BenchLeader

Gemini 3 Pro vs Gemini 4 Argon

完整资料:Gemini 3 Pro(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 19 个来源

截至 2026年11月16日,质量上 Gemini 4 Argon 领先 Gemini 3 Pro(BenchLeader Index 65.3 比 60.0)。两者价格相近(每百万 token 混合价格 $4.50 比 $4.00)。看重智能体与工具(62 比 59)选 3 Pro;看重知识(72 比 56)、数学(70 比 54)和编程(67 比 58)选 4 Argon。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 Pro 的 BenchLeader Index 为 60.0,Gemini 4 Argon 为 65.3(BenchLeader,2026年11月16日)。
  • Gemini 3 Pro 每百万 token 混合价格为 $4.50(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)。
  • 在两者都有结果的 15 项基准测试中,Gemini 4 Argon 领先 14 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Gemini 3 Pro 的评分为 1441,Gemini 4 Argon 为 1681(LMArena,截至 2026年11月16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 Argon类别得分 67 比 58;Arena WebDev 1681 比 1441高
智能体与工具调用Gemini 3 Pro类别得分 62 比 59;Terminal-Bench 69.4% 比 55.5%中
数学Gemini 4 Argon类别得分 70 比 54;Arena Maths 1536 比 1475高
推理Gemini 4 Argon类别得分 70 比 63;GPQA Diamond 96.4% 比 92.6%中
知识Gemini 4 Argon类别得分 72 比 56高
对话质量(人类偏好)Gemini 4 ArgonArena 投票 72 比 68中
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 60.0。
  • Gemini 3 Pro 在智能体与工具方面更强。
  • Gemini 4 Argon (high) 在编程、人类偏好、知识、数学、推理方面更强。
  • 截至 2026年11月30日,两者价格相近(每百万 token 混合价格 $4.00);自 2026年12月1日 起为 $8.00 比 $4.50。

概览

规格Gemini 3 ProGemini 4 Argon
提供商GoogleGoogle
发布日期2025年11月18日2026年9月30日
正式发布2025年11月18日2026年10月13日
上下文窗口(token)–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 ProGemini 4 Argon (high)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)–$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 ProGemini 4 Argon (high)领先者
推理62.669.5Gemini 4 Argon
编程57.866.7Gemini 4 Argon
智能体与工具61.758.6Gemini 3 Pro
数学54.069.9Gemini 4 Argon
知识55.971.9Gemini 4 Argon
指令遵循61.1–无法比较
人类偏好67.772.1Gemini 4 Argon
多模态65.6–无法比较
长上下文–64.5无法比较
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人类偏好Gemini 3 Pro, 推理: 62.6Gemini 3 Pro, 编程: 57.8Gemini 3 Pro, 智能体与工具: 61.7Gemini 3 Pro, 数学: 54.0Gemini 3 Pro, 知识: 55.9Gemini 3 Pro, 人类偏好: 67.7Gemini 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, 人类偏好: 72.1

未绘制(测得的模型少于两个):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 Pro 领先 1 项,Gemini 4 Argon 领先 14 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 ProGemini 4 Argon (high)领先者
BenchLeader Index60.065.3Gemini 4 Argon
Arena Text14861522Gemini 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 ProGemini 4 Argon (high)
每百万 token 混合价格(截至 2026年11月30日)–$4.00
每百万 token 输入 / 输出– / –$2.00 / $10.00
自 2026年12月1日 起每百万 token 混合价格–$8.00
自 2026年12月1日 起每百万 token 输入 / 输出–$4.00 / $20.00
每百万 token 缓存输入–$0.100
每项任务价格:聊天回复–$0.0038
每项任务价格:总结一份 30 页的报告–$0.030
每项任务价格:代码编辑–$0.027
每项任务价格:智能体编程会话–$0.160
每项任务价格:结构化信息提取–$0.0060
智能体编程会话(输入大多命中缓存)–$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–66 tok/s
首次回答时间–45.7 秒
完整回答耗时(最近一次测量 2026年11月13日)–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 Pro 得分 60.0;Gemini 3 Pro (high) 为 60.0。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 215 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 ProGemini 4 Argon (high)
BenchLeader IndexBenchLeader60.065.3
智能体与工具得分BenchLeader61.758.6
编程得分BenchLeader57.866.7
人类偏好得分BenchLeader67.772.1
指令遵循得分BenchLeader61.1–
知识得分BenchLeader55.971.9
数学得分BenchLeader54.069.9
多模态得分BenchLeader65.6–
推理得分BenchLeader62.669.5
综合得分BenchLeader–63.8
长上下文得分BenchLeader–64.5
混合价格(美元/百万 token)BenchLeader–$4.00
输出速度BenchLeader–66 tok/s
首次回答时间BenchLeader–45.7 秒
上下文窗口BenchLeader–1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub92.6%96.4%
Humanity's Last ExamScale AI / CAIS37.5%–
SimpleBenchSimpleBench76.4%91.7%†
Arena Hard PromptsArena (LMArena)15021545
LiveBench 2.0 ReasoningLiveBench–95.1%
GPQA Diamond (AA)Artificial Analysis90.8%†–
Humanity's Last Exam (AA)Artificial Analysis39.7%†57.1%
HLE-Diamond (AA)Artificial Analysis–56.7%
GPQA Diamond (Vals)Vals AI91.7%†–
Kagi LLM BenchmarkKagi LLM Benchmark80.1%–
GPQA Diamond (HELM)HELM Capabilities80.3%–
ARC-AGI-1ARC Prize75.0%98.5%
ARC-AGI-2ARC Prize31.1%91.3%
ARC-AGI-3ARC Prize–97.3%
CritPtArtificial Analysis9.1%†27.1%
CritPt v2 hard subset (AA)Artificial Analysis–52.5%
MysteryMechanismVals AI–45.5%
SciPredictScale AI SEAL25.3%–
HLE-Diamond (Scale)Scale AI SEAL–53.2%†
Arena ExpertArena (LMArena)14991549
Chess PuzzlesEpoch AI Benchmarking Hub–59.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub–64.0%
CL-benchEpoch AI Benchmarking Hub15.8%–
LMCAEpoch AI Benchmarking Hub–63.7%
DTBenchEpoch AI Benchmarking Hub–97.3%
显示全部 215 项基准测试
指标发布方Gemini 3 ProGemini 4 Argon (high)
推理
ForecastBenchForecastBench65.0%–
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub72.9%–
SciCodeSciCode–61.8%
WeirdMLWeirdML69.9%–
FrontierCodeCognition–47.5%†
GSO-BenchGSO-Bench18.6%–
Arena CodingArena (LMArena)15171553
Arena WebDevArena (LMArena)14411681
LiveBench 2.0 CodingLiveBench–85.7%
LiveCodeBenchVals AI86.4%–
IOIVals AI–100.0%
SWE-bench (Vals)Vals AI76.4%†–
SWE-Bench ProScale AI SEAL43.3%–
SWE-bench Verified (bash only)SWE-bench74.2%–
SWE-bench Multilingual (bash only)SWE-bench68.7%–
SWE-bench Verified (any scaffold)SWE-bench77.4%–
Code MigrationVals AI–68.2%
Code Migration v1.1Vals AI–70.8%
ProgramBenchVals AI–2.5%
SWE-bench MultimodalVals AI–56.0%
Vibe Code Bench 1-100Vals AI–21.2%
Vibe Code Bench v1.1Vals AI14.3%†91.9%
SWE-Bench Pro (private)Scale AI SEAL17.9%–
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 Hub1176.82100.1
AlgoTuneAlgoTune1.8–
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 Arena12441316†
FrontierCode 1.1 (AA)Artificial Analysis–43.5%
FrontierCode 2.0 (AA)Artificial Analysis–25.7%
LiveCodeBench (AA)Artificial Analysis91.8%†–
智能体与工具
Terminal-BenchTerminal-Bench69.4%55.5%
GDPvalOpenAI40.3%–
Remote Labor IndexScale AI / CAIS1.3%17.1%†
APEX-AgentsMercor–82.4%†
Arena AgentArena (LMArena)–10.7
LiveBench Long AgenticLiveBench–58.5%
LiveBench BrowserLiveBench–82.8%
Terminal-Bench HardArtificial Analysis41.7%†–
τ²-Bench Telecom (AA)Artificial Analysis87.1%†–
Terminal-Bench 2.1 (Vals)Vals AI–57.7%
MCP AtlasScale AI SEAL70.3%90.7%†
HiL-BenchScale AI SEAL–62.0%†
BFCL OverallBerkeley Function Calling Leaderboard72.5%–
τ²-benchτ²-bench82.5%†–
τ³-bench Bankingτ²-bench18.0%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis–56.2%
GDPval-AA v2.1Artificial Analysis–1634
Analyst Agent (AA)Artificial Analysis–48.8%
CUA-benchVals AI–4.8%
CyberBenchVals AI–77.9%
Finance Agent v2Vals AI–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 AI–19.6%
Legal Research BenchVals AI–54.8%
Poker AgentVals AI1078.9%–
Robo-benchVals AI–0.8%
SREBenchVals AI–44.3%
Tax Agent BenchVals AI–49.2%
Terminal-Bench 2.0 (Vals)Vals AI55.1%†–
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)1201–
Arena Agent Task CompletionArena (LMArena)–13.2
BALROGBALROG58.1%–
DeepResearch BenchDeepResearch Bench46.3%†–
PostTrainBenchEpoch AI Benchmarking Hub–40.4%
METR Time HorizonsMETR71.0%–
Vending-Bench 2Andon Labs5478.213718.2†
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 Arena10801274†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–52.9%
MKA (AA)Artificial Analysis–51.3%
FACTS SearchGoogle–89.9%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub–86.0%
FrontierMath Tier 4Epoch AI Benchmarking Hub–78.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub91.4%100.0%
ProofBenchVals AI20.0%99.0%†
AIME (Vals)Vals AI96.7%†–
MGSMVals AI93.9%†–
AIME 2026MathArena91.7%–
HMMT February 2026MathArena86.4%–
MathArena ApexMathArena23.4%–
ArXivMathMathArena–84.4%
BrokenArXivMathArena–47.9%
Omni-MATH (HELM)HELM Capabilities55.6%–
MATH 500Vals AI96.4%†–
Arena MathsArena (LMArena)14751536
FrontierMath ErdősEpoch AI Benchmarking Hub–1.5%
AIME 2025 (AA)Artificial Analysis95.7%†–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub–76.0%
LiveBench 2.0 Data AnalysisLiveBench–85.2%
LiveBench ResearchLiveBench–86.8%
AA-Omniscience v1.1Artificial Analysis–46.1
MMLU-ProVals AI90.1%–
LegalBenchVals AI87.0%†88.3%
CorpFinVals AI63.7%†–
TaxEvalVals AI72.6%†–
MedQAVals AI96.0%†–
PRBench FinanceScale AI SEAL39.2%49.9%†
PRBench LegalScale AI SEAL40.6%49.4%†
MultiNRCScale AI SEAL59.0%–
MMLU-Pro (HELM)HELM Capabilities90.3%–
BioMysteryBenchVals AI–76.3%
CaseLaw v2Vals AI53.1%†–
Excel Modeling BenchmarkVals AI–75.2%
Excel Modeling Benchmark v1.1Vals AI–74.8%
MedCodeVals AI52.2%†58.8%
MedScribeVals AI72.0%†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 Hub–28.4%
AA-Omniscience v1.1: accuracyArtificial Analysis–48.3%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–95.7%
Global-MMLU-Lite (AA)Artificial Analysis92.2%†–
HealthBench Professional (AA)OpenAI–55.0%
FACTS ParametricGoogle–72.2%†
指令遵循
IFBenchArtificial Analysis70.4%†–
MultiChallengeScale AI SEAL65.7%78.7%†
TutorBenchScale AI SEAL53.7%–
IFEval (HELM)HELM Capabilities87.6%–
WildBench (HELM)HELM Capabilities85.9%–
Arena Instruction FollowingArena (LMArena)14731528
人类偏好
Arena TextArena (LMArena)14861522
EQ-Bench 4EQ-Bench–1236†
EQ-Bench Creative Writing v3EQ-Bench15241758†
Arena Creative WritingArena (LMArena)14841523
Arena Multi-turnArena (LMArena)14951545
Arena Longer QueriesArena (LMArena)14911544
多模态
Arena VisionArena (LMArena)1305–
LiveBench DesignLiveBench–69.2%
MMMU-ProArtificial Analysis80.2%†88.3%†
VISTAScale AI SEAL51.5%–
MMMU-Pro (Vals)Vals AI87.5%†–
MortgageTaxVals AI69.1%†–
SAGEVals AI–89.5%
AudioMCScale AI SEAL54.6%†58.4%
AudioMC (text output)Scale AI SEAL54.6%†58.4%
Humanity's Sixth SenseScale AI SEAL–55.4%
VTBScale AI SEAL26.9%–
GeoBenchGeoBench84.0%–
VPCTEpoch AI Benchmarking Hub91.0%–
Blueprint-Bench 2Epoch AI Benchmarking Hub–54.5%†
Furniture AssemblyEpoch AI Benchmarking Hub–72.5%
VIALS-AAHandshake AI–59.6%
Code2Video-AAArtificial Analysis–1259
AA-3DArtificial Analysis–1147
FACTS MultimodalGoogle–54.2%†
长上下文
AA-LCR v1.1Artificial Analysis76.0%†79.7%
Arena DocumentArena (LMArena)1451–
MLCRArtificial Analysis–13.9%
FACTS GroundingGoogle–73.3%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub153.0166.5†
LiveBench 2.0LiveBench–77.7%
AA Intelligence Index v5.0.1Artificial Analysis–50.4
AA Intelligence Index v4.3.2Artificial Analysis28.0†52.6
AA Progress Index v1Artificial Analysis290.7†341.8
Vals IndexVals AI–69.4
HELM Capabilities meanHELM Capabilities79.9%–
Vals Finance IndexVals AI–66.0%
Vals RSI IndexVals AI–30.6%
Vals Science IndexVals AI–55.4%
Vals Router IndexVals AI–69.2%†
Vals Legal IndexVals AI–76.8%
安全与诚实
FORTRESSScale AI SEAL41.7%–
MASKScale AI SEAL42.6%–
PropensityBenchScale AI SEAL52.9%–
DistressBenchScale AI SEAL–68.6%†
元数据
AA Openness IndexArtificial Analysis5.6†–

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 3 Pro:1 项分数修订。
  • Gemini 4 Argon (high):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • 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 3 Pro:1 项新结果(Arena Search)。
  • Gemini 4 Argon (high):1 项分数修订。

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 Pro vs Gemini 4 Argon:常见问题

Gemini 4 Argon 比 Gemini 3 Pro 更好吗?
质量上 Gemini 4 Argon (high) 领先:65.3 比 60.0。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 Pro 和 Gemini 4 Argon 哪个更便宜?价格会变吗?
目前 Gemini 4 Argon 更便宜:每百万 token $4.00 比 $4.50(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。
编程用 Gemini 3 Pro 还是 Gemini 4 Argon 更好?
Gemini 4 Argon 在编程方面得分更高(类别得分 67 比 58,50 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 Pro 为 1441,Gemini 4 Argon 为 1681。
智能体和工具调用用 Gemini 3 Pro 还是 Gemini 4 Argon 更好?
Gemini 3 Pro 在智能体任务方面得分更高(类别得分 62 比 59,50 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 Pro 为 69.4%,Gemini 4 Argon 为 55.5%。
第三方基准测试对 Gemini 3 Pro 和 Gemini 4 Argon 的看法一致吗?
在两者都有结果的 15 项基准测试中,Gemini 3 Pro 领先 1 项,Gemini 4 Argon 领先 14 项。所有同时评测两者的综合评分都认为 Gemini 4 Argon 更强。
更多问题(1)
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。