Gemini 3 Pro vs GPT-5.5
完整资料:Gemini 3 Pro(Google)和 GPT-5.5(OpenAI),包括全部基准测试、价格和排名。
更新于 · 数据来自 18 个来源
截至 2026年11月16日,质量上 GPT-5.5 领先 Gemini 3 Pro(BenchLeader Index 64.1 比 60.0)。不过,Gemini 3 Pro 更便宜,对方的价格是它的 2.5 倍(每百万 token 混合价格 $4.50 比 $11.25)。看重多模态(66 比 62)选 Gemini 3 Pro;看重数学(69 比 54)、指令遵循(74 比 61)和知识(64 比 56)选 GPT-5.5。
要点(截至 2026年11月16日)
- Gemini 3 Pro 的 BenchLeader Index 为 60.0,GPT-5.5 为 64.1(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-5.5 每百万 token 混合价格为 $11.25(标价,2026年11月16日)。
- 在两者都有结果的 14 项基准测试中,GPT-5.5 领先 12 项(BenchLeader,2026年11月16日)。
- 在 Arena WebDev 上,Gemini 3 Pro 的评分为 1441,GPT-5.5 为 1512(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 | GPT-5.5 | 类别得分 61 比 58;Arena WebDev 1512 比 1441 | 中 |
| 智能体与工具调用 | 均可 | 类别得分 62 比 62;MCP Atlas 70.3% 比 75.3% | 均可 |
| 数学 | GPT-5.5 | 类别得分 69 比 54;AIME 2026 100.0% 比 91.7% | 高 |
| 推理 | GPT-5.5 | 类别得分 68 比 63;ARC-AGI-2 85.0% 比 31.1% | 中 |
| 知识 | GPT-5.5 | 类别得分 64 比 56;MMLU-Pro 88.1% 比 90.1% | 高 |
| 图像及其他媒体 | Gemini 3 Pro | 类别得分 66 比 62 | 中 |
| 指令遵循 | GPT-5.5 | 类别得分 74 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
- 质量上 GPT-5.5 (xhigh) 领先:64.1 比 60.0。
- Gemini 3 Pro 在多模态方面更强。
- GPT-5.5 (xhigh) 在智能体与工具、编程、指令遵循、知识、数学、推理方面更强。
- Gemini 3 Pro 更便宜,对方的价格是它的 2.5 倍(每百万 token 混合价格 $4.50 比 $11.25)。
概览
| 规格 | Gemini 3 Pro | GPT-5.5 |
|---|---|---|
| 提供商 | OpenAI | |
| 发布日期 | 2025年11月18日 | 2026年4月23日 |
| 上下文窗口(token) | – | 1,050,000 |
| 对比时的配置 | Gemini 3 Pro | GPT-5.5 (xhigh) |
| 开放权重 | 否 | 否 |
| 每百万 token 价格(输入 / 输出 / 缓存输入) | – | $5.00 / $30.00 / $0.500 |
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 Pro | GPT-5.5 (xhigh) | 领先者 |
|---|---|---|---|
| 推理 | 62.6 | 68.1 | GPT-5.5 |
| 编程 | 57.8 | 60.7 | GPT-5.5 |
| 智能体与工具 | 61.7 | 61.8 | 持平 |
| 数学 | 54.0 | 69.3 | GPT-5.5 |
| 知识 | 55.9 | 63.6 | GPT-5.5 |
| 指令遵循 | 61.1 | 74.0 | GPT-5.5 |
| 人类偏好 | 67.7 | – | 无法比较 |
| 多模态 | 65.6 | 62.3 | Gemini 3 Pro |
| 长上下文 | – | 66.9 | 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。
未绘制(测得的模型少于两个):长上下文, 人类偏好。
各来源的分歧
在两者都有结果的 14 项基准测试中,Gemini 3 Pro 领先 2 项,GPT-5.5 领先 12 项。第三方来源看法不一:Gemini 3 Pro 在 Arena Text 上领先;GPT-5.5 在 BenchLeader Index 上领先。
| 综合 Index | Gemini 3 Pro | GPT-5.5 (xhigh) | 领先者 |
|---|---|---|---|
| BenchLeader Index | 60.0 | 64.1 | GPT-5.5 |
| Arena Text | 1486 | 1481† | 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 Pro | GPT-5.5 (xhigh) |
|---|---|---|
| 每百万 token 混合价格 | – | $11.25 |
| 每百万 token 输入 / 输出 | – / – | $5.00 / $30.00 |
| 每百万 token 缓存输入 | – | $0.500 |
| 每项任务价格:聊天回复 | – | $0.011 |
| 每项任务价格:总结一份 30 页的报告 | – | $0.078 |
| 每项任务价格:代码编辑 | – | $0.075 |
| 每项任务价格:智能体编程会话 | – | $0.420 |
| 每项任务价格:结构化信息提取 | – | $0.016 |
| 智能体编程会话(输入大多命中缓存) | – | $0.217 |
| 输出速度 | – | 81 tok/s |
| 首次回答时间 | – | 38.3 秒 |
| 完整回答耗时(最近一次测量 2026年11月13日) | – | 104.3 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-5.5 (xhigh) 得分 64.1,首个回答 token 需 38 秒;GPT-5.5 (high) 为 63.5(16 秒),GPT-5.5 为 61.0(3 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 175 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 Pro | GPT-5.5 (xhigh) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 60.0 | 64.1 |
| 智能体与工具得分 | BenchLeader | 61.7 | 61.8 |
| 编程得分 | BenchLeader | 57.8 | 60.7 |
| 人类偏好得分 | BenchLeader | 67.7 | – |
| 指令遵循得分 | BenchLeader | 61.1 | 74.0 |
| 知识得分 | BenchLeader | 55.9 | 63.6 |
| 数学得分 | BenchLeader | 54.0 | 69.3 |
| 多模态得分 | BenchLeader | 65.6 | 62.3 |
| 推理得分 | BenchLeader | 62.6 | 68.1 |
| 长上下文得分 | BenchLeader | – | 66.9 |
| 混合价格(美元/百万 token) | BenchLeader | – | $11.25 |
| 输出速度 | BenchLeader | – | 81 tok/s |
| 首次回答时间 | BenchLeader | – | 38.3 秒 |
| 上下文窗口 | BenchLeader | – | 1,050,000 token |
| 推理 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 92.6% | 90.7%† |
| Humanity's Last Exam | Scale AI / CAIS | 37.5% | – |
| SimpleBench | SimpleBench | 76.4% | 69.0%† |
| Arena Hard Prompts | Arena (LMArena) | 1502 | 1499† |
| LiveBench 1.0 Reasoning | LiveBench | – | 89.7% |
| GPQA Diamond (AA) | Artificial Analysis | 90.8%† | 93.5% |
| Humanity's Last Exam (AA) | Artificial Analysis | 39.7%† | 45.8% |
| GPQA Diamond (Vals) | Vals AI | 91.7%† | 93.2% |
| Kagi LLM Benchmark | Kagi LLM Benchmark | 80.1% | 88.8%† |
| GPQA Diamond (HELM) | HELM Capabilities | 80.3% | – |
| ARC-AGI-1 | ARC Prize | 75.0% | 95.0% |
| ARC-AGI-2 | ARC Prize | 31.1% | 85.0% |
| ARC-AGI-3 | ARC Prize | – | 0.4%† |
| CritPt | Artificial Analysis | 9.1%† | 27.1% |
| SciPredict | Scale AI SEAL | 25.3% | – |
| Arena Expert | Arena (LMArena) | 1499 | 1510† |
| Chess Puzzles | Epoch AI Benchmarking Hub | – | 63.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | – | 56.0% |
| CL-bench | Epoch AI Benchmarking Hub | 15.8% | – |
| CL-bench Life | Epoch AI Benchmarking Hub | – | 22.2%† |
| LMCA | Epoch AI Benchmarking Hub | – | 54.3% |
| DTBench | Epoch AI Benchmarking Hub | – | 96.0% |
| ForecastBench | ForecastBench | 65.0% | 64.2%† |
| BTF-3 | Epoch AI Benchmarking Hub | – | 14.3%† |
| 编程 | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | 72.9% | – |
显示全部 175 项基准测试
| 指标 | 发布方 | Gemini 3 Pro | GPT-5.5 (xhigh) |
|---|---|---|---|
| 编程 | |||
| SciCode | SciCode | – | 55.8% |
| WeirdML | WeirdML | 69.9% | 84.9% |
| FrontierCode | Cognition | – | 43.0%† |
| GSO-Bench | GSO-Bench | 18.6% | 40.2% |
| Arena Coding | Arena (LMArena) | 1517 | 1510† |
| Arena WebDev | Arena (LMArena) | 1441 | 1512 |
| LiveBench 1.0 Coding | LiveBench | – | 82.2% |
| LiveCodeBench | Vals AI | 86.4% | 85.3% |
| SWE-bench (Vals) | Vals AI | 76.4%† | 82.6% |
| SWE-Bench Pro | Scale AI SEAL | 43.3% | – |
| SWE-bench Verified (bash only) | SWE-bench | 74.2% | – |
| SWE-bench Multilingual (bash only) | SWE-bench | 68.7% | – |
| SWE-bench Verified (any scaffold) | SWE-bench | 77.4% | – |
| Code Migration | Vals AI | – | 45.2% |
| ProgramBench | Vals AI | – | 0.5% |
| Vibe Code Bench v1.1 | Vals AI | 14.3%† | 69.8% |
| SWE-Bench Pro (private) | Scale AI SEAL | 17.9% | – |
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | – | 45.4% |
| SWE Atlas v1.0: Refactoring | Scale AI SEAL | – | 44.8% |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | – | 42.6% |
| MirrorCode | Epoch AI Benchmarking Hub | – | 23.3% |
| Surface Evolver Bench | Epoch AI Benchmarking Hub | – | 88.1%† |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | – | 67.0% |
| ALE-Bench | Epoch AI Benchmarking Hub | 1176.8 | 1943.0 |
| AlgoTune | AlgoTune | 1.8 | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | – | 14.7% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | – | 84.3% |
| GameBench 2 Overall | DuelLab GameBench 2 | – | 49.2† |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | – | 59.9 |
| Design Arena Website | Design Arena | 1244 | 1248† |
| LiveCodeBench (AA) | Artificial Analysis | 91.8%† | – |
| 智能体与工具 | |||
| Terminal-Bench | Terminal-Bench | 69.4% | 84.7%† |
| OSWorld-Verified 2.0 | OSWorld | – | 13.0% |
| GDPval | OpenAI | 40.3% | – |
| Remote Labor Index | Scale AI / CAIS | 1.3% | 6.3%† |
| APEX-Agents | Mercor | – | 55.1%† |
| LiveBench Agentic Coding | LiveBench | – | 54.0% |
| Terminal-Bench Hard | Artificial Analysis | 41.7%† | 60.6% |
| τ²-Bench Telecom (AA) | Artificial Analysis | 87.1%† | 93.9% |
| Terminal-Bench 2.1 (Vals) | Vals AI | – | 57.3%† |
| MCP Atlas | Scale AI SEAL | 70.3% | 75.3% |
| HiL-Bench | Scale AI SEAL | – | 39.7%† |
| BFCL Overall | Berkeley Function Calling Leaderboard | 72.5% | – |
| τ²-bench | τ²-bench | 82.5%† | – |
| τ³-bench Banking | τ²-bench | 18.0%† | 44.6% |
| GDPval-AA v2.1 | Artificial Analysis | – | 1357 |
| τ³-Banking (AA) | Artificial Analysis | – | 39.0% |
| ITBench SRE (AA) | Artificial Analysis | – | 45.8% |
| Analyst Agent (AA) | Artificial Analysis | – | 50.0% |
| APEX-Agents (AA) | Artificial Analysis | – | 37.7% |
| Finance Agent v2 | Vals AI | – | 51.8% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | – | 3.8% |
| Legal Research Bench | Vals AI | – | 40.4% |
| Poker Agent | Vals AI | 1078.9% | – |
| SkillsBench | Vals AI | – | 62.2% |
| SREBench | Vals AI | – | 3.8% |
| Tax Agent Bench | Vals AI | – | 21.8% |
| Terminal-Bench 2.0 (Vals) | Vals AI | 55.1%† | 73.2%† |
| Time Horizon Index: KSP | Vals AI | – | 8.3% |
| Arena Search | Arena (LMArena) | 1201 | 1226† |
| BALROG | BALROG | 58.1% | – |
| DeepResearch Bench | DeepResearch Bench | 46.3%† | 54.0%† |
| PostTrainBench | Epoch AI Benchmarking Hub | – | 23.9% |
| ExploitBench | Epoch AI Benchmarking Hub | – | 47.4%† |
| METR Time Horizons | METR | 71.0% | – |
| GBAEval | Epoch AI Benchmarking Hub | – | 53.2%† |
| Vending-Bench 2 | Andon Labs | 5478.2 | 7523.8† |
| AutomationBench | Artificial Analysis | – | 47.3% |
| GDP.pdf (AA) | Artificial Analysis | – | 21.2% |
| EnterpriseOps-Gym | Artificial Analysis | – | 46.6% |
| AA-Briefcase v1.1 | Artificial Analysis | – | 1135 |
| Design Arena Agentic | Design Arena | 1080 | 1113† |
| RoboDojo (LLM as robot policy) | RoboDojo | – | 1.1† |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | – | 85.3% |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | – | 72.5% |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 91.4% | 84.4%† |
| ProofBench | Vals AI | 20.0% | 50.0% |
| LiveBench Mathematics | LiveBench | – | 95.9% |
| AIME (Vals) | Vals AI | 96.7%† | – |
| MGSM | Vals AI | 93.9%† | – |
| AIME 2026 | MathArena | 91.7% | 100.0% |
| HMMT February 2026 | MathArena | 86.4% | 98.5% |
| USAMO 2026 | MathArena | – | 98.2% |
| MathArena Apex | MathArena | 23.4% | 80.2% |
| Omni-MATH (HELM) | HELM Capabilities | 55.6% | – |
| MATH 500 | Vals AI | 96.4%† | – |
| Arena Maths | Arena (LMArena) | 1475 | 1500† |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | – | 0.0% |
| AIME 2025 (AA) | Artificial Analysis | 95.7%† | – |
| 知识 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | – | 63.0% |
| LiveBench 1.0 Data Analysis | LiveBench | – | 81.6% |
| MMLU-Pro | Vals AI | 90.1% | 88.1% |
| LegalBench | Vals AI | 87.0%† | 86.5% |
| CorpFin | Vals AI | 63.7%† | 68.4% |
| TaxEval | Vals AI | 72.6%† | 75.0% |
| MedQA | Vals AI | 96.0%† | – |
| PRBench Finance | Scale AI SEAL | 39.2% | – |
| PRBench Legal | Scale AI SEAL | 40.6% | – |
| MultiNRC | Scale AI SEAL | 59.0% | – |
| MMLU-Pro (HELM) | HELM Capabilities | 90.3% | – |
| CaseLaw v2 | Vals AI | 53.1%† | 66.2% |
| Excel Modeling Benchmark | Vals AI | – | 64.5% |
| MedCode | Vals AI | 52.2%† | 49.1% |
| MedScribe | Vals AI | 72.0%† | 86.9% |
| Public Benefits Bench v1.1 | Vals AI | – | 60.9% |
| DrugDiscoveryBench | Scale AI SEAL | – | 51.6% |
| EBR-bench | Epoch AI Benchmarking Hub | – | 34.3% |
| GDP.pdf | Epoch AI Benchmarking Hub | – | 26.0% |
| Global-MMLU-Lite (AA) | Artificial Analysis | 92.2%† | – |
| 指令遵循 | |||
| LiveBench Language | LiveBench | – | 87.4% |
| LiveBench Instruction Following | LiveBench | – | 70.7% |
| IFBench | Artificial Analysis | 70.4%† | 75.8% |
| MultiChallenge | Scale AI SEAL | 65.7% | – |
| TutorBench | Scale AI SEAL | 53.7% | – |
| IFEval (HELM) | HELM Capabilities | 87.6% | – |
| WildBench (HELM) | HELM Capabilities | 85.9% | – |
| Arena Instruction Following | Arena (LMArena) | 1473 | 1475† |
| 人类偏好 | |||
| Arena Text | Arena (LMArena) | 1486 | 1476† |
| EQ-Bench 4 | EQ-Bench | – | 1295† |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1524 | 1845† |
| Arena Creative Writing | Arena (LMArena) | 1484 | 1448† |
| Arena Multi-turn | Arena (LMArena) | 1495 | 1484† |
| Arena Longer Queries | Arena (LMArena) | 1491 | 1486† |
| 多模态 | |||
| Arena Vision | Arena (LMArena) | 1305 | 1296† |
| MMMU-Pro | Artificial Analysis | 80.2%† | 79.9% |
| VISTA | Scale AI SEAL | 51.5% | – |
| MMMU-Pro (Vals) | Vals AI | 87.5%† | 88.3% |
| MortgageTax | Vals AI | 69.1%† | 68.8% |
| AudioMC | Scale AI SEAL | 54.6%† | – |
| AudioMC (text output) | Scale AI SEAL | 54.6%† | – |
| VTB | Scale AI SEAL | 26.9% | – |
| GeoBench | GeoBench | 84.0% | – |
| VPCT | Epoch AI Benchmarking Hub | 91.0% | – |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | – | 36.2%† |
| Furniture Assembly | Epoch AI Benchmarking Hub | – | 44.2% |
| Code2Video-AA | Artificial Analysis | – | 1000 |
| 长上下文 | |||
| AA-LCR v1.1 | Artificial Analysis | 76.0%† | 84.3% |
| Arena Document | Arena (LMArena) | 1451 | 1479† |
| MLCR | Artificial Analysis | – | 28.9% |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 153.0 | 160.1† |
| LiveBench 1.0 | LiveBench | – | 80.2% |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 28.0† | 38.4 |
| AA Progress Index v1 | Artificial Analysis | 290.7† | 320 |
| HELM Capabilities mean | HELM Capabilities | 79.9% | – |
| Vals RSI Index | Vals AI | – | 16.5% |
| Vals Multimodal Index | Vals AI | – | 68.1% |
| 安全与诚实 | |||
| FORTRESS | Scale AI SEAL | 41.7% | 16.3% |
| MASK | Scale AI SEAL | 42.6% | – |
| PropensityBench | Scale AI SEAL | 52.9% | – |
| 元数据 | |||
| AA Openness Index | Artificial Analysis | 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
- Gemini 3 Pro:1 项分数修订。
- GPT-5.5 (xhigh):1 项新结果(GDPval-AA v2.1)。
- GPT-5.5 (xhigh):BenchLeader Index 64.6 → 64.1。
- GPT-5.5 (xhigh):1 项分数修订。
- GPT-5.5 (xhigh):1 项新结果(MirrorCode)。
- Gemini 3 Pro:1 项新结果(Arena Search)。
- GPT-5.5 (xhigh):1 项分数修订。
- GPT-5.5 (xhigh):1 项新结果(AA Progress Index v1)。
- GPT-5.5 (xhigh):价格 $2.63/M → $2.10/M。
- GPT-5.5 (xhigh):1 项新结果(AA-Briefcase v1.1)。
相关对比
- Gemini 3 Pro vs Gemini 4 Carbon
- Gemini 3 Pro vs Claude Opus 5.5
- Gemini 3 Pro vs GPT-6 Astra
- GPT-5.5 vs Claude Fable 5.2
- GPT-5.5 vs Gemini 4 Carbon
- GPT-5.5 vs Claude Opus 5.5
- GPT-5.5 vs GPT-6 Astra
- Gemini 3 Pro vs GPT-6.1 Sol
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-5.5:常见问题
- GPT-5.5 比 Gemini 3 Pro 更好吗?
- 质量上 GPT-5.5 (xhigh) 领先:64.1 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,GPT-5.5 (xhigh) 总体领先,但请结合你的用途查看各类别得分。
- Gemini 3 Pro 和 GPT-5.5 哪个更便宜?价格会变吗?
- 目前 Gemini 3 Pro 更便宜:每百万 token $4.50 比 $11.25(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-5.5 更好?
- GPT-5.5 在编程方面得分更高(类别得分 61 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,GPT-5.5 为 1512。
- 智能体和工具调用用 Gemini 3 Pro 还是 GPT-5.5 更好?
- 两者在智能体任务方面持平(类别得分 62 比 62)。在两者共同的最主要智能体与工具基准测试 MCP Atlas 上,Gemini 3 Pro 为 70.3%,GPT-5.5 为 75.3%。
- 第三方基准测试对 Gemini 3 Pro 和 GPT-5.5 的看法一致吗?
- 在两者都有结果的 14 项基准测试中,Gemini 3 Pro 领先 2 项,GPT-5.5 领先 12 项。第三方来源看法不一:Gemini 3 Pro 在 Arena Text 上领先;GPT-5.5 在 BenchLeader Index 上领先。
更多问题(1)
- GPT-5.5 是什么时候发布的?
- GPT-5.5 于 2026年4月23日 发布。