BenchLeader

Gemini 4 Argon vs GPT-6.1 Terra

完整资料:Gemini 4 Argon(Google)和 GPT-6.1 Terra(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-6.1 Terra 的质量不相上下(BenchLeader Index 65.3 比 64.1,在 ±3.3 的误差范围内)。GPT-6.1 Terra 更便宜,对方的价格是它的 2.0 倍(每百万 token 混合价格 $2.00 比 $4.00)。看重知识(72 比 61)和推理(70 比 68)选 Gemini 4 Argon;看重智能体与工具(63 比 59)、编程(69 比 67)和数学(72 比 70)选 GPT-6.1 Terra。Gemini 4 Argon 的首次回答更快(45.7 秒 比 150.9 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-6.1 Terra 为 64.1(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-6.1 Terra 每百万 token 混合价格为 $2.00(标价,2026年11月16日)。
  • 在两者都有结果的 53 项基准测试中,Gemini 4 Argon 领先 30 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Gemini 4 Argon 的评分为 1681,GPT-6.1 Terra 为 1678(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 Terra类别得分 69 比 67;FrontierCode 2.0 (AA) 42.3% 比 25.7%中
智能体与工具调用GPT-6.1 Terra类别得分 63 比 59;Arena Agent 12 比 10.7中
数学GPT-6.1 Terra类别得分 72 比 70;FrontierMath Tiers 1–3 90.9% 比 86.0%中
推理Gemini 4 Argon类别得分 70 比 68;GPQA Diamond 96.4% 比 94.3%中
知识Gemini 4 Argon类别得分 72 比 61;SimpleQA Verified 76.0% 比 57.3%高
长文档GPT-6.1 Terra类别得分 66 比 65;AA-LCR v1.1 82.7% 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GPT-6.1 Terra每百万 token 混合价格 $2.00 比 $4.00;智能体编程会话 $0.080 比 $0.160;2026年12月1日 起:$2.00 比 $8.00–
首次回答最快Gemini 4 Argon首个回答 token 45.7 秒(Gemini 4 Argon (high))比 150.9 秒(GPT-6.1 Terra (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 Terra (max) 的质量不相上下(65.3 比 64.1,在 ±3.3 的误差范围内)。
  • Gemini 4 Argon (high) 在知识、推理方面更强。
  • GPT-6.1 Terra (max) 在智能体与工具、编程、综合、长上下文、数学方面更强。
  • 截至 2026年11月30日,GPT-6.1 Terra (max) 更便宜,对方的价格是它的 2.0 倍(每百万 token 混合价格 $2.00 比 $4.00);自 2026年12月1日 起为 $2.00 比 $8.00。

概览

规格Gemini 4 ArgonGPT-6.1 Terra
提供商GoogleOpenAI
发布日期2026年9月30日2026年10月26日
正式发布2026年10月13日2026年10月26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-6.1 Terra (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$1.00 / $5.00 / $0.050
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-6.1 Terra (max)领先者
推理69.568.4Gemini 4 Argon
编程66.769.3GPT-6.1 Terra
智能体与工具58.663.4GPT-6.1 Terra
数学69.971.7GPT-6.1 Terra
知识71.961.4Gemini 4 Argon
人类偏好72.1–无法比较
多模态–67.2无法比较
长上下文64.566.0GPT-6.1 Terra
综合63.865.0GPT-6.1 Terra

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-6.1 Terra, 推理: 68.4GPT-6.1 Terra, 编程: 69.3GPT-6.1 Terra, 智能体与工具: 63.4GPT-6.1 Terra, 数学: 71.7GPT-6.1 Terra, 知识: 61.4GPT-6.1 Terra, 长上下文: 66.0

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 53 项基准测试中,Gemini 4 Argon 领先 30 项,GPT-6.1 Terra 领先 22 项,1 项持平。第三方来源看法不一:Gemini 4 Argon 在 Vals Index 上领先;GPT-6.1 Terra 在 AA Intelligence Index v5.0.1 上领先。

综合 IndexGemini 4 Argon (high)GPT-6.1 Terra (max)领先者
BenchLeader Index65.364.1不相上下
AA Intelligence Index v5.0.150.451.3GPT-6.1 Terra
Vals Index69.460.5Gemini 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 Terra (max)
每百万 token 混合价格(截至 2026年11月30日)$4.00$2.00
每百万 token 输入 / 输出$2.00 / $10.00$1.00 / $5.00
自 2026年12月1日 起每百万 token 混合价格$8.00$2.00
自 2026年12月1日 起每百万 token 输入 / 输出$4.00 / $20.00$1.00 / $5.00
每百万 token 缓存输入$0.100$0.050
每项任务价格:聊天回复$0.0038$0.0019
每项任务价格:总结一份 30 页的报告$0.030$0.015
每项任务价格:代码编辑$0.027$0.013
每项任务价格:智能体编程会话$0.160$0.080
每项任务价格:结构化信息提取$0.0060$0.0030
智能体编程会话(输入大多命中缓存)$0.074$0.037
每项基准测试任务成本(AA Index)$4.97$0.961
每项任务输出 token(AA Index)116k60k
其中推理部分68k39k
每项任务耗时(AA Index)29 min14 min
输出速度66 tok/s72 tok/s
首次回答时间45.7 秒150.9 秒
完整回答耗时(最近一次测量 2026年11月13日)122.1 秒375.7 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 Terra (max) 上花费 $0.961;完成同样的工作,Gemini 4 Argon (high) 输出的 token 是对方的 1.9 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 Terra (max) 得分 64.1,首个回答 token 需 151 秒;GPT-6.1 Terra (xhigh) 为 60.0(30 秒),GPT-6.1 Terra (high) 为 59.6(10 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 152 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 Terra (max)
BenchLeader IndexBenchLeader65.364.1
智能体与工具得分BenchLeader58.663.4
编程得分BenchLeader66.769.3
综合得分BenchLeader63.865.0
人类偏好得分BenchLeader72.1–
知识得分BenchLeader71.961.4
长上下文得分BenchLeader64.566.0
数学得分BenchLeader69.971.7
推理得分BenchLeader69.568.4
多模态得分BenchLeader–67.2
混合价格(美元/百万 token)BenchLeader$4.00$2.00
输出速度BenchLeader66 tok/s72 tok/s
首次回答时间BenchLeader45.7 秒150.9 秒
上下文窗口BenchLeader1,048,576 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub96.4%94.3%
SimpleBenchSimpleBench91.7%†72.2%†
Arena Hard PromptsArena (LMArena)1545–
LiveBench 2.0 ReasoningLiveBench95.1%88.7%
Humanity's Last Exam (AA)Artificial Analysis57.1%46.3%
HLE-Diamond (AA)Artificial Analysis56.7%47.3%
ARC-AGI-1ARC Prize98.5%–
ARC-AGI-2ARC Prize91.3%–
ARC-AGI-3ARC Prize97.3%–
CritPtArtificial Analysis27.1%28.0%
CritPt v2 hard subset (AA)Artificial Analysis52.5%68.0%
MysteryMechanismVals AI45.5%–
HLE-Diamond (Scale)Scale AI SEAL53.2%†35.7%†
Arena ExpertArena (LMArena)1549–
Chess PuzzlesEpoch AI Benchmarking Hub59.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub64.0%74.0%
LMCAEpoch AI Benchmarking Hub63.7%–
DTBenchEpoch AI Benchmarking Hub97.3%–
编程
SciCodeSciCode61.8%55.1%
FrontierCodeCognition47.5%†–
Arena CodingArena (LMArena)1553–
Arena WebDevArena (LMArena)16811678
LiveBench 2.0 CodingLiveBench85.7%89.2%
IOIVals AI100.0%–
Code MigrationVals AI68.2%–
显示全部 152 项基准测试
指标发布方Gemini 4 Argon (high)GPT-6.1 Terra (max)
编程
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%84.0%
SWE Atlas v1.1Scale AI SEAL70.1%†57.7%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL65.3%†54.0%†
SWE Atlas v1.1: Test WritingScale AI SEAL77.8%†63.3%†
SWE Atlas v1.1: RefactoringScale AI SEAL67.1%†55.7%†
SWE-Bench Pro V2Scale AI SEAL99.2%–
SWE-Bench Pro V2 HARDScale AI SEAL92.2%–
MirrorCodeEpoch AI Benchmarking Hub58.9%76.7%
CursorBenchCursor52.9%–
ALE-BenchEpoch AI Benchmarking Hub2100.12608.8
FrontierSWEEpoch AI Benchmarking Hub55.0%–
WeirdML v3WeirdML20.3%28.1%†
Terminal-Bench 4.0 (AA)Artificial Analysis57.1%55.6%
GameBench 2 OverallDuelLab GameBench 281.7†81.2†
GameBench 2 by reasoning settingDuelLab GameBench 289.285.8†
Design Arena WebsiteDesign Arena1316†1286†
FrontierCode 1.1 (AA)Artificial Analysis43.5%36.0%
FrontierCode 2.0 (AA)Artificial Analysis25.7%42.3%
智能体与工具
Terminal-BenchTerminal-Bench55.5%53.3%
Remote Labor IndexScale AI / CAIS17.1%†–
APEX-AgentsMercor82.4%†68.3%
Arena AgentArena (LMArena)10.712
LiveBench Long AgenticLiveBench58.5%56.2%
LiveBench BrowserLiveBench82.8%93.1%
Terminal-Bench 2.1 (Vals)Vals AI57.7%–
MCP AtlasScale AI SEAL90.7%†–
HiL-BenchScale AI SEAL62.0%†68.0%†
GDPval-AA v2.1, normalised scoreArtificial Analysis56.2%–
GDPval-AA v2.1Artificial Analysis16341476
Analyst Agent (AA)Artificial Analysis48.8%–
CUA-benchVals AI4.8%–
CyberBenchVals AI77.9%–
Finance Agent v2Vals AI65.4%–
Finance Agent v2.1Vals AI67.7%56.0%
Harvey's Legal Agent Benchmark v1.1Vals AI27.1%1.7%
Harvey's Legal Agent Benchmark v1Vals AI19.6%–
Legal Research BenchVals AI54.8%26.0%
Robo-benchVals AI0.8%–
SREBenchVals AI44.3%–
Tax Agent BenchVals AI49.2%17.1%
Terminal-Bench 4.0 (Vals)Vals AI57.6%49.5%
Terminal-Bench ScienceVals AI44.3%–
Time Horizon Index: KSPVals AI52.5%–
Arena Agent Task CompletionArena (LMArena)13.29.7
PostTrainBenchEpoch AI Benchmarking Hub40.4%–
Vending-Bench 2Andon Labs13718.2†9107.5†
SpireClimbEpoch AI Benchmarking Hub–22.3%
AutomationBenchArtificial Analysis77.5%60.2%
GDP.pdf (AA)Artificial Analysis21.8%28.6%
Harvey LAB-AA v1.1Harvey3.9%–
AA-Briefcase v1.1Artificial Analysis14851401
GDPxGDPx by SemiAnalysis7.3%8.5%
Design Arena AgenticDesign Arena1274†1192†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis52.9%57.6%
MKA (AA)Artificial Analysis51.3%43.8%
FACTS SearchGoogle89.9%†92.7%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub86.0%90.9%
FrontierMath Tier 4Epoch AI Benchmarking Hub78.0%92.7%
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%100.0%
ProofBenchVals AI99.0%†–
ArXivMathMathArena84.4%–
BrokenArXivMathArena47.9%–
Arena MathsArena (LMArena)1536–
FrontierMath ErdősEpoch AI Benchmarking Hub1.5%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub76.0%57.3%
LiveBench 2.0 Data AnalysisLiveBench85.2%82.3%
LiveBench ResearchLiveBench86.8%79.1%
AA-Omniscience v1.1Artificial Analysis46.129.6
LegalBenchVals AI88.3%–
PRBench FinanceScale AI SEAL49.9%†–
PRBench LegalScale AI SEAL49.4%†–
BioMysteryBenchVals AI76.3%–
Excel Modeling BenchmarkVals AI75.2%–
Excel Modeling Benchmark v1.1Vals AI74.8%73.3%
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%–
EBR-benchEpoch AI Benchmarking Hub64.8%78.1%
GDP.pdfEpoch AI Benchmarking Hub28.4%–
AA-Omniscience v1.1: accuracyArtificial Analysis48.3%47.6%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis95.7%65.5%
HealthBench Professional (AA)OpenAI55.0%–
FACTS ParametricGoogle72.2%†70.8%†
指令遵循
MultiChallengeScale AI SEAL78.7%†74.2%†
Arena Instruction FollowingArena (LMArena)1528–
人类偏好
Arena TextArena (LMArena)1522–
EQ-Bench 4EQ-Bench1236†–
EQ-Bench Creative Writing v3EQ-Bench1758†–
Arena Creative WritingArena (LMArena)1523–
Arena Multi-turnArena (LMArena)1545–
Arena Longer QueriesArena (LMArena)1544–
多模态
LiveBench DesignLiveBench69.2%79.7%
MMMU-ProArtificial Analysis88.3%†84.7%
SAGEVals AI89.5%–
AudioMCScale AI SEAL58.4%–
AudioMC (text output)Scale AI SEAL58.4%–
Humanity's Sixth SenseScale AI SEAL55.4%–
Blueprint-Bench 2Epoch AI Benchmarking Hub54.5%†42.1%†
Furniture AssemblyEpoch AI Benchmarking Hub72.5%79.2%
VIALS-AAHandshake AI59.6%60.3%
Code2Video-AAArtificial Analysis1259–
AA-3DArtificial Analysis1147–
FACTS MultimodalGoogle54.2%†48.8%†
长上下文
AA-LCR v1.1Artificial Analysis79.7%82.7%
MLCRArtificial Analysis13.9%30.6%
FACTS GroundingGoogle73.3%†84.2%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub166.5†167.7†
LiveBench 2.0LiveBench77.7%78.8%
AA Intelligence Index v5.0.1Artificial Analysis50.451.3
AA Intelligence Index v4.3.2Artificial Analysis52.648.1
AA Progress Index v1Artificial Analysis341.8345.2
Vals IndexVals AI69.460.5
Vals Finance IndexVals AI66.0%53.3%
Vals RSI IndexVals AI30.6%–
Vals Science IndexVals AI55.4%–
Vals Router IndexVals AI69.2%†–
Vals Legal IndexVals AI76.8%58.8%
安全与诚实
FORTRESSScale AI SEAL–18.2%†
DistressBenchScale AI SEAL68.6%†65.9%†

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 Terra (max):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-6.1 Terra (max):BenchLeader Index 64.7 → 64.1。
  • Gemini 4 Argon (high):1 项分数修订。
  • GPT-6.1 Terra (max):1 项新结果(Terminal-Bench)。
  • 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 Terra (max):BenchLeader Index 65.2 → 64.7。

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 Terra:常见问题

Gemini 4 Argon 比 GPT-6.1 Terra 更好吗?
Gemini 4 Argon (high) 与 GPT-6.1 Terra (max) 的质量不相上下(65.3 比 64.1,在 ±3.3 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 Terra 哪个更便宜?价格会变吗?
目前 GPT-6.1 Terra 更便宜:每百万 token $2.00 比 $4.00(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-6.1 Terra 更好?
GPT-6.1 Terra 在编程方面得分更高(类别得分 69 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 Terra 为 1678。
Gemini 4 Argon 和 GPT-6.1 Terra 哪个更快?
GPT-6.1 Terra 输出更快(输出 72 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-6.1 Terra 更好?
GPT-6.1 Terra 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)。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 Terra 为 53.3%。
更多问题(4)
处理长文档哪个更好?
GPT-6.1 Terra 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 Terra 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 150.9 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-6.1 Terra 的看法一致吗?
在两者都有结果的 53 项基准测试中,Gemini 4 Argon 领先 30 项,GPT-6.1 Terra 领先 22 项,1 项持平。第三方来源看法不一:Gemini 4 Argon 在 Vals Index 上领先;GPT-6.1 Terra 在 AA Intelligence Index v5.0.1 上领先。
GPT-6.1 Terra 是什么时候发布的?
GPT-6.1 Terra 于 2026年10月26日 发布。