BenchLeader

Gemini 3 Flash vs Gemini 4 Argon

完整资料:Gemini 3 Flash(Google)和 Gemini 4 Argon(Google),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 Gemini 4 Argon 领先 Gemini 3 Flash(BenchLeader Index 65.3 比 58.9)。不过,Gemini 3 Flash 更便宜,对方的价格是它的 3.6 倍(每百万 token 混合价格 $1.13 比 $4.00)。在两者都有成绩的所有类别中,Gemini 4 Argon 均领先。Gemini 4 Argon 的现价有效至 2026年11月30日,之后为 $8.00。

要点(截至 2026年11月16日)

  • Gemini 3 Flash 的 BenchLeader Index 为 58.9,Gemini 4 Argon 为 65.3(BenchLeader,2026年11月16日)。
  • Gemini 3 Flash 每百万 token 混合价格为 $1.13(标价,2026年11月16日)。
  • Gemini 4 Argon 每百万 token 混合价格为 $4.00(截至 2026年11月30日,之后为 $8.00)(https://ai.google.dev/gemini-api/docs/pricing,2026年10月20日 核实)。
  • Gemini 3 Flash 比 Gemini 4 Argon 输出更快(3 倍以上;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 4 项基准测试中,Gemini 4 Argon 领先 4 项(BenchLeader,2026年11月16日)。

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
智能体与工具调用Gemini 4 Argon类别得分 59 比 55中
长文档均可类别得分 64 比 65;AA-LCR v1.1 78.0% 比 79.7%均可
对话质量(人类偏好)–只有 Gemini 4 Argon 有 Arena 评分(类别得分 72)无法比较
成本最低Gemini 3 Flash每百万 token 混合价格 $1.13 比 $4.00;智能体编程会话 $0.042 比 $0.160;2026年12月1日 起:$1.13 比 $8.00–
首次回答最快Gemini 3 Flash首个回答 token 4.7 秒(Gemini 3 Flash (thinking))比 45.7 秒(Gemini 4 Argon (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 Argon (high) 领先:65.3 比 58.9。
  • Gemini 4 Argon (high) 在智能体与工具、长上下文方面更强。
  • 截至 2026年11月30日,Gemini 3 Flash (thinking) 更便宜,对方的价格是它的 3.6 倍(每百万 token 混合价格 $1.13 比 $4.00);自 2026年12月1日 起为 $1.13 比 $8.00。
  • Gemini 3 Flash (thinking) 的输出速度是对方的 3.0 倍(196 比 66 token/秒)。

概览

规格Gemini 3 FlashGemini 4 Argon
提供商GoogleGoogle
发布日期2025年12月17日2026年9月30日
正式发布2025年12月17日2026年10月13日
上下文窗口(token)1,048,5761,048,576
最大输出(token)–65,536 (up to 1,048,576 with long decode)
输入类型–文本、图像、视频、音频、PDF
推理强度设置–low, medium, high
对比时的配置Gemini 3 Flash (thinking)Gemini 4 Argon (high)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$0.500 / $3.00 / $0.050$2.00 / $10.00 / $0.100
已公布的价格调整暂无公布自 2026年12月1日 起为 $4.00 / $20.00 / $0.200
API 模型 ID–gemini-4-argon
使用渠道–Gemini API (AI Studio), Gemini Enterprise Agent Platform, Gemini app

上限、可用性和已公布的价格均来自厂商官方页面: ai.google.dev、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 Flash (thinking)Gemini 4 Argon (high)领先者
推理–69.5无法比较
编程–66.7无法比较
智能体与工具55.158.6Gemini 4 Argon
数学–69.9无法比较
知识–71.9无法比较
指令遵循75.9–无法比较
人类偏好–72.1无法比较
多模态62.3–无法比较
长上下文63.664.5持平
综合–63.8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指令遵循长上下文多模态人类偏好Gemini 3 Flash, 智能体与工具: 55.1Gemini 3 Flash, 指令遵循: 75.9Gemini 3 Flash, 长上下文: 63.6Gemini 3 Flash, 多模态: 62.3Gemini 4 Argon, 推理: 69.5Gemini 4 Argon, 编程: 66.7Gemini 4 Argon, 智能体与工具: 58.6Gemini 4 Argon, 数学: 69.9Gemini 4 Argon, 知识: 71.9Gemini 4 Argon, 长上下文: 64.5Gemini 4 Argon, 人类偏好: 72.1

虚线:该模型在所经过的轴上没有结果,线条只连接相邻的点。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 4 项基准测试中,Gemini 3 Flash 领先 0 项,Gemini 4 Argon 领先 4 项。所有同时评测两者的综合评分都认为 Gemini 4 Argon 更强。

综合 IndexGemini 3 Flash (thinking)Gemini 4 Argon (high)领先者
BenchLeader Index58.965.3Gemini 4 Argon
Arena Text1458†1522Gemini 4 Argon

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 Flash (thinking)Gemini 4 Argon (high)
每百万 token 混合价格(截至 2026年11月30日)$1.13$4.00
每百万 token 输入 / 输出$0.500 / $3.00$2.00 / $10.00
自 2026年12月1日 起每百万 token 混合价格$1.13$8.00
自 2026年12月1日 起每百万 token 输入 / 输出$0.500 / $3.00$4.00 / $20.00
每百万 token 缓存输入$0.050$0.100
每项任务价格:聊天回复$0.0011$0.0038
每项任务价格:总结一份 30 页的报告$0.0078$0.030
每项任务价格:代码编辑$0.0075$0.027
每项任务价格:智能体编程会话$0.042$0.160
每项任务价格:结构化信息提取$0.0016$0.0060
智能体编程会话(输入大多命中缓存)$0.022$0.074
每项基准测试任务成本(AA Index)–$4.97
每项任务输出 token(AA Index)–116k
其中推理部分–68k
每项任务耗时(AA Index)–29 min
输出速度196 tok/s66 tok/s
首次回答时间4.7 秒45.7 秒
完整回答耗时(最近一次测量 2026年11月13日)13.6 秒122.1 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 Flash (thinking) 得分 58.9,首个回答 token 需 5 秒;Gemini 3 Flash (high) 为 57.4(1 秒),Gemini 3 Flash 为 56.5(1 秒)。Gemini 4 Argon (high) 得分 65.3,首个回答 token 需 46 秒;Gemini 4 Argon 为 64.4(5 秒),Gemini 4 Argon (medium) 为 61.6(13 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 199 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 Flash (thinking)Gemini 4 Argon (high)
BenchLeader IndexBenchLeader58.965.3
智能体与工具得分BenchLeader55.158.6
指令遵循得分BenchLeader75.9–
长上下文得分BenchLeader63.664.5
多模态得分BenchLeader62.3–
编程得分BenchLeader–66.7
综合得分BenchLeader–63.8
人类偏好得分BenchLeader–72.1
知识得分BenchLeader–71.9
数学得分BenchLeader–69.9
推理得分BenchLeader–69.5
混合价格(美元/百万 token)BenchLeader$1.13$4.00
输出速度BenchLeader196 tok/s66 tok/s
首次回答时间BenchLeader4.7 秒45.7 秒
上下文窗口BenchLeader1,048,576 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub83.2%†96.4%
SimpleBenchSimpleBench61.1%†91.7%†
Arena Hard PromptsArena (LMArena)1493†1545
LiveBench 2.0 ReasoningLiveBench–95.1%
GPQA Diamond (AA)Artificial Analysis89.8%–
Humanity's Last Exam (AA)Artificial Analysis36.6%57.1%
HLE-Diamond (AA)Artificial Analysis–56.7%
GPQA Diamond (Vals)Vals AI87.9%†–
ARC-AGI-1ARC Prize84.7%†98.5%
ARC-AGI-2ARC Prize33.6%†91.3%
ARC-AGI-3ARC Prize–97.3%
CritPtArtificial Analysis8.6%27.1%
CritPt v2 hard subset (AA)Artificial Analysis–52.5%
MysteryMechanismVals AI–45.5%
SciPredictScale AI SEAL22.2%†–
HLE-Diamond (Scale)Scale AI SEAL–53.2%†
Arena ExpertArena (LMArena)1498†1549
Chess PuzzlesEpoch AI Benchmarking Hub40.0%†59.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub20.0%†64.0%
LMCAEpoch AI Benchmarking Hub43.1%†63.7%
DTBenchEpoch AI Benchmarking Hub89.1%†97.3%
ForecastBenchForecastBench64.4%†–
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub75.4%†–
SciCodeSciCode–61.8%
WeirdMLWeirdML61.6%†–
显示全部 199 项基准测试
指标发布方Gemini 3 Flash (thinking)Gemini 4 Argon (high)
编程
FrontierCodeCognition–47.5%†
GSO-BenchGSO-Bench9.8%†–
Arena CodingArena (LMArena)1505†1553
Arena WebDevArena (LMArena)1440†1681
LiveBench 2.0 CodingLiveBench–85.7%
LiveCodeBenchVals AI85.6%†–
IOIVals AI–100.0%
SWE-bench (Vals)Vals AI75.0%†–
SWE-Bench ProScale AI SEAL34.6%†–
SWE-bench Verified (bash only)SWE-bench75.8%†–
SWE-bench Multilingual (bash only)SWE-bench72.7%†–
SWE-bench Verified (any scaffold)SWE-bench75.8%†–
Code MigrationVals AI6.4%†68.2%
Code Migration v1.1Vals AI–70.8%
ProgramBenchVals AI0.0%†2.5%
SWE-bench MultimodalVals AI–56.0%
Vibe Code Bench 1-100Vals AI–21.2%
Vibe Code Bench v1.1Vals AI20.2%†91.9%
SWE Atlas v1.0: Codebase QnAScale AI SEAL8.2%†–
SWE Atlas v1.0: RefactoringScale AI SEAL10.0%†–
SWE Atlas v1.0: Test WritingScale AI SEAL30.3%†–
SWE Atlas v1.1Scale AI SEAL–70.1%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–65.3%†
SWE Atlas v1.1: Test WritingScale AI SEAL–77.8%†
SWE Atlas v1.1: RefactoringScale AI SEAL–67.1%†
SWE-Bench Pro V2Scale AI SEAL–99.2%
SWE-Bench Pro V2 HARDScale AI SEAL–92.2%
MirrorCodeEpoch AI Benchmarking Hub–58.9%
CursorBenchCursor–52.9%
ALE-BenchEpoch AI Benchmarking Hub1367.2†2100.1
FrontierSWEEpoch AI Benchmarking Hub–55.0%
WeirdML v3WeirdML–20.3%
Terminal-Bench 4.0 (AA)Artificial Analysis–57.1%
GameBench 2 OverallDuelLab GameBench 2–81.7†
GameBench 2 by reasoning settingDuelLab GameBench 2–89.2
Design Arena WebsiteDesign Arena1188†1316†
FrontierCode 1.1 (AA)Artificial Analysis–43.5%
FrontierCode 2.0 (AA)Artificial Analysis–25.7%
LiveCodeBench (AA)Artificial Analysis90.8%–
智能体与工具
Terminal-BenchTerminal-Bench64.3%†55.5%
Remote Labor IndexScale AI / CAIS–17.1%†
APEX-AgentsMercor–82.4%†
Arena AgentArena (LMArena)–10.7
LiveBench Long AgenticLiveBench–58.5%
LiveBench BrowserLiveBench–82.8%
Terminal-Bench HardArtificial Analysis38.6%–
τ²-Bench Telecom (AA)Artificial Analysis80.4%–
Terminal-Bench 2.1 (Vals)Vals AI53.9%†57.7%
MCP AtlasScale AI SEAL62.0%†90.7%†
HiL-BenchScale AI SEAL–62.0%†
τ²-benchτ²-bench83.5%†–
τ³-bench Bankingτ²-bench27.3%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis–56.2%
GDPval-AA v2.1Artificial Analysis–1634
τ³-Banking (AA)Artificial Analysis20.8%–
Analyst Agent (AA)Artificial Analysis–48.8%
APEX-Agents (AA)Artificial Analysis27.7%–
CUA-benchVals AI–4.8%
CyberBenchVals AI–77.9%
Finance Agent v2Vals AI42.5%†65.4%
Finance Agent v2.1Vals AI–67.7%
Harvey's Legal Agent Benchmark v1.1Vals AI–27.1%
Harvey's Legal Agent Benchmark v1Vals AI0.0%†19.6%
Legal Research BenchVals AI18.3%†54.8%
Poker AgentVals AI1100.2%†–
Robo-benchVals AI–0.8%
SREBenchVals AI–44.3%
Tax Agent BenchVals AI11.8%†49.2%
Terminal-Bench 2.0 (Vals)Vals AI51.7%†–
Terminal-Bench 4.0 (Vals)Vals AI–57.6%
Terminal-Bench ScienceVals AI–44.3%
Time Horizon Index: KSPVals AI–52.5%
Arena SearchArena (LMArena)1189†–
Arena Agent Task CompletionArena (LMArena)–13.2
BALROGBALROG48.1%†–
DeepResearch BenchDeepResearch Bench47.9%†–
PostTrainBenchEpoch AI Benchmarking Hub–40.4%
Vending-Bench 2Andon Labs3634.7†13718.2†
AutomationBenchArtificial Analysis–77.5%
GDP.pdf (AA)Artificial Analysis–21.8%
Harvey LAB-AA v1.1Harvey–3.9%
AA-Briefcase v1.1Artificial Analysis–1485
GDPxGDPx by SemiAnalysis–7.3%
Design Arena AgenticDesign Arena1081†1274†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–52.9%
MKA (AA)Artificial Analysis–51.3%
BrowseCompOpenAI16.9%†–
FACTS SearchGoogle84.5%†89.9%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub51.2%†86.0%
FrontierMath Tier 4Epoch AI Benchmarking Hub17.1%†78.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub92.8%†100.0%
ProofBenchVals AI15.0%†99.0%†
AIME (Vals)Vals AI95.6%†–
MGSMVals AI93.3%†–
AIME 2026MathArena96.7%†–
HMMT February 2026MathArena89.4%†–
MathArena ApexMathArena15.6%†–
ArXivMathMathArena–84.4%
BrokenArXivMathArena–47.9%
Arena MathsArena (LMArena)1474†1536
FrontierMath ErdősEpoch AI Benchmarking Hub–1.5%
AIME 2025 (AA)Artificial Analysis97.0%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub66.8%†76.0%
LiveBench 2.0 Data AnalysisLiveBench–85.2%
LiveBench ResearchLiveBench–86.8%
AA-Omniscience v1.1Artificial Analysis–46.1
MMLU-ProVals AI88.6%†–
LegalBenchVals AI86.9%†88.3%
CorpFinVals AI66.4%†–
TaxEvalVals AI73.9%†–
MedQAVals AI95.8%†–
PRBench FinanceScale AI SEAL–49.9%†
PRBench LegalScale AI SEAL–49.4%†
BioMysteryBenchVals AI–76.3%
CaseLaw v2Vals AI55.8%†–
Excel Modeling BenchmarkVals AI26.0%†75.2%
Excel Modeling Benchmark v1.1Vals AI–74.8%
MedCodeVals AI55.9%†58.8%
MedScribeVals AI69.9%†87.4%
Public Benefits Bench v1.1Vals AI–69.8%
Access to Justice BenchmarkVals AI–68.5%
Financial Coaching BenchVals AI–73.1%
Immigration BenchVals AI–68.1%
DrugDiscoveryBenchScale AI SEAL–65.4%
EBR-benchEpoch AI Benchmarking Hub–64.8%
GDP.pdfEpoch AI Benchmarking Hub10.0%†28.4%
AA-Omniscience v1.1: accuracyArtificial Analysis–48.3%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–95.7%
Global-MMLU-Lite (AA)Artificial Analysis91.4%–
HealthBench Professional (AA)OpenAI–55.0%
FACTS ParametricGoogle72.4%†72.2%†
指令遵循
IFBenchArtificial Analysis78.0%–
MultiChallengeScale AI SEAL–78.7%†
Arena Instruction FollowingArena (LMArena)1457†1528
人类偏好
Arena TextArena (LMArena)1473†1522
EQ-Bench 4EQ-Bench–1236†
EQ-Bench Creative Writing v3EQ-Bench–1758†
Arena Creative WritingArena (LMArena)1456†1523
Arena Multi-turnArena (LMArena)1482†1545
Arena Longer QueriesArena (LMArena)1476†1544
多模态
Arena VisionArena (LMArena)1285†–
LiveBench DesignLiveBench–69.2%
MMMU-ProArtificial Analysis79.9%88.3%†
MMMU-Pro (Vals)Vals AI87.6%†–
MortgageTaxVals AI68.7%†–
SAGEVals AI–89.5%
AudioMCScale AI SEAL–58.4%
AudioMC (text output)Scale AI SEAL–58.4%
Humanity's Sixth SenseScale AI SEAL–55.4%
GeoBenchGeoBench88.0%†–
VPCTEpoch AI Benchmarking Hub72.6%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub0.0%†54.5%†
Furniture AssemblyEpoch AI Benchmarking Hub–72.5%
VIALS-AAHandshake AI–59.6%
Code2Video-AAArtificial Analysis–1259
AA-3DArtificial Analysis–1147
FACTS MultimodalGoogle49.7%†54.2%†
长上下文
AA-LCR v1.1Artificial Analysis78.0%79.7%
Arena DocumentArena (LMArena)1440†–
MLCRArtificial Analysis–13.9%
FACTS GroundingGoogle48.6%†73.3%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub152.3†166.5†
LiveBench 2.0LiveBench–77.7%
AA Intelligence Index v5.0.1Artificial Analysis–50.4
AA Intelligence Index v4.3.2Artificial Analysis26.352.6
AA Progress Index v1Artificial Analysis290.1341.8
Vals IndexVals AI–69.4
Vals Finance IndexVals AI–66.0%
Vals RSI IndexVals AI–30.6%
Vals Science IndexVals AI–55.4%
Vals Multimodal IndexVals AI52.2%†–
Vals Router IndexVals AI–69.2%†
Vals Legal IndexVals AI–76.8%
安全与诚实
DistressBenchScale AI SEAL–68.6%†

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 4 Argon:标价将调整为每百万 token 输入 $4.00 / 输出 $20.00(已公布)。
  • Gemini 4 Argon (high):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Gemini 3 Flash (thinking):2 项新结果(Global-MMLU-Lite (AA), AIME 2025 (AA))。
  • Gemini 4 Argon (high):1 项新结果(Terminal-Bench)。
  • Gemini 4 Argon (high):1 项分数修订。
  • Gemini 4 Argon (high):BenchLeader Index 65.9 → 65.3。
  • Gemini 4 Argon (high):1 项新结果(PostTrainBench);输入价格 $4.00/M → $2.00/M;输出价格 $20.00/M → $10.00/M;价格 $9.95/M → $4.97/M。
  • Gemini 4 Argon (high):4 项分数修订。
  • Gemini 4 Argon (high):1 项分数修订。
  • Gemini 4 Argon (high):价格 $7.68/M → $9.95/M。

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 Flash vs Gemini 4 Argon:常见问题

Gemini 4 Argon 比 Gemini 3 Flash 更好吗?
质量上 Gemini 4 Argon (high) 领先:65.3 比 58.9。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 Argon (high) 总体领先,但请结合你的用途查看各类别得分。
Gemini 3 Flash 和 Gemini 4 Argon 哪个更便宜?价格会变吗?
目前 Gemini 3 Flash 更便宜:每百万 token $1.13 比 $4.00(按每 1 个输出 token 对应 3 个输入 token 混合计算)。Gemini 4 Argon 的现价有效至 2026年11月30日,之后为 $8.00。
Gemini 3 Flash 和 Gemini 4 Argon 哪个更快?
Gemini 3 Flash 输出更快(3 倍以上;输出 196 比 66 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Gemini 3 Flash 还是 Gemini 4 Argon 更好?
Gemini 4 Argon 在智能体任务方面得分更高(类别得分 59 比 55,50 为平均水平)。
处理长文档哪个更好?
两者在长上下文基准测试上持平(64 比 65)。两者都支持 1,048,576 token 的上下文。
更多问题(3)
哪个延迟更低?
Gemini 3 Flash 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 4.7 秒比 45.7 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 Flash 和 Gemini 4 Argon 的看法一致吗?
在两者都有结果的 4 项基准测试中,Gemini 3 Flash 领先 0 项,Gemini 4 Argon 领先 4 项。所有同时评测两者的综合评分都认为 Gemini 4 Argon 更强。
Gemini 4 Argon 是什么时候发布的?
Gemini 4 Argon 于 2026年9月30日 首次亮相,并于 2026年10月13日 正式发布。