BenchLeader

Gemini 3.6 Flash vs GPT-6.1 Sol

完整资料:Gemini 3.6 Flash(Google)和 GPT-6.1 Sol(OpenAI),包括全部基准测试、价格和排名。

更新于 · 数据来自 15 个来源

截至 2026年11月16日,质量上 GPT-6.1 Sol 领先 Gemini 3.6 Flash(BenchLeader Index 66.6 比 61.0)。不过,Gemini 3.6 Flash 更便宜,对方的价格是它的 2.7 倍(每百万 token 混合价格 $1.50 比 $4.00)。在两者都有成绩的所有类别中,GPT-6.1 Sol 均领先。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-6.1 Sol 为 66.6(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-6.1 Sol 每百万 token 混合价格为 $4.00(标价,2026年11月16日)。
  • Gemini 3.6 Flash 比 GPT-6.1 Sol 输出更快(3 倍以上;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 62 项基准测试中,GPT-6.1 Sol 领先 54 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Gemini 3.6 Flash 的评分为 1538,GPT-6.1 Sol 为 1743(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-6.1 Sol类别得分 71 比 57;Arena WebDev 1743 比 1538高
智能体与工具调用GPT-6.1 Sol类别得分 64 比 59;LiveBench Agentic Coding 54.5% 比 43.4%中
数学GPT-6.1 Sol类别得分 72 比 59;FrontierMath Tiers 1–3 93.7% 比 59.0%高
推理GPT-6.1 Sol类别得分 71 比 64;GPQA Diamond 95.4% 比 94.1%高
知识GPT-6.1 Sol类别得分 72 比 64;SimpleQA Verified 73.9% 比 66.2%高
长文档GPT-6.1 Sol类别得分 66 比 65;AA-LCR v1.1 83.0% 比 80.0%中
图像及其他媒体均可类别得分 65 比 66;Arena Vision 1297 比 1286均可
对话质量(人类偏好)均可Arena 投票 67 比 67均可
成本最低Gemini 3.6 Flash每百万 token 混合价格 $1.50 比 $4.00;智能体编程会话 $0.060 比 $0.160;2027年1月1日 起:$3.00 比 $4.00–
首次回答最快Gemini 3.6 Flash首个回答 token 11.0 秒(Gemini 3.6 Flash (high))比 166.7 秒(GPT-6.1 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

  • 质量上 GPT-6.1 Sol (max) 领先:66.6 比 61.0。
  • Gemini 3.6 Flash (high) 在人类偏好方面更强。
  • GPT-6.1 Sol (max) 在智能体与工具、编程、知识、长上下文、数学、多模态、推理方面更强。
  • 截至 2026年12月31日,Gemini 3.6 Flash (high) 更便宜,对方的价格是它的 2.7 倍(每百万 token 混合价格 $1.50 比 $4.00);自 2027年1月1日 起为 $3.00 比 $4.00。
  • Gemini 3.6 Flash (high) 的输出速度是对方的 3.5 倍(177 比 50 token/秒)。

概览

规格Gemini 3.6 FlashGPT-6.1 Sol
提供商GoogleOpenAI
发布日期2026年7月21日2026年9月29日
上下文窗口(token)1,048,5761,050,000
对比时的配置Gemini 3.6 Flash (high)GPT-6.1 Sol (max)
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 / $10.00 / $0.100
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-6.1 Sol (max)领先者
推理63.671.4GPT-6.1 Sol
编程56.771.1GPT-6.1 Sol
智能体与工具59.264.3GPT-6.1 Sol
数学59.071.6GPT-6.1 Sol
知识63.671.5GPT-6.1 Sol
人类偏好67.367.1持平
多模态65.065.6持平
长上下文64.666.2GPT-6.1 Sol
综合–67.9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-6.1 Sol, 推理: 71.4GPT-6.1 Sol, 编程: 71.1GPT-6.1 Sol, 智能体与工具: 64.3GPT-6.1 Sol, 数学: 71.6GPT-6.1 Sol, 知识: 71.5GPT-6.1 Sol, 长上下文: 66.2GPT-6.1 Sol, 多模态: 65.6GPT-6.1 Sol, 人类偏好: 67.1

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 62 项基准测试中,Gemini 3.6 Flash 领先 8 项,GPT-6.1 Sol 领先 54 项。第三方来源看法不一:Gemini 3.6 Flash 在 Arena Text 上领先;GPT-6.1 Sol 在 BenchLeader Index 上领先。

综合 IndexGemini 3.6 Flash (high)GPT-6.1 Sol (max)领先者
BenchLeader Index61.066.6GPT-6.1 Sol
Arena Text14831481Gemini 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-6.1 Sol (max)
每百万 token 混合价格(截至 2026年12月31日)$1.50$4.00
每百万 token 输入 / 输出$0.750 / $3.75$2.00 / $10.00
自 2027年1月1日 起每百万 token 混合价格$3.00$4.00
自 2027年1月1日 起每百万 token 输入 / 输出$1.50 / $7.50$2.00 / $10.00
每百万 token 缓存输入$0.075$0.100
每项任务价格:聊天回复$0.0014$0.0038
每项任务价格:总结一份 30 页的报告$0.011$0.030
每项任务价格:代码编辑$0.010$0.027
每项任务价格:智能体编程会话$0.060$0.160
每项任务价格:结构化信息提取$0.0023$0.0060
智能体编程会话(输入大多命中缓存)$0.030$0.074
每项基准测试任务成本(AA Index)–$1.27
每项任务输出 token(AA Index)–68k
其中推理部分–49k
每项任务耗时(AA Index)–23 min
输出速度177 tok/s50 tok/s
首次回答时间11.0 秒166.7 秒
完整回答耗时(最近一次测量 2026年11月13日)30.3 秒429.6 秒

每个模型都按其排名最高的推理强度设置进行对比。Gemini 3.6 Flash (high) 得分 61.0,首个回答 token 需 11 秒;Gemini 3.6 Flash 为 49.3(1 秒)。GPT-6.1 Sol (max) 得分 66.6,首个回答 token 需 167 秒;GPT-6.1 Sol (xhigh) 为 63.6(68 秒),GPT-6.1 Sol (high) 为 63.4(33 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 170 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-6.1 Sol (max)
BenchLeader IndexBenchLeader61.066.6
智能体与工具得分BenchLeader59.264.3
编程得分BenchLeader56.771.1
人类偏好得分BenchLeader67.367.1
知识得分BenchLeader63.671.5
长上下文得分BenchLeader64.666.2
数学得分BenchLeader59.071.6
多模态得分BenchLeader65.065.6
推理得分BenchLeader63.671.4
综合得分BenchLeader–67.9
混合价格(美元/百万 token)BenchLeader$1.50$4.00
输出速度BenchLeader177 tok/s50 tok/s
首次回答时间BenchLeader11.0 秒166.7 秒
上下文窗口BenchLeader1,048,576 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub94.1%95.4%
SimpleBenchSimpleBench–82.9%†
Arena Hard PromptsArena (LMArena)15011505
LiveBench 2.0 ReasoningLiveBench–92.6%
LiveBench 1.0 ReasoningLiveBench85.2%92.6%
GPQA Diamond (AA)Artificial Analysis92.8%–
Humanity's Last Exam (AA)Artificial Analysis40.8%52.9%
HLE-Diamond (AA)Artificial Analysis–58.8%
GPQA Diamond (Vals)Vals AI93.4%–
ARC-AGI-1ARC Prize91.2%96.5%
ARC-AGI-2ARC Prize60.4%94.2%
ARC-AGI-3ARC Prize–96.2%
CritPtArtificial Analysis10.6%31.7%
CritPt v2 hard subset (AA)Artificial Analysis–69.5%
MysteryMechanismVals AI–46.4%
Arena ExpertArena (LMArena)15001525
Chess PuzzlesEpoch AI Benchmarking Hub40.0%68.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub30.0%80.0%
LMCAEpoch AI Benchmarking Hub44.9%62.8%
DTBenchEpoch AI Benchmarking Hub95.5%96.5%
ForecastBenchForecastBench65.7%†–
编程
SciCodeSciCode53.4%54.2%
WeirdMLWeirdML56.1%–
FrontierCodeCognition34.4%†50.2%†
Arena CodingArena (LMArena)15181540
显示全部 170 项基准测试
指标发布方Gemini 3.6 Flash (high)GPT-6.1 Sol (max)
编程
Arena WebDevArena (LMArena)15381743
LiveBench 2.0 CodingLiveBench–82.1%
LiveBench 1.0 CodingLiveBench77.9%80.4%
LiveCodeBenchVals AI88.1%–
IOIVals AI35.1%96.9%
SWE-bench (Vals)Vals AI79.6%–
Code MigrationVals AI30.9%65.1%
Code Migration v1.1Vals AI–77.3%
ProgramBenchVals AI0.0%3.0%
SWE-bench MultimodalVals AI–43.5%
Vibe Code Bench v1.1Vals AI64.0%88.9%
SWE Atlas v1.1Scale AI SEAL–65.9%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–71.0%†
SWE Atlas v1.1: Test WritingScale AI SEAL–66.7%†
SWE Atlas v1.1: RefactoringScale AI SEAL–60.0%†
SWE-Bench Pro V2Scale AI SEAL–96.1%†
MirrorCodeEpoch AI Benchmarking Hub23.3%61.1%
DeepSWE v1.1Epoch AI Benchmarking Hub46.7%–
ALE-BenchEpoch AI Benchmarking Hub715.52743.8
WeirdML v3WeirdML–38.3%†
Terminal-Bench 4.0 (AA)Artificial Analysis7.1%56.1%
Terminal-Bench 2.1 (AA)Artificial Analysis77.5%–
Startrise FrontendStartrise–78.6%†
GameBench 2 OverallDuelLab GameBench 250.6†84.9†
GameBench 2 by reasoning settingDuelLab GameBench 263.092.0†
Design Arena WebsiteDesign Arena1292†1315†
FrontierCode 1.1 (AA)Artificial Analysis–49.1%
FrontierCode 2.0 (AA)Artificial Analysis–40.6%
智能体与工具
Terminal-BenchTerminal-Bench–60.9%
APEX-AgentsMercor46.9%†60.0%
Arena AgentArena (LMArena)–12.5
LiveBench Long AgenticLiveBench–65.6%
LiveBench BrowserLiveBench–93.3%
LiveBench Agentic CodingLiveBench43.4%54.5%
Terminal-Bench 2.1 (Vals)Vals AI73.8%–
HiL-BenchScale AI SEAL–62.3%†
GDPval-AA v2.1, normalised scoreArtificial Analysis–54.8%
GDPval-AA v2.1Artificial Analysis12931607
τ³-Banking (AA)Artificial Analysis29.9%–
Analyst Agent (AA)Artificial Analysis–50.0%
CyberBenchVals AI45.4%39.3%
Finance Agent v2Vals AI56.3%52.0%
Finance Agent v2.1Vals AI–61.8%
Harvey's Legal Agent Benchmark v1.1Vals AI–6.3%
Harvey's Legal Agent Benchmark v1Vals AI3.3%5.4%
Legal Research BenchVals AI25.0%38.5%
Robo-benchVals AI–28.3%
SREBenchVals AI–50.8%
Tax Agent BenchVals AI18.0%21.8%
Terminal-Bench 4.0 (Vals)Vals AI–55.0%
Terminal-Bench ScienceVals AI4.3%52.9%
Arena SearchArena (LMArena)–1249
Arena Agent Task CompletionArena (LMArena)–11.7
PostTrainBenchEpoch AI Benchmarking Hub–38.8%
Vending-Bench 2Andon Labs–12860.6†
SpireClimbEpoch AI Benchmarking Hub–23.8%
AutomationBenchArtificial Analysis53.0%64.9%
GDP.pdf (AA)Artificial Analysis17.4%31.0%
Harvey LAB-AA v1.1Harvey–6.9%
AA-Briefcase v1.1Artificial Analysis9571555
GDPxGDPx by SemiAnalysis–8.4%
Design Arena AgenticDesign Arena1177†1375
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–58.1%
MKA (AA)Artificial Analysis–47.7%
FACTS SearchGoogle75.7%†92.8%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub59.0%93.7%
FrontierMath Tier 4Epoch AI Benchmarking Hub21.9%100.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub94.2%100.0%
ProofBenchVals AI36.0%†99.0%†
LiveBench MathematicsLiveBench86.4%96.8%
AIME 2026MathArena96.7%†–
HMMT February 2026MathArena89.4%†–
MathArena ApexMathArena26.0%†–
ArXivMathMathArena–92.8%
BrokenArXivMathArena–83.1%
Arena MathsArena (LMArena)15011499
FrontierMath ErdősEpoch AI Benchmarking Hub–4.4%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub66.2%73.9%
LiveBench 2.0 Data AnalysisLiveBench–82.7%
LiveBench ResearchLiveBench–90.0%
LiveBench 1.0 Data AnalysisLiveBench63.0%82.7%
AA-Omniscience v1.1Artificial Analysis–42.0
MMLU-ProVals AI89.3%–
LegalBenchVals AI86.7%–
CorpFinVals AI63.3%–
TaxEvalVals AI74.9%–
PRBench FinanceScale AI SEAL–46.2%†
PRBench LegalScale AI SEAL–47.9%†
BioMysteryBenchVals AI58.5%79.6%
ClaimBenchVals AI–100.0%
Excel Modeling BenchmarkVals AI65.4%70.8%
Excel Modeling Benchmark v1.1Vals AI–71.1%
MedCodeVals AI53.1%48.8%
MedScribeVals AI79.7%86.5%
Public Benefits Bench v1.1Vals AI56.6%59.3%
Access to Justice BenchmarkVals AI–65.8%
Financial Coaching BenchVals AI65.8%68.5%
Immigration BenchVals AI–67.8%
EBR-benchEpoch AI Benchmarking Hub–54.3%
GDP.pdfEpoch AI Benchmarking Hub14.0%35.0%
AA-Omniscience v1.1: accuracyArtificial Analysis–61.8%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–48.1%
HealthBench Professional (AA)OpenAI–65.1%
FACTS ParametricGoogle73.9%†83.8%†
指令遵循
LiveBench LanguageLiveBench83.9%90.1%
LiveBench Instruction FollowingLiveBench75.4%74.2%
MultiChallengeScale AI SEAL–82.0%†
Arena Instruction FollowingArena (LMArena)14731482
人类偏好
Arena TextArena (LMArena)14831481
EQ-Bench 4EQ-Bench–1272†
EQ-Bench Creative Writing v3EQ-Bench1602†–
Arena Creative WritingArena (LMArena)14711449
Arena Multi-turnArena (LMArena)14901486
Arena Longer QueriesArena (LMArena)14851488
多模态
Arena VisionArena (LMArena)12971286
LiveBench DesignLiveBench–79.6%
MMMU-ProArtificial Analysis83.2%86.0%
MMMU-Pro (Vals)Vals AI88.4%–
MortgageTaxVals AI67.6%–
SAGEVals AI–90.5%
Humanity's Sixth SenseScale AI SEAL31.9%46.6%
Blueprint-Bench 2Epoch AI Benchmarking Hub31.2%†43.2%†
Furniture AssemblyEpoch AI Benchmarking Hub23.3%80.0%
VIALS-AAHandshake AI–59.0%
Code2Video-AAArtificial Analysis–1369
AA-3DArtificial Analysis–1121
FACTS MultimodalGoogle53.7%†52.6%†
长上下文
AA-LCR v1.1Artificial Analysis80.0%83.0%
Arena DocumentArena (LMArena)1454–
MLCRArtificial Analysis10.0%38.3%
FACTS GroundingGoogle66.6%†78.0%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub155.2†168.5†
LiveBench 2.0LiveBench–81.4%
LiveBench 1.0LiveBench73.6%81.6%
AA Intelligence Index v5.0.1Artificial Analysis–54.6
AA Intelligence Index v4.3.2Artificial Analysis34.051.8
AA Progress Index v1Artificial Analysis305.7348.5
Vals IndexVals AI–63.9
Vals Finance IndexVals AI–55.8%
Vals RSI IndexVals AI–26.6%
Vals Science IndexVals AI–59.6%
Vals Multimodal IndexVals AI65.1%–
Vals Router IndexVals AI–63.9%†
Vals Legal IndexVals AI–68.7%
安全与诚实
DistressBenchScale AI SEAL–74.2%†

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)。
  • GPT-6.1 Sol (max):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…);1 项分数修订。
  • 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-6.1 Sol (max):1 项分数修订。
  • GPT-6.1 Sol (max):1 项分数修订。
  • GPT-6.1 Sol (max):1 项新结果(PostTrainBench)。
  • Gemini 3.6 Flash (high):1 项新结果(MirrorCode);1 项分数修订。
  • GPT-6.1 Sol (max):1 项新结果(MirrorCode);1 项分数修订。
  • GPT-6.1 Sol (max):BenchLeader Index 67.4 → 66.9。
  • GPT-6.1 Sol (max):2 项分数修订。

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 3.6 Flash vs GPT-6.1 Sol:常见问题

GPT-6.1 Sol 比 Gemini 3.6 Flash 更好吗?
质量上 GPT-6.1 Sol (max) 领先:66.6 比 61.0。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,GPT-6.1 Sol (max) 总体领先,但请结合你的用途查看各类别得分。
Gemini 3.6 Flash 和 GPT-6.1 Sol 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 $4.00(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-6.1 Sol 更好?
GPT-6.1 Sol 在编程方面得分更高(类别得分 71 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-6.1 Sol 为 1743。
Gemini 3.6 Flash 和 GPT-6.1 Sol 哪个更快?
Gemini 3.6 Flash 输出更快(3 倍以上;输出 177 比 50 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-6.1 Sol 更好?
GPT-6.1 Sol 在智能体任务方面得分更高(类别得分 64 比 59,50 为平均水平)。
更多问题(4)
处理长文档哪个更好?
GPT-6.1 Sol 在长上下文基准测试上得分更高(66 比 65)。两者都约为 1.1M token(Gemini 3.6 Flash 为 1,048,576,GPT-6.1 Sol 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 166.7 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 3.6 Flash 和 GPT-6.1 Sol 的看法一致吗?
在两者都有结果的 62 项基准测试中,Gemini 3.6 Flash 领先 8 项,GPT-6.1 Sol 领先 54 项。第三方来源看法不一:Gemini 3.6 Flash 在 Arena Text 上领先;GPT-6.1 Sol 在 BenchLeader Index 上领先。
GPT-6.1 Sol 是什么时候发布的?
GPT-6.1 Sol 于 2026年9月29日 发布。