9%,GPT-5.6 Terra 为 29.7%。
更多问题(4)
处理长文档哪个更好?
两者在长上下文基准测试上持平(65 比 64)。两者都约为 1.1M token(Gemini 3.6 Flash 为 1,048,576,GPT-5.6 Terra 为 1,050,000)。
哪个延迟更低?
Gemini 3.6 Flash 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 11.0 秒比 19.2 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 3.6 Flash 和 GPT-5.6 Terra 的看法一致吗?
在两者都有结果的 41 项基准测试中,Gemini 3.6 Flash 领先 23 项,GPT-5.6 Terra 领先 18 项。所有同时评测两者的综合评分都认为 Gemini 3.6 Flash 更强。
Gemini 3.6 Flash 是什么时候发布的?
Gemini 3.6 Flash 于 2026年7月21日 发布。