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 Flash | Gemini 4 Argon |
|---|---|---|
| 提供商 | ||
| 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) | 1,048,576 | 1,048,576 |
| 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 | 55.1 | 58.6 | Gemini 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 | 63.6 | 64.5 | 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。
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。
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 Index | Gemini 3 Flash (thinking) | Gemini 4 Argon (high) | 领先者 |
|---|---|---|---|
| BenchLeader Index | 58.9 | 65.3 | Gemini 4 Argon |
| Arena Text | 1458† | 1522 | Gemini 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/s | 66 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 Index | BenchLeader | 58.9 | 65.3 |
| 智能体与工具得分 | BenchLeader | 55.1 | 58.6 |
| 指令遵循得分 | BenchLeader | 75.9 | – |
| 长上下文得分 | BenchLeader | 63.6 | 64.5 |
| 多模态得分 | BenchLeader | 62.3 | – |
| 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 | BenchLeader | 196 tok/s | 66 tok/s |
| 首次回答时间 | BenchLeader | 4.7 秒 | 45.7 秒 |
| 上下文窗口 | BenchLeader | 1,048,576 token | 1,048,576 token |
| 推理 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 83.2%† | 96.4% |
| SimpleBench | SimpleBench | 61.1%† | 91.7%† |
| Arena Hard Prompts | Arena (LMArena) | 1493† | 1545 |
| LiveBench 2.0 Reasoning | LiveBench | – | 95.1% |
| GPQA Diamond (AA) | Artificial Analysis | 89.8% | – |
| Humanity's Last Exam (AA) | Artificial Analysis | 36.6% | 57.1% |
| HLE-Diamond (AA) | Artificial Analysis | – | 56.7% |
| GPQA Diamond (Vals) | Vals AI | 87.9%† | – |
| ARC-AGI-1 | ARC Prize | 84.7%† | 98.5% |
| ARC-AGI-2 | ARC Prize | 33.6%† | 91.3% |
| ARC-AGI-3 | ARC Prize | – | 97.3% |
| CritPt | Artificial Analysis | 8.6% | 27.1% |
| CritPt v2 hard subset (AA) | Artificial Analysis | – | 52.5% |
| MysteryMechanism | Vals AI | – | 45.5% |
| SciPredict | Scale AI SEAL | 22.2%† | – |
| HLE-Diamond (Scale) | Scale AI SEAL | – | 53.2%† |
| Arena Expert | Arena (LMArena) | 1498† | 1549 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 40.0%† | 59.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 20.0%† | 64.0% |
| LMCA | Epoch AI Benchmarking Hub | 43.1%† | 63.7% |
| DTBench | Epoch AI Benchmarking Hub | 89.1%† | 97.3% |
| ForecastBench | ForecastBench | 64.4%† | – |
| 编程 | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | 75.4%† | – |
| SciCode | SciCode | – | 61.8% |
| WeirdML | WeirdML | 61.6%† | – |
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 | |||
| FrontierCode | Cognition | – | 47.5%† |
| GSO-Bench | GSO-Bench | 9.8%† | – |
| Arena Coding | Arena (LMArena) | 1505† | 1553 |
| Arena WebDev | Arena (LMArena) | 1440† | 1681 |
| LiveBench 2.0 Coding | LiveBench | – | 85.7% |
| LiveCodeBench | Vals AI | 85.6%† | – |
| IOI | Vals AI | – | 100.0% |
| SWE-bench (Vals) | Vals AI | 75.0%† | – |
| SWE-Bench Pro | Scale AI SEAL | 34.6%† | – |
| SWE-bench Verified (bash only) | SWE-bench | 75.8%† | – |
| SWE-bench Multilingual (bash only) | SWE-bench | 72.7%† | – |
| SWE-bench Verified (any scaffold) | SWE-bench | 75.8%† | – |
| Code Migration | Vals AI | 6.4%† | 68.2% |
| Code Migration v1.1 | Vals AI | – | 70.8% |
| ProgramBench | Vals AI | 0.0%† | 2.5% |
| SWE-bench Multimodal | Vals AI | – | 56.0% |
| Vibe Code Bench 1-100 | Vals AI | – | 21.2% |
| Vibe Code Bench v1.1 | Vals AI | 20.2%† | 91.9% |
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | 8.2%† | – |
| SWE Atlas v1.0: Refactoring | Scale AI SEAL | 10.0%† | – |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | 30.3%† | – |
| SWE Atlas v1.1 | Scale AI SEAL | – | 70.1%† |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | – | 65.3%† |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | – | 77.8%† |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | – | 67.1%† |
| SWE-Bench Pro V2 | Scale AI SEAL | – | 99.2% |
| SWE-Bench Pro V2 HARD | Scale AI SEAL | – | 92.2% |
| MirrorCode | Epoch AI Benchmarking Hub | – | 58.9% |
| CursorBench | Cursor | – | 52.9% |
| ALE-Bench | Epoch AI Benchmarking Hub | 1367.2† | 2100.1 |
| FrontierSWE | Epoch AI Benchmarking Hub | – | 55.0% |
| WeirdML v3 | WeirdML | – | 20.3% |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | – | 57.1% |
| GameBench 2 Overall | DuelLab GameBench 2 | – | 81.7† |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | – | 89.2 |
| Design Arena Website | Design Arena | 1188† | 1316† |
| FrontierCode 1.1 (AA) | Artificial Analysis | – | 43.5% |
| FrontierCode 2.0 (AA) | Artificial Analysis | – | 25.7% |
| LiveCodeBench (AA) | Artificial Analysis | 90.8% | – |
| 智能体与工具 | |||
| Terminal-Bench | Terminal-Bench | 64.3%† | 55.5% |
| Remote Labor Index | Scale AI / CAIS | – | 17.1%† |
| APEX-Agents | Mercor | – | 82.4%† |
| Arena Agent | Arena (LMArena) | – | 10.7 |
| LiveBench Long Agentic | LiveBench | – | 58.5% |
| LiveBench Browser | LiveBench | – | 82.8% |
| Terminal-Bench Hard | Artificial Analysis | 38.6% | – |
| τ²-Bench Telecom (AA) | Artificial Analysis | 80.4% | – |
| Terminal-Bench 2.1 (Vals) | Vals AI | 53.9%† | 57.7% |
| MCP Atlas | Scale AI SEAL | 62.0%† | 90.7%† |
| HiL-Bench | Scale AI SEAL | – | 62.0%† |
| τ²-bench | τ²-bench | 83.5%† | – |
| τ³-bench Banking | τ²-bench | 27.3%† | – |
| GDPval-AA v2.1, normalised score | Artificial Analysis | – | 56.2% |
| GDPval-AA v2.1 | Artificial Analysis | – | 1634 |
| τ³-Banking (AA) | Artificial Analysis | 20.8% | – |
| Analyst Agent (AA) | Artificial Analysis | – | 48.8% |
| APEX-Agents (AA) | Artificial Analysis | 27.7% | – |
| CUA-bench | Vals AI | – | 4.8% |
| CyberBench | Vals AI | – | 77.9% |
| Finance Agent v2 | Vals AI | 42.5%† | 65.4% |
| Finance Agent v2.1 | Vals AI | – | 67.7% |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | – | 27.1% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 0.0%† | 19.6% |
| Legal Research Bench | Vals AI | 18.3%† | 54.8% |
| Poker Agent | Vals AI | 1100.2%† | – |
| Robo-bench | Vals AI | – | 0.8% |
| SREBench | Vals AI | – | 44.3% |
| Tax Agent Bench | Vals AI | 11.8%† | 49.2% |
| Terminal-Bench 2.0 (Vals) | Vals AI | 51.7%† | – |
| Terminal-Bench 4.0 (Vals) | Vals AI | – | 57.6% |
| Terminal-Bench Science | Vals AI | – | 44.3% |
| Time Horizon Index: KSP | Vals AI | – | 52.5% |
| Arena Search | Arena (LMArena) | 1189† | – |
| Arena Agent Task Completion | Arena (LMArena) | – | 13.2 |
| BALROG | BALROG | 48.1%† | – |
| DeepResearch Bench | DeepResearch Bench | 47.9%† | – |
| PostTrainBench | Epoch AI Benchmarking Hub | – | 40.4% |
| Vending-Bench 2 | Andon Labs | 3634.7† | 13718.2† |
| AutomationBench | Artificial Analysis | – | 77.5% |
| GDP.pdf (AA) | Artificial Analysis | – | 21.8% |
| Harvey LAB-AA v1.1 | Harvey | – | 3.9% |
| AA-Briefcase v1.1 | Artificial Analysis | – | 1485 |
| GDPx | GDPx by SemiAnalysis | – | 7.3% |
| Design Arena Agentic | Design Arena | 1081† | 1274† |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | – | 52.9% |
| MKA (AA) | Artificial Analysis | – | 51.3% |
| BrowseComp | OpenAI | 16.9%† | – |
| FACTS Search | 84.5%† | 89.9%† | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 51.2%† | 86.0% |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 17.1%† | 78.0% |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 92.8%† | 100.0% |
| ProofBench | Vals AI | 15.0%† | 99.0%† |
| AIME (Vals) | Vals AI | 95.6%† | – |
| MGSM | Vals AI | 93.3%† | – |
| AIME 2026 | MathArena | 96.7%† | – |
| HMMT February 2026 | MathArena | 89.4%† | – |
| MathArena Apex | MathArena | 15.6%† | – |
| ArXivMath | MathArena | – | 84.4% |
| BrokenArXiv | MathArena | – | 47.9% |
| Arena Maths | Arena (LMArena) | 1474† | 1536 |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | – | 1.5% |
| AIME 2025 (AA) | Artificial Analysis | 97.0% | – |
| 知识 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 66.8%† | 76.0% |
| LiveBench 2.0 Data Analysis | LiveBench | – | 85.2% |
| LiveBench Research | LiveBench | – | 86.8% |
| AA-Omniscience v1.1 | Artificial Analysis | – | 46.1 |
| MMLU-Pro | Vals AI | 88.6%† | – |
| LegalBench | Vals AI | 86.9%† | 88.3% |
| CorpFin | Vals AI | 66.4%† | – |
| TaxEval | Vals AI | 73.9%† | – |
| MedQA | Vals AI | 95.8%† | – |
| PRBench Finance | Scale AI SEAL | – | 49.9%† |
| PRBench Legal | Scale AI SEAL | – | 49.4%† |
| BioMysteryBench | Vals AI | – | 76.3% |
| CaseLaw v2 | Vals AI | 55.8%† | – |
| Excel Modeling Benchmark | Vals AI | 26.0%† | 75.2% |
| Excel Modeling Benchmark v1.1 | Vals AI | – | 74.8% |
| MedCode | Vals AI | 55.9%† | 58.8% |
| MedScribe | Vals AI | 69.9%† | 87.4% |
| Public Benefits Bench v1.1 | Vals AI | – | 69.8% |
| Access to Justice Benchmark | Vals AI | – | 68.5% |
| Financial Coaching Bench | Vals AI | – | 73.1% |
| Immigration Bench | Vals AI | – | 68.1% |
| DrugDiscoveryBench | Scale AI SEAL | – | 65.4% |
| EBR-bench | Epoch AI Benchmarking Hub | – | 64.8% |
| GDP.pdf | Epoch AI Benchmarking Hub | 10.0%† | 28.4% |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | – | 48.3% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | – | 95.7% |
| Global-MMLU-Lite (AA) | Artificial Analysis | 91.4% | – |
| HealthBench Professional (AA) | OpenAI | – | 55.0% |
| FACTS Parametric | 72.4%† | 72.2%† | |
| 指令遵循 | |||
| IFBench | Artificial Analysis | 78.0% | – |
| MultiChallenge | Scale AI SEAL | – | 78.7%† |
| Arena Instruction Following | Arena (LMArena) | 1457† | 1528 |
| 人类偏好 | |||
| Arena Text | Arena (LMArena) | 1473† | 1522 |
| EQ-Bench 4 | EQ-Bench | – | 1236† |
| EQ-Bench Creative Writing v3 | EQ-Bench | – | 1758† |
| Arena Creative Writing | Arena (LMArena) | 1456† | 1523 |
| Arena Multi-turn | Arena (LMArena) | 1482† | 1545 |
| Arena Longer Queries | Arena (LMArena) | 1476† | 1544 |
| 多模态 | |||
| Arena Vision | Arena (LMArena) | 1285† | – |
| LiveBench Design | LiveBench | – | 69.2% |
| MMMU-Pro | Artificial Analysis | 79.9% | 88.3%† |
| MMMU-Pro (Vals) | Vals AI | 87.6%† | – |
| MortgageTax | Vals AI | 68.7%† | – |
| SAGE | Vals AI | – | 89.5% |
| AudioMC | Scale AI SEAL | – | 58.4% |
| AudioMC (text output) | Scale AI SEAL | – | 58.4% |
| Humanity's Sixth Sense | Scale AI SEAL | – | 55.4% |
| GeoBench | GeoBench | 88.0%† | – |
| VPCT | Epoch AI Benchmarking Hub | 72.6%† | – |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 0.0%† | 54.5%† |
| Furniture Assembly | Epoch AI Benchmarking Hub | – | 72.5% |
| VIALS-AA | Handshake AI | – | 59.6% |
| Code2Video-AA | Artificial Analysis | – | 1259 |
| AA-3D | Artificial Analysis | – | 1147 |
| FACTS Multimodal | 49.7%† | 54.2%† | |
| 长上下文 | |||
| AA-LCR v1.1 | Artificial Analysis | 78.0% | 79.7% |
| Arena Document | Arena (LMArena) | 1440† | – |
| MLCR | Artificial Analysis | – | 13.9% |
| FACTS Grounding | 48.6%† | 73.3%† | |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 152.3† | 166.5† |
| LiveBench 2.0 | LiveBench | – | 77.7% |
| AA Intelligence Index v5.0.1 | Artificial Analysis | – | 50.4 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 26.3 | 52.6 |
| AA Progress Index v1 | Artificial Analysis | 290.1 | 341.8 |
| Vals Index | Vals AI | – | 69.4 |
| Vals Finance Index | Vals AI | – | 66.0% |
| Vals RSI Index | Vals AI | – | 30.6% |
| Vals Science Index | Vals AI | – | 55.4% |
| Vals Multimodal Index | Vals AI | 52.2%† | – |
| Vals Router Index | Vals AI | – | 69.2%† |
| Vals Legal Index | Vals AI | – | 76.8% |
| 安全与诚实 | |||
| DistressBench | Scale 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。
相关对比
- Gemini 3 Flash vs Gemini 4 Carbon
- Gemini 4 Argon vs Claude Fable 5.2
- Gemini 4 Argon vs Gemini 4 Carbon
- Gemini 4 Argon vs Claude Opus 5.5
- Gemini 4 Argon vs GPT-6 Astra
- Gemini 3 Pro vs Gemini 4 Argon
- Gemini 3 Flash vs GPT-6.1 Sol
- Gemini 3 Flash vs Claude Sonnet 5.5
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。