BenchLeader

Gemini 3.7 Flash vs GPT-6.2 Sol

完整资料:Gemini 3.7 Flash(Google)和 GPT-6.2 Sol(OpenAI),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,Gemini 3.7 Flash 与 GPT-6.2 Sol 的质量不相上下(BenchLeader Index 61.9 比 64.6,在 ±4.6 的误差范围内)。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)。在两者都有成绩的所有类别中,GPT-6.2 Sol 均领先。

要点(截至 2026年11月19日)

  • Gemini 3.7 Flash 的 BenchLeader Index 为 61.9,GPT-6.2 Sol 为 64.6(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)。
  • GPT-6.2 Sol 每百万 token 混合价格为 $4.00(标价,2026年11月19日)。
  • 在两者都有结果的 17 项基准测试中,GPT-6.2 Sol 领先 16 项(BenchLeader,2026年11月19日)。
  • 在 Arena WebDev 上,Gemini 3.7 Flash 的评分为 1588,GPT-6.2 Sol 为 1757(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GPT-6.2 Sol类别得分 75 比 62;Arena WebDev 1757 比 1588高
智能体与工具调用GPT-6.2 Sol类别得分 65 比 49;Terminal-Bench 61.5% 比 12.4%高
推理GPT-6.2 Sol类别得分 70 比 67;ARC-AGI-2 85.8% 比 84.6%中
知识均可类别得分 66 比 65均可
对话质量(人类偏好)–只有 Gemini 3.7 Flash 有 Arena 评分(类别得分 68)无法比较
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 2.1 秒(Gemini 3.7 Flash (high))比 78.8 秒(GPT-6.2 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

  • Gemini 3.7 Flash (high) 与 GPT-6.2 Sol (max) 的质量不相上下(61.9 比 64.6,在 ±4.6 的误差范围内)。
  • Gemini 3.7 Flash (high) 在知识方面更强。
  • GPT-6.2 Sol (max) 在智能体与工具、编程、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 1.3 倍(96 比 74 token/秒)。

概览

规格Gemini 3.7 FlashGPT-6.2 Sol
提供商GoogleOpenAI
发布日期2026年8月13日2026年11月17日
上下文窗口(token)1,048,5761,050,000
对比时的配置Gemini 3.7 Flash (high)GPT-6.2 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

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)GPT-6.2 Sol (max)领先者
推理67.370.1GPT-6.2 Sol
编程62.174.5GPT-6.2 Sol
智能体与工具48.665.1GPT-6.2 Sol
数学62.3–无法比较
知识65.665.4持平
人类偏好68.2–无法比较
多模态67.0–无法比较
长上下文65.5–无法比较
综合–64.5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: 65.6GPT-6.2 Sol, 推理: 70.1GPT-6.2 Sol, 编程: 74.5GPT-6.2 Sol, 智能体与工具: 65.1GPT-6.2 Sol, 知识: 65.4

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, 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 17 项基准测试中,Gemini 3.7 Flash 领先 1 项,GPT-6.2 Sol 领先 16 项。

综合 IndexGemini 3.7 Flash (high)GPT-6.2 Sol (max)领先者
BenchLeader Index61.964.6不相上下

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)GPT-6.2 Sol (max)
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)–$1.01
每项任务输出 token(AA Index)–40k
其中推理部分–23k
每项任务耗时(AA Index)–9 min
输出速度96 tok/s74 tok/s
首次回答时间2.1 秒78.8 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)。GPT-6.2 Sol (max) 得分 64.6,首个回答 token 需 79 秒;GPT-6.2 Sol (xhigh) 为 63.3(32 秒),GPT-6.2 Sol (high) 为 62.3(12 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 138 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)GPT-6.2 Sol (max)
BenchLeader IndexBenchLeader61.964.6
智能体与工具得分BenchLeader48.665.1
编程得分BenchLeader62.174.5
人类偏好得分BenchLeader68.2–
知识得分BenchLeader65.665.4
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BenchLeader67.370.1
综合得分BenchLeader–64.5
混合价格(美元/百万 token)BenchLeader$1.50$4.00
输出速度BenchLeader96 tok/s74 tok/s
首次回答时间BenchLeader2.1 秒78.8 秒
上下文窗口BenchLeader1,048,576 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub94.8%–
Arena Hard PromptsArena (LMArena)1510–
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–64.0%
GPQA Diamond (Vals)Vals AI93.9%–
Kagi LLM BenchmarkKagi LLM Benchmark–67.0%†
ARC-AGI-1ARC Prize95.5%97.5%
ARC-AGI-2ARC Prize84.6%85.8%
ARC-AGI-3ARC Prize–98.2%
CritPtArtificial Analysis14.3%–
CritPt v2 hard subset (AA)Artificial Analysis–62.5%
MysteryMechanismVals AI–36.9%
HLE-Diamond (Scale)Scale AI SEAL–56.5%†
Arena ExpertArena (LMArena)1519–
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)1521–
显示全部 138 项基准测试
指标发布方Gemini 3.7 Flash (high)GPT-6.2 Sol (max)
编程
Arena WebDevArena (LMArena)15881757
LiveBench 2.0 CodingLiveBench–83.7%
LiveBench 1.0 CodingLiveBench78.9%–
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%87.6%
Vibe Code Bench 1-100 v1.1Vals AI–40.9%
SWE Atlas v1.1Scale AI SEAL–60.5%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–61.3%†
SWE Atlas v1.1: Test WritingScale AI SEAL–64.4%†
SWE Atlas v1.1: RefactoringScale AI SEAL–55.7%†
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%60.1%
Terminal-Bench 2.1 (AA)Artificial Analysis85.8%–
Design Arena WebsiteDesign Arena1293†–
FrontierCode 2.0 (AA)Artificial Analysis–44.4%
智能体与工具
Terminal-BenchTerminal-Bench12.4%61.5%
Remote Labor IndexScale AI / CAIS5.0%†–
APEX-AgentsMercor67.8%†–
Arena AgentArena (LMArena)-3.111.3
LiveBench Long AgenticLiveBench–63.6%
LiveBench BrowserLiveBench–88.2%
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%53.8%
CyberBenchVals AI43.8%–
Finance Agent v2Vals AI59.0%–
Finance Agent v2.1Vals AI–58.9%
Harvey's Legal Agent Benchmark v1.1Vals AI–12.1%
Harvey's Legal Agent Benchmark v1Vals AI8.8%–
Legal Research BenchVals AI34.6%37.0%
SkillsBenchVals AI65.9%–
SREBenchVals AI4.6%–
Tax Agent BenchVals AI22.8%24.8%
Terminal-Bench 4.0 (Vals)Vals AI12.1%60.6%
Terminal-Bench ScienceVals AI7.1%58.6%
Arena Agent Task CompletionArena (LMArena)-3.410.9
AutomationBenchArtificial Analysis62.0%71.3%
GDP.pdf (AA)Artificial Analysis23.6%30.0%
Harvey LAB-AA v1.1Harvey–11.1%
EnterpriseOps-GymArtificial Analysis50.4%†28.9%
AA-Briefcase v1.1Artificial Analysis11151612
Design Arena AgenticDesign Arena1213†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–67.6%
CWE-Bench (AA)Artificial Analysis–61.7%
DeepSec-Bench (AA)Artificial Analysis–51.6%
CyberGym end-to-end (AA)Artificial Analysis–0.0%
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%–
Autoform-HardVals AI–85.7%
Arena MathsArena (LMArena)1502–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub69.2%–
LiveBench 2.0 Data AnalysisLiveBench–81.1%
LiveBench ResearchLiveBench–90.1%
LiveBench 1.0 Data AnalysisLiveBench68.0%–
AA-Omniscience v1.1Artificial Analysis–40.4
MMLU-ProVals AI90.1%–
LegalBenchVals AI87.3%–
TaxEvalVals AI74.7%–
PRBench LegalScale AI SEAL–43.3%†
BioMysteryBenchVals AI–77.8%
Excel Modeling BenchmarkVals AI71.3%–
Excel Modeling Benchmark v1.1Vals AI–74.3%
MedCodeVals AI53.4%–
MedScribeVals AI83.9%–
DrugDiscoveryBenchScale AI SEAL–62.2%†
AA-Omniscience v1.1: accuracyArtificial Analysis–61.6%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–44.6%
指令遵循
LiveBench LanguageLiveBench85.5%–
LiveBench Instruction FollowingLiveBench79.9%–
MultiChallengeScale AI SEAL–72.0%†
Arena Instruction FollowingArena (LMArena)1486–
人类偏好
Arena TextArena (LMArena)1490–
EQ-Bench Creative Writing v3EQ-Bench1720†–
Arena Creative WritingArena (LMArena)1487–
Arena Multi-turnArena (LMArena)1490–
Arena Longer QueriesArena (LMArena)1502–
多模态
Arena VisionArena (LMArena)1313–
LiveBench DesignLiveBench–80.0%
MMMU-ProArtificial Analysis85.5%–
MMMU-Pro (Vals)Vals AI89.0%–
MortgageTaxVals AI66.7%–
Humanity's Sixth SenseScale AI SEAL39.8%56.8%†
Furniture AssemblyEpoch AI Benchmarking Hub26.7%–
VIALS-AAHandshake AI–62.7%
AA-3DArtificial Analysis–1259
长上下文
AA-LCR v1.1Artificial Analysis81.7%–
Arena DocumentArena (LMArena)1468–
MLCRArtificial Analysis12.2%37.2%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub158.4†–
LiveBench 2.0LiveBench–80.3%
LiveBench 1.0LiveBench78.8%–
AA Intelligence Index v5.0.1Artificial Analysis–57.3
AA Intelligence Index v4.3.2Artificial Analysis39.1–
AA Progress Index v1Artificial Analysis317.4–
Vals IndexVals AI–66.1
Vals Finance IndexVals AI–56.7%
Vals RSI IndexVals AI18.3%–
Vals Science IndexVals AI–57.8%
Vals Legal IndexVals AI–66.7%
AA Cyber IndexArtificial Analysis–37.8
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

  • GPT-6.2 Sol (max):BenchLeader Index 63.2 → 64.6。
  • GPT-6.2 Sol (max):4 项新结果(VIALS-AA, Arena WebDev, Arena Agent…)。
  • GPT-6.2 Sol (max):BenchLeader Index 62.4 → 63.2。
  • GPT-6.2 Sol (max):2 项新结果(Vibe Code Bench 1-100 v1.1, Terminal-Bench)。
  • 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)。

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 GPT-6.2 Sol:常见问题

Gemini 3.7 Flash 比 GPT-6.2 Sol 更好吗?
Gemini 3.7 Flash (high) 与 GPT-6.2 Sol (max) 的质量不相上下(61.9 比 64.6,在 ±4.6 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19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 3.7 Flash 和 GPT-6.2 Sol 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 GPT-6.2 Sol 更好?
GPT-6.2 Sol 在编程方面得分更高(类别得分 75 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,GPT-6.2 Sol 为 1757。
Gemini 3.7 Flash 和 GPT-6.2 Sol 哪个更快?
Gemini 3.7 Flash 输出更快(输出 96 比 74 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Gemini 3.7 Flash 还是 GPT-6.2 Sol 更好?
GPT-6.2 Sol 在智能体任务方面得分更高(类别得分 65 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%,GPT-6.2 Sol 为 61.5%。
更多问题(4)
处理长文档哪个更好?
两者都约为 1.1M token(Gemini 3.7 Flash 为 1,048,576,GPT-6.2 Sol 为 1,050,000)。
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 78.8 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 GPT-6.2 Sol 的看法一致吗?
在两者都有结果的 17 项基准测试中,Gemini 3.7 Flash 领先 1 项,GPT-6.2 Sol 领先 16 项。
GPT-6.2 Sol 是什么时候发布的?
GPT-6.2 Sol 于 2026年11月17日 发布。