BenchLeader

Gemini 3.6 Flash vs Grok 4.7

完整资料:Gemini 3.6 Flash(Google)和 Grok 4.7(SpaceXAI),包括全部基准测试、价格和排名。

更新于 · 数据来自 12 个来源

截至 2026年11月16日,Gemini 3.6 Flash 与 Grok 4.7 的质量不相上下(BenchLeader Index 61.0 比 57.4,在 ±4.0 的误差范围内)。Gemini 3.6 Flash 更便宜,对方的价格是它的 2.0 倍(每百万 token 混合价格 $1.50 比 $3.00)。看重多模态(65 比 56)、推理(64 比 56)和人类偏好(67 比 63)选 Gemini 3.6 Flash;看重编程(61 比 57)选 Grok 4.7。Gemini 3.6 Flash 的首次回答更快(11.0 秒 比 55.9 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,Grok 4.7 为 57.4(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)。
  • Grok 4.7 每百万 token 混合价格为 $3.00(标价,2026年11月16日)。
  • Gemini 3.6 Flash 比 Grok 4.7 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 63 项基准测试中,Grok 4.7 领先 38 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Gemini 3.6 Flash 的评分为 1538,Grok 4.7 为 1641(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Grok 4.7类别得分 61 比 57;Arena WebDev 1641 比 1538中
智能体与工具调用Gemini 3.6 Flash类别得分 59 比 57;Terminal-Bench 2.1 (Vals) 73.8% 比 73.4%中
数学Gemini 3.6 Flash类别得分 59 比 56;FrontierMath Tiers 1–3 59.0% 比 53.0%中
推理Gemini 3.6 Flash类别得分 64 比 56;GPQA Diamond 94.1% 比 92.7%高
知识Gemini 3.6 Flash类别得分 64 比 60;SimpleQA Verified 66.2% 比 56.0%中
长文档Gemini 3.6 Flash类别得分 65 比 63;AA-LCR v1.1 80.0% 比 76.7%中
图像及其他媒体Gemini 3.6 Flash类别得分 65 比 56;Arena Vision 1297 比 1230高
对话质量(人类偏好)Gemini 3.6 FlashArena 投票 67 比 63中
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 $3.00;智能体编程会话 $0.060 比 $0.144;2027年1月1日 起:$3.00 比 $3.00–
首次回答最快Gemini 3.6 Flash首个回答 token 11.0 秒(Gemini 3.6 Flash (high))比 55.9 秒(Grok 4.7 (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 Grok 4.7 (xhigh) 的质量不相上下(61.0 比 57.4,在 ±4.0 的误差范围内)。
  • Gemini 3.6 Flash (high) 在智能体与工具、人类偏好、知识、长上下文、数学、多模态、推理方面更强。
  • Grok 4.7 (xhigh) 在编程方面更强。
  • 截至 2026年12月31日,Gemini 3.6 Flash (high) 更便宜,对方的价格是它的 2.0 倍(每百万 token 混合价格 $1.50 比 $3.00);自 2027年1月1日 起为 $3.00 比 $3.00。
  • Gemini 3.6 Flash (high) 的输出速度是对方的 2.6 倍(177 比 68 token/秒)。

概览

规格Gemini 3.6 FlashGrok 4.7
提供商GoogleSpaceXAI
发布日期2026年7月21日2026年9月21日
上下文窗口(token)1,048,576500,000
对比时的配置Gemini 3.6 Flash (high)Grok 4.7 (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 / $6.00 / $0.500
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)Grok 4.7 (xhigh)领先者
推理63.655.6Gemini 3.6 Flash
编程56.760.9Grok 4.7
智能体与工具59.256.9Gemini 3.6 Flash
数学59.055.8Gemini 3.6 Flash
知识63.659.9Gemini 3.6 Flash
人类偏好67.362.5Gemini 3.6 Flash
多模态65.055.5Gemini 3.6 Flash
长上下文64.662.9Gemini 3.6 Flash
综合–52.8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: 67.3Grok 4.7, 推理: 55.6Grok 4.7, 编程: 60.9Grok 4.7, 智能体与工具: 56.9Grok 4.7, 数学: 55.8Grok 4.7, 知识: 59.9Grok 4.7, 长上下文: 62.9Grok 4.7, 多模态: 55.5Grok 4.7, 人类偏好: 62.5

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 63 项基准测试中,Gemini 3.6 Flash 领先 25 项,Grok 4.7 领先 38 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)Grok 4.7 (xhigh)领先者
BenchLeader Index61.057.4不相上下
Arena Text14831443Gemini 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)Grok 4.7 (xhigh)
每百万 token 混合价格(截至 2026年12月31日)$1.50$3.00
每百万 token 输入 / 输出$0.750 / $3.75$2.00 / $6.00
自 2027年1月1日 起每百万 token 混合价格$3.00$3.00
自 2027年1月1日 起每百万 token 输入 / 输出$1.50 / $7.50$2.00 / $6.00
每百万 token 缓存输入$0.075$0.500
每项任务价格:聊天回复$0.0014$0.0026
每项任务价格:总结一份 30 页的报告$0.011$0.028
每项任务价格:代码编辑$0.010$0.021
每项任务价格:智能体编程会话$0.060$0.144
每项任务价格:结构化信息提取$0.0023$0.0052
智能体编程会话(输入大多命中缓存)$0.030$0.076
每项基准测试任务成本(AA Index)–$7.77
每项任务输出 token(AA Index)–105k
其中推理部分–69k
每项任务耗时(AA Index)–26 min
输出速度177 tok/s68 tok/s
首次回答时间11.0 秒55.9 秒
完整回答耗时(最近一次测量 2026年11月13日)30.3 秒145.5 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)。Grok 4.7 (xhigh) 得分 57.4,首个回答 token 需 56 秒;Grok 4.7 (high) 为 56.9(35 秒),Grok 4.7 (low) 为 55.4(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 167 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)Grok 4.7 (xhigh)
BenchLeader IndexBenchLeader61.057.4
智能体与工具得分BenchLeader59.256.9
编程得分BenchLeader56.760.9
人类偏好得分BenchLeader67.362.5
知识得分BenchLeader63.659.9
长上下文得分BenchLeader64.662.9
数学得分BenchLeader59.055.8
多模态得分BenchLeader65.055.5
推理得分BenchLeader63.655.6
综合得分BenchLeader–52.8
混合价格(美元/百万 token)BenchLeader$1.50$3.00
输出速度BenchLeader177 tok/s68 tok/s
首次回答时间BenchLeader11.0 秒55.9 秒
上下文窗口BenchLeader1,048,576 token500,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub94.1%92.7%
Arena Hard PromptsArena (LMArena)15011466
LiveBench 2.0 ReasoningLiveBench–82.7%
LiveBench 1.0 ReasoningLiveBench85.2%82.7%
GPQA Diamond (AA)Artificial Analysis92.8%–
Humanity's Last Exam (AA)Artificial Analysis40.8%43.1%
HLE-Diamond (AA)Artificial Analysis–23.2%
GPQA Diamond (Vals)Vals AI93.4%–
ARC-AGI-1ARC Prize91.2%89.5%
ARC-AGI-2ARC Prize60.4%61.4%
ARC-AGI-3ARC Prize–7.0%
CritPtArtificial Analysis10.6%17.7%
CritPt v2 hard subset (AA)Artificial Analysis–33.5%
MysteryMechanismVals AI–25.2%
HLE-Diamond (Scale)Scale AI SEAL–23.4%†
Arena ExpertArena (LMArena)15001478
Chess PuzzlesEpoch AI Benchmarking Hub40.0%41.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub30.0%29.0%
LMCAEpoch AI Benchmarking Hub44.9%49.4%
DTBenchEpoch AI Benchmarking Hub95.5%96.0%
ForecastBenchForecastBench65.7%†–
编程
SciCodeSciCode53.4%57.4%
WeirdMLWeirdML56.1%–
FrontierCodeCognition34.4%†47.6%†
Arena CodingArena (LMArena)15181493
显示全部 167 项基准测试
指标发布方Gemini 3.6 Flash (high)Grok 4.7 (xhigh)
编程
Arena WebDevArena (LMArena)15381641
LiveBench 2.0 CodingLiveBench–73.1%
LiveBench 1.0 CodingLiveBench77.9%77.2%
LiveCodeBenchVals AI88.1%–
IOIVals AI35.1%57.7%
SWE-bench (Vals)Vals AI79.6%–
Code MigrationVals AI30.9%44.8%
Code Migration v1.1Vals AI–53.2%
ProgramBenchVals AI0.0%0.5%
SWE-bench MultimodalVals AI–42.9%
Vibe Code Bench v1.1Vals AI64.0%86.2%
Vibe Code Bench 1-100 v1.1Vals AI–26.4%
SWE Atlas v1.1Scale AI SEAL–62.1%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–73.4%†
SWE Atlas v1.1: Test WritingScale AI SEAL–64.4%†
SWE Atlas v1.1: RefactoringScale AI SEAL–48.6%†
MirrorCodeEpoch AI Benchmarking Hub23.3%54.4%
DeepSWE v1.1Epoch AI Benchmarking Hub46.7%–
CursorBenchCursor–46.3%
ALE-BenchEpoch AI Benchmarking Hub715.51545.8
FrontierSWEEpoch AI Benchmarking Hub–29.5%
WeirdML v3WeirdML–8.4%
Terminal-Bench 4.0 (AA)Artificial Analysis7.1%25.8%
Terminal-Bench 2.1 (AA)Artificial Analysis77.5%–
Startrise FrontendStartrise–75.9%†
GameBench 2 OverallDuelLab GameBench 250.6†63.6†
GameBench 2 by reasoning settingDuelLab GameBench 263.071.2
Design Arena WebsiteDesign Arena1292†1244†
FrontierCode 1.1 (AA)Artificial Analysis–33.8%
FrontierCode 2.0 (AA)Artificial Analysis–28.7%
智能体与工具
Terminal-BenchTerminal-Bench–38.8%
APEX-AgentsMercor46.9%†54.6%†
Arena AgentArena (LMArena)–2.6
LiveBench Long AgenticLiveBench–45.3%
LiveBench BrowserLiveBench–49.3%
LiveBench Agentic CodingLiveBench43.4%54.0%
Terminal-Bench 2.1 (Vals)Vals AI73.8%73.4%
GDPval-AA v2.1, normalised scoreArtificial Analysis–60.7%
GDPval-AA v2.1Artificial Analysis12931717
τ³-Banking (AA)Artificial Analysis29.9%–
ITBench SRE (AA)Artificial Analysis–42.1%
Analyst Agent (AA)Artificial Analysis–52.5%
CyberBenchVals AI45.4%69.5%
Finance Agent v2Vals AI56.3%52.3%
Finance Agent v2.1Vals AI–60.6%
Harvey's Legal Agent Benchmark v1.1Vals AI–18.3%
Harvey's Legal Agent Benchmark v1Vals AI3.3%12.5%
Legal Research BenchVals AI25.0%47.1%
Robo-benchVals AI–0.2%
SREBenchVals AI–3.8%
Tax Agent BenchVals AI18.0%35.8%
Terminal-Bench 4.0 (Vals)Vals AI–28.8%
Terminal-Bench ScienceVals AI4.3%10.0%
Arena Agent Task CompletionArena (LMArena)–5.1
Vending-Bench 2Andon Labs–10536.8†
AutomationBenchArtificial Analysis53.0%65.6%
GDP.pdf (AA)Artificial Analysis17.4%20.0%
Harvey LAB-AA v1.1Harvey–9.4%
AA-Briefcase v1.1Artificial Analysis9571636
GDPxGDPx by SemiAnalysis–3.9%
Design Arena AgenticDesign Arena1177†1277†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–11.4%
CWE-Bench (AA)Artificial Analysis–68.3%
DeepSec-Bench (AA)Artificial Analysis–26.9%
CyberGym end-to-end (AA)Artificial Analysis–74.0%
MKA (AA)Artificial Analysis–40.1%
FACTS SearchGoogle75.7%†85.6%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub59.0%53.0%
FrontierMath Tier 4Epoch AI Benchmarking Hub21.9%17.1%
OTIS Mock AIMEEpoch AI Benchmarking Hub94.2%98.1%
ProofBenchVals AI36.0%†26.0%†
LiveBench MathematicsLiveBench86.4%95.7%
AIME 2026MathArena96.7%†–
HMMT February 2026MathArena89.4%†–
MathArena ApexMathArena26.0%†–
Arena MathsArena (LMArena)15011447
FrontierMath ErdősEpoch AI Benchmarking Hub–0.0%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub66.2%56.0%
LiveBench 2.0 Data AnalysisLiveBench–76.9%
LiveBench ResearchLiveBench–89.5%
LiveBench 1.0 Data AnalysisLiveBench63.0%76.9%
AA-Omniscience v1.1Artificial Analysis–31.2
MMLU-ProVals AI89.3%–
LegalBenchVals AI86.7%84.4%
CorpFinVals AI63.3%–
TaxEvalVals AI74.9%–
PRBench LegalScale AI SEAL–47.6%
BioMysteryBenchVals AI58.5%69.3%
Excel Modeling BenchmarkVals AI65.4%67.0%
Excel Modeling Benchmark v1.1Vals AI–71.5%
MedCodeVals AI53.1%49.5%
MedScribeVals AI79.7%89.4%
Public Benefits Bench v1.1Vals AI56.6%65.6%
Access to Justice BenchmarkVals AI–73.7%
Financial Coaching BenchVals AI65.8%74.1%
Immigration BenchVals AI–68.0%
GDP.pdfEpoch AI Benchmarking Hub14.0%22.8%
AA-Omniscience v1.1: accuracyArtificial Analysis–42.7%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–80.0%
HealthBench Professional (AA)OpenAI–55.8%
FACTS ParametricGoogle73.9%†54.3%†
指令遵循
LiveBench LanguageLiveBench83.9%80.1%
LiveBench Instruction FollowingLiveBench75.4%75.3%
Arena Instruction FollowingArena (LMArena)14731435
人类偏好
Arena TextArena (LMArena)14831443
EQ-Bench Creative Writing v3EQ-Bench1602†2012†
Arena Creative WritingArena (LMArena)14711421
Arena Multi-turnArena (LMArena)14901435
Arena Longer QueriesArena (LMArena)14851454
多模态
Arena VisionArena (LMArena)12971230
LiveBench DesignLiveBench–75.0%
MMMU-ProArtificial Analysis83.2%78.2%†
MMMU-Pro (Vals)Vals AI88.4%–
MortgageTaxVals AI67.6%–
SAGEVals AI–88.7%
Humanity's Sixth SenseScale AI SEAL31.9%–
GeoBenchGeoBench–61.0%†
Blueprint-Bench 2Epoch AI Benchmarking Hub31.2%†32.5%†
Furniture AssemblyEpoch AI Benchmarking Hub23.3%20.8%
VIALS-AAHandshake AI–37.9%
Code2Video-AAArtificial Analysis–1127
AA-3DArtificial Analysis–992
FACTS MultimodalGoogle53.7%†40.9%†
长上下文
AA-LCR v1.1Artificial Analysis80.0%76.7%
Arena DocumentArena (LMArena)1454–
MLCRArtificial Analysis10.0%20.0%
FACTS GroundingGoogle66.6%†68.6%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub155.2†156.2†
LiveBench 2.0LiveBench–67.9%
LiveBench 1.0LiveBench73.6%77.4%
AA Intelligence Index v5.0.1Artificial Analysis–35.5
AA Intelligence Index v4.3.2Artificial Analysis34.046.5
AA Progress Index v1Artificial Analysis305.7322.7
Vals IndexVals AI–58.6
Vals Finance IndexVals AI–58.8%
Vals RSI IndexVals AI–20.2%
Vals Science IndexVals AI–34.8%
Vals Multimodal IndexVals AI65.1%–
Vals Router IndexVals AI–58.6%†
Vals Legal IndexVals AI–72.7%
AA Cyber IndexArtificial Analysis–56.4
安全与诚实
DistressBenchScale AI SEAL–52.4%†

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)。
  • Grok 4.7 (xhigh):BenchLeader Index 58.0 → 57.4。
  • Grok 4.7 (xhigh):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。
  • Gemini 3.6 Flash (high):1 项新结果(MirrorCode);1 项分数修订。
  • Grok 4.7 (xhigh):1 项新结果(MirrorCode)。
  • Grok 4.7 (xhigh):1 项新结果(ALE-Bench)。
  • Grok 4.7 (xhigh):2 项分数修订。
  • Gemini 3.6 Flash (high):1 项分数修订。
  • Grok 4.7 (xhigh):2 项分数修订。

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 Grok 4.7:常见问题

Gemini 3.6 Flash 比 Grok 4.7 更好吗?
Gemini 3.6 Flash (high) 与 Grok 4.7 (xhigh) 的质量不相上下(61.0 比 57.4,在 ±4.0 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 Grok 4.7 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 $3.00(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 Grok 4.7 更好?
Grok 4.7 在编程方面得分更高(类别得分 61 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,Grok 4.7 为 1641。
Gemini 3.6 Flash 和 Grok 4.7 哪个更快?
Gemini 3.6 Flash 输出更快(约 2 倍;输出 177 比 68 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Gemini 3.6 Flash 还是 Grok 4.7 更好?
Gemini 3.6 Flash 在智能体任务方面得分更高(类别得分 59 比 57,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 Terminal-Bench 2.1 (Vals) 上,Gemini 3.6 Flash 为 73.8%,Grok 4.7 为 73.4%。
更多问题(4)
处理长文档哪个更好?
Gemini 3.6 Flash 在长上下文基准测试上得分更高(65 比 63)。Gemini 3.6 Flash 支持更长的上下文:1,048,576 token,Grok 4.7 为 500,000 token。
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 55.9 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 Grok 4.7 的看法一致吗?
在两者都有结果的 63 项基准测试中,Gemini 3.6 Flash 领先 25 项,Grok 4.7 领先 38 项。所有同时评测两者的综合评分都认为 Gemini 3.6 Flash 更强。
Grok 4.7 是什么时候发布的?
Grok 4.7 于 2026年9月21日 发布。