BenchLeader

Gemini 3 Pro vs GPT-6 Astra

完整资料:Gemini 3 Pro(Google)和 GPT-6 Astra(OpenAI),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 GPT-6 Astra 领先 Gemini 3 Pro(BenchLeader Index 67.3 比 60.0)。不过,Gemini 3 Pro 更便宜,对方的价格是它的 4.4 倍(每百万 token 混合价格 $4.50 比 $20.00)。看重人类偏好(68 比 66)选 Gemini 3 Pro;看重数学(71 比 54)、知识(72 比 56)和编程(73 比 58)选 GPT-6 Astra。

要点(截至 2026年11月16日)

  • Gemini 3 Pro 的 BenchLeader Index 为 60.0,GPT-6 Astra 为 67.3(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)。
  • GPT-6 Astra 每百万 token 混合价格为 $20.00(标价,2026年11月16日)。
  • 在两者都有结果的 22 项基准测试中,GPT-6 Astra 领先 16 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Gemini 3 Pro 的评分为 1441,GPT-6 Astra 为 1764(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-6 Astra类别得分 73 比 58;Arena WebDev 1764 比 1441高
智能体与工具调用GPT-6 Astra类别得分 64 比 62;Terminal-Bench 60.3% 比 69.4%中
数学GPT-6 Astra类别得分 71 比 54;Arena Maths 1481 比 1475高
推理GPT-6 Astra类别得分 72 比 63;GPQA Diamond 95.8% 比 92.6%高
知识GPT-6 Astra类别得分 72 比 56高
图像及其他媒体均可类别得分 66 比 66;Arena Vision 1305 比 1279均可
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

  • 质量上 GPT-6 Astra (max) 领先:67.3 比 60.0。
  • Gemini 3 Pro 在人类偏好方面更强。
  • GPT-6 Astra (max) 在智能体与工具、编程、知识、数学、推理方面更强。
  • Gemini 3 Pro 更便宜,对方的价格是它的 4.4 倍(每百万 token 混合价格 $4.50 比 $20.00)。

概览

规格Gemini 3 ProGPT-6 Astra
提供商GoogleOpenAI
发布日期2025年11月18日2026年9月2日
上下文窗口(token)–1,050,000
对比时的配置Gemini 3 ProGPT-6 Astra (max)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)–$10.00 / $50.00 / $1.00

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-6 Astra (max)领先者
推理62.672.4GPT-6 Astra
编程57.873.2GPT-6 Astra
智能体与工具61.763.9GPT-6 Astra
数学54.070.8GPT-6 Astra
知识55.972.3GPT-6 Astra
指令遵循61.1–无法比较
人类偏好67.766.2Gemini 3 Pro
多模态65.665.6持平
长上下文–65.0无法比较
综合–71.3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, 知识: 55.9Gemini 3 Pro, 多模态: 65.6Gemini 3 Pro, 人类偏好: 67.7GPT-6 Astra, 推理: 72.4GPT-6 Astra, 编程: 73.2GPT-6 Astra, 智能体与工具: 63.9GPT-6 Astra, 数学: 70.8GPT-6 Astra, 知识: 72.3GPT-6 Astra, 多模态: 65.6GPT-6 Astra, 人类偏好: 66.2

未绘制(测得的模型少于两个):指令遵循, 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 22 项基准测试中,Gemini 3 Pro 领先 6 项,GPT-6 Astra 领先 16 项。第三方来源看法不一:Gemini 3 Pro 在 Arena Text 上领先;GPT-6 Astra 在 BenchLeader Index 上领先。

综合 IndexGemini 3 ProGPT-6 Astra (max)领先者
BenchLeader Index60.067.3GPT-6 Astra
Arena Text14861474Gemini 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-6 Astra (max)
每百万 token 混合价格–$20.00
每百万 token 输入 / 输出– / –$10.00 / $50.00
每百万 token 缓存输入–$1.00
每项任务价格:聊天回复–$0.019
每项任务价格:总结一份 30 页的报告–$0.150
每项任务价格:代码编辑–$0.135
每项任务价格:智能体编程会话–$0.800
每项任务价格:结构化信息提取–$0.030
智能体编程会话(输入大多命中缓存)–$0.395
每项基准测试任务成本(AA Index)–$6.24
每项任务输出 token(AA Index)–52k
其中推理部分–36k
每项任务耗时(AA Index)–21 min
输出速度–41 tok/s
首次回答时间–198.4 秒
完整回答耗时(最近一次测量 2026年11月13日)–533.7 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-6 Astra (max) 得分 67.3,首个回答 token 需 198 秒;GPT-6 Astra 为 66.4(5 秒),GPT-6 Astra (high) 为 66.3(49 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 231 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-6 Astra (max)
BenchLeader IndexBenchLeader60.067.3
智能体与工具得分BenchLeader61.763.9
编程得分BenchLeader57.873.2
人类偏好得分BenchLeader67.766.2
指令遵循得分BenchLeader61.1–
知识得分BenchLeader55.972.3
数学得分BenchLeader54.070.8
多模态得分BenchLeader65.665.6
推理得分BenchLeader62.672.4
综合得分BenchLeader–71.3
长上下文得分BenchLeader–65.0
混合价格(美元/百万 token)BenchLeader–$20.00
输出速度BenchLeader–41 tok/s
首次回答时间BenchLeader–198.4 秒
上下文窗口BenchLeader–1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub92.6%95.8%
Humanity's Last ExamScale AI / CAIS37.5%54.8%†
SimpleBenchSimpleBench76.4%83.6%†
Arena Hard PromptsArena (LMArena)15021500
LiveBench 2.0 ReasoningLiveBench–92.7%
LiveBench 1.0 ReasoningLiveBench–92.7%
GPQA Diamond (AA)Artificial Analysis90.8%†96.1%
Humanity's Last Exam (AA)Artificial Analysis39.7%†54.7%
HLE-Diamond (AA)Artificial Analysis–63.8%
GPQA Diamond (Vals)Vals AI91.7%†–
Kagi LLM BenchmarkKagi LLM Benchmark80.1%–
GPQA Diamond (HELM)HELM Capabilities80.3%–
ARC-AGI-1ARC Prize75.0%97.5%
ARC-AGI-2ARC Prize31.1%95.0%
ARC-AGI-3ARC Prize–98.6%
CritPtArtificial Analysis9.1%†31.7%
CritPt v2 hard subset (AA)Artificial Analysis–70.5%
MysteryMechanismVals AI–53.1%
SciPredictScale AI SEAL25.3%–
HLE-Diamond (Scale)Scale AI SEAL–60.6%†
Arena ExpertArena (LMArena)14991517
Chess PuzzlesEpoch AI Benchmarking Hub–74.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub–84.0%
CL-benchEpoch AI Benchmarking Hub15.8%–
LMCAEpoch AI Benchmarking Hub–64.1%†
显示全部 231 项基准测试
指标发布方Gemini 3 ProGPT-6 Astra (max)
推理
DTBenchEpoch AI Benchmarking Hub–97.1%†
ForecastBenchForecastBench65.0%66.6%†
BTF-3Epoch AI Benchmarking Hub–13.5%†
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub72.9%–
SciCodeSciCode–56.5%
WeirdMLWeirdML69.9%93.3%
FrontierCodeCognition–53.3%
GSO-BenchGSO-Bench18.6%79.4%†
Arena CodingArena (LMArena)15171548
Arena WebDevArena (LMArena)14411764
LiveBench 2.0 CodingLiveBench–87.5%
LiveBench 1.0 CodingLiveBench–80.4%
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–67.7%
Code Migration v1.1Vals AI–80.6%
ProgramBenchVals AI–5.5%
SWE-bench MultimodalVals AI–43.3%
Vibe Code Bench 1-100Vals AI–27.6%
Vibe Code Bench v1.1Vals AI14.3%†89.6%
SWE-Bench Pro (private)Scale AI SEAL17.9%–
SWE Atlas v1.0: Codebase QnAScale AI SEAL–59.1%†
SWE Atlas v1.0: RefactoringScale AI SEAL–59.0%†
SWE Atlas v1.0: Test WritingScale AI SEAL–50.7%†
SWE Atlas v1.1Scale AI SEAL–69.4%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–70.2%†
SWE Atlas v1.1: Test WritingScale AI SEAL–66.7%†
SWE Atlas v1.1: RefactoringScale AI SEAL–71.4%†
SWE-Bench Pro V2Scale AI SEAL–96.9%†
SWE-Bench Pro V2 HARDScale AI SEAL–90.2%†
MirrorCodeEpoch AI Benchmarking Hub–60.0%
DeepSWE v1.1Epoch AI Benchmarking Hub–73.2%
ALE-BenchEpoch AI Benchmarking Hub1176.82951.3
AlgoTuneAlgoTune1.8–
FrontierSWEEpoch AI Benchmarking Hub–65.5%
WeirdML v3WeirdML–42.2%†
Terminal-Bench 4.0 (AA)Artificial Analysis–59.1%
Terminal-Bench 2.1 (AA)Artificial Analysis–88.4%
Startrise FrontendStartrise–79.9%†
GameBench 2 OverallDuelLab GameBench 2–88.8†
GameBench 2 by reasoning settingDuelLab GameBench 2–94.3†
Design Arena WebsiteDesign Arena12441338
FrontierCode 1.1 (AA)Artificial Analysis–47.0%
FrontierCode 2.0 (AA)Artificial Analysis–42.4%
LiveCodeBench (AA)Artificial Analysis91.8%†–
智能体与工具
Terminal-BenchTerminal-Bench69.4%60.3%
GDPvalOpenAI40.3%–
Remote Labor IndexScale AI / CAIS1.3%20.8%†
APEX-AgentsMercor–64.7%†
Arena AgentArena (LMArena)–14.5
LiveBench Long AgenticLiveBench–75.6%
LiveBench BrowserLiveBench–91.3%
LiveBench Agentic CodingLiveBench–57.3%
Terminal-Bench HardArtificial Analysis41.7%†–
τ²-Bench Telecom (AA)Artificial Analysis87.1%†–
Terminal-Bench 2.1 (Vals)Vals AI–87.3%
MCP AtlasScale AI SEAL70.3%–
HiL-BenchScale AI SEAL–65.3%†
BFCL OverallBerkeley Function Calling Leaderboard72.5%–
τ²-benchτ²-bench82.5%†–
τ³-bench Bankingτ²-bench18.0%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis–53.7%
GDPval-AA v2.1Artificial Analysis–1587
τ³-Banking (AA)Artificial Analysis–41.4%
ITBench SRE (AA)Artificial Analysis–48.6%
Analyst Agent (AA)Artificial Analysis–51.3%
CUA-benchVals AI–19.2%
CyberBenchVals AI–41.1%
Finance Agent v2Vals AI–53.5%
Finance Agent v2.1Vals AI–60.4%
Harvey's Legal Agent Benchmark v1.1Vals AI–7.1%
Harvey's Legal Agent Benchmark v1Vals AI–5.4%
Legal Research BenchVals AI–39.4%
Poker AgentVals AI1078.9%–
Robo-benchVals AI–23.3%
SREBenchVals AI–56.9%
Tax Agent BenchVals AI–20.7%
Terminal-Bench 2.0 (Vals)Vals AI55.1%†–
Terminal-Bench 4.0 (Vals)Vals AI–59.6%
Terminal-Bench ScienceVals AI–62.9%
Time Horizon Index: KSPVals AI–90.5%
Arena SearchArena (LMArena)12011245
Arena Agent Task CompletionArena (LMArena)–14
BALROGBALROG58.1%68.3%
DeepResearch BenchDeepResearch Bench46.3%†–
PostTrainBenchEpoch AI Benchmarking Hub–41.9%
METR Time HorizonsMETR71.0%–
Vending-Bench 2Andon Labs5478.215514.7†
SpireClimbEpoch AI Benchmarking Hub–34.0%
AutomationBenchArtificial Analysis–68.5%
GDP.pdf (AA)Artificial Analysis–31.0%
Harvey LAB-AA v1.1Harvey–8.6%
AA-Briefcase v1.1Artificial Analysis–1569
GDPxGDPx by SemiAnalysis–9.6%
Design Arena AgenticDesign Arena10801405
RoboDojo (LLM as robot policy)RoboDojo–29.0†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–63.3%
CWE-Bench (AA)Artificial Analysis–63.3%
DeepSec-Bench (AA)Artificial Analysis–36.9%
CyberGym end-to-end (AA)Artificial Analysis–0.0%
MKA (AA)Artificial Analysis–50.2%
FACTS SearchGoogle–93.3%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub–93.7%
FrontierMath Tier 4Epoch AI Benchmarking Hub–97.6%
OTIS Mock AIMEEpoch AI Benchmarking Hub91.4%100.0%
ProofBenchVals AI20.0%99.0%†
LiveBench MathematicsLiveBench–96.8%
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)14751481
FrontierMath ErdősEpoch AI Benchmarking Hub–2.9%
AIME 2025 (AA)Artificial Analysis95.7%†–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub–75.6%
LiveBench 2.0 Data AnalysisLiveBench–83.0%
LiveBench ResearchLiveBench–90.6%
LiveBench 1.0 Data AnalysisLiveBench–83.0%
AA-Omniscience v1.1Artificial Analysis–42.4
MMLU-ProVals AI90.1%–
LegalBenchVals AI87.0%†–
CorpFinVals AI63.7%†–
TaxEvalVals AI72.6%†–
MedQAVals AI96.0%†–
PRBench FinanceScale AI SEAL39.2%47.5%†
PRBench LegalScale AI SEAL40.6%48.4%†
MultiNRCScale AI SEAL59.0%–
MMLU-Pro (HELM)HELM Capabilities90.3%–
BioMysteryBenchVals AI–79.3%
CaseLaw v2Vals AI53.1%†–
Excel Modeling BenchmarkVals AI–71.7%
Excel Modeling Benchmark v1.1Vals AI–72.7%
MedCodeVals AI52.2%†48.5%
MedScribeVals AI72.0%†87.9%
Financial Coaching BenchVals AI–67.5%
Immigration BenchVals AI–67.7%
DrugDiscoveryBenchScale AI SEAL–68.7%
EBR-benchEpoch AI Benchmarking Hub–76.2%
GDP.pdfEpoch AI Benchmarking Hub–34.2%
AA-Omniscience v1.1: accuracyArtificial Analysis–61.6%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–50.2%
Global-MMLU-Lite (AA)Artificial Analysis92.2%†–
HealthBench Professional (AA)OpenAI–66.0%
FACTS ParametricGoogle–83.8%†
指令遵循
LiveBench LanguageLiveBench–89.4%
LiveBench Instruction FollowingLiveBench–75.6%
IFBenchArtificial Analysis70.4%†–
MultiChallengeScale AI SEAL65.7%–
TutorBenchScale AI SEAL53.7%–
IFEval (HELM)HELM Capabilities87.6%–
WildBench (HELM)HELM Capabilities85.9%–
Arena Instruction FollowingArena (LMArena)14731474
人类偏好
Arena TextArena (LMArena)14861474
EQ-Bench Creative Writing v3EQ-Bench15242177†
Arena Creative WritingArena (LMArena)14841451
Arena Multi-turnArena (LMArena)14951483
Arena Longer QueriesArena (LMArena)14911485
多模态
Arena VisionArena (LMArena)13051279
LiveBench DesignLiveBench–80.0%
MMMU-ProArtificial Analysis80.2%†86.9%
VISTAScale AI SEAL51.5%–
MMMU-Pro (Vals)Vals AI87.5%†–
MortgageTaxVals AI69.1%†–
AudioMCScale AI SEAL54.6%†–
AudioMC (text output)Scale AI SEAL54.6%†–
Humanity's Sixth SenseScale AI SEAL–53.6%
VTBScale AI SEAL26.9%–
GeoBenchGeoBench84.0%–
VPCTEpoch AI Benchmarking Hub91.0%–
Blueprint-Bench 2Epoch AI Benchmarking Hub–49.7%†
Furniture AssemblyEpoch AI Benchmarking Hub–80.0%
VIALS-AAHandshake AI–62.7%
Code2Video-AAArtificial Analysis–1427
AA-3DArtificial Analysis–1168
FACTS MultimodalGoogle–55.2%†
长上下文
AA-LCR v1.1Artificial Analysis76.0%†80.7%
Arena DocumentArena (LMArena)14511474
MLCRArtificial Analysis–41.7%
FACTS GroundingGoogle–80.1%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub153.0169†
LiveBench 2.0LiveBench–84.5%
LiveBench 1.0LiveBench–82.2%
AA Intelligence Index v5.0.1Artificial Analysis–56.9
AA Intelligence Index v4.3.2Artificial Analysis28.0†52.7
AA Progress Index v1Artificial Analysis290.7†349.6
Vals IndexVals AI–65.0
HELM Capabilities meanHELM Capabilities79.9%–
Vals Finance IndexVals AI–55.6%
Vals RSI IndexVals AI–27.1%
Vals Science IndexVals AI–65.1%
Vals Router IndexVals AI–65.0%†
Vals Legal IndexVals AI–68.4%
AA Cyber IndexArtificial Analysis–33.4
安全与诚实
FORTRESSScale AI SEAL41.7%12.1%†
MASKScale AI SEAL42.6%–
PropensityBenchScale AI SEAL52.9%–
DistressBenchScale AI SEAL–74.3%†
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 3 Pro:1 项分数修订。
  • GPT-6 Astra (max):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • GPT-6 Astra (max):1 项分数修订。
  • GPT-6 Astra (max):1 项新结果(PostTrainBench);2 项分数修订。
  • GPT-6 Astra (max):1 项新结果(MirrorCode);1 项分数修订。
  • GPT-6 Astra (max):BenchLeader Index 68.1 → 67.4。
  • GPT-6 Astra (max):2 项分数修订。
  • Gemini 3 Pro:1 项新结果(Arena Search)。
  • GPT-6 Astra (max):1 项分数修订。
  • GPT-6 Astra (max):1 项分数修订。

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 Pro vs GPT-6 Astra:常见问题

GPT-6 Astra 比 Gemini 3 Pro 更好吗?
质量上 GPT-6 Astra (max) 领先:67.3 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,GPT-6 Astra (max) 总体领先,但请结合你的用途查看各类别得分。
Gemini 3 Pro 和 GPT-6 Astra 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 $20.00(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。
编程用 Gemini 3 Pro 还是 GPT-6 Astra 更好?
GPT-6 Astra 在编程方面得分更高(类别得分 73 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-6 Astra 为 1764。
智能体和工具调用用 Gemini 3 Pro 还是 GPT-6 Astra 更好?
GPT-6 Astra 在智能体任务方面得分更高(类别得分 64 比 62,50 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-6 Astra 为 60.3%。
第三方基准测试对 Gemini 3 Pro 和 GPT-6 Astra 的看法一致吗?
在两者都有结果的 22 项基准测试中,Gemini 3 Pro 领先 6 项,GPT-6 Astra 领先 16 项。第三方来源看法不一:Gemini 3 Pro 在 Arena Text 上领先;GPT-6 Astra 在 BenchLeader Index 上领先。
更多问题(1)
GPT-6 Astra 是什么时候发布的?
GPT-6 Astra 于 2026年9月2日 发布。