BenchLeader

Gemini 3.7 Flash vs Gemini 4 Carbon

完整资料:Gemini 3.7 Flash(Google)和 Gemini 4 Carbon(Google),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,质量上 Gemini 4 Carbon 领先 Gemini 3.7 Flash(BenchLeader Index 68.9 比 62.1)。不过,Gemini 3.7 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)。看重长上下文(66 比 64)选 3.7 Flash;看重智能体与工具(70 比 49)、编程(74 比 62)和知识(76 比 66)选 4 Carbon。3.7 Flash 的首次回答更快(2.2 秒 比 73.5 秒)。

要点(截至 2026年11月16日)

  • Gemini 3.7 Flash 的 BenchLeader Index 为 62.1,Gemini 4 Carbon 为 68.9(BenchLeader,2026年11月16日)。
  • Gemini 3.7 Flash 每百万 token 混合价格为 $1.50(标价,2026年11月16日)。
  • Gemini 4 Carbon 每百万 token 混合价格为 $4.00(标价,2026年11月16日)。
  • 在两者都有结果的 37 项基准测试中,Gemini 4 Carbon 领先 36 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Gemini 3.7 Flash 的评分为 1588,Gemini 4 Carbon 为 1768(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Gemini 4 Carbon类别得分 74 比 62;Arena WebDev 1768 比 1588高
智能体与工具调用Gemini 4 Carbon类别得分 70 比 49;Terminal-Bench 64.5% 比 12.4%高
数学Gemini 4 Carbon类别得分 72 比 63;FrontierMath Tiers 1–3 90.5% 比 71.6%高
推理Gemini 4 Carbon类别得分 73 比 68;GPQA Diamond 96.5% 比 94.8%中
知识Gemini 4 Carbon类别得分 76 比 66;SimpleQA Verified 77.7% 比 69.2%高
长文档Gemini 3.7 Flash类别得分 66 比 64;AA-LCR v1.1 81.7% 比 79.3%中
对话质量(人类偏好)Gemini 4 CarbonArena 投票 73 比 68中
成本最低Gemini 3.7 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–
首次回答最快Gemini 3.7 Flash首个回答 token 2.2 秒(Gemini 3.7 Flash (high))比 73.5 秒(Gemini 4 Carbon (high))–
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 Gemini 4 Carbon (high) 领先:68.9 比 62.1。
  • Gemini 3.7 Flash (high) 在长上下文方面更强。
  • Gemini 4 Carbon (high) 在智能体与工具、编程、人类偏好、知识、数学、推理方面更强。
  • Gemini 3.7 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)。
  • Gemini 3.7 Flash (high) 的输出速度是对方的 1.5 倍(95 比 64 token/秒)。

概览

规格Gemini 3.7 FlashGemini 4 Carbon
提供商GoogleGoogle
发布日期2026年8月13日2026年10月28日
上下文窗口(token)1,048,5761,048,576
对比时的配置Gemini 3.7 Flash (high)Gemini 4 Carbon (high)
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

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 3.7 Flash (high)Gemini 4 Carbon (high)领先者
推理67.873.2Gemini 4 Carbon
编程62.374.1Gemini 4 Carbon
智能体与工具48.970.3Gemini 4 Carbon
数学62.671.9Gemini 4 Carbon
知识65.976.1Gemini 4 Carbon
人类偏好68.172.6Gemini 4 Carbon
多模态67.2–无法比较
长上下文65.564.3Gemini 3.7 Flash
综合–70.3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人类偏好Gemini 3.7 Flash, 推理: 67.8Gemini 3.7 Flash, 编程: 62.3Gemini 3.7 Flash, 智能体与工具: 48.9Gemini 3.7 Flash, 数学: 62.6Gemini 3.7 Flash, 知识: 65.9Gemini 3.7 Flash, 长上下文: 65.5Gemini 3.7 Flash, 人类偏好: 68.1Gemini 4 Carbon, 推理: 73.2Gemini 4 Carbon, 编程: 74.1Gemini 4 Carbon, 智能体与工具: 70.3Gemini 4 Carbon, 数学: 71.9Gemini 4 Carbon, 知识: 76.1Gemini 4 Carbon, 长上下文: 64.3Gemini 4 Carbon, 人类偏好: 72.6

未绘制(测得的模型少于两个):指令遵循, 多模态。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 37 项基准测试中,Gemini 3.7 Flash 领先 1 项,Gemini 4 Carbon 领先 36 项。所有同时评测两者的综合评分都认为 Gemini 4 Carbon 更强。

综合 IndexGemini 3.7 Flash (high)Gemini 4 Carbon (high)领先者
BenchLeader Index62.168.9Gemini 4 Carbon
Arena Text14891526Gemini 4 Carbon

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 3.7 Flash (high)Gemini 4 Carbon (high)
每百万 token 混合价格$1.50$4.00
每百万 token 输入 / 输出$0.750 / $3.75$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)–$5.48
每项任务输出 token(AA Index)–123k
其中推理部分–72k
每项任务耗时(AA Index)–32 min
输出速度95 tok/s64 tok/s
首次回答时间2.2 秒73.5 秒
完整回答耗时(最近一次测量 2026年11月13日)–160.6 秒

每个模型都按其排名最高的推理强度设置进行对比。Gemini 3.7 Flash (high) 得分 62.1,首个回答 token 需 2 秒;Gemini 3.7 Flash (medium) 为 60.1(2 秒),Gemini 3.7 Flash (low) 为 57.3(2 秒)。Gemini 4 Carbon (high) 得分 68.9,首个回答 token 需 73 秒;Gemini 4 Carbon (medium) 为 65.8(21 秒),Gemini 4 Carbon (low) 为 60.1(11 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 3.7 Flash (high)Gemini 4 Carbon (high)
BenchLeader IndexBenchLeader62.168.9
智能体与工具得分BenchLeader48.970.3
编程得分BenchLeader62.374.1
人类偏好得分BenchLeader68.172.6
知识得分BenchLeader65.976.1
长上下文得分BenchLeader65.564.3
数学得分BenchLeader62.671.9
多模态得分BenchLeader67.2–
推理得分BenchLeader67.873.2
综合得分BenchLeader–70.3
混合价格(美元/百万 token)BenchLeader$1.50$4.00
输出速度BenchLeader95 tok/s64 tok/s
首次回答时间BenchLeader2.2 秒73.5 秒
上下文窗口BenchLeader1,048,576 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub94.8%96.5%
SimpleBenchSimpleBench–92.6%†
Arena Hard PromptsArena (LMArena)15101547
LiveBench 2.0 ReasoningLiveBench–90.6%
LiveBench 1.0 ReasoningLiveBench87.8%–
GPQA Diamond (AA)Artificial Analysis94.5%–
Humanity's Last Exam (AA)Artificial Analysis47.9%–
HLE-Diamond (AA)Artificial Analysis–69.1%
GPQA Diamond (Vals)Vals AI93.9%–
ARC-AGI-1ARC Prize95.5%97.5%
ARC-AGI-2ARC Prize84.6%92.1%
ARC-AGI-3ARC Prize–96.9%
CritPtArtificial Analysis14.3%–
CritPt v2 hard subset (AA)Artificial Analysis–69.0%
Arena ExpertArena (LMArena)15191567
Chess PuzzlesEpoch AI Benchmarking Hub66.0%78.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub37.0%73.0%
LMCAEpoch AI Benchmarking Hub50.4%–
DTBenchEpoch AI Benchmarking Hub96.8%–
ForecastBenchForecastBench66.2%–
编程
SciCodeSciCode57.2%64.2%
FrontierCodeCognition43.6%†–
Arena CodingArena (LMArena)15201568
Arena WebDevArena (LMArena)15881768
LiveBench 2.0 CodingLiveBench–91.0%
显示全部 143 项基准测试
指标发布方Gemini 3.7 Flash (high)Gemini 4 Carbon (high)
编程
LiveBench 1.0 CodingLiveBench78.9%–
SciCode (AA)Artificial Analysis57.2%–
LiveCodeBenchVals AI88.7%–
IOIVals AI67.8%–
SWE-bench (Vals)Vals AI80.8%–
Code MigrationVals AI34.8%–
ProgramBenchVals AI0.0%–
Vibe Code Bench v1.1Vals AI70.4%89.1%
Vibe Code Bench 1-100 v1.1Vals AI–49.7%
SWE Atlas v1.1Scale AI SEAL–71.4%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–73.4%†
SWE Atlas v1.1: Test WritingScale AI SEAL–76.7%†
SWE Atlas v1.1: RefactoringScale AI SEAL–64.3%†
MirrorCodeEpoch AI Benchmarking Hub41.1%–
DeepSWE v1.1Epoch AI Benchmarking Hub65.3%–
CursorBenchCursor–60.4%
ALE-BenchEpoch AI Benchmarking Hub904.3–
FrontierSWEEpoch AI Benchmarking Hub20.3%61.2%
Terminal-Bench 4.0 (AA)Artificial Analysis13.6%65.2%
Terminal-Bench 2.1 (AA)Artificial Analysis85.8%–
Design Arena WebsiteDesign Arena1295†1319†
FrontierCode 2.0 (AA)Artificial Analysis–40.6%
智能体与工具
Terminal-BenchTerminal-Bench12.4%64.5%
Remote Labor IndexScale AI / CAIS5.0%†–
APEX-AgentsMercor67.8%†84.2%†
Arena AgentArena (LMArena)-2.217
LiveBench Long AgenticLiveBench–72.7%
LiveBench BrowserLiveBench–80.0%
LiveBench Agentic CodingLiveBench58.3%–
Terminal-Bench 2.1 (Vals)Vals AI77.5%–
HiL-BenchScale AI SEAL–50.3%†
GDPval-AA v2.1Artificial Analysis14041733
τ³-Banking (AA)Artificial Analysis32.8%–
Analyst Agent (AA)Artificial Analysis60.0%–
CyberBenchVals AI43.8%–
Finance Agent v2Vals AI59.0%–
Finance Agent v2.1Vals AI–67.2%
Harvey's Legal Agent Benchmark v1.1Vals AI–17.5%
Harvey's Legal Agent Benchmark v1Vals AI8.8%–
Legal Research BenchVals AI34.6%55.8%
SkillsBenchVals AI65.9%–
SREBenchVals AI4.6%–
Tax Agent BenchVals AI22.8%51.8%
Terminal-Bench 4.0 (Vals)Vals AI12.1%63.1%
Terminal-Bench ScienceVals AI7.1%–
Arena Agent Task CompletionArena (LMArena)-3.518.4
Vending-Bench 2Andon Labs–16484.2†
AutomationBenchArtificial Analysis62.0%77.8%
GDP.pdf (AA)Artificial Analysis23.6%28.4%
EnterpriseOps-GymArtificial Analysis50.4%†–
AA-Briefcase v1.1Artificial Analysis11151611
GDPxGDPx by SemiAnalysis–10.9%
Design Arena AgenticDesign Arena1222†1305†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–64.8%
MKA (AA)Artificial Analysis–54.3%
FACTS SearchGoogle–94.4%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub71.6%90.5%
FrontierMath Tier 4Epoch AI Benchmarking Hub36.6%95.1%
OTIS Mock AIMEEpoch AI Benchmarking Hub97.2%100.0%
ProofBenchVals AI58.0%†–
LiveBench MathematicsLiveBench93.5%–
ArXivMathMathArena–94.3%
BrokenArXivMathArena–84.4%
Arena MathsArena (LMArena)1502–
FrontierMath ErdősEpoch AI Benchmarking Hub–2.9%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub69.2%77.7%
LiveBench 2.0 Data AnalysisLiveBench–86.5%
LiveBench ResearchLiveBench–92.5%
LiveBench 1.0 Data AnalysisLiveBench68.0%–
AA-Omniscience v1.1Artificial Analysis–53.5
MMLU-ProVals AI90.1%–
LegalBenchVals AI87.3%–
TaxEvalVals AI74.7%–
PRBench LegalScale AI SEAL–53.4%†
Excel Modeling BenchmarkVals AI71.3%–
Excel Modeling Benchmark v1.1Vals AI–76.5%
MedCodeVals AI53.4%–
MedScribeVals AI83.9%–
DrugDiscoveryBenchScale AI SEAL–71.5%
EBR-benchEpoch AI Benchmarking Hub–87.6%
GDP.pdfEpoch AI Benchmarking Hub23.8%–
AA-Omniscience v1.1: accuracyArtificial Analysis–58.3%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–88.6%
FACTS ParametricGoogle–81.6%†
指令遵循
LiveBench LanguageLiveBench85.5%–
LiveBench Instruction FollowingLiveBench79.9%–
Arena Instruction FollowingArena (LMArena)14861525
人类偏好
Arena TextArena (LMArena)14891526
EQ-Bench Creative Writing v3EQ-Bench1720†–
Arena Creative WritingArena (LMArena)14871516
Arena Multi-turnArena (LMArena)14901564
Arena Longer QueriesArena (LMArena)15011538
多模态
Arena VisionArena (LMArena)1313–
LiveBench DesignLiveBench–80.2%
MMMU-ProArtificial Analysis85.5%89.3%†
MMMU-Pro (Vals)Vals AI89.0%–
MortgageTaxVals AI66.7%–
Humanity's Sixth SenseScale AI SEAL39.8%71.1%
Blueprint-Bench 2Epoch AI Benchmarking Hub–58.6%†
Furniture AssemblyEpoch AI Benchmarking Hub26.7%77.5%
VIALS-AAHandshake AI–64.0%
FACTS MultimodalGoogle–60.2%†
长上下文
AA-LCR v1.1Artificial Analysis81.7%79.3%
Arena DocumentArena (LMArena)1468–
MLCRArtificial Analysis12.2%19.4%
FACTS GroundingGoogle–77.2%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub158.4†169.8†
LiveBench 2.0LiveBench–83.5%
LiveBench 1.0LiveBench78.8%–
AA Intelligence Index v5.0.1Artificial Analysis–60.0
AA Intelligence Index v4.3.2Artificial Analysis39.1–
AA Progress Index v1Artificial Analysis317.4350.8
Vals IndexVals AI–70.5
Vals Finance IndexVals AI–67.0%
Vals RSI IndexVals AI18.3%27.7%
Vals Legal IndexVals AI–75.9%
安全与诚实
FORTRESSScale AI SEAL–16.4%†
DistressBenchScale AI SEAL69.0%†–

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。

变化

  • Gemini 4 Carbon (high):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Gemini 4 Carbon (high):BenchLeader Index 69.9 → 68.9。
  • Gemini 3.7 Flash (high):2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Gemini 4 Carbon (high):1 项新结果(Terminal-Bench)。
  • Gemini 4 Carbon (high):1 项新结果(DrugDiscoveryBench);输入价格 $4.00/M → $2.00/M;输出价格 $20.00/M → $10.00/M;价格 $7.76/M → $5.48/M。
  • Gemini 4 Carbon (high):BenchLeader Index 68.5 → 69.9。
  • Gemini 4 Carbon (high):13 项新结果(GPQA Diamond, FrontierMath Tiers 1–3, FrontierMath Tier 4…)。
  • Gemini 3.7 Flash (high):BenchLeader Index 62.6 → 62.1。
  • Gemini 4 Carbon (high):2 项新结果(FrontierSWE, Vals RSI Index)。
  • Gemini 4 Carbon (high):BenchLeader Index 69.3 → 68.5。

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 3.7 Flash vs Gemini 4 Carbon:常见问题

Gemini 4 Carbon 比 Gemini 3.7 Flash 更好吗?
质量上 Gemini 4 Carbon (high) 领先:68.9 比 62.1。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,Gemini 4 Carbon (high) 总体领先,但请结合你的用途查看各类别得分。
Gemini 3.7 Flash 和 Gemini 4 Carbon 哪个更便宜?价格会变吗?
目前 Gemini 3.7 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)。两者均未公布价格调整。
编程用 Gemini 3.7 Flash 还是 Gemini 4 Carbon 更好?
Gemini 4 Carbon 在编程方面得分更高(类别得分 74 比 62,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,Gemini 3.7 Flash 为 1588,Gemini 4 Carbon 为 1768。
Gemini 3.7 Flash 和 Gemini 4 Carbon 哪个更快?
Gemini 3.7 Flash 输出更快(输出 95 比 64 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Gemini 3.7 Flash 还是 Gemini 4 Carbon 更好?
Gemini 4 Carbon 在智能体任务方面得分更高(类别得分 70 比 49,50 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 上,Gemini 3.7 Flash 为 12.4%,Gemini 4 Carbon 为 64.5%。
更多问题(4)
处理长文档哪个更好?
Gemini 3.7 Flash 在长上下文基准测试上得分更高(66 比 64)。两者都支持 1,048,576 token 的上下文。
哪个延迟更低?
Gemini 3.7 Flash 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 2.2 秒比 73.5 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 3.7 Flash 和 Gemini 4 Carbon 的看法一致吗?
在两者都有结果的 37 项基准测试中,Gemini 3.7 Flash 领先 1 项,Gemini 4 Carbon 领先 36 项。所有同时评测两者的综合评分都认为 Gemini 4 Carbon 更强。
Gemini 4 Carbon 是什么时候发布的?
Gemini 4 Carbon 于 2026年10月28日 发布。