BenchLeader

Gemini 3.6 Flash vs GPT-6.1 Terra

完整资料:Gemini 3.6 Flash(Google)和 GPT-6.1 Terra(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,质量上 GPT-6.1 Terra 领先 Gemini 3.6 Flash(BenchLeader Index 64.1 比 61.0)。不过,Gemini 3.6 Flash 更便宜,对方的价格是它的 1.3 倍(每百万 token 混合价格 $1.50 比 $2.00)。看重知识(64 比 61)选 Gemini 3.6 Flash;看重数学(72 比 59)、编程(69 比 57)和推理(68 比 64)选 GPT-6.1 Terra。Gemini 3.6 Flash 的首次回答更快(11.0 秒 比 150.9 秒)。Gemini 3.6 Flash 的输出更快(约 2 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-6.1 Terra 为 64.1(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-6.1 Terra 每百万 token 混合价格为 $2.00(标价,2026年11月16日)。
  • Gemini 3.6 Flash 比 GPT-6.1 Terra 输出更快(约 2 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 25 项基准测试中,GPT-6.1 Terra 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-6.1 Terra 为 1678(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 Terra类别得分 69 比 57;Arena WebDev 1678 比 1538高
智能体与工具调用GPT-6.1 Terra类别得分 63 比 59;GDPval-AA v2.1 1476 比 1293中
数学GPT-6.1 Terra类别得分 72 比 59;FrontierMath Tiers 1–3 90.9% 比 59.0%高
推理GPT-6.1 Terra类别得分 68 比 64;GPQA Diamond 94.3% 比 94.1%中
知识Gemini 3.6 Flash类别得分 64 比 61;SimpleQA Verified 66.2% 比 57.3%中
长文档GPT-6.1 Terra类别得分 66 比 65;AA-LCR v1.1 82.7% 比 80.0%中
图像及其他媒体GPT-6.1 Terra类别得分 67 比 65;MMMU-Pro 84.7% 比 83.2%中
对话质量(人类偏好)–只有 Gemini 3.6 Flash 有 Arena 评分(类别得分 67)无法比较
成本最低Gemini 3.6 Flash(截至 2026年12月31日)每百万 token 混合价格 $1.50 比 $2.00;智能体编程会话 $0.060 比 $0.080;2027年1月1日 起:$3.00 比 $2.00–
首次回答最快Gemini 3.6 Flash首个回答 token 11.0 秒(Gemini 3.6 Flash (high))比 150.9 秒(GPT-6.1 Terra (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 Terra (max) 领先:64.1 比 61.0。
  • Gemini 3.6 Flash (high) 在知识方面更强。
  • GPT-6.1 Terra (max) 在智能体与工具、编程、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 1.3 倍(每百万 token 混合价格 $1.50 比 $2.00);自 2027年1月1日 起为 $3.00 比 $2.00。
  • Gemini 3.6 Flash (high) 的输出速度是对方的 2.4 倍(177 比 72 token/秒)。

概览

规格Gemini 3.6 FlashGPT-6.1 Terra
提供商GoogleOpenAI
发布日期2026年7月21日2026年10月26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 Terra (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$1.00 / $5.00 / $0.050
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 Terra (max)领先者
推理63.668.4GPT-6.1 Terra
编程56.769.3GPT-6.1 Terra
智能体与工具59.263.4GPT-6.1 Terra
数学59.071.7GPT-6.1 Terra
知识63.661.4Gemini 3.6 Flash
人类偏好67.3–无法比较
多模态65.067.2GPT-6.1 Terra
长上下文64.666.0GPT-6.1 Terra
综合–65.0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: 65.0GPT-6.1 Terra, 推理: 68.4GPT-6.1 Terra, 编程: 69.3GPT-6.1 Terra, 智能体与工具: 63.4GPT-6.1 Terra, 数学: 71.7GPT-6.1 Terra, 知识: 61.4GPT-6.1 Terra, 长上下文: 66.0GPT-6.1 Terra, 多模态: 67.2

未绘制(测得的模型少于两个):指令遵循, 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 25 项基准测试中,Gemini 3.6 Flash 领先 2 项,GPT-6.1 Terra 领先 23 项。所有同时评测两者的综合评分都认为 GPT-6.1 Terra 更强。

综合 IndexGemini 3.6 Flash (high)GPT-6.1 Terra (max)领先者
BenchLeader Index61.064.1GPT-6.1 Terra

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 Terra (max)
每百万 token 混合价格(截至 2026年12月31日)$1.50$2.00
每百万 token 输入 / 输出$0.750 / $3.75$1.00 / $5.00
自 2027年1月1日 起每百万 token 混合价格$3.00$2.00
自 2027年1月1日 起每百万 token 输入 / 输出$1.50 / $7.50$1.00 / $5.00
每百万 token 缓存输入$0.075$0.050
每项任务价格:聊天回复$0.0014$0.0019
每项任务价格:总结一份 30 页的报告$0.011$0.015
每项任务价格:代码编辑$0.010$0.013
每项任务价格:智能体编程会话$0.060$0.080
每项任务价格:结构化信息提取$0.0023$0.0030
智能体编程会话(输入大多命中缓存)$0.030$0.037
每项基准测试任务成本(AA Index)–$0.961
每项任务输出 token(AA Index)–60k
其中推理部分–39k
每项任务耗时(AA Index)–14 min
输出速度177 tok/s72 tok/s
首次回答时间11.0 秒150.9 秒
完整回答耗时(最近一次测量 2026年11月13日)30.3 秒375.7 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 Terra (max) 得分 64.1,首个回答 token 需 151 秒;GPT-6.1 Terra (xhigh) 为 60.0(30 秒),GPT-6.1 Terra (high) 为 59.6(10 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-6.1 Terra (max)
BenchLeader IndexBenchLeader61.064.1
智能体与工具得分BenchLeader59.263.4
编程得分BenchLeader56.769.3
人类偏好得分BenchLeader67.3–
知识得分BenchLeader63.661.4
长上下文得分BenchLeader64.666.0
数学得分BenchLeader59.071.7
多模态得分BenchLeader65.067.2
推理得分BenchLeader63.668.4
综合得分BenchLeader–65.0
混合价格(美元/百万 token)BenchLeader$1.50$2.00
输出速度BenchLeader177 tok/s72 tok/s
首次回答时间BenchLeader11.0 秒150.9 秒
上下文窗口BenchLeader1,048,576 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub94.1%94.3%
SimpleBenchSimpleBench–72.2%†
Arena Hard PromptsArena (LMArena)1501–
LiveBench 2.0 ReasoningLiveBench–88.7%
LiveBench 1.0 ReasoningLiveBench85.2%–
GPQA Diamond (AA)Artificial Analysis92.8%–
Humanity's Last Exam (AA)Artificial Analysis40.8%46.3%
HLE-Diamond (AA)Artificial Analysis–47.3%
GPQA Diamond (Vals)Vals AI93.4%–
ARC-AGI-1ARC Prize91.2%–
ARC-AGI-2ARC Prize60.4%–
CritPtArtificial Analysis10.6%28.0%
CritPt v2 hard subset (AA)Artificial Analysis–68.0%
HLE-Diamond (Scale)Scale AI SEAL–35.7%†
Arena ExpertArena (LMArena)1500–
Chess PuzzlesEpoch AI Benchmarking Hub40.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub30.0%74.0%
LMCAEpoch AI Benchmarking Hub44.9%–
DTBenchEpoch AI Benchmarking Hub95.5%–
ForecastBenchForecastBench65.7%†–
编程
SciCodeSciCode53.4%55.1%
WeirdMLWeirdML56.1%–
FrontierCodeCognition34.4%†–
Arena CodingArena (LMArena)1518–
Arena WebDevArena (LMArena)15381678
显示全部 143 项基准测试
指标发布方Gemini 3.6 Flash (high)GPT-6.1 Terra (max)
编程
LiveBench 2.0 CodingLiveBench–89.2%
LiveBench 1.0 CodingLiveBench77.9%–
LiveCodeBenchVals AI88.1%–
IOIVals AI35.1%–
SWE-bench (Vals)Vals AI79.6%–
Code MigrationVals AI30.9%–
ProgramBenchVals AI0.0%–
Vibe Code Bench v1.1Vals AI64.0%84.0%
SWE Atlas v1.1Scale AI SEAL–57.7%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–54.0%†
SWE Atlas v1.1: Test WritingScale AI SEAL–63.3%†
SWE Atlas v1.1: RefactoringScale AI SEAL–55.7%†
MirrorCodeEpoch AI Benchmarking Hub23.3%76.7%
DeepSWE v1.1Epoch AI Benchmarking Hub46.7%–
ALE-BenchEpoch AI Benchmarking Hub715.52608.8
WeirdML v3WeirdML–28.1%†
Terminal-Bench 4.0 (AA)Artificial Analysis7.1%55.6%
Terminal-Bench 2.1 (AA)Artificial Analysis77.5%–
GameBench 2 OverallDuelLab GameBench 250.6†81.2†
GameBench 2 by reasoning settingDuelLab GameBench 263.085.8†
Design Arena WebsiteDesign Arena1292†1286†
FrontierCode 1.1 (AA)Artificial Analysis–36.0%
FrontierCode 2.0 (AA)Artificial Analysis–42.3%
智能体与工具
Terminal-BenchTerminal-Bench–53.3%
APEX-AgentsMercor46.9%†68.3%
Arena AgentArena (LMArena)–12
LiveBench Long AgenticLiveBench–56.2%
LiveBench BrowserLiveBench–93.1%
LiveBench Agentic CodingLiveBench43.4%–
Terminal-Bench 2.1 (Vals)Vals AI73.8%–
HiL-BenchScale AI SEAL–68.0%†
GDPval-AA v2.1Artificial Analysis12931476
τ³-Banking (AA)Artificial Analysis29.9%–
CyberBenchVals AI45.4%–
Finance Agent v2Vals AI56.3%–
Finance Agent v2.1Vals AI–56.0%
Harvey's Legal Agent Benchmark v1.1Vals AI–1.7%
Harvey's Legal Agent Benchmark v1Vals AI3.3%–
Legal Research BenchVals AI25.0%26.0%
Tax Agent BenchVals AI18.0%17.1%
Terminal-Bench 4.0 (Vals)Vals AI–49.5%
Terminal-Bench ScienceVals AI4.3%–
Arena Agent Task CompletionArena (LMArena)–9.7
Vending-Bench 2Andon Labs–9107.5†
SpireClimbEpoch AI Benchmarking Hub–22.3%
AutomationBenchArtificial Analysis53.0%60.2%
GDP.pdf (AA)Artificial Analysis17.4%28.6%
AA-Briefcase v1.1Artificial Analysis9571401
GDPxGDPx by SemiAnalysis–8.5%
Design Arena AgenticDesign Arena1177†1192†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–57.6%
MKA (AA)Artificial Analysis–43.8%
FACTS SearchGoogle75.7%†92.7%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub59.0%90.9%
FrontierMath Tier 4Epoch AI Benchmarking Hub21.9%92.7%
OTIS Mock AIMEEpoch AI Benchmarking Hub94.2%100.0%
ProofBenchVals AI36.0%†–
LiveBench MathematicsLiveBench86.4%–
AIME 2026MathArena96.7%†–
HMMT February 2026MathArena89.4%†–
MathArena ApexMathArena26.0%†–
Arena MathsArena (LMArena)1501–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub66.2%57.3%
LiveBench 2.0 Data AnalysisLiveBench–82.3%
LiveBench ResearchLiveBench–79.1%
LiveBench 1.0 Data AnalysisLiveBench63.0%–
AA-Omniscience v1.1Artificial Analysis–29.6
MMLU-ProVals AI89.3%–
LegalBenchVals AI86.7%–
CorpFinVals AI63.3%–
TaxEvalVals AI74.9%–
BioMysteryBenchVals AI58.5%–
Excel Modeling BenchmarkVals AI65.4%–
Excel Modeling Benchmark v1.1Vals AI–73.3%
MedCodeVals AI53.1%–
MedScribeVals AI79.7%–
Public Benefits Bench v1.1Vals AI56.6%–
Financial Coaching BenchVals AI65.8%–
EBR-benchEpoch AI Benchmarking Hub–78.1%
GDP.pdfEpoch AI Benchmarking Hub14.0%–
AA-Omniscience v1.1: accuracyArtificial Analysis–47.6%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–65.5%
FACTS ParametricGoogle73.9%†70.8%†
指令遵循
LiveBench LanguageLiveBench83.9%–
LiveBench Instruction FollowingLiveBench75.4%–
MultiChallengeScale AI SEAL–74.2%†
Arena Instruction FollowingArena (LMArena)1473–
人类偏好
Arena TextArena (LMArena)1483–
EQ-Bench Creative Writing v3EQ-Bench1602†–
Arena Creative WritingArena (LMArena)1471–
Arena Multi-turnArena (LMArena)1490–
Arena Longer QueriesArena (LMArena)1485–
多模态
Arena VisionArena (LMArena)1297–
LiveBench DesignLiveBench–79.7%
MMMU-ProArtificial Analysis83.2%84.7%
MMMU-Pro (Vals)Vals AI88.4%–
MortgageTaxVals AI67.6%–
Humanity's Sixth SenseScale AI SEAL31.9%–
Blueprint-Bench 2Epoch AI Benchmarking Hub31.2%†42.1%†
Furniture AssemblyEpoch AI Benchmarking Hub23.3%79.2%
VIALS-AAHandshake AI–60.3%
FACTS MultimodalGoogle53.7%†48.8%†
长上下文
AA-LCR v1.1Artificial Analysis80.0%82.7%
Arena DocumentArena (LMArena)1454–
MLCRArtificial Analysis10.0%30.6%
FACTS GroundingGoogle66.6%†84.2%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub155.2†167.7†
LiveBench 2.0LiveBench–78.8%
LiveBench 1.0LiveBench73.6%–
AA Intelligence Index v5.0.1Artificial Analysis–51.3
AA Intelligence Index v4.3.2Artificial Analysis34.048.1
AA Progress Index v1Artificial Analysis305.7345.2
Vals IndexVals AI–60.5
Vals Finance IndexVals AI–53.3%
Vals Multimodal IndexVals AI65.1%–
Vals Legal IndexVals AI–58.8%
安全与诚实
FORTRESSScale AI SEAL–18.2%†
DistressBenchScale AI SEAL–65.9%†

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 3.6 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 Terra (max):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • 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 Terra (max):BenchLeader Index 64.7 → 64.1。
  • GPT-6.1 Terra (max):1 项新结果(Terminal-Bench)。
  • GPT-6.1 Terra (max):BenchLeader Index 65.2 → 64.7。
  • Gemini 3.6 Flash (high):1 项新结果(MirrorCode);1 项分数修订。
  • GPT-6.1 Terra (max):1 项新结果(MirrorCode)。
  • GPT-6.1 Terra (max):1 项分数修订。
  • GPT-6.1 Terra (max):1 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 Terra:常见问题

GPT-6.1 Terra 比 Gemini 3.6 Flash 更好吗?
质量上 GPT-6.1 Terra (max) 领先:64.1 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 Terra (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 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 $2.00(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 Terra 更好?
GPT-6.1 Terra 在编程方面得分更高(类别得分 69 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 Terra 为 1678。
Gemini 3.6 Flash 和 GPT-6.1 Terra 哪个更快?
Gemini 3.6 Flash 输出更快(约 2 倍;输出 177 比 72 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 Terra 更好?
GPT-6.1 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)。
更多问题(4)
处理长文档哪个更好?
GPT-6.1 Terra 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 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 150.9 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 3.6 Flash 和 GPT-6.1 Terra 的看法一致吗?
在两者都有结果的 25 项基准测试中,Gemini 3.6 Flash 领先 2 项,GPT-6.1 Terra 领先 23 项。所有同时评测两者的综合评分都认为 GPT-6.1 Terra 更强。
GPT-6.1 Terra 是什么时候发布的?
GPT-6.1 Terra 于 2026年10月26日 发布。