BenchLeader

Gemini 4 Argon vs GPT-5.4

完整资料:Gemini 4 Argon(Google)和 GPT-5.4(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 4 Argon 与 GPT-5.4 的质量不相上下(BenchLeader Index 65.3 比 63.1,在 ±3.7 的误差范围内)。Gemini 4 Argon 更便宜,对方的价格是它的 1.4 倍(每百万 token 混合价格 $4.00 比 $5.63)。看重知识(72 比 59)、数学(70 比 65)和推理(70 比 66)选 Gemini 4 Argon;看重智能体与工具(63 比 59)和长上下文(66 比 65)选 GPT-5.4。Gemini 4 Argon 的首次回答更快(45.7 秒 比 144.9 秒)。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,GPT-5.4 为 63.1(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)。
  • GPT-5.4 每百万 token 混合价格为 $5.63(标价,2026年11月16日)。
  • 在两者都有结果的 29 项基准测试中,Gemini 4 Argon 领先 28 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Gemini 4 Argon类别得分 67 比 65;SciCode 61.8% 比 56.6%中
智能体与工具调用GPT-5.4类别得分 63 比 59;GDPval-AA v2.1 1256 比 1634中
数学Gemini 4 Argon类别得分 70 比 65;FrontierMath Tiers 1–3 86.0% 比 78.6%中
推理Gemini 4 Argon类别得分 70 比 66;GPQA Diamond 96.4% 比 93.3%中
知识Gemini 4 Argon类别得分 72 比 59;SimpleQA Verified 76.0% 比 45.1%高
长文档GPT-5.4类别得分 66 比 65;AA-LCR v1.1 82.0% 比 79.7%中
对话质量(人类偏好)–只有 Gemini 4 Argon 有 Arena 评分(类别得分 72)无法比较
成本最低Gemini 4 Argon(截至 2026年11月30日)每百万 token 混合价格 $4.00 比 $5.63;智能体编程会话 $0.160 比 $0.210;2026年12月1日 起:$8.00 比 $5.63–
首次回答最快Gemini 4 Argon首个回答 token 45.7 秒(Gemini 4 Argon (high))比 144.9 秒(GPT-5.4 (xhigh))–
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 4 Argon (high) 与 GPT-5.4 (xhigh) 的质量不相上下(65.3 比 63.1,在 ±3.7 的误差范围内)。
  • Gemini 4 Argon (high) 在编程、知识、数学、推理方面更强。
  • GPT-5.4 (xhigh) 在智能体与工具、长上下文方面更强。
  • 截至 2026年11月30日,Gemini 4 Argon (high) 更便宜,对方的价格是它的 1.4 倍(每百万 token 混合价格 $4.00 比 $5.63);自 2026年12月1日 起为 $8.00 比 $5.63。

概览

规格Gemini 4 ArgonGPT-5.4
提供商GoogleOpenAI
发布日期2026年9月30日2026年3月5日
正式发布2026年10月13日2026年3月5日
上下文窗口(token)1,048,5761,050,000
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)GPT-5.4 (xhigh)
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$2.50 / $15.00 / $0.250
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)GPT-5.4 (xhigh)领先者
推理69.565.7Gemini 4 Argon
编程66.764.7Gemini 4 Argon
智能体与工具58.663.0GPT-5.4
数学69.964.8Gemini 4 Argon
知识71.958.6Gemini 4 Argon
指令遵循–72.4无法比较
人类偏好72.1–无法比较
多模态–60.8无法比较
长上下文64.565.7GPT-5.4
综合63.8–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长上下文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: 64.5GPT-5.4, 推理: 65.7GPT-5.4, 编程: 64.7GPT-5.4, 智能体与工具: 63.0GPT-5.4, 数学: 64.8GPT-5.4, 知识: 58.6GPT-5.4, 长上下文: 65.7

未绘制(测得的模型少于两个):指令遵循, 多模态, 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 29 项基准测试中,Gemini 4 Argon 领先 28 项,GPT-5.4 领先 1 项。所有同时评测两者的综合评分都认为 Gemini 4 Argon 更强。

综合 IndexGemini 4 Argon (high)GPT-5.4 (xhigh)领先者
BenchLeader Index65.363.1不相上下
Arena Text15221475†Gemini 4 Argon

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)GPT-5.4 (xhigh)
每百万 token 混合价格(截至 2026年11月30日)$4.00$5.63
每百万 token 输入 / 输出$2.00 / $10.00$2.50 / $15.00
自 2026年12月1日 起每百万 token 混合价格$8.00$5.63
自 2026年12月1日 起每百万 token 输入 / 输出$4.00 / $20.00$2.50 / $15.00
每百万 token 缓存输入$0.100$0.250
每项任务价格:聊天回复$0.0038$0.0055
每项任务价格:总结一份 30 页的报告$0.030$0.039
每项任务价格:代码编辑$0.027$0.037
每项任务价格:智能体编程会话$0.160$0.210
每项任务价格:结构化信息提取$0.0060$0.0080
智能体编程会话(输入大多命中缓存)$0.074$0.109
每项基准测试任务成本(AA Index)$4.97–
每项任务输出 token(AA Index)116k–
其中推理部分68k–
每项任务耗时(AA Index)29 min–
输出速度66 tok/s73 tok/s
首次回答时间45.7 秒144.9 秒
完整回答耗时(最近一次测量 2026年11月13日)122.1 秒193.1 秒

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)。GPT-5.4 (xhigh) 得分 63.1,首个回答 token 需 145 秒;GPT-5.4 (low) 为 58.8(3 秒),GPT-5.4 (high) 为 58.6(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 210 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)GPT-5.4 (xhigh)
BenchLeader IndexBenchLeader65.363.1
智能体与工具得分BenchLeader58.663.0
编程得分BenchLeader66.764.7
综合得分BenchLeader63.8–
人类偏好得分BenchLeader72.1–
知识得分BenchLeader71.958.6
长上下文得分BenchLeader64.565.7
数学得分BenchLeader69.964.8
推理得分BenchLeader69.565.7
指令遵循得分BenchLeader–72.4
多模态得分BenchLeader–60.8
混合价格(美元/百万 token)BenchLeader$4.00$5.63
输出速度BenchLeader66 tok/s73 tok/s
首次回答时间BenchLeader45.7 秒144.9 秒
上下文窗口BenchLeader1,048,576 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub96.4%93.3%
Humanity's Last ExamScale AI / CAIS–36.2%
SimpleBenchSimpleBench91.7%†–
Arena Hard PromptsArena (LMArena)15451487†
LiveBench 2.0 ReasoningLiveBench95.1%–
LiveBench 1.0 ReasoningLiveBench–88.1%
GPQA Diamond (AA)Artificial Analysis–92.0%
Humanity's Last Exam (AA)Artificial Analysis57.1%43.7%
HLE-Diamond (AA)Artificial Analysis56.7%–
GPQA Diamond (Vals)Vals AI–91.7%
Kagi LLM BenchmarkKagi LLM Benchmark–63.8%†
ARC-AGI-1ARC Prize98.5%93.7%
ARC-AGI-2ARC Prize91.3%74.0%
ARC-AGI-3ARC Prize97.3%0.2%†
CritPtArtificial Analysis27.1%23.4%
CritPt v2 hard subset (AA)Artificial Analysis52.5%–
MysteryMechanismVals AI45.5%–
HLE-Diamond (Scale)Scale AI SEAL53.2%†–
Arena ExpertArena (LMArena)15491491†
Chess PuzzlesEpoch AI Benchmarking Hub59.0%48.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub64.0%37.0%
CL-benchEpoch AI Benchmarking Hub–27.9%
CL-bench LifeEpoch AI Benchmarking Hub–21.7%
LMCAEpoch AI Benchmarking Hub63.7%52.0%
DTBenchEpoch AI Benchmarking Hub97.3%94.4%
显示全部 210 项基准测试
指标发布方Gemini 4 Argon (high)GPT-5.4 (xhigh)
推理
ForecastBenchForecastBench–63.0%†
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub–76.9%†
SciCodeSciCode61.8%56.6%
WeirdMLWeirdML–77.7%
FrontierCodeCognition47.5%†–
GSO-BenchGSO-Bench–31.4%
Arena CodingArena (LMArena)15531511†
Arena WebDevArena (LMArena)16811400†
LiveBench 2.0 CodingLiveBench85.7%–
LiveBench 1.0 CodingLiveBench–77.5%
SciCode (AA)Artificial Analysis61.8%–
LiveCodeBenchVals AI–84.1%
IOIVals AI100.0%–
SWE-bench (Vals)Vals AI–78.2%
SWE-Bench ProScale AI SEAL–59.1%
Code MigrationVals AI68.2%35.0%
Code Migration v1.1Vals AI70.8%–
ProgramBenchVals AI2.5%0.0%
SWE-bench MultimodalVals AI56.0%–
Vibe Code Bench 1-100Vals AI21.2%–
Vibe Code Bench v1.1Vals AI91.9%67.4%
SWE-Bench Pro (private)Scale AI SEAL–43.4%
SWE Atlas v1.0: Codebase QnAScale AI SEAL–40.8%
SWE Atlas v1.0: RefactoringScale AI SEAL–44.3%
SWE Atlas v1.0: Test WritingScale AI SEAL–44.4%
SWE Atlas v1.1Scale AI SEAL70.1%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL65.3%†–
SWE Atlas v1.1: Test WritingScale AI SEAL77.8%†–
SWE Atlas v1.1: RefactoringScale AI SEAL67.1%†–
SWE-Bench Pro V2Scale AI SEAL99.2%–
SWE-Bench Pro V2 HARDScale AI SEAL92.2%–
MirrorCodeEpoch AI Benchmarking Hub58.9%23.3%
DeepSWE v1.1Epoch AI Benchmarking Hub–51.8%
CursorBenchCursor52.9%–
ALE-BenchEpoch AI Benchmarking Hub2100.11607†
AlgoTuneAlgoTune–1.9†
FrontierSWEEpoch AI Benchmarking Hub55.0%–
WeirdML v3WeirdML20.3%–
Terminal-Bench 4.0 (AA)Artificial Analysis57.1%–
Terminal-Bench 2.1 (AA)Artificial Analysis–78.3%
GameBench 2 OverallDuelLab GameBench 281.7†53.4†
GameBench 2 by reasoning settingDuelLab GameBench 289.262.1
Design Arena WebsiteDesign Arena1316†1190†
FrontierCode 1.1 (AA)Artificial Analysis43.5%–
FrontierCode 2.0 (AA)Artificial Analysis25.7%–
智能体与工具
Terminal-BenchTerminal-Bench55.5%81.8%†
Remote Labor IndexScale AI / CAIS17.1%†–
APEX-AgentsMercor82.4%†52.4%†
Arena AgentArena (LMArena)10.7–
LiveBench Long AgenticLiveBench58.5%–
LiveBench BrowserLiveBench82.8%–
LiveBench Agentic CodingLiveBench–53.8%
Terminal-Bench HardArtificial Analysis–57.6%
τ²-Bench Telecom (AA)Artificial Analysis–87.1%
Terminal-Bench 2.1 (Vals)Vals AI57.7%–
MCP AtlasScale AI SEAL90.7%†70.6%
HiL-BenchScale AI SEAL62.0%†9.7%†
τ³-bench Bankingτ²-bench–39.4%
GDPval-AA v2.1, normalised scoreArtificial Analysis56.2%–
GDPval-AA v2.1Artificial Analysis16341256
τ³-Banking (AA)Artificial Analysis–39.6%
Analyst Agent (AA)Artificial Analysis48.8%–
APEX-Agents (AA)Artificial Analysis–33.3%
CUA-benchVals AI4.8%–
CyberBenchVals AI77.9%–
Finance Agent v2Vals AI65.4%–
Finance Agent v2.1Vals AI67.7%–
Harvey's Legal Agent Benchmark v1.1Vals AI27.1%–
Harvey's Legal Agent Benchmark v1Vals AI19.6%0.0%
Legal Research BenchVals AI54.8%–
Robo-benchVals AI0.8%–
SkillsBenchVals AI–51.7%
SREBenchVals AI44.3%–
Tax Agent BenchVals AI49.2%–
Terminal-Bench 2.0 (Vals)Vals AI–58.4%†
Terminal-Bench 4.0 (Vals)Vals AI57.6%–
Terminal-Bench ScienceVals AI44.3%–
Time Horizon Index: KSPVals AI52.5%–
Arena SearchArena (LMArena)–1196†
Arena Agent Task CompletionArena (LMArena)13.2–
DeepResearch BenchDeepResearch Bench–35.1%†
PostTrainBenchEpoch AI Benchmarking Hub40.4%17.8%†
METR Time HorizonsMETR–74.3%
GBAEvalEpoch AI Benchmarking Hub–45.1%†
Vending-Bench 2Andon Labs13718.2†6144.2†
AutomationBenchArtificial Analysis77.5%–
GDP.pdf (AA)Artificial Analysis21.8%–
Harvey LAB-AA v1.1Harvey3.9%–
AA-Briefcase v1.1Artificial Analysis1485–
GDPxGDPx by SemiAnalysis7.3%–
Design Arena AgenticDesign Arena1274†1042†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis52.9%–
MKA (AA)Artificial Analysis51.3%–
DeepSearchQAGoogle–63.7%†
FACTS SearchGoogle89.9%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub86.0%78.6%
FrontierMath Tier 4Epoch AI Benchmarking Hub78.0%49.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%95.3%
ProofBenchVals AI99.0%†56.0%
LiveBench MathematicsLiveBench–94.2%
AIME (Vals)Vals AI–96.7%
AIME 2026MathArena–99.2%
HMMT February 2026MathArena–97.7%
USAMO 2026MathArena–95.2%
MathArena ApexMathArena–54.2%
ArXivMathMathArena84.4%–
BrokenArXivMathArena47.9%–
Arena MathsArena (LMArena)15361459†
FrontierMath ErdősEpoch AI Benchmarking Hub1.5%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub76.0%45.1%
LiveBench 2.0 Data AnalysisLiveBench85.2%–
LiveBench ResearchLiveBench86.8%–
LiveBench 1.0 Data AnalysisLiveBench–79.3%
AA-Omniscience v1.1Artificial Analysis46.1–
MMLU-ProVals AI–87.5%
LegalBenchVals AI88.3%86.0%
CorpFinVals AI–65.3%
TaxEvalVals AI–74.0%
MedQAVals AI–96.1%
PRBench FinanceScale AI SEAL49.9%†45.6%†
PRBench LegalScale AI SEAL49.4%†44.4%†
MultiNRCScale AI SEAL–58.3%†
BioMysteryBenchVals AI76.3%–
CaseLaw v2Vals AI–63.8%
Excel Modeling BenchmarkVals AI75.2%–
Excel Modeling Benchmark v1.1Vals AI74.8%–
MedCodeVals AI58.8%41.3%
MedScribeVals AI87.4%77.5%
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%–
EBR-benchEpoch AI Benchmarking Hub64.8%25.4%
GDP.pdfEpoch AI Benchmarking Hub28.4%–
AA-Omniscience v1.1: accuracyArtificial Analysis48.3%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis95.7%–
HealthBench Professional (AA)OpenAI55.0%–
FACTS ParametricGoogle72.2%†–
指令遵循
LiveBench LanguageLiveBench–82.6%
LiveBench Instruction FollowingLiveBench–70.2%
IFBenchArtificial Analysis–74.0%
MultiChallengeScale AI SEAL78.7%†–
Arena Instruction FollowingArena (LMArena)15281460†
人类偏好
Arena TextArena (LMArena)15221465†
EQ-Bench 4EQ-Bench1236†1258†
EQ-Bench Creative Writing v3EQ-Bench1758†1841†
Arena Creative WritingArena (LMArena)15231433†
Arena Multi-turnArena (LMArena)15451480†
Arena Longer QueriesArena (LMArena)15441477†
多模态
Arena VisionArena (LMArena)–1292†
LiveBench DesignLiveBench69.2%–
MMMU-ProArtificial Analysis88.3%†78.4%
VISTAScale AI SEAL–50.9%†
MMMU-Pro (Vals)Vals AI–87.5%
MortgageTaxVals AI–68.3%
SAGEVals AI89.5%–
AudioMCScale AI SEAL58.4%–
AudioMC (text output)Scale AI SEAL58.4%–
Humanity's Sixth SenseScale AI SEAL55.4%–
VTBScale AI SEAL–29.2%†
Blueprint-Bench 2Epoch AI Benchmarking Hub54.5%†27.1%†
Furniture AssemblyEpoch AI Benchmarking Hub72.5%37.5%
VIALS-AAHandshake AI59.6%–
Code2Video-AAArtificial Analysis1259–
AA-3DArtificial Analysis1147–
FACTS MultimodalGoogle54.2%†–
长上下文
AA-LCR v1.1Artificial Analysis79.7%82.0%
Arena DocumentArena (LMArena)–1471†
MLCRArtificial Analysis13.9%–
FACTS GroundingGoogle73.3%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub166.5†157.8†
LiveBench 2.0LiveBench77.7%–
LiveBench 1.0LiveBench–78.0%
AA Intelligence Index v5.0.1Artificial Analysis50.4–
AA Intelligence Index v4.3.2Artificial Analysis52.639.0
AA Progress Index v1Artificial Analysis341.8311.6
Vals IndexVals AI69.4–
Vals Finance IndexVals AI66.0%–
Vals RSI IndexVals AI30.6%15.5%
Vals Science IndexVals AI55.4%–
Vals Router IndexVals AI69.2%†–
Vals Legal IndexVals AI76.8%–
安全与诚实
MASKScale AI SEAL–89.7%†
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 Argon (high):1 项新结果(Terminal-Bench)。
  • GPT-5.4 (xhigh):1 项新结果(GDPval-AA v2.1)。
  • 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。
  • GPT-5.4 (xhigh):1 项新结果(MirrorCode)。
  • Gemini 4 Argon (high):4 项分数修订。
  • Gemini 4 Argon (high):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 4 Argon vs GPT-5.4:常见问题

Gemini 4 Argon 比 GPT-5.4 更好吗?
Gemini 4 Argon (high) 与 GPT-5.4 (xhigh) 的质量不相上下(65.3 比 63.1,在 ±3.7 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 4 Argon 和 GPT-5.4 哪个更便宜?价格会变吗?
目前 Gemini 4 Argon 更便宜:每百万 token $4.00 比 $5.63(按每 1 个输出 token 对应 3 个输入 token 混合计算)。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 GPT-5.4 更好?
Gemini 4 Argon 在编程方面得分更高(类别得分 67 比 65,50 为平均水平)。在两者共同的最主要编程基准测试 SciCode 上,Gemini 4 Argon 为 61.8%,GPT-5.4 为 56.6%。
Gemini 4 Argon 和 GPT-5.4 哪个更快?
GPT-5.4 输出更快(输出 73 比 66 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Gemini 4 Argon 还是 GPT-5.4 更好?
GPT-5.4 在智能体任务方面得分更高(类别得分 63 比 59,50 为平均水平)。
更多问题(4)
处理长文档哪个更好?
GPT-5.4 在长上下文基准测试上得分更高(66 比 65)。两者都约为 1.1M token(Gemini 4 Argon 为 1,048,576,GPT-5.4 为 1,050,000)。
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 144.9 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 GPT-5.4 的看法一致吗?
在两者都有结果的 29 项基准测试中,Gemini 4 Argon 领先 28 项,GPT-5.4 领先 1 项。所有同时评测两者的综合评分都认为 Gemini 4 Argon 更强。
Gemini 4 Argon 是什么时候发布的?
Gemini 4 Argon 于 2026年9月30日 首次亮相,并于 2026年10月13日 正式发布。