BenchLeader

Gemini 4 Argon vs GPT-6.2 Astra

完整资料:Gemini 4 Argon(Google)和 GPT-6.2 Astra(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19日,质量上 GPT-6.2 Astra 领先 Gemini 4 Argon(BenchLeader Index 68.9 比 64.6)。不过,Gemini 4 Argon 更便宜,对方的价格是它的 4.0 倍(每百万 token 混合价格 $4.00 比 $16.00)。在两者都有成绩的所有类别中,GPT-6.2 Astra 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19日)

  • Gemini 4 Argon 的 BenchLeader Index 为 64.6,GPT-6.2 Astra 为 68.9(BenchLeader,2026年11月19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-6.2 Astra 每百万 token 混合价格为 $16.00(标价,2026年11月19日)。
  • Gemini 4 Argon 比 GPT-6.2 Astra 输出更快(Artificial Analysis,7 日中位数,2026年11月19日)。
  • 在两者都有结果的 59 项基准测试中,GPT-6.2 Astra 领先 44 项(BenchLeader,2026年11月19日)。
  • 在 Arena WebDev 上,Gemini 4 Argon 的评分为 1681,GPT-6.2 Astra 为 1781(LMArena,截至 2026年11月19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-6.2 Astra类别得分 76 比 66;Arena WebDev 1781 比 1681高
智能体与工具调用GPT-6.2 Astra类别得分 66 比 58;Terminal-Bench 62.1% 比 55.5%高
数学GPT-6.2 Astra类别得分 73 比 70;FrontierMath Tiers 1–3 92.6% 比 86.0%中
推理GPT-6.2 Astra类别得分 73 比 68;GPQA Diamond 96.8% 比 96.4%中
知识GPT-6.2 Astra类别得分 74 比 71;SimpleQA Verified 78.5% 比 76.0%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每百万 token 混合价格 $4.00 比 $16.00;智能体编程会话 $0.160 比 $0.640;2026年12月1日 起:$8.00 比 $16.00–
首次回答最快Gemini 4 Argon首个回答 token 46.7 秒(Gemini 4 Argon (high))比 202.7 秒(GPT-6.2 Astra (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

  • 质量上 GPT-6.2 Astra (max) 领先:68.9 比 64.6。
  • GPT-6.2 Astra (max) 在智能体与工具、编程、综合、知识、数学、推理方面更强。
  • 截至 2026年11月30日,Gemini 4 Argon (high) 更便宜,对方的价格是它的 4.0 倍(每百万 token 混合价格 $4.00 比 $16.00);自 2026年12月1日 起为 $8.00 比 $16.00。
  • Gemini 4 Argon (high) 的输出速度是对方的 1.4 倍(66 比 49 token/秒)。

概览

规格Gemini 4 ArgonGPT-6.2 Astra
提供商GoogleOpenAI
发布日期2026年9月30日2026年11月17日
正式发布2026年10月13日2026年11月17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-6.2 Astra (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$8.00 / $40.00 / $0.400
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-6.2 Astra (max)领先者
推理68.373.1GPT-6.2 Astra
编程66.076.1GPT-6.2 Astra
智能体与工具58.066.4GPT-6.2 Astra
数学69.572.5GPT-6.2 Astra
知识70.874.2GPT-6.2 Astra
人类偏好72.0–无法比较
多模态–71.7无法比较
长上下文64.5–无法比较
综合61.769.5GPT-6.2 Astra

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Gemini 4 Argon, 推理: 68.3Gemini 4 Argon, 编程: 66.0Gemini 4 Argon, 智能体与工具: 58.0Gemini 4 Argon, 数学: 69.5Gemini 4 Argon, 知识: 70.8GPT-6.2 Astra, 推理: 73.1GPT-6.2 Astra, 编程: 76.1GPT-6.2 Astra, 智能体与工具: 66.4GPT-6.2 Astra, 数学: 72.5GPT-6.2 Astra, 知识: 74.2

未绘制(测得的模型少于两个):指令遵循, 长上下文, 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 59 项基准测试中,Gemini 4 Argon 领先 13 项,GPT-6.2 Astra 领先 44 项,2 项持平。第三方来源看法不一:Gemini 4 Argon 在 Vals Index 上领先;GPT-6.2 Astra 在 BenchLeader Index和AA Intelligence Index v5.0.1 上领先。

综合 IndexGemini 4 Argon (high)GPT-6.2 Astra (max)领先者
BenchLeader Index64.668.9GPT-6.2 Astra
AA Intelligence Index v5.0.150.462.1GPT-6.2 Astra
Vals Index69.467.7Gemini 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-6.2 Astra (max)
每百万 token 混合价格(截至 2026年11月30日)$4.00$16.00
每百万 token 输入 / 输出$2.00 / $10.00$8.00 / $40.00
自 2026年12月1日 起每百万 token 混合价格$8.00$16.00
自 2026年12月1日 起每百万 token 输入 / 输出$4.00 / $20.00$8.00 / $40.00
每百万 token 缓存输入$0.100$0.400
每项任务价格:聊天回复$0.0038$0.015
每项任务价格:总结一份 30 页的报告$0.030$0.120
每项任务价格:代码编辑$0.027$0.108
每项任务价格:智能体编程会话$0.160$0.640
每项任务价格:结构化信息提取$0.0060$0.024
智能体编程会话(输入大多命中缓存)$0.074$0.298
每项基准测试任务成本(AA Index)$4.97$4.00
每项任务输出 token(AA Index)116k41k
其中推理部分68k26k
每项任务耗时(AA Index)29 min14 min
输出速度66 tok/s49 tok/s
首次回答时间46.7 秒202.7 秒
完整回答耗时(最近一次测量 2026年11月13日)122.1 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-6.2 Astra (max) 上花费 $4.00;完成同样的工作,Gemini 4 Argon (high) 输出的 token 是对方的 2.8 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 64.6,首个回答 token 需 47 秒;Gemini 4 Argon 为 64.0(5 秒),Gemini 4 Argon (medium) 为 61.6(14 秒)。GPT-6.2 Astra (max) 得分 68.9,首个回答 token 需 203 秒;GPT-6.2 Astra (xhigh) 为 67.1(67 秒),GPT-6.2 Astra (medium) 为 65.6(4 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 159 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-6.2 Astra (max)
BenchLeader IndexBenchLeader64.668.9
智能体与工具得分BenchLeader58.066.4
编程得分BenchLeader66.076.1
综合得分BenchLeader61.769.5
人类偏好得分BenchLeader72.0–
知识得分BenchLeader70.874.2
长上下文得分BenchLeader64.5–
数学得分BenchLeader69.572.5
推理得分BenchLeader68.373.1
多模态得分BenchLeader–71.7
混合价格(美元/百万 token)BenchLeader$4.00$16.00
输出速度BenchLeader66 tok/s49 tok/s
首次回答时间BenchLeader46.7 秒202.7 秒
上下文窗口BenchLeader1,048,576 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub96.4%96.8%
SimpleBenchSimpleBench91.7%†–
Arena Hard PromptsArena (LMArena)1544–
LiveBench 2.0 ReasoningLiveBench95.1%91.6%
Humanity's Last Exam (AA)Artificial Analysis57.1%–
HLE-Diamond (AA)Artificial Analysis56.7%72.2%
ARC-AGI-1ARC Prize98.5%98.5%
ARC-AGI-2ARC Prize91.3%95.8%
ARC-AGI-3ARC Prize97.3%99.8%
CritPtArtificial Analysis27.1%–
CritPt v2 hard subset (AA)Artificial Analysis52.5%71.5%
MysteryMechanismVals AI45.5%53.1%
HLE-Diamond (Scale)Scale AI SEAL53.2%†66.9%†
Arena ExpertArena (LMArena)1551–
Chess PuzzlesEpoch AI Benchmarking Hub59.0%78.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub64.0%95.0%
LMCAEpoch AI Benchmarking Hub63.7%–
DTBenchEpoch AI Benchmarking Hub97.3%–
编程
SciCodeSciCode61.8%–
FrontierCodeCognition47.5%†–
Arena CodingArena (LMArena)1554–
Arena WebDevArena (LMArena)16811781
LiveBench 2.0 CodingLiveBench85.7%91.9%
IOIVals AI100.0%–
Code MigrationVals AI68.2%–
显示全部 159 项基准测试
指标发布方Gemini 4 Argon (high)GPT-6.2 Astra (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%89.9%
Vibe Code Bench 1-100 v1.1Vals AI–55.2%
SWE Atlas v1.1Scale AI SEAL70.1%†60.5%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL65.3%†67.7%†
SWE Atlas v1.1: Test WritingScale AI SEAL77.8%†62.2%†
SWE Atlas v1.1: RefactoringScale AI SEAL67.1%†51.4%†
SWE-Bench Pro V2Scale AI SEAL99.2%–
SWE-Bench Pro V2 HARDScale AI SEAL92.2%–
MirrorCodeEpoch AI Benchmarking Hub58.9%67.8%
CursorBenchCursor52.9%–
ALE-BenchEpoch AI Benchmarking Hub2100.1–
FrontierSWEEpoch AI Benchmarking Hub55.0%–
WeirdML v3WeirdML20.3%–
Terminal-Bench 4.0 (AA)Artificial Analysis57.1%64.1%
GameBench 2 OverallDuelLab GameBench 281.6†–
GameBench 2 by reasoning settingDuelLab GameBench 289.0–
Design Arena WebsiteDesign Arena1317†1339†
FrontierCode 1.1 (AA)Artificial Analysis43.5%–
FrontierCode 2.0 (AA)Artificial Analysis25.7%45.4%
智能体与工具
Terminal-BenchTerminal-Bench55.5%62.1%
Remote Labor IndexScale AI / CAIS17.1%†–
APEX-AgentsMercor82.4%†–
Arena AgentArena (LMArena)10.315.2
LiveBench Long AgenticLiveBench58.5%70.8%
LiveBench BrowserLiveBench82.8%93.0%
Terminal-Bench 2.1 (Vals)Vals AI57.7%–
MCP AtlasScale AI SEAL90.7%†–
HiL-BenchScale AI SEAL62.0%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis56.2%–
GDPval-AA v2.1Artificial Analysis1634–
Analyst Agent (AA)Artificial Analysis48.8%62.5%
CUA-benchVals AI4.8%–
CyberBenchVals AI77.9%–
Finance Agent v2Vals AI65.4%–
Finance Agent v2.1Vals AI67.7%60.8%
Harvey's Legal Agent Benchmark v1.1Vals AI27.1%16.3%
Harvey's Legal Agent Benchmark v1Vals AI19.6%–
Legal Research BenchVals AI54.8%42.8%
Robo-benchVals AI0.8%32.7%
SREBenchVals AI44.3%–
Tax Agent BenchVals AI49.2%21.8%
Terminal-Bench 4.0 (Vals)Vals AI57.6%63.1%
Terminal-Bench ScienceVals AI44.3%71.4%
Time Horizon Index: KSPVals AI52.5%–
Arena Agent Task CompletionArena (LMArena)12.612.4
PostTrainBenchEpoch AI Benchmarking Hub40.4%–
GBAEvalEpoch AI Benchmarking Hub78.7%†–
Vending-Bench 2Andon Labs13718.2†–
SpireClimbEpoch AI Benchmarking Hub–41.3%
AutomationBenchArtificial Analysis77.5%77.3%
GDP.pdf (AA)Artificial Analysis21.8%29.8%
Harvey LAB-AA v1.1Harvey3.9%15.0%
EnterpriseOps-GymArtificial Analysis–29.9%
AA-Briefcase v1.1Artificial Analysis14851643
GDPxGDPx by SemiAnalysis7.3%–
Design Arena AgenticDesign Arena1257†1304
Terminal-Bench-Science 0.1 (AA)Artificial Analysis52.9%78.1%
CWE-Bench (AA)Artificial Analysis–65.0%
DeepSec-Bench (AA)Artificial Analysis–46.8%
CyberGym end-to-end (AA)Artificial Analysis–0.0%
MKA (AA)Artificial Analysis51.3%52.7%
FACTS SearchGoogle89.9%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub86.0%92.6%
FrontierMath Tier 4Epoch AI Benchmarking Hub78.0%100.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%100.0%
ProofBenchVals AI99.0%†–
ArXivMathMathArena84.4%–
BrokenArXivMathArena47.9%–
Autoform-HardVals AI48.2%87.5%
Arena MathsArena (LMArena)1536–
FrontierMath ErdősEpoch AI Benchmarking Hub1.5%10.3%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub76.0%78.5%
LiveBench 2.0 Data AnalysisLiveBench85.2%84.1%
LiveBench ResearchLiveBench86.8%91.5%
AA-Omniscience v1.1Artificial Analysis46.150
LegalBenchVals AI88.3%–
PRBench FinanceScale AI SEAL49.9%†–
PRBench LegalScale AI SEAL49.4%†43.1%†
BioMysteryBenchVals AI76.3%80.7%
Excel Modeling BenchmarkVals AI75.2%–
Excel Modeling Benchmark v1.1Vals AI74.8%76.0%
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%65.5%†
EBR-benchEpoch AI Benchmarking Hub64.8%92.4%
GDP.pdfEpoch AI Benchmarking Hub53.6%–
AA-Omniscience v1.1: accuracyArtificial Analysis48.3%68.6%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis95.7%40.9%
HealthBench Professional (AA)OpenAI55.0%–
FACTS ParametricGoogle72.2%†–
指令遵循
MultiChallengeScale AI SEAL78.7%†73.2%†
Arena Instruction FollowingArena (LMArena)1527–
人类偏好
Arena TextArena (LMArena)1521–
EQ-Bench 4EQ-Bench1236†–
EQ-Bench Creative Writing v3EQ-Bench1758†–
Arena Creative WritingArena (LMArena)1521–
Arena Multi-turnArena (LMArena)1543–
Arena Longer QueriesArena (LMArena)1541–
多模态
LiveBench DesignLiveBench69.2%82.8%
MMMU-ProArtificial Analysis88.3%†89.5%
SAGEVals AI89.5%–
AudioMCScale AI SEAL58.4%–
AudioMC (text output)Scale AI SEAL58.4%–
Humanity's Sixth SenseScale AI SEAL55.4%63.2%†
Blueprint-Bench 2Epoch AI Benchmarking Hub54.5%†–
Furniture AssemblyEpoch AI Benchmarking Hub72.5%89.2%
VIALS-AAHandshake AI59.6%65.8%
Code2Video-AAArtificial Analysis1259–
AA-3DArtificial Analysis11471318
FACTS MultimodalGoogle54.2%†–
长上下文
AA-LCR v1.1Artificial Analysis79.7%–
MLCRArtificial Analysis13.9%39.4%
FACTS GroundingGoogle73.3%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub166.6†174.2†
LiveBench 2.0LiveBench77.7%84.9%
AA Intelligence Index v5.0.1Artificial Analysis50.462.1
AA Intelligence Index v4.3.2Artificial Analysis52.6–
AA Progress Index v1Artificial Analysis341.8–
Vals IndexVals AI69.467.7
Vals Finance IndexVals AI66.0%57.3%
Vals RSI IndexVals AI30.6%29.0%
Vals Science IndexVals AI55.4%68.4%
Vals Router IndexVals AI69.2%†–
Vals Legal IndexVals AI76.8%69.7%
AA Cyber IndexArtificial Analysis–37.3
安全与诚实
DistressBenchScale AI SEAL68.6%†–

数据截至 2026年11月19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 gb2-20261114-ca113f475f5e (https://benchmarks.duellab.org/releases/gb2-20261114-ca113f475f5e/), 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)。
  • GPT-6.2 Astra (max):BenchLeader Index 67.8 → 68.9。
  • Gemini 4 Argon (high):1 项分数修订。
  • GPT-6.2 Astra (max):6 项新结果(VIALS-AA, Arena WebDev, Arena Agent…)。
  • GPT-6.2 Astra (max):BenchLeader Index 67.2 → 67.8。
  • GPT-6.2 Astra (max):2 项新结果(MKA (AA), Terminal-Bench)。
  • Gemini 4 Argon (high):BenchLeader Index 65.3 → 64.8。
  • Gemini 4 Argon (high):1 项分数修订。
  • Gemini 4 Argon (high):1 项分数修订。
  • Gemini 4 Argon (high):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。

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-6.2 Astra:常见问题

GPT-6.2 Astra 比 Gemini 4 Argon 更好吗?
质量上 GPT-6.2 Astra (max) 领先:68.9 比 64.6。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月19日,GPT-6.2 Astra (max) 总体领先,但请结合你的用途查看各类别得分。
Gemini 4 Argon 和 GPT-6.2 Astra 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 $16.00(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-6.2 Astra 更好?
GPT-6.2 Astra 在编程方面得分更高(类别得分 76 比 66,50 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-6.2 Astra 为 1781。
Gemini 4 Argon 和 GPT-6.2 Astra 哪个更快?
Gemini 4 Argon 输出更快(输出 66 比 49 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Gemini 4 Argon 还是 GPT-6.2 Astra 更好?
GPT-6.2 Astra 在智能体任务方面得分更高(类别得分 66 比 58,50 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-6.2 Astra 为 62.1%。
更多问题(4)
处理长文档哪个更好?
两者都约为 1.1M token(Gemini 4 Argon 为 1,048,576,GPT-6.2 Astra 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 46.7 秒比 202.7 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-6.2 Astra 的看法一致吗?
在两者都有结果的 59 项基准测试中,Gemini 4 Argon 领先 13 项,GPT-6.2 Astra 领先 44 项,2 项持平。第三方来源看法不一:Gemini 4 Argon 在 Vals Index 上领先;GPT-6.2 Astra 在 BenchLeader Index和AA Intelligence Index v5.0.1 上领先。
GPT-6.2 Astra 是什么时候发布的?
GPT-6.2 Astra 于 2026年11月17日 发布。