BenchLeader

Gemini 3 Flash vs Gemini 4 Carbon

完整资料:Gemini 3 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 Flash(BenchLeader Index 68.9 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 Carbon 均领先。Gemini 3 Flash 输出更快(约 2 倍)。

要点(截至 2026年11月16日)

  • Gemini 3 Flash 的 BenchLeader Index 为 58.9,Gemini 4 Carbon 为 68.9(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 Carbon 每百万 token 混合价格为 $4.00(标价,2026年11月16日)。
  • Gemini 3 Flash 比 Gemini 4 Carbon 输出更快(约 2 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 2 项基准测试中,Gemini 4 Carbon 领先 2 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 Carbon类别得分 70 比 55高
长文档均可类别得分 64 比 64;AA-LCR v1.1 78.0% 比 79.3%均可
对话质量(人类偏好)–只有 Gemini 4 Carbon 有 Arena 评分(类别得分 73)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–
首次回答最快Gemini 3 Flash首个回答 token 4.7 秒(Gemini 3 Flash (thinking))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 58.9。
  • Gemini 4 Carbon (high) 在智能体与工具、长上下文方面更强。
  • 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)。
  • Gemini 3 Flash (thinking) 的输出速度是对方的 3.1 倍(196 比 64 token/秒)。

概览

规格Gemini 3 FlashGemini 4 Carbon
提供商GoogleGoogle
发布日期2025年12月17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 Flash (thinking)Gemini 4 Carbon (high)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$0.500 / $3.00 / $0.050$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 Flash (thinking)Gemini 4 Carbon (high)领先者
推理–73.2无法比较
编程–74.1无法比较
智能体与工具55.170.3Gemini 4 Carbon
数学–71.9无法比较
知识–76.1无法比较
指令遵循75.9–无法比较
人类偏好–72.6无法比较
多模态62.3–无法比较
长上下文63.664.3持平
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 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

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 2 项基准测试中,Gemini 3 Flash 领先 0 项,Gemini 4 Carbon 领先 2 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 Flash (thinking)Gemini 4 Carbon (high)领先者
BenchLeader Index58.968.9Gemini 4 Carbon
Arena Text1458†1526Gemini 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 Flash (thinking)Gemini 4 Carbon (high)
每百万 token 混合价格$1.13$4.00
每百万 token 输入 / 输出$0.500 / $3.00$2.00 / $10.00
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)–$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196 tok/s64 tok/s
首次回答时间4.7 秒73.5 秒
完整回答耗时(最近一次测量 2026年11月13日)13.6 秒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 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 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 158 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 Carbon (high)
BenchLeader IndexBenchLeader58.968.9
智能体与工具得分BenchLeader55.170.3
指令遵循得分BenchLeader75.9–
长上下文得分BenchLeader63.664.3
多模态得分BenchLeader62.3–
编程得分BenchLeader–74.1
综合得分BenchLeader–70.3
人类偏好得分BenchLeader–72.6
知识得分BenchLeader–76.1
数学得分BenchLeader–71.9
推理得分BenchLeader–73.2
混合价格(美元/百万 token)BenchLeader$1.13$4.00
输出速度BenchLeader196 tok/s64 tok/s
首次回答时间BenchLeader4.7 秒73.5 秒
上下文窗口BenchLeader1,048,576 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub83.2%†96.5%
SimpleBenchSimpleBench61.1%†92.6%†
Arena Hard PromptsArena (LMArena)1493†1547
LiveBench 2.0 ReasoningLiveBench–90.6%
GPQA Diamond (AA)Artificial Analysis89.8%–
Humanity's Last Exam (AA)Artificial Analysis36.6%–
HLE-Diamond (AA)Artificial Analysis–69.1%
GPQA Diamond (Vals)Vals AI87.9%†–
ARC-AGI-1ARC Prize84.7%†97.5%
ARC-AGI-2ARC Prize33.6%†92.1%
ARC-AGI-3ARC Prize–96.9%
CritPtArtificial Analysis8.6%–
CritPt v2 hard subset (AA)Artificial Analysis–69.0%
SciPredictScale AI SEAL22.2%†–
Arena ExpertArena (LMArena)1498†1567
Chess PuzzlesEpoch AI Benchmarking Hub40.0%†78.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub20.0%†73.0%
LMCAEpoch AI Benchmarking Hub43.1%†–
DTBenchEpoch AI Benchmarking Hub89.1%†–
ForecastBenchForecastBench64.4%†–
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub75.4%†–
SciCodeSciCode–64.2%
WeirdMLWeirdML61.6%†–
GSO-BenchGSO-Bench9.8%†–
Arena CodingArena (LMArena)1505†1568
显示全部 158 项基准测试
指标发布方Gemini 3 Flash (thinking)Gemini 4 Carbon (high)
编程
Arena WebDevArena (LMArena)1440†1768
LiveBench 2.0 CodingLiveBench–91.0%
LiveCodeBenchVals AI85.6%†–
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%†–
ProgramBenchVals AI0.0%†–
Vibe Code Bench v1.1Vals AI20.2%†89.1%
Vibe Code Bench 1-100 v1.1Vals AI–49.7%
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–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%†
CursorBenchCursor–60.4%
ALE-BenchEpoch AI Benchmarking Hub1367.2†–
FrontierSWEEpoch AI Benchmarking Hub–61.2%
Terminal-Bench 4.0 (AA)Artificial Analysis–65.2%
Design Arena WebsiteDesign Arena1188†1319†
FrontierCode 2.0 (AA)Artificial Analysis–40.6%
LiveCodeBench (AA)Artificial Analysis90.8%–
智能体与工具
Terminal-BenchTerminal-Bench64.3%†64.5%
APEX-AgentsMercor–84.2%†
Arena AgentArena (LMArena)–17
LiveBench Long AgenticLiveBench–72.7%
LiveBench BrowserLiveBench–80.0%
Terminal-Bench HardArtificial Analysis38.6%–
τ²-Bench Telecom (AA)Artificial Analysis80.4%–
Terminal-Bench 2.1 (Vals)Vals AI53.9%†–
MCP AtlasScale AI SEAL62.0%†–
HiL-BenchScale AI SEAL–50.3%†
τ²-benchτ²-bench83.5%†–
τ³-bench Bankingτ²-bench27.3%†–
GDPval-AA v2.1Artificial Analysis–1733
τ³-Banking (AA)Artificial Analysis20.8%–
APEX-Agents (AA)Artificial Analysis27.7%–
Finance Agent v2Vals AI42.5%†–
Finance Agent v2.1Vals AI–67.2%
Harvey's Legal Agent Benchmark v1.1Vals AI–17.5%
Harvey's Legal Agent Benchmark v1Vals AI0.0%†–
Legal Research BenchVals AI18.3%†55.8%
Poker AgentVals AI1100.2%†–
Tax Agent BenchVals AI11.8%†51.8%
Terminal-Bench 2.0 (Vals)Vals AI51.7%†–
Terminal-Bench 4.0 (Vals)Vals AI–63.1%
Arena SearchArena (LMArena)1189†–
Arena Agent Task CompletionArena (LMArena)–18.4
BALROGBALROG48.1%†–
DeepResearch BenchDeepResearch Bench47.9%†–
Vending-Bench 2Andon Labs3634.7†16484.2†
AutomationBenchArtificial Analysis–77.8%
GDP.pdf (AA)Artificial Analysis–28.4%
AA-Briefcase v1.1Artificial Analysis–1611
GDPxGDPx by SemiAnalysis–10.9%
Design Arena AgenticDesign Arena1081†1305†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–64.8%
MKA (AA)Artificial Analysis–54.3%
BrowseCompOpenAI16.9%†–
FACTS SearchGoogle84.5%†94.4%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub51.2%†90.5%
FrontierMath Tier 4Epoch AI Benchmarking Hub17.1%†95.1%
OTIS Mock AIMEEpoch AI Benchmarking Hub92.8%†100.0%
ProofBenchVals AI15.0%†–
AIME (Vals)Vals AI95.6%†–
MGSMVals AI93.3%†–
AIME 2026MathArena96.7%†–
HMMT February 2026MathArena89.4%†–
MathArena ApexMathArena15.6%†–
ArXivMathMathArena–94.3%
BrokenArXivMathArena–84.4%
Arena MathsArena (LMArena)1474†–
FrontierMath ErdősEpoch AI Benchmarking Hub–2.9%
AIME 2025 (AA)Artificial Analysis97.0%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub66.8%†77.7%
LiveBench 2.0 Data AnalysisLiveBench–86.5%
LiveBench ResearchLiveBench–92.5%
AA-Omniscience v1.1Artificial Analysis–53.5
MMLU-ProVals AI88.6%†–
LegalBenchVals AI86.9%†–
CorpFinVals AI66.4%†–
TaxEvalVals AI73.9%†–
MedQAVals AI95.8%†–
PRBench LegalScale AI SEAL–53.4%†
CaseLaw v2Vals AI55.8%†–
Excel Modeling BenchmarkVals AI26.0%†–
Excel Modeling Benchmark v1.1Vals AI–76.5%
MedCodeVals AI55.9%†–
MedScribeVals AI69.9%†–
DrugDiscoveryBenchScale AI SEAL–71.5%
EBR-benchEpoch AI Benchmarking Hub–87.6%
GDP.pdfEpoch AI Benchmarking Hub10.0%†–
AA-Omniscience v1.1: accuracyArtificial Analysis–58.3%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–88.6%
Global-MMLU-Lite (AA)Artificial Analysis91.4%–
FACTS ParametricGoogle72.4%†81.6%†
指令遵循
IFBenchArtificial Analysis78.0%–
Arena Instruction FollowingArena (LMArena)1457†1525
人类偏好
Arena TextArena (LMArena)1473†1526
Arena Creative WritingArena (LMArena)1456†1516
Arena Multi-turnArena (LMArena)1482†1564
Arena Longer QueriesArena (LMArena)1476†1538
多模态
Arena VisionArena (LMArena)1285†–
LiveBench DesignLiveBench–80.2%
MMMU-ProArtificial Analysis79.9%89.3%†
MMMU-Pro (Vals)Vals AI87.6%†–
MortgageTaxVals AI68.7%†–
Humanity's Sixth SenseScale AI SEAL–71.1%
GeoBenchGeoBench88.0%†–
VPCTEpoch AI Benchmarking Hub72.6%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub0.0%†58.6%†
Furniture AssemblyEpoch AI Benchmarking Hub–77.5%
VIALS-AAHandshake AI–64.0%
FACTS MultimodalGoogle49.7%†60.2%†
长上下文
AA-LCR v1.1Artificial Analysis78.0%79.3%
Arena DocumentArena (LMArena)1440†–
MLCRArtificial Analysis–19.4%
FACTS GroundingGoogle48.6%†77.2%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub152.3†169.8†
LiveBench 2.0LiveBench–83.5%
AA Intelligence Index v5.0.1Artificial Analysis–60.0
AA Intelligence Index v4.3.2Artificial Analysis26.3–
AA Progress Index v1Artificial Analysis290.1350.8
Vals IndexVals AI–70.5
Vals Finance IndexVals AI–67.0%
Vals RSI IndexVals AI–27.7%
Vals Multimodal IndexVals AI52.2%†–
Vals Legal IndexVals AI–75.9%
安全与诚实
FORTRESSScale AI SEAL–16.4%†

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 Flash (thinking):2 项新结果(Global-MMLU-Lite (AA), AIME 2025 (AA))。
  • 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 4 Carbon (high):2 项新结果(FrontierSWE, Vals RSI Index)。
  • Gemini 4 Carbon (high):BenchLeader Index 69.3 → 68.5。
  • Gemini 4 Carbon (high):BenchLeader Index 68.8 → 69.3。

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 Flash vs Gemini 4 Carbon:常见问题

Gemini 4 Carbon 比 Gemini 3 Flash 更好吗?
质量上 Gemini 4 Carbon (high) 领先:68.9 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 Carbon (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 Carbon 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)。两者均未公布价格调整。
Gemini 3 Flash 和 Gemini 4 Carbon 哪个更快?
Gemini 3 Flash 输出更快(约 2 倍;输出 196 比 64 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 Carbon 更好?
Gemini 4 Carbon 在智能体任务方面得分更高(类别得分 70 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 64)。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 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 Flash 和 Gemini 4 Carbon 的看法一致吗?
在两者都有结果的 2 项基准测试中,Gemini 3 Flash 领先 0 项,Gemini 4 Carbon 领先 2 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。