BenchLeader

Gemini 4 Argon vs Gemini 4 Carbon

完整资料:Gemini 4 Argon(Google)和 Gemini 4 Carbon(Google),包括全部基准测试、价格和排名。

更新于 · 数据来自 13 个来源

截至 2026年11月16日,质量上 Gemini 4 Carbon 领先 Gemini 4 Argon(BenchLeader Index 68.9 比 65.3)。两者价格相近(每百万 token 混合价格 $4.00 比 $4.00)。在两者都有成绩的所有类别中,Gemini 4 Carbon 均领先。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 4 Argon 的 BenchLeader Index 为 65.3,Gemini 4 Carbon 为 68.9(BenchLeader,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)。
  • Gemini 4 Carbon 每百万 token 混合价格为 $4.00(标价,2026年11月16日)。
  • 在两者都有结果的 67 项基准测试中,Gemini 4 Carbon 领先 52 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Gemini 4 Argon 的评分为 1681,Gemini 4 Carbon 为 1768(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 Carbon类别得分 74 比 67;Arena WebDev 1768 比 1681中
智能体与工具调用Gemini 4 Carbon类别得分 70 比 59;Terminal-Bench 64.5% 比 55.5%高
数学Gemini 4 Carbon类别得分 72 比 70;FrontierMath Tiers 1–3 90.5% 比 86.0%中
推理Gemini 4 Carbon类别得分 73 比 70;GPQA Diamond 96.5% 比 96.4%中
知识Gemini 4 Carbon类别得分 76 比 72;SimpleQA Verified 77.7% 比 76.0%中
长文档均可类别得分 65 比 64;AA-LCR v1.1 79.7% 比 79.3%均可
对话质量(人类偏好)均可Arena 投票 72 比 73均可
成本最低均可每百万 token 混合价格 $4.00 比 $4.00;智能体编程会话 $0.160 比 $0.160;2026年12月1日 起:$8.00 比 $4.00–
首次回答最快Gemini 4 Argon首个回答 token 45.7 秒(Gemini 4 Argon (high))比 73.5 秒(Gemini 4 Carbon (high))–
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 Carbon (high) 领先:68.9 比 65.3。
  • Gemini 4 Argon (high) 在长上下文方面更强。
  • Gemini 4 Carbon (high) 在智能体与工具、编程、综合、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 $4.00。

概览

规格Gemini 4 ArgonGemini 4 Carbon
提供商GoogleGoogle
发布日期2026年9月30日2026年10月28日
正式发布2026年10月13日2026年10月28日
上下文窗口(token)1,048,5761,048,576
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 4 Argon (high)Gemini 4 Carbon (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$2.00 / $10.00 / $0.100
已公布的价格调整自 2026年12月1日 起为 $4.00 / $20.00 / $0.200暂无公布
API 模型 IDgemini-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 4 Argon (high)Gemini 4 Carbon (high)领先者
推理69.573.2Gemini 4 Carbon
编程66.774.1Gemini 4 Carbon
智能体与工具58.670.3Gemini 4 Carbon
数学69.971.9Gemini 4 Carbon
知识71.976.1Gemini 4 Carbon
人类偏好72.172.6持平
长上下文64.564.3持平
综合63.870.3Gemini 4 Carbon

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长上下文人类偏好Gemini 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, 长上下文: 64.5Gemini 4 Argon, 人类偏好: 72.1Gemini 4 Carbon, 推理: 73.2Gemini 4 Carbon, 编程: 74.1Gemini 4 Carbon, 智能体与工具: 70.3Gemini 4 Carbon, 数学: 71.9Gemini 4 Carbon, 知识: 76.1Gemini 4 Carbon, 长上下文: 64.3Gemini 4 Carbon, 人类偏好: 72.6

未绘制(测得的模型少于两个):指令遵循, 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 67 项基准测试中,Gemini 4 Argon 领先 14 项,Gemini 4 Carbon 领先 52 项,1 项持平。所有同时评测两者的综合评分都认为 Gemini 4 Carbon 更强。

综合 IndexGemini 4 Argon (high)Gemini 4 Carbon (high)领先者
BenchLeader Index65.368.9Gemini 4 Carbon
AA Intelligence Index v5.0.150.460.0Gemini 4 Carbon
Vals Index69.470.5Gemini 4 Carbon
Arena Text15221526Gemini 4 Carbon

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 4 Argon (high)Gemini 4 Carbon (high)
每百万 token 混合价格(截至 2026年11月30日)$4.00$4.00
每百万 token 输入 / 输出$2.00 / $10.00$2.00 / $10.00
自 2026年12月1日 起每百万 token 混合价格$8.00$4.00
自 2026年12月1日 起每百万 token 输入 / 输出$4.00 / $20.00$2.00 / $10.00
每百万 token 缓存输入$0.100$0.100
每项任务价格:聊天回复$0.0038$0.0038
每项任务价格:总结一份 30 页的报告$0.030$0.030
每项任务价格:代码编辑$0.027$0.027
每项任务价格:智能体编程会话$0.160$0.160
每项任务价格:结构化信息提取$0.0060$0.0060
智能体编程会话(输入大多命中缓存)$0.074$0.074
每项基准测试任务成本(AA Index)$4.97$5.48
每项任务输出 token(AA Index)116k123k
其中推理部分68k72k
每项任务耗时(AA Index)29 min32 min
输出速度66 tok/s64 tok/s
首次回答时间45.7 秒73.5 秒
完整回答耗时(最近一次测量 2026年11月13日)122.1 秒160.6 秒

按 token 计价不等于按任务计价:在 Artificial Analysis 的 Intelligence Index 中,一项平均任务在 Gemini 4 Argon (high) 上花费 $4.97,在 Gemini 4 Carbon (high) 上花费 $5.48;完成同样的工作,Gemini 4 Carbon (high) 输出的 token 是对方的 1.1 倍。

每个模型都按其排名最高的推理强度设置进行对比。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)。Gemini 4 Carbon (high) 得分 68.9,首个回答 token 需 73 秒;Gemini 4 Carbon (medium) 为 65.8(21 秒),Gemini 4 Carbon (low) 为 60.1(11 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 153 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 4 Argon (high)Gemini 4 Carbon (high)
BenchLeader IndexBenchLeader65.368.9
智能体与工具得分BenchLeader58.670.3
编程得分BenchLeader66.774.1
综合得分BenchLeader63.870.3
人类偏好得分BenchLeader72.172.6
知识得分BenchLeader71.976.1
长上下文得分BenchLeader64.564.3
数学得分BenchLeader69.971.9
推理得分BenchLeader69.573.2
混合价格(美元/百万 token)BenchLeader$4.00$4.00
输出速度BenchLeader66 tok/s64 tok/s
首次回答时间BenchLeader45.7 秒73.5 秒
上下文窗口BenchLeader1,048,576 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub96.4%96.5%
SimpleBenchSimpleBench91.7%†92.6%†
Arena Hard PromptsArena (LMArena)15451547
LiveBench 2.0 ReasoningLiveBench95.1%90.6%
Humanity's Last Exam (AA)Artificial Analysis57.1%–
HLE-Diamond (AA)Artificial Analysis56.7%69.1%
ARC-AGI-1ARC Prize98.5%97.5%
ARC-AGI-2ARC Prize91.3%92.1%
ARC-AGI-3ARC Prize97.3%96.9%
CritPtArtificial Analysis27.1%–
CritPt v2 hard subset (AA)Artificial Analysis52.5%69.0%
MysteryMechanismVals AI45.5%–
HLE-Diamond (Scale)Scale AI SEAL53.2%†–
Arena ExpertArena (LMArena)15491567
Chess PuzzlesEpoch AI Benchmarking Hub59.0%78.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub64.0%73.0%
LMCAEpoch AI Benchmarking Hub63.7%–
DTBenchEpoch AI Benchmarking Hub97.3%–
编程
SciCodeSciCode61.8%64.2%
FrontierCodeCognition47.5%†–
Arena CodingArena (LMArena)15531568
Arena WebDevArena (LMArena)16811768
LiveBench 2.0 CodingLiveBench85.7%91.0%
SciCode (AA)Artificial Analysis61.8%–
IOIVals AI100.0%–
显示全部 153 项基准测试
指标发布方Gemini 4 Argon (high)Gemini 4 Carbon (high)
编程
Code MigrationVals AI68.2%–
Code Migration v1.1Vals AI70.8%–
ProgramBenchVals AI2.5%–
SWE-bench MultimodalVals AI56.0%–
Vibe Code Bench 1-100Vals AI21.2%–
Vibe Code Bench v1.1Vals AI91.9%89.1%
Vibe Code Bench 1-100 v1.1Vals AI–49.7%
SWE Atlas v1.1Scale AI SEAL70.1%†71.4%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL65.3%†73.4%†
SWE Atlas v1.1: Test WritingScale AI SEAL77.8%†76.7%†
SWE Atlas v1.1: RefactoringScale AI SEAL67.1%†64.3%†
SWE-Bench Pro V2Scale AI SEAL99.2%–
SWE-Bench Pro V2 HARDScale AI SEAL92.2%–
MirrorCodeEpoch AI Benchmarking Hub58.9%–
CursorBenchCursor52.9%60.4%
ALE-BenchEpoch AI Benchmarking Hub2100.1–
FrontierSWEEpoch AI Benchmarking Hub55.0%61.2%
WeirdML v3WeirdML20.3%–
Terminal-Bench 4.0 (AA)Artificial Analysis57.1%65.2%
GameBench 2 OverallDuelLab GameBench 281.7†–
GameBench 2 by reasoning settingDuelLab GameBench 289.2–
Design Arena WebsiteDesign Arena1316†1319†
FrontierCode 1.1 (AA)Artificial Analysis43.5%–
FrontierCode 2.0 (AA)Artificial Analysis25.7%40.6%
智能体与工具
Terminal-BenchTerminal-Bench55.5%64.5%
Remote Labor IndexScale AI / CAIS17.1%†–
APEX-AgentsMercor82.4%†84.2%†
Arena AgentArena (LMArena)10.717
LiveBench Long AgenticLiveBench58.5%72.7%
LiveBench BrowserLiveBench82.8%80.0%
Terminal-Bench 2.1 (Vals)Vals AI57.7%–
MCP AtlasScale AI SEAL90.7%†–
HiL-BenchScale AI SEAL62.0%†50.3%†
GDPval-AA v2.1, normalised scoreArtificial Analysis56.2%–
GDPval-AA v2.1Artificial Analysis16341733
Analyst Agent (AA)Artificial Analysis48.8%–
CUA-benchVals AI4.8%–
CyberBenchVals AI77.9%–
Finance Agent v2Vals AI65.4%–
Finance Agent v2.1Vals AI67.7%67.2%
Harvey's Legal Agent Benchmark v1.1Vals AI27.1%17.5%
Harvey's Legal Agent Benchmark v1Vals AI19.6%–
Legal Research BenchVals AI54.8%55.8%
Robo-benchVals AI0.8%–
SREBenchVals AI44.3%–
Tax Agent BenchVals AI49.2%51.8%
Terminal-Bench 4.0 (Vals)Vals AI57.6%63.1%
Terminal-Bench ScienceVals AI44.3%–
Time Horizon Index: KSPVals AI52.5%–
Arena Agent Task CompletionArena (LMArena)13.218.4
PostTrainBenchEpoch AI Benchmarking Hub40.4%–
Vending-Bench 2Andon Labs13718.2†16484.2†
AutomationBenchArtificial Analysis77.5%77.8%
GDP.pdf (AA)Artificial Analysis21.8%28.4%
Harvey LAB-AA v1.1Harvey3.9%–
AA-Briefcase v1.1Artificial Analysis14851611
GDPxGDPx by SemiAnalysis7.3%10.9%
Design Arena AgenticDesign Arena1274†1305†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis52.9%64.8%
MKA (AA)Artificial Analysis51.3%54.3%
FACTS SearchGoogle89.9%†94.4%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub86.0%90.5%
FrontierMath Tier 4Epoch AI Benchmarking Hub78.0%95.1%
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%100.0%
ProofBenchVals AI99.0%†–
ArXivMathMathArena84.4%94.3%
BrokenArXivMathArena47.9%84.4%
Arena MathsArena (LMArena)1536–
FrontierMath ErdősEpoch AI Benchmarking Hub1.5%2.9%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub76.0%77.7%
LiveBench 2.0 Data AnalysisLiveBench85.2%86.5%
LiveBench ResearchLiveBench86.8%92.5%
AA-Omniscience v1.1Artificial Analysis46.153.5
LegalBenchVals AI88.3%–
PRBench FinanceScale AI SEAL49.9%†–
PRBench LegalScale AI SEAL49.4%†53.4%†
BioMysteryBenchVals AI76.3%–
Excel Modeling BenchmarkVals AI75.2%–
Excel Modeling Benchmark v1.1Vals AI74.8%76.5%
MedCodeVals AI58.8%–
MedScribeVals AI87.4%–
Public Benefits Bench v1.1Vals AI69.8%–
Access to Justice BenchmarkVals AI68.5%–
Financial Coaching BenchVals AI73.1%–
Immigration BenchVals AI68.1%–
DrugDiscoveryBenchScale AI SEAL65.4%71.5%
EBR-benchEpoch AI Benchmarking Hub64.8%87.6%
GDP.pdfEpoch AI Benchmarking Hub28.4%–
AA-Omniscience v1.1: accuracyArtificial Analysis48.3%58.3%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis95.7%88.6%
HealthBench Professional (AA)OpenAI55.0%–
FACTS ParametricGoogle72.2%†81.6%†
指令遵循
MultiChallengeScale AI SEAL78.7%†–
Arena Instruction FollowingArena (LMArena)15281525
人类偏好
Arena TextArena (LMArena)15221526
EQ-Bench 4EQ-Bench1236†–
EQ-Bench Creative Writing v3EQ-Bench1758†–
Arena Creative WritingArena (LMArena)15231516
Arena Multi-turnArena (LMArena)15451564
Arena Longer QueriesArena (LMArena)15441538
多模态
LiveBench DesignLiveBench69.2%80.2%
MMMU-ProArtificial Analysis88.3%†89.3%†
SAGEVals AI89.5%–
AudioMCScale AI SEAL58.4%–
AudioMC (text output)Scale AI SEAL58.4%–
Humanity's Sixth SenseScale AI SEAL55.4%71.1%
Blueprint-Bench 2Epoch AI Benchmarking Hub54.5%†58.6%†
Furniture AssemblyEpoch AI Benchmarking Hub72.5%77.5%
VIALS-AAHandshake AI59.6%64.0%
Code2Video-AAArtificial Analysis1259–
AA-3DArtificial Analysis1147–
FACTS MultimodalGoogle54.2%†60.2%†
长上下文
AA-LCR v1.1Artificial Analysis79.7%79.3%
MLCRArtificial Analysis13.9%19.4%
FACTS GroundingGoogle73.3%†77.2%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub166.5†169.8†
LiveBench 2.0LiveBench77.7%83.5%
AA Intelligence Index v5.0.1Artificial Analysis50.460.0
AA Intelligence Index v4.3.2Artificial Analysis52.6–
AA Progress Index v1Artificial Analysis341.8350.8
Vals IndexVals AI69.470.5
Vals Finance IndexVals AI66.0%67.0%
Vals RSI IndexVals AI30.6%27.7%
Vals Science IndexVals AI55.4%–
Vals Router IndexVals AI69.2%†–
Vals Legal IndexVals AI76.8%75.9%
安全与诚实
FORTRESSScale AI SEAL–16.4%†
DistressBenchScale AI SEAL68.6%†–

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 4 Argon (high):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Gemini 4 Carbon (high):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Gemini 4 Carbon (high):BenchLeader Index 69.9 → 68.9。
  • Gemini 4 Argon (high):1 项新结果(Terminal-Bench)。
  • Gemini 4 Carbon (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 Carbon (high):1 项新结果(DrugDiscoveryBench);输入价格 $4.00/M → $2.00/M;输出价格 $20.00/M → $10.00/M;价格 $7.76/M → $5.48/M。

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 4 Argon vs Gemini 4 Carbon:常见问题

Gemini 4 Carbon 比 Gemini 4 Argon 更好吗?
质量上 Gemini 4 Carbon (high) 领先:68.9 比 65.3。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 Carbon (high) 总体领先,但请结合你的用途查看各类别得分。
Gemini 4 Argon 和 Gemini 4 Carbon 哪个更便宜?价格会变吗?
两者价格相同:每百万 token 混合价格 $4.00。Gemini 4 Argon 的现价有效至 2026年11月30日,之后为 $8.00。
编程用 Gemini 4 Argon 还是 Gemini 4 Carbon 更好?
Gemini 4 Carbon 在编程方面得分更高(类别得分 74 比 67,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,Gemini 4 Argon 为 1681,Gemini 4 Carbon 为 1768。
Gemini 4 Argon 和 Gemini 4 Carbon 哪个更快?
Gemini 4 Argon 输出更快(输出 66 比 64 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Gemini 4 Argon 还是 Gemini 4 Carbon 更好?
Gemini 4 Carbon 在智能体任务方面得分更高(类别得分 70 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 4 Argon 为 55.5%,Gemini 4 Carbon 为 64.5%。
更多问题(4)
处理长文档哪个更好?
两者在长上下文基准测试上持平(65 比 64)。两者都支持 1,048,576 token 的上下文。
哪个延迟更低?
Gemini 4 Argon 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 45.7 秒比 73.5 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
第三方基准测试对 Gemini 4 Argon 和 Gemini 4 Carbon 的看法一致吗?
在两者都有结果的 67 项基准测试中,Gemini 4 Argon 领先 14 项,Gemini 4 Carbon 领先 52 项,1 项持平。所有同时评测两者的综合评分都认为 Gemini 4 Carbon 更强。
Gemini 4 Carbon 是什么时候发布的?
Gemini 4 Carbon 于 2026年10月28日 发布。