BenchLeader

Gemini 3 Pro vs GPT-5.5 Instant

完整资料:Gemini 3 Pro(Google)和 GPT-5.5 Instant(OpenAI),包括全部基准测试、价格和排名。

更新于 · 数据来自 14 个来源

截至 2026年11月16日,Gemini 3 Pro 与 GPT-5.5 Instant 的质量不相上下(BenchLeader Index 60.0 比 56.9,在 ±7.0 的误差范围内)。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)。看重智能体与工具(62 比 50)、推理(63 比 54)和多模态(66 比 58)选 Gemini 3 Pro;看重指令遵循(70 比 61)和编程(61 比 58)选 GPT-5.5 Instant。

要点(截至 2026年11月16日)

  • Gemini 3 Pro 的 BenchLeader Index 为 60.0,GPT-5.5 Instant 为 56.9(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 Instant 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 12 项基准测试中,Gemini 3 Pro 领先 11 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
编程GPT-5.5 Instant类别得分 61 比 58;Arena Coding 1513 比 1517中
智能体与工具调用Gemini 3 Pro类别得分 62 比 50高
数学Gemini 3 Pro类别得分 54 比 48;Arena Maths 1475 比 1462中
推理Gemini 3 Pro类别得分 63 比 54;GPQA Diamond 92.6% 比 82.5%高
图像及其他媒体Gemini 3 Pro类别得分 66 比 58;Arena Vision 1305 比 1251中
指令遵循GPT-5.5 Instant类别得分 70 比 61;Arena Instruction Following 1456 比 1473高
对话质量(人类偏好)Gemini 3 ProArena 投票 68 比 66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

  • Gemini 3 Pro 与 GPT-5.5 Instant 的质量不相上下(60.0 比 56.9,在 ±7.0 的误差范围内)。
  • Gemini 3 Pro 在智能体与工具、人类偏好、数学、多模态、推理方面更强。
  • GPT-5.5 Instant 在编程、指令遵循方面更强。
  • 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 ProGPT-5.5 Instant
提供商GoogleOpenAI
发布日期2025年11月18日2026年5月5日
上下文窗口(token)–400,000
对比时的配置Gemini 3 ProGPT-5.5 Instant
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 ProGPT-5.5 Instant领先者
推理62.653.6Gemini 3 Pro
编程57.860.9GPT-5.5 Instant
智能体与工具61.749.9Gemini 3 Pro
数学54.048.3Gemini 3 Pro
知识55.9–无法比较
指令遵循61.170.2GPT-5.5 Instant
人类偏好67.766.1Gemini 3 Pro
多模态65.658.2Gemini 3 Pro
长上下文–59.4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, 指令遵循: 61.1Gemini 3 Pro, 多模态: 65.6Gemini 3 Pro, 人类偏好: 67.7GPT-5.5 Instant, 推理: 53.6GPT-5.5 Instant, 编程: 60.9GPT-5.5 Instant, 智能体与工具: 49.9GPT-5.5 Instant, 数学: 48.3GPT-5.5 Instant, 指令遵循: 70.2GPT-5.5 Instant, 多模态: 58.2GPT-5.5 Instant, 人类偏好: 66.1

未绘制(测得的模型少于两个):知识, 长上下文。

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 11 项,GPT-5.5 Instant 领先 1 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-5.5 Instant领先者
BenchLeader Index60.056.9不相上下
Arena Text14861473Gemini 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-5.5 Instant
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–125 tok/s
首次回答时间–1.8 秒
完整回答耗时(最近一次测量 2026年11月13日)–47.7 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 Instant 得分 56.9,首个回答 token 需 2 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 118 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-5.5 Instant
BenchLeader IndexBenchLeader60.056.9
智能体与工具得分BenchLeader61.749.9
编程得分BenchLeader57.860.9
人类偏好得分BenchLeader67.766.1
指令遵循得分BenchLeader61.170.2
知识得分BenchLeader55.9–
数学得分BenchLeader54.048.3
多模态得分BenchLeader65.658.2
推理得分BenchLeader62.653.6
长上下文得分BenchLeader–59.4
混合价格(美元/百万 token)BenchLeader–$11.25
输出速度BenchLeader–125 tok/s
首次回答时间BenchLeader–1.8 秒
上下文窗口BenchLeader–400,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub92.6%82.5%
Humanity's Last ExamScale AI / CAIS37.5%–
SimpleBenchSimpleBench76.4%–
Arena Hard PromptsArena (LMArena)15021491
GPQA Diamond (AA)Artificial Analysis90.8%†84.7%
Humanity's Last Exam (AA)Artificial Analysis39.7%†21.6%
HLE-Diamond (AA)Artificial Analysis–14.6%
GPQA Diamond (Vals)Vals AI91.7%†–
Kagi LLM BenchmarkKagi LLM Benchmark80.1%–
GPQA Diamond (HELM)HELM Capabilities80.3%–
ARC-AGI-1ARC Prize75.0%–
ARC-AGI-2ARC Prize31.1%–
CritPtArtificial Analysis9.1%†2.6%
SciPredictScale AI SEAL25.3%–
Arena ExpertArena (LMArena)14991474
CL-benchEpoch AI Benchmarking Hub15.8%–
ForecastBenchForecastBench65.0%–
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub72.9%–
SciCodeSciCode–52.5%
WeirdMLWeirdML69.9%–
GSO-BenchGSO-Bench18.6%–
Arena CodingArena (LMArena)15171513
Arena WebDevArena (LMArena)1441–
LiveCodeBenchVals AI86.4%–
SWE-bench (Vals)Vals AI76.4%†–
显示全部 118 项基准测试
指标发布方Gemini 3 ProGPT-5.5 Instant
编程
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%–
Vibe Code Bench v1.1Vals AI14.3%†–
SWE-Bench Pro (private)Scale AI SEAL17.9%–
ALE-BenchEpoch AI Benchmarking Hub1176.8–
AlgoTuneAlgoTune1.8–
Terminal-Bench 4.0 (AA)Artificial Analysis–12.6%
Terminal-Bench 2.1 (AA)Artificial Analysis–34.8%
Design Arena WebsiteDesign Arena1244–
LiveCodeBench (AA)Artificial Analysis91.8%†–
智能体与工具
Terminal-BenchTerminal-Bench69.4%–
GDPvalOpenAI40.3%–
Remote Labor IndexScale AI / CAIS1.3%–
Terminal-Bench HardArtificial Analysis41.7%†42.4%
τ²-Bench Telecom (AA)Artificial Analysis87.1%†49.4%
MCP AtlasScale AI SEAL70.3%–
BFCL OverallBerkeley Function Calling Leaderboard72.5%–
τ²-benchτ²-bench82.5%†–
τ³-bench Bankingτ²-bench18.0%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis–0.4%
GDPval-AA v2.1Artificial Analysis–516
τ³-Banking (AA)Artificial Analysis–11.8%
Poker AgentVals AI1078.9%–
Terminal-Bench 2.0 (Vals)Vals AI55.1%†–
Arena SearchArena (LMArena)1201–
BALROGBALROG58.1%–
DeepResearch BenchDeepResearch Bench46.3%†–
METR Time HorizonsMETR71.0%–
Vending-Bench 2Andon Labs5478.2–
AutomationBenchArtificial Analysis–36.4%
GDP.pdf (AA)Artificial Analysis–20.2%
AA-Briefcase v1.1Artificial Analysis–1086
Design Arena AgenticDesign Arena1080–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub–26.3%
FrontierMath Tier 4Epoch AI Benchmarking Hub–2.4%
OTIS Mock AIMEEpoch AI Benchmarking Hub91.4%68.1%
ProofBenchVals AI20.0%–
AIME (Vals)Vals AI96.7%†–
MGSMVals AI93.9%†–
AIME 2026MathArena91.7%–
HMMT February 2026MathArena86.4%–
MathArena ApexMathArena23.4%–
Omni-MATH (HELM)HELM Capabilities55.6%–
MATH 500Vals AI96.4%†–
Arena MathsArena (LMArena)14751462
AIME 2025 (AA)Artificial Analysis95.7%†–
知识
MMLU-ProVals AI90.1%–
LegalBenchVals AI87.0%†–
CorpFinVals AI63.7%†–
TaxEvalVals AI72.6%†–
MedQAVals AI96.0%†–
PRBench FinanceScale AI SEAL39.2%–
PRBench LegalScale AI SEAL40.6%–
MultiNRCScale AI SEAL59.0%–
MMLU-Pro (HELM)HELM Capabilities90.3%–
CaseLaw v2Vals AI53.1%†–
MedCodeVals AI52.2%†–
MedScribeVals AI72.0%†–
Global-MMLU-Lite (AA)Artificial Analysis92.2%†–
指令遵循
IFBenchArtificial Analysis70.4%†71.5%
MultiChallengeScale AI SEAL65.7%–
TutorBenchScale AI SEAL53.7%–
IFEval (HELM)HELM Capabilities87.6%–
WildBench (HELM)HELM Capabilities85.9%–
Arena Instruction FollowingArena (LMArena)14731456
人类偏好
Arena TextArena (LMArena)14861473
EQ-Bench Creative Writing v3EQ-Bench1524–
Arena Creative WritingArena (LMArena)14841454
Arena Multi-turnArena (LMArena)14951483
Arena Longer QueriesArena (LMArena)14911475
多模态
Arena VisionArena (LMArena)13051251
MMMU-ProArtificial Analysis80.2%†–
VISTAScale AI SEAL51.5%–
MMMU-Pro (Vals)Vals AI87.5%†–
MortgageTaxVals AI69.1%†–
AudioMCScale AI SEAL54.6%†–
AudioMC (text output)Scale AI SEAL54.6%†–
VTBScale AI SEAL26.9%–
GeoBenchGeoBench84.0%–
VPCTEpoch AI Benchmarking Hub91.0%–
长上下文
AA-LCR v1.1Artificial Analysis76.0%†70.0%
Arena DocumentArena (LMArena)14511460
MLCRArtificial Analysis–31.7%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub153.0–
AA Intelligence Index v4.3.2Artificial Analysis28.0†26.0
AA Progress Index v1Artificial Analysis290.7†282.1
HELM Capabilities meanHELM Capabilities79.9%–
安全与诚实
FORTRESSScale AI SEAL41.7%–
MASKScale AI SEAL42.6%–
PropensityBenchScale AI SEAL52.9%–
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。

变化

  • Gemini 3 Pro:1 项分数修订。
  • Gemini 3 Pro:1 项新结果(Arena Search)。
  • GPT-5.5 Instant:1 项新结果(AA-Briefcase v1.1)。
  • GPT-5.5 Instant:BenchLeader Index 58.7 → 57.0。
  • GPT-5.5 Instant:2 项新结果(AA Progress Index v1, HLE-Diamond (AA))。
  • GPT-5.5 Instant:价格 $0.69/M → $0.57/M。
  • GPT-5.5 Instant:1 项新结果(AA-Briefcase v1.1)。
  • Gemini 3 Pro:1 项分数修订。
  • GPT-5.5 Instant:1 项新结果(MLCR)。
  • 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-5.5 Instant:常见问题

Gemini 3 Pro 比 GPT-5.5 Instant 更好吗?
Gemini 3 Pro 与 GPT-5.5 Instant 的质量不相上下(60.0 比 56.9,在 ±7.0 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-5.5 Instant 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 Instant 更好?
GPT-5.5 Instant 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 Coding 上,Gemini 3 Pro 为 1517,GPT-5.5 Instant 为 1513。
智能体和工具调用用 Gemini 3 Pro 还是 GPT-5.5 Instant 更好?
Gemini 3 Pro 在智能体任务方面得分更高(类别得分 62 比 50,50 为平均水平)。
第三方基准测试对 Gemini 3 Pro 和 GPT-5.5 Instant 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 11 项,GPT-5.5 Instant 领先 1 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)
GPT-5.5 Instant 是什么时候发布的?
GPT-5.5 Instant 于 2026年5月5日 发布。