BenchLeader

Gemini 3 Pro vs GPT-5

完整资料:Gemini 3 Pro(Google)和 GPT-5(OpenAI),包括全部基准测试、价格和排名。

更新于 · 数据来自 17 个来源

截至 2026年11月16日,Gemini 3 Pro 与 GPT-5 的质量不相上下(BenchLeader Index 60.0 比 59.0,在 ±6.4 的误差范围内)。GPT-5 更便宜,对方的价格是它的 1.3 倍(每百万 token 混合价格 $3.44 比 $4.50)。看重推理(63 比 48)、多模态(66 比 57)和智能体与工具(62 比 58)选 Gemini 3 Pro;看重数学(65 比 54)和指令遵循(69 比 61)选 GPT-5。

要点(截至 2026年11月16日)

  • Gemini 3 Pro 的 BenchLeader Index 为 60.0,GPT-5 为 59.0(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)。
  • GPT-5 每百万 token 混合价格为 $3.44(标价,2026年11月16日)。
  • 在两者都有结果的 12 项基准测试中,Gemini 3 Pro 领先 12 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Gemini 3 Pro 的评分为 1441,GPT-5 为 1417(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
编程均可类别得分 58 比 57;Arena WebDev 1441 比 1417均可
智能体与工具调用Gemini 3 Pro类别得分 62 比 58;Terminal-Bench 69.4% 比 49.6%中
数学GPT-5类别得分 65 比 54;OTIS Mock AIME 87.2% 比 91.4%高
推理Gemini 3 Pro类别得分 63 比 48;GPQA Diamond 92.6% 比 85.3%高
图像及其他媒体Gemini 3 Pro类别得分 66 比 57;GeoBench 84.0% 比 81.0%高
指令遵循GPT-5类别得分 69 比 61高
对话质量(人类偏好)–只有 Gemini 3 Pro 有 Arena 评分(类别得分 68)无法比较
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 Pro 与 GPT-5 (medium) 的质量不相上下(60.0 比 59.0,在 ±6.4 的误差范围内)。
  • Gemini 3 Pro 在智能体与工具、编程、多模态、推理方面更强。
  • GPT-5 (medium) 在指令遵循、数学方面更强。
  • GPT-5 (medium) 更便宜,对方的价格是它的 1.3 倍(每百万 token 混合价格 $3.44 比 $4.50)。

概览

规格Gemini 3 ProGPT-5
提供商GoogleOpenAI
发布日期2025年11月18日2025年8月7日
上下文窗口(token)–400,000
对比时的配置Gemini 3 ProGPT-5 (medium)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)–$1.25 / $10.00 / $0.125

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 ProGPT-5 (medium)领先者
推理62.647.9Gemini 3 Pro
编程57.857.4持平
智能体与工具61.758.1Gemini 3 Pro
数学54.065.4GPT-5
知识55.9–无法比较
指令遵循61.169.4GPT-5
人类偏好67.7–无法比较
多模态65.656.6Gemini 3 Pro
长上下文–70.4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指令遵循多模态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, 指令遵循: 61.1Gemini 3 Pro, 多模态: 65.6GPT-5, 推理: 47.9GPT-5, 编程: 57.4GPT-5, 智能体与工具: 58.1GPT-5, 数学: 65.4GPT-5, 指令遵循: 69.4GPT-5, 多模态: 56.6

未绘制(测得的模型少于两个):知识, 长上下文, 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 12 项基准测试中,Gemini 3 Pro 领先 12 项,GPT-5 领先 0 项。所有同时评测两者的综合评分都认为 Gemini 3 Pro 更强。

综合 IndexGemini 3 ProGPT-5 (medium)领先者
BenchLeader Index60.059.0不相上下
Arena Text14861435†Gemini 3 Pro

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 ProGPT-5 (medium)
每百万 token 混合价格–$3.44
每百万 token 输入 / 输出– / –$1.25 / $10.00
每百万 token 缓存输入–$0.125
每项任务价格:聊天回复–$0.0035
每项任务价格:总结一份 30 页的报告–$0.021
每项任务价格:代码编辑–$0.022
每项任务价格:智能体编程会话–$0.115
每项任务价格:结构化信息提取–$0.0045
智能体编程会话(输入大多命中缓存)–$0.064
输出速度–82 tok/s
首次回答时间–22.9 秒
完整回答耗时(最近一次测量 2026年11月13日)–66.2 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。GPT-5 (medium) 得分 59.0,首个回答 token 需 23 秒;GPT-5 (high) 为 58.2(49 秒),GPT-5 为 56.6(5 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 128 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 ProGPT-5 (medium)
BenchLeader IndexBenchLeader60.059.0
智能体与工具得分BenchLeader61.758.1
编程得分BenchLeader57.857.4
人类偏好得分BenchLeader67.7–
指令遵循得分BenchLeader61.169.4
知识得分BenchLeader55.9–
数学得分BenchLeader54.065.4
多模态得分BenchLeader65.656.6
推理得分BenchLeader62.647.9
长上下文得分BenchLeader–70.4
混合价格(美元/百万 token)BenchLeader–$3.44
输出速度BenchLeader–82 tok/s
首次回答时间BenchLeader–22.9 秒
上下文窗口BenchLeader–400,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub92.6%85.3%
Humanity's Last ExamScale AI / CAIS37.5%25.3%†
SimpleBenchSimpleBench76.4%56.7%†
Arena Hard PromptsArena (LMArena)15021449†
GPQA Diamond (AA)Artificial Analysis90.8%†84.2%
Humanity's Last Exam (AA)Artificial Analysis39.7%†25.4%
GPQA Diamond (Vals)Vals AI91.7%†85.6%†
Kagi LLM BenchmarkKagi LLM Benchmark80.1%72.7%†
GPQA Diamond (HELM)HELM Capabilities80.3%79.1%†
ARC-AGI-1ARC Prize75.0%56.2%
ARC-AGI-2ARC Prize31.1%7.5%
CritPtArtificial Analysis9.1%†0.0%
CritPt v2 hard subset (AA)Artificial Analysis–11.5%†
SciPredictScale AI SEAL25.3%–
Arena ExpertArena (LMArena)14991445†
Chess PuzzlesEpoch AI Benchmarking Hub–32.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub–15.0%
CL-benchEpoch AI Benchmarking Hub15.8%–
LMCAEpoch AI Benchmarking Hub–40.0%†
DTBenchEpoch AI Benchmarking Hub–90.7%†
ForecastBenchForecastBench65.0%65.0%†
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub72.9%71.5%
SciCodeSciCode–42.9%†
WeirdMLWeirdML69.9%39.8%†
GSO-BenchGSO-Bench18.6%6.9%†
显示全部 128 项基准测试
指标发布方Gemini 3 ProGPT-5 (medium)
编程
Arena CodingArena (LMArena)15171462†
Arena WebDevArena (LMArena)14411417
LiveCodeBenchVals AI86.4%85.9%†
SWE-bench (Vals)Vals AI76.4%†69.0%†
SWE-Bench ProScale AI SEAL43.3%41.8%†
Aider PolyglotAider polyglot leaderboard–86.7%
SWE-bench Verified (bash only)SWE-bench74.2%65.0%
SWE-bench Multilingual (bash only)SWE-bench68.7%–
SWE-bench Verified (any scaffold)SWE-bench77.4%74.4%†
Vibe Code Bench v1.1Vals AI14.3%†20.1%†
SWE-Bench Pro (private)Scale AI SEAL17.9%14.9%†
MirrorCodeEpoch AI Benchmarking Hub–4.4%†
ALE-BenchEpoch AI Benchmarking Hub1176.81162.5†
AlgoTuneAlgoTune1.81.7†
Terminal-Bench 2.1 (AA)Artificial Analysis–35.2%†
GameBench 2 by reasoning settingDuelLab GameBench 2–38.0
Design Arena WebsiteDesign Arena12441174†
LiveCodeBench (AA)Artificial Analysis91.8%†70.3%
智能体与工具
Terminal-BenchTerminal-Bench69.4%49.6%
GDPvalOpenAI40.3%34.8%
Remote Labor IndexScale AI / CAIS1.3%1.7%†
Terminal-Bench HardArtificial Analysis41.7%†37.9%
τ²-Bench Telecom (AA)Artificial Analysis87.1%†86.5%
MCP AtlasScale AI SEAL70.3%–
BFCL OverallBerkeley Function Calling Leaderboard72.5%–
τ²-benchτ²-bench82.5%†–
τ³-bench Bankingτ²-bench18.0%†–
GDPval-AA v2.1Artificial Analysis–925†
τ³-Banking (AA)Artificial Analysis–22.1%†
Poker AgentVals AI1078.9%1103.2%†
Terminal-Bench 2.0 (Vals)Vals AI55.1%†37.1%†
Arena SearchArena (LMArena)12011189†
BALROGBALROG58.1%32.8%†
DeepResearch BenchDeepResearch Bench46.3%†48.6%
METR Time HorizonsMETR71.0%69.6%
Vending-Bench 2Andon Labs5478.2–
Design Arena AgenticDesign Arena1080–
BrowseComp-PlusBrowseComp-Plus–57.6%†
BrowseCompOpenAI–20.1%†
DeepSearchQAGoogle–59.4%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub–55.4%†
FrontierMath Tier 4Epoch AI Benchmarking Hub–21.9%†
OTIS Mock AIMEEpoch AI Benchmarking Hub91.4%87.2%
MATH Level 5Epoch AI Benchmarking Hub–97.9%
ProofBenchVals AI20.0%18.0%†
AIME (Vals)Vals AI96.7%†93.4%†
MGSMVals AI93.9%†92.8%†
AIME 2026MathArena91.7%–
HMMT February 2026MathArena86.4%–
IMO 2025MathArena–38.1%†
MathArena ApexMathArena23.4%1.0%†
Omni-MATH (HELM)HELM Capabilities55.6%64.7%†
MATH 500Vals AI96.4%†96.0%†
Arena MathsArena (LMArena)14751411†
AIME 2025 (AA)Artificial Analysis95.7%†91.7%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub–50.1%†
MMLU-ProVals AI90.1%86.5%†
LegalBenchVals AI87.0%†86.0%†
CorpFinVals AI63.7%†61.1%†
TaxEvalVals AI72.6%†73.4%†
MedQAVals AI96.0%†96.3%†
PRBench FinanceScale AI SEAL39.2%51.3%†
PRBench LegalScale AI SEAL40.6%49.0%†
MultiNRCScale AI SEAL59.0%52.1%†
MMLU-Pro (HELM)HELM Capabilities90.3%86.3%†
CaseLaw v2Vals AI53.1%†66.5%†
MedCodeVals AI52.2%†49.6%†
MedScribeVals AI72.0%†83.7%†
EBR-benchEpoch AI Benchmarking Hub–12.7%†
Global-MMLU-Lite (AA)Artificial Analysis92.2%†90.4%
指令遵循
IFBenchArtificial Analysis70.4%†70.6%
MultiChallengeScale AI SEAL65.7%63.2%†
TutorBenchScale AI SEAL53.7%55.3%†
IFEval (HELM)HELM Capabilities87.6%87.5%†
WildBench (HELM)HELM Capabilities85.9%85.7%†
Arena Instruction FollowingArena (LMArena)14731415†
人类偏好
Arena TextArena (LMArena)14861427†
EQ-Bench Creative Writing v3EQ-Bench15241626†
Arena Creative WritingArena (LMArena)14841389†
Arena Multi-turnArena (LMArena)14951449†
Arena Longer QueriesArena (LMArena)14911435†
Lech Mazur Creative WritingLech Mazur–86.0%
多模态
Arena VisionArena (LMArena)13051232†
MMMU-ProArtificial Analysis80.2%†74.3%
VISTAScale AI SEAL51.5%49.7%†
MMMU-Pro (Vals)Vals AI87.5%†81.5%†
MortgageTaxVals AI69.1%†65.5%†
AudioMCScale AI SEAL54.6%†–
AudioMC (text output)Scale AI SEAL54.6%†–
VTBScale AI SEAL26.9%17.0%†
GeoBenchGeoBench84.0%81.0%
VPCTEpoch AI Benchmarking Hub91.0%63.2%
长上下文
Fiction.LiveBench 120kFiction.live–96.9%
AA-LCR v1.1Artificial Analysis76.0%†76.0%
Arena DocumentArena (LMArena)1451–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub153.0150†
AA Intelligence Index v4.3.2Artificial Analysis28.0†22.9
AA Progress Index v1Artificial Analysis290.7†264.4
HELM Capabilities meanHELM Capabilities79.9%80.7%†
安全与诚实
FORTRESSScale AI SEAL41.7%17.0%†
MASKScale AI SEAL42.6%79.3%†
PropensityBenchScale AI SEAL52.9%–
元数据
AA Openness IndexArtificial Analysis5.6†5.6

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

  • GPT-5 (medium):BenchLeader Index 58.2 → 59.0。
  • Gemini 3 Pro:1 项分数修订。
  • GPT-5 (medium):1 项新结果(Aider Polyglot)。
  • GPT-5 (medium):2 项新结果(Global-MMLU-Lite (AA), AIME 2025 (AA));1 项分数修订。
  • GPT-5 (medium):1 项分数修订。
  • Gemini 3 Pro:1 项新结果(Arena Search)。
  • GPT-5 (medium):1 项分数修订。
  • GPT-5 (medium):1 项分数修订。
  • GPT-5 (medium):1 项新结果(AA Progress Index v1)。
  • Gemini 3 Pro: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 GPT-5:常见问题

Gemini 3 Pro 比 GPT-5 更好吗?
Gemini 3 Pro 与 GPT-5 (medium) 的质量不相上下(60.0 比 59.0,在 ±6.4 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16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 Pro 和 GPT-5 哪个更便宜?价格会变吗?
目前 GPT-5 更便宜:每百万 token $3.44 比 $4.50(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 Pro 还是 GPT-5 更好?
两者在编程方面持平(类别得分 58 比 57)。在两者共同的最主要编程基准测试 Arena WebDev 上,Gemini 3 Pro 为 1441,GPT-5 为 1417。
智能体和工具调用用 Gemini 3 Pro 还是 GPT-5 更好?
Gemini 3 Pro 在智能体任务方面得分更高(类别得分 62 比 58,50 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%,GPT-5 为 49.6%。
第三方基准测试对 Gemini 3 Pro 和 GPT-5 的看法一致吗?
在两者都有结果的 12 项基准测试中,Gemini 3 Pro 领先 12 项,GPT-5 领先 0 项。所有同时评测两者的综合评分都认为 Gemini 3 Pro 更强。
更多问题(1)
Gemini 3 Pro 是什么时候发布的?
Gemini 3 Pro 于 2025年11月18日 发布。