Gemini 4 Argon vs GPT-6.1 Sol
完整资料:Gemini 4 Argon(Google)和 GPT-6.1 Sol(OpenAI),包括全部基准测试、价格和排名。
更新于 · 数据来自 15 个来源
截至 2026年11月16日,Gemini 4 Argon 与 GPT-6.1 Sol 的质量不相上下(BenchLeader Index 65.3 比 66.6,在 ±3.2 的误差范围内)。两者价格相近(每百万 token 混合价格 $4.00 比 $4.00)。看重人类偏好(72 比 67)选 Gemini 4 Argon;看重智能体与工具(64 比 59)、编程(71 比 67)和推理(71 比 70)选 GPT-6.1 Sol。Gemini 4 Argon 的首次回答更快(45.7 秒 比 166.7 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-6.1 Sol 为 66.6(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-6.1 Sol 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 102 项基准测试中,Gemini 4 Argon 领先 55 项(BenchLeader,2026年11月16日)。
- 在 Arena WebDev 上,Gemini 4 Argon 的评分为 1681,GPT-6.1 Sol 为 1743(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-6.1 Sol | 类别得分 71 比 67;Arena WebDev 1743 比 1681 | 中 |
| 智能体与工具调用 | GPT-6.1 Sol | 类别得分 64 比 59;Terminal-Bench 60.9% 比 55.5% | 中 |
| 数学 | GPT-6.1 Sol | 类别得分 72 比 70;FrontierMath Tiers 1–3 93.7% 比 86.0% | 中 |
| 推理 | GPT-6.1 Sol | 类别得分 71 比 70;HLE-Diamond (AA) 58.8% 比 56.7% | 中 |
| 知识 | 均可 | 类别得分 72 比 72;SimpleQA Verified 76.0% 比 73.9% | 均可 |
| 长文档 | GPT-6.1 Sol | 类别得分 66 比 65;AA-LCR v1.1 83.0% 比 79.7% | 中 |
| 对话质量(人类偏好) | Gemini 4 Argon | Arena 投票 72 比 67 | 中 |
| 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 166.7 秒(GPT-6.1 Sol (max)) | – |
| 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-6.1 Sol (max) 的质量不相上下(65.3 比 66.6,在 ±3.2 的误差范围内)。
- Gemini 4 Argon (high) 在人类偏好、知识方面更强。
- GPT-6.1 Sol (max) 在智能体与工具、编程、综合、长上下文、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。
- Gemini 4 Argon (high) 的输出速度是对方的 1.3 倍(66 比 50 token/秒)。
概览
| 规格 | Gemini 4 Argon | GPT-6.1 Sol |
|---|---|---|
| 提供商 | OpenAI | |
| 发布日期 | 2026年9月30日 | 2026年9月29日 |
| 正式发布 | 2026年10月13日 | 2026年9月29日 |
| 上下文窗口(token) | 1,048,576 | 1,050,000 |
| 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-6.1 Sol (max) |
| 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 ID | gemini-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-6.1 Sol (max) | 领先者 |
|---|---|---|---|
| 推理 | 69.5 | 71.4 | GPT-6.1 Sol |
| 编程 | 66.7 | 71.1 | GPT-6.1 Sol |
| 智能体与工具 | 58.6 | 64.3 | GPT-6.1 Sol |
| 数学 | 69.9 | 71.6 | GPT-6.1 Sol |
| 知识 | 71.9 | 71.5 | 持平 |
| 人类偏好 | 72.1 | 67.1 | Gemini 4 Argon |
| 多模态 | – | 65.6 | 无法比较 |
| 长上下文 | 64.5 | 66.2 | GPT-6.1 Sol |
| 综合 | 63.8 | 67.9 | GPT-6.1 Sol |
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):指令遵循, 多模态。
各来源的分歧
在两者都有结果的 102 项基准测试中,Gemini 4 Argon 领先 55 项,GPT-6.1 Sol 领先 46 项,1 项持平。第三方来源看法不一:Gemini 4 Argon 在 Vals Index和Arena Text 上领先;GPT-6.1 Sol 在 AA Intelligence Index v5.0.1 上领先。
| 综合 Index | Gemini 4 Argon (high) | GPT-6.1 Sol (max) | 领先者 |
|---|---|---|---|
| BenchLeader Index | 65.3 | 66.6 | 不相上下 |
| AA Intelligence Index v5.0.1 | 50.4 | 54.6 | GPT-6.1 Sol |
| Vals Index | 69.4 | 63.9 | Gemini 4 Argon |
| Arena Text | 1522 | 1481 | 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-6.1 Sol (max) |
|---|---|---|
| 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 | $1.27 |
| 每项任务输出 token(AA Index) | 116k | 68k |
| 其中推理部分 | 68k | 49k |
| 每项任务耗时(AA Index) | 29 min | 23 min |
| 输出速度 | 66 tok/s | 50 tok/s |
| 首次回答时间 | 45.7 秒 | 166.7 秒 |
| 完整回答耗时(最近一次测量 2026年11月13日) | 122.1 秒 | 429.6 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 GPT-6.1 Sol (max) 上花费 $1.27;完成同样的工作,Gemini 4 Argon (high) 输出的 token 是对方的 1.7 倍,这是只看 token 单价看不出来的。
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-6.1 Sol (max) 得分 66.6,首个回答 token 需 167 秒;GPT-6.1 Sol (xhigh) 为 63.6(68 秒),GPT-6.1 Sol (high) 为 63.4(33 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 163 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-6.1 Sol (max) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 65.3 | 66.6 |
| 智能体与工具得分 | BenchLeader | 58.6 | 64.3 |
| 编程得分 | BenchLeader | 66.7 | 71.1 |
| 综合得分 | BenchLeader | 63.8 | 67.9 |
| 人类偏好得分 | BenchLeader | 72.1 | 67.1 |
| 知识得分 | BenchLeader | 71.9 | 71.5 |
| 长上下文得分 | BenchLeader | 64.5 | 66.2 |
| 数学得分 | BenchLeader | 69.9 | 71.6 |
| 推理得分 | BenchLeader | 69.5 | 71.4 |
| 多模态得分 | BenchLeader | – | 65.6 |
| 混合价格(美元/百万 token) | BenchLeader | $4.00 | $4.00 |
| 输出速度 | BenchLeader | 66 tok/s | 50 tok/s |
| 首次回答时间 | BenchLeader | 45.7 秒 | 166.7 秒 |
| 上下文窗口 | BenchLeader | 1,048,576 token | 1,050,000 token |
| 推理 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 96.4% | 95.4% |
| SimpleBench | SimpleBench | 91.7%† | 82.9%† |
| Arena Hard Prompts | Arena (LMArena) | 1545 | 1505 |
| LiveBench 2.0 Reasoning | LiveBench | 95.1% | 92.6% |
| LiveBench 1.0 Reasoning | LiveBench | – | 92.6% |
| Humanity's Last Exam (AA) | Artificial Analysis | 57.1% | 52.9% |
| HLE-Diamond (AA) | Artificial Analysis | 56.7% | 58.8% |
| ARC-AGI-1 | ARC Prize | 98.5% | 96.5% |
| ARC-AGI-2 | ARC Prize | 91.3% | 94.2% |
| ARC-AGI-3 | ARC Prize | 97.3% | 96.2% |
| CritPt | Artificial Analysis | 27.1% | 31.7% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 52.5% | 69.5% |
| MysteryMechanism | Vals AI | 45.5% | 46.4% |
| HLE-Diamond (Scale) | Scale AI SEAL | 53.2%† | – |
| Arena Expert | Arena (LMArena) | 1549 | 1525 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 59.0% | 68.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 64.0% | 80.0% |
| LMCA | Epoch AI Benchmarking Hub | 63.7% | 62.8% |
| DTBench | Epoch AI Benchmarking Hub | 97.3% | 96.5% |
| 编程 | |||
| SciCode | SciCode | 61.8% | 54.2% |
| FrontierCode | Cognition | 47.5%† | 50.2%† |
| Arena Coding | Arena (LMArena) | 1553 | 1540 |
| Arena WebDev | Arena (LMArena) | 1681 | 1743 |
| LiveBench 2.0 Coding | LiveBench | 85.7% | 82.1% |
| LiveBench 1.0 Coding | LiveBench | – | 80.4% |
显示全部 163 项基准测试
| 指标 | 发布方 | Gemini 4 Argon (high) | GPT-6.1 Sol (max) |
|---|---|---|---|
| 编程 | |||
| IOI | Vals AI | 100.0% | 96.9% |
| Code Migration | Vals AI | 68.2% | 65.1% |
| Code Migration v1.1 | Vals AI | 70.8% | 77.3% |
| ProgramBench | Vals AI | 2.5% | 3.0% |
| SWE-bench Multimodal | Vals AI | 56.0% | 43.5% |
| Vibe Code Bench 1-100 | Vals AI | 21.2% | – |
| Vibe Code Bench v1.1 | Vals AI | 91.9% | 88.9% |
| SWE Atlas v1.1 | Scale AI SEAL | 70.1%† | 65.9%† |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | 65.3%† | 71.0%† |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | 77.8%† | 66.7%† |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | 67.1%† | 60.0%† |
| SWE-Bench Pro V2 | Scale AI SEAL | 99.2% | 96.1%† |
| SWE-Bench Pro V2 HARD | Scale AI SEAL | 92.2% | – |
| MirrorCode | Epoch AI Benchmarking Hub | 58.9% | 61.1% |
| CursorBench | Cursor | 52.9% | – |
| ALE-Bench | Epoch AI Benchmarking Hub | 2100.1 | 2743.8 |
| FrontierSWE | Epoch AI Benchmarking Hub | 55.0% | – |
| WeirdML v3 | WeirdML | 20.3% | 38.3%† |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 57.1% | 56.1% |
| Startrise Frontend | Startrise | – | 78.6%† |
| GameBench 2 Overall | DuelLab GameBench 2 | 81.7† | 84.9† |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 89.2 | 92.0† |
| Design Arena Website | Design Arena | 1316† | 1315† |
| FrontierCode 1.1 (AA) | Artificial Analysis | 43.5% | 49.1% |
| FrontierCode 2.0 (AA) | Artificial Analysis | 25.7% | 40.6% |
| 智能体与工具 | |||
| Terminal-Bench | Terminal-Bench | 55.5% | 60.9% |
| Remote Labor Index | Scale AI / CAIS | 17.1%† | – |
| APEX-Agents | Mercor | 82.4%† | 60.0% |
| Arena Agent | Arena (LMArena) | 10.7 | 12.5 |
| LiveBench Long Agentic | LiveBench | 58.5% | 65.6% |
| LiveBench Browser | LiveBench | 82.8% | 93.3% |
| LiveBench Agentic Coding | LiveBench | – | 54.5% |
| Terminal-Bench 2.1 (Vals) | Vals AI | 57.7% | – |
| MCP Atlas | Scale AI SEAL | 90.7%† | – |
| HiL-Bench | Scale AI SEAL | 62.0%† | 62.3%† |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 56.2% | 54.8% |
| GDPval-AA v2.1 | Artificial Analysis | 1634 | 1607 |
| Analyst Agent (AA) | Artificial Analysis | 48.8% | 50.0% |
| CUA-bench | Vals AI | 4.8% | – |
| CyberBench | Vals AI | 77.9% | 39.3% |
| Finance Agent v2 | Vals AI | 65.4% | 52.0% |
| Finance Agent v2.1 | Vals AI | 67.7% | 61.8% |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | 27.1% | 6.3% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 19.6% | 5.4% |
| Legal Research Bench | Vals AI | 54.8% | 38.5% |
| Robo-bench | Vals AI | 0.8% | 28.3% |
| SREBench | Vals AI | 44.3% | 50.8% |
| Tax Agent Bench | Vals AI | 49.2% | 21.8% |
| Terminal-Bench 4.0 (Vals) | Vals AI | 57.6% | 55.0% |
| Terminal-Bench Science | Vals AI | 44.3% | 52.9% |
| Time Horizon Index: KSP | Vals AI | 52.5% | – |
| Arena Search | Arena (LMArena) | – | 1249 |
| Arena Agent Task Completion | Arena (LMArena) | 13.2 | 11.7 |
| PostTrainBench | Epoch AI Benchmarking Hub | 40.4% | 38.8% |
| Vending-Bench 2 | Andon Labs | 13718.2† | 12860.6† |
| SpireClimb | Epoch AI Benchmarking Hub | – | 23.8% |
| AutomationBench | Artificial Analysis | 77.5% | 64.9% |
| GDP.pdf (AA) | Artificial Analysis | 21.8% | 31.0% |
| Harvey LAB-AA v1.1 | Harvey | 3.9% | 6.9% |
| AA-Briefcase v1.1 | Artificial Analysis | 1485 | 1555 |
| GDPx | GDPx by SemiAnalysis | 7.3% | 8.4% |
| Design Arena Agentic | Design Arena | 1274† | 1375 |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 52.9% | 58.1% |
| MKA (AA) | Artificial Analysis | 51.3% | 47.7% |
| FACTS Search | 89.9%† | 92.8%† | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 86.0% | 93.7% |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 78.0% | 100.0% |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 100.0% | 100.0% |
| ProofBench | Vals AI | 99.0%† | 99.0%† |
| LiveBench Mathematics | LiveBench | – | 96.8% |
| ArXivMath | MathArena | 84.4% | 92.8% |
| BrokenArXiv | MathArena | 47.9% | 83.1% |
| Arena Maths | Arena (LMArena) | 1536 | 1499 |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | 1.5% | 4.4% |
| 知识 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 76.0% | 73.9% |
| LiveBench 2.0 Data Analysis | LiveBench | 85.2% | 82.7% |
| LiveBench Research | LiveBench | 86.8% | 90.0% |
| LiveBench 1.0 Data Analysis | LiveBench | – | 82.7% |
| AA-Omniscience v1.1 | Artificial Analysis | 46.1 | 42.0 |
| LegalBench | Vals AI | 88.3% | – |
| PRBench Finance | Scale AI SEAL | 49.9%† | 46.2%† |
| PRBench Legal | Scale AI SEAL | 49.4%† | 47.9%† |
| BioMysteryBench | Vals AI | 76.3% | 79.6% |
| ClaimBench | Vals AI | – | 100.0% |
| Excel Modeling Benchmark | Vals AI | 75.2% | 70.8% |
| Excel Modeling Benchmark v1.1 | Vals AI | 74.8% | 71.1% |
| MedCode | Vals AI | 58.8% | 48.8% |
| MedScribe | Vals AI | 87.4% | 86.5% |
| Public Benefits Bench v1.1 | Vals AI | 69.8% | 59.3% |
| Access to Justice Benchmark | Vals AI | 68.5% | 65.8% |
| Financial Coaching Bench | Vals AI | 73.1% | 68.5% |
| Immigration Bench | Vals AI | 68.1% | 67.8% |
| DrugDiscoveryBench | Scale AI SEAL | 65.4% | – |
| EBR-bench | Epoch AI Benchmarking Hub | 64.8% | 54.3% |
| GDP.pdf | Epoch AI Benchmarking Hub | 28.4% | 35.0% |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 48.3% | 61.8% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 95.7% | 48.1% |
| HealthBench Professional (AA) | OpenAI | 55.0% | 65.1% |
| FACTS Parametric | 72.2%† | 83.8%† | |
| 指令遵循 | |||
| LiveBench Language | LiveBench | – | 90.1% |
| LiveBench Instruction Following | LiveBench | – | 74.2% |
| MultiChallenge | Scale AI SEAL | 78.7%† | 82.0%† |
| Arena Instruction Following | Arena (LMArena) | 1528 | 1482 |
| 人类偏好 | |||
| Arena Text | Arena (LMArena) | 1522 | 1481 |
| EQ-Bench 4 | EQ-Bench | 1236† | 1272† |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1758† | – |
| Arena Creative Writing | Arena (LMArena) | 1523 | 1449 |
| Arena Multi-turn | Arena (LMArena) | 1545 | 1486 |
| Arena Longer Queries | Arena (LMArena) | 1544 | 1488 |
| 多模态 | |||
| Arena Vision | Arena (LMArena) | – | 1286 |
| LiveBench Design | LiveBench | 69.2% | 79.6% |
| MMMU-Pro | Artificial Analysis | 88.3%† | 86.0% |
| SAGE | Vals AI | 89.5% | 90.5% |
| AudioMC | Scale AI SEAL | 58.4% | – |
| AudioMC (text output) | Scale AI SEAL | 58.4% | – |
| Humanity's Sixth Sense | Scale AI SEAL | 55.4% | 46.6% |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 54.5%† | 43.2%† |
| Furniture Assembly | Epoch AI Benchmarking Hub | 72.5% | 80.0% |
| VIALS-AA | Handshake AI | 59.6% | 59.0% |
| Code2Video-AA | Artificial Analysis | 1259 | 1369 |
| AA-3D | Artificial Analysis | 1147 | 1121 |
| FACTS Multimodal | 54.2%† | 52.6%† | |
| 长上下文 | |||
| AA-LCR v1.1 | Artificial Analysis | 79.7% | 83.0% |
| MLCR | Artificial Analysis | 13.9% | 38.3% |
| FACTS Grounding | 73.3%† | 78.0%† | |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 166.5† | 168.5† |
| LiveBench 2.0 | LiveBench | 77.7% | 81.4% |
| LiveBench 1.0 | LiveBench | – | 81.6% |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 50.4 | 54.6 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 52.6 | 51.8 |
| AA Progress Index v1 | Artificial Analysis | 341.8 | 348.5 |
| Vals Index | Vals AI | 69.4 | 63.9 |
| Vals Finance Index | Vals AI | 66.0% | 55.8% |
| Vals RSI Index | Vals AI | 30.6% | 26.6% |
| Vals Science Index | Vals AI | 55.4% | 59.6% |
| Vals Router Index | Vals AI | 69.2%† | 63.9%† |
| Vals Legal Index | Vals AI | 76.8% | 68.7% |
| 安全与诚实 | |||
| DistressBench | Scale AI SEAL | 68.6%† | 74.2%† |
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…)。
- GPT-6.1 Sol (max):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…);1 项分数修订。
- Gemini 4 Argon (high):1 项新结果(Terminal-Bench)。
- GPT-6.1 Sol (max):1 项分数修订。
- Gemini 4 Argon (high):1 项分数修订。
- GPT-6.1 Sol (max):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-6.1 Sol (max):1 项新结果(PostTrainBench)。
相关对比
- Gemini 4 Argon vs Claude Fable 5.2
- Gemini 4 Argon vs Gemini 4 Carbon
- Gemini 4 Argon vs Claude Opus 5.5
- GPT-6.1 Sol vs Claude Fable 5.2
- GPT-6.1 Sol vs Gemini 4 Carbon
- GPT-6.1 Sol vs Claude Opus 5.5
- GPT-6.1 Sol vs GPT-6 Astra
- Gemini 3.8 Flash vs GPT-6.1 Sol
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 GPT-6.1 Sol:常见问题
- Gemini 4 Argon 比 GPT-6.1 Sol 更好吗?
- Gemini 4 Argon (high) 与 GPT-6.1 Sol (max) 的质量不相上下(65.3 比 66.6,在 ±3.2 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-6.1 Sol 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 GPT-6.1 Sol 更好?
- GPT-6.1 Sol 在编程方面得分更高(类别得分 71 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,GPT-6.1 Sol 为 1743。
- Gemini 4 Argon 和 GPT-6.1 Sol 哪个更快?
- Gemini 4 Argon 输出更快(输出 66 比 50 token/秒,Artificial Analysis 7 日中位数)。
- 智能体和工具调用用 Gemini 4 Argon 还是 GPT-6.1 Sol 更好?
- GPT-6.1 Sol 在智能体任务方面得分更高(类别得分 64 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%,GPT-6.1 Sol 为 60.9%。
更多问题(4)
- 处理长文档哪个更好?
- GPT-6.1 Sol 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-6.1 Sol 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 166.7 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-6.1 Sol 的看法一致吗?
- 在两者都有结果的 102 项基准测试中,Gemini 4 Argon 领先 55 项,GPT-6.1 Sol 领先 46 项,1 项持平。第三方来源看法不一:Gemini 4 Argon 在 Vals Index和Arena Text 上领先;GPT-6.1 Sol 在 AA Intelligence Index v5.0.1 上领先。
- 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。