BenchLeader

Gemini 3.7 Flash vs Gemini 4 Neon

完整资料:Gemini 3.7 Flash(Google)和 Gemini 4 Neon(Google),包括全部基准测试、价格和排名。

更新于 · 数据来自 10 个来源

截至 2026年11月19日,质量上 Gemini 4 Neon 领先 Gemini 3.7 Flash(BenchLeader Index 67.3 比 61.9)。不过,Gemini 3.7 Flash 更便宜,对方的价格是它的 4.0 倍(每百万 token 混合价格 $1.50 比 $6.00)。在两者都有成绩的所有类别中,Gemini 4 Neon 均领先。

要点(截至 2026年11月19日)

  • Gemini 3.7 Flash 的 BenchLeader Index 为 61.9,Gemini 4 Neon 为 67.3(BenchLeader,2026年11月19日)。
  • Gemini 3.7 Flash 每百万 token 混合价格为 $1.50(标价,2026年11月19日)。
  • Gemini 4 Neon 每百万 token 混合价格为 $6.00(标价,2026年11月19日)。
  • 在两者都有结果的 15 项基准测试中,Gemini 4 Neon 领先 15 项(BenchLeader,2026年11月19日)。
  • 在 Arena WebDev 上,Gemini 3.7 Flash 的评分为 1588,Gemini 4 Neon 为 1764(LMArena,截至 2026年11月19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 Neon类别得分 73 比 62;Arena WebDev 1764 比 1588高
智能体与工具调用Gemini 4 Neon类别得分 76 比 49;Arena Agent 18.4 比 -3.1高
推理Gemini 4 Neon类别得分 72 比 67;Arena Hard Prompts 1546 比 1510中
知识Gemini 4 Neon类别得分 72 比 66中
对话质量(人类偏好)Gemini 4 NeonArena 投票 72 比 68中
成本最低Gemini 3.7 Flash每百万 token 混合价格 $1.50 比 $6.00;智能体编程会话 $0.060 比 $0.240–
首次回答最快Gemini 3.7 Flash首个回答 token 2.1 秒(Gemini 3.7 Flash (high))比 40.6 秒(Gemini 4 Neon (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 Neon (high) 领先:67.3 比 61.9。
  • Gemini 4 Neon (high) 在智能体与工具、编程、人类偏好、知识、推理方面更强。
  • Gemini 3.7 Flash (high) 更便宜,对方的价格是它的 4.0 倍(每百万 token 混合价格 $1.50 比 $6.00)。

概览

规格Gemini 3.7 FlashGemini 4 Neon
提供商GoogleGoogle
发布日期2026年8月13日2026年11月18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 Neon (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$3.00 / $15.00 / $0.150

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 Neon (high)领先者
推理67.371.9Gemini 4 Neon
编程62.173.4Gemini 4 Neon
智能体与工具48.676.2Gemini 4 Neon
数学62.3–无法比较
知识65.672.3Gemini 4 Neon
人类偏好68.271.7Gemini 4 Neon
多模态67.0–无法比较
长上下文65.5–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知识人类偏好Gemini 3.7 Flash, 推理: 67.3Gemini 3.7 Flash, 编程: 62.1Gemini 3.7 Flash, 智能体与工具: 48.6Gemini 3.7 Flash, 知识: 65.6Gemini 3.7 Flash, 人类偏好: 68.2Gemini 4 Neon, 推理: 71.9Gemini 4 Neon, 编程: 73.4Gemini 4 Neon, 智能体与工具: 76.2Gemini 4 Neon, 知识: 72.3Gemini 4 Neon, 人类偏好: 71.7

未绘制(测得的模型少于两个):数学, 指令遵循, 长上下文, 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 15 项基准测试中,Gemini 3.7 Flash 领先 0 项,Gemini 4 Neon 领先 15 项。所有同时评测两者的综合评分都认为 Gemini 4 Neon 更强。

综合 IndexGemini 3.7 Flash (high)Gemini 4 Neon (high)领先者
BenchLeader Index61.967.3Gemini 4 Neon
Arena Text14901519Gemini 4 Neon

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 Neon (high)
每百万 token 混合价格$1.50$6.00
每百万 token 输入 / 输出$0.750 / $3.75$3.00 / $15.00
每百万 token 缓存输入$0.075$0.150
每项任务价格:聊天回复$0.0014$0.0057
每项任务价格:总结一份 30 页的报告$0.011$0.045
每项任务价格:代码编辑$0.010$0.041
每项任务价格:智能体编程会话$0.060$0.240
每项任务价格:结构化信息提取$0.0023$0.0090
智能体编程会话(输入大多命中缓存)$0.030$0.112
每项基准测试任务成本(AA Index)–$3.74
每项任务输出 token(AA Index)–90k
其中推理部分–46k
每项任务耗时(AA Index)–15 min
输出速度96 tok/s101 tok/s
首次回答时间2.1 秒40.6 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 61.9,首个回答 token 需 2 秒;Gemini 3.7 Flash (medium) 为 60.0(2 秒),Gemini 3.7 Flash (low) 为 57.1(2 秒)。Gemini 4 Neon (high) 得分 67.3,首个回答 token 需 41 秒;Gemini 4 Neon (xhigh) 为 64.3(57 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 111 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 Neon (high)
BenchLeader IndexBenchLeader61.967.3
智能体与工具得分BenchLeader48.676.2
编程得分BenchLeader62.173.4
人类偏好得分BenchLeader68.271.7
知识得分BenchLeader65.672.3
长上下文得分BenchLeader65.5–
数学得分BenchLeader62.3–
多模态得分BenchLeader67.0–
推理得分BenchLeader67.371.9
混合价格(美元/百万 token)BenchLeader$1.50$6.00
输出速度BenchLeader96 tok/s101 tok/s
首次回答时间BenchLeader2.1 秒40.6 秒
上下文窗口BenchLeader1,048,576 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub94.8%–
Arena Hard PromptsArena (LMArena)15101546
LiveBench 2.0 ReasoningLiveBench–89.6%†
LiveBench 1.0 ReasoningLiveBench87.8%–
GPQA Diamond (AA)Artificial Analysis94.5%–
Humanity's Last Exam (AA)Artificial Analysis47.9%–
HLE-Diamond (AA)Artificial Analysis–68.4%
GPQA Diamond (Vals)Vals AI93.9%–
ARC-AGI-1ARC Prize95.5%–
ARC-AGI-2ARC Prize84.6%–
CritPtArtificial Analysis14.3%–
CritPt v2 hard subset (AA)Artificial Analysis–59.0%
Arena ExpertArena (LMArena)15191541
Chess PuzzlesEpoch AI Benchmarking Hub66.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub37.0%–
LMCAEpoch AI Benchmarking Hub50.4%–
DTBenchEpoch AI Benchmarking Hub96.8%–
ForecastBenchForecastBench65.7%–
编程
SciCodeSciCode57.2%–
FrontierCodeCognition43.6%†–
Arena CodingArena (LMArena)15211558
Arena WebDevArena (LMArena)15881764
LiveBench 2.0 CodingLiveBench–89.7%†
LiveBench 1.0 CodingLiveBench78.9%–
LiveCodeBenchVals AI88.7%–
显示全部 111 项基准测试
指标发布方Gemini 3.7 Flash (high)Gemini 4 Neon (high)
编程
IOIVals AI67.8%–
SWE-bench (Vals)Vals AI80.8%–
Code MigrationVals AI34.8%–
ProgramBenchVals AI0.0%–
Vibe Code Bench v1.1Vals AI70.4%–
MirrorCodeEpoch AI Benchmarking Hub41.1%–
DeepSWE v1.1Epoch AI Benchmarking Hub65.3%–
ALE-BenchEpoch AI Benchmarking Hub904.3–
FrontierSWEEpoch AI Benchmarking Hub20.3%–
Terminal-Bench 4.0 (AA)Artificial Analysis13.6%61.6%
Terminal-Bench 2.1 (AA)Artificial Analysis85.8%–
Design Arena WebsiteDesign Arena1293†–
FrontierCode 2.0 (AA)Artificial Analysis–43.3%
智能体与工具
Terminal-BenchTerminal-Bench12.4%–
Remote Labor IndexScale AI / CAIS5.0%†–
APEX-AgentsMercor67.8%†–
Arena AgentArena (LMArena)-3.118.4
LiveBench Long AgenticLiveBench–82.6%†
LiveBench BrowserLiveBench–95.6%†
LiveBench Agentic CodingLiveBench58.3%–
Terminal-Bench 2.1 (Vals)Vals AI77.5%–
GDPval-AA v2.1Artificial Analysis1404–
τ³-Banking (AA)Artificial Analysis32.8%–
Analyst Agent (AA)Artificial Analysis60.0%–
CyberBenchVals AI43.8%–
Finance Agent v2Vals AI59.0%–
Harvey's Legal Agent Benchmark v1Vals AI8.8%–
Legal Research BenchVals AI34.6%–
SkillsBenchVals AI65.9%–
SREBenchVals AI4.6%–
Tax Agent BenchVals AI22.8%–
Terminal-Bench 4.0 (Vals)Vals AI12.1%–
Terminal-Bench ScienceVals AI7.1%–
Arena Agent Task CompletionArena (LMArena)-3.419.2
AutomationBenchArtificial Analysis62.0%79.2%
GDP.pdf (AA)Artificial Analysis23.6%33.4%
EnterpriseOps-GymArtificial Analysis50.4%†–
AA-Briefcase v1.1Artificial Analysis11151632
Design Arena AgenticDesign Arena1213†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–65.7%
MKA (AA)Artificial Analysis–54.6%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub71.6%–
FrontierMath Tier 4Epoch AI Benchmarking Hub36.6%–
OTIS Mock AIMEEpoch AI Benchmarking Hub97.2%–
ProofBenchVals AI58.0%†–
LiveBench MathematicsLiveBench93.5%–
Arena MathsArena (LMArena)1502–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub69.2%–
LiveBench 2.0 Data AnalysisLiveBench–85.3%†
LiveBench ResearchLiveBench–94.5%†
LiveBench 1.0 Data AnalysisLiveBench68.0%–
AA-Omniscience v1.1Artificial Analysis–53.8
MMLU-ProVals AI90.1%–
LegalBenchVals AI87.3%–
TaxEvalVals AI74.7%–
Excel Modeling BenchmarkVals AI71.3%–
MedCodeVals AI53.4%–
MedScribeVals AI83.9%–
AA-Omniscience v1.1: accuracyArtificial Analysis–59.4%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–86.1%
指令遵循
LiveBench LanguageLiveBench85.5%–
LiveBench Instruction FollowingLiveBench79.9%–
Arena Instruction FollowingArena (LMArena)14861522
人类偏好
Arena TextArena (LMArena)14901519
EQ-Bench Creative Writing v3EQ-Bench1720†–
Arena Creative WritingArena (LMArena)14871514
Arena Multi-turnArena (LMArena)14901529
Arena Longer QueriesArena (LMArena)15021521
多模态
Arena VisionArena (LMArena)1313–
LiveBench DesignLiveBench–81.5%†
MMMU-ProArtificial Analysis85.5%–
MMMU-Pro (Vals)Vals AI89.0%–
MortgageTaxVals AI66.7%–
Humanity's Sixth SenseScale AI SEAL39.8%75.9%†
Furniture AssemblyEpoch AI Benchmarking Hub26.7%–
长上下文
AA-LCR v1.1Artificial Analysis81.7%–
Arena DocumentArena (LMArena)1468–
MLCRArtificial Analysis12.2%28.9%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub158.4†–
LiveBench 2.0LiveBench–87.4%†
LiveBench 1.0LiveBench78.8%–
AA Intelligence Index v5.0.1Artificial Analysis–59.6
AA Intelligence Index v4.3.2Artificial Analysis39.1–
AA Progress Index v1Artificial Analysis317.4–
Vals RSI IndexVals AI18.3%–
安全与诚实
DistressBenchScale AI SEAL69.0%†–

数据截至 2026年11月19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 Neon (high):13 项新结果(MLCR, MKA (AA), Arena Text…)。
  • Gemini 4 Neon (high):首批结果。
  • Gemini 3.7 Flash (high):1 项分数修订。
  • Gemini 3.7 Flash (high):1 项分数修订。
  • Gemini 3.7 Flash (high):2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Gemini 3.7 Flash (high):BenchLeader Index 62.6 → 62.1。
  • Gemini 3.7 Flash (high):1 项分数修订。
  • Gemini 3.7 Flash (high):1 项新结果(Arena Document)。
  • Gemini 3.7 Flash (high):1 项新结果(MirrorCode)。
  • Gemini 3.7 Flash (high):1 项新结果(AA Progress Index v1)。

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 Neon:常见问题

Gemini 4 Neon 比 Gemini 3.7 Flash 更好吗?
质量上 Gemini 4 Neon (high) 领先:67.3 比 61.9。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月19日,Gemini 4 Neon (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 Neon 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 $6.00(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 Neon 更好?
Gemini 4 Neon 在编程方面得分更高(类别得分 73 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 Neon 为 1764。
Gemini 3.7 Flash 和 Gemini 4 Neon 哪个更快?
Gemini 4 Neon 输出更快(输出 101 比 96 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 Neon 更好?
Gemini 4 Neon 在智能体任务方面得分更高(类别得分 76 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 Arena Agent 上,Gemini 3.7 Flash 为 -3.1,Gemini 4 Neon 为 18.4。
更多问题(4)
处理长文档哪个更好?
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 2.1 秒比 40.6 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 Neon 的看法一致吗?
在两者都有结果的 15 项基准测试中,Gemini 3.7 Flash 领先 0 项,Gemini 4 Neon 领先 15 项。所有同时评测两者的综合评分都认为 Gemini 4 Neon 更强。
Gemini 4 Neon 是什么时候发布的?
Gemini 4 Neon 于 2026年11月18日 发布。