BenchLeader

Gemini 4 Argon vs GPT-6.2 Sol

完整资料:Gemini 4 Argon(Google)和 GPT-6.2 Sol(OpenAI),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19日,Gemini 4 Argon 与 GPT-6.2 Sol 的质量不相上下(BenchLeader Index 64.6 比 64.6,在 ±4.0 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)。看重知识(71 比 65)选 Gemini 4 Argon;看重编程(75 比 66)、智能体与工具(65 比 58)和推理(70 比 68)选 GPT-6.2 Sol。Gemini 4 Argon 的首次回答更快(46.7 秒 比 78.8 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19日)

  • Gemini 4 Argon 的 BenchLeader Index 为 64.6,GPT-6.2 Sol 为 64.6(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 Sol 每百万 token 混合价格为 $4.00(标价,2026年11月19日)。
  • 在两者都有结果的 45 项基准测试中,GPT-6.2 Sol 领先 27 项(BenchLeader,2026年11月19日)。
  • 在 Arena WebDev 上,Gemini 4 Argon 的评分为 1681,GPT-6.2 Sol 为 1757(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 Sol类别得分 75 比 66;Arena WebDev 1757 比 1681高
智能体与工具调用GPT-6.2 Sol类别得分 65 比 58;Terminal-Bench 61.5% 比 55.5%中
推理GPT-6.2 Sol类别得分 70 比 68;HLE-Diamond (AA) 64.0% 比 56.7%中
知识Gemini 4 Argon类别得分 71 比 65;AA-Omniscience v1.1 46.1 比 40.4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 46.7 秒(Gemini 4 Argon (high))比 78.8 秒(GPT-6.2 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-6.2 Sol (max) 的质量不相上下(64.6 比 64.6,在 ±4.0 的误差范围内)。
  • Gemini 4 Argon (high) 在知识方面更强。
  • GPT-6.2 Sol (max) 在智能体与工具、编程、综合、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 ArgonGPT-6.2 Sol
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 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 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 Sol (max)领先者
推理68.370.1GPT-6.2 Sol
编程66.074.5GPT-6.2 Sol
智能体与工具58.065.1GPT-6.2 Sol
数学69.5–无法比较
知识70.865.4Gemini 4 Argon
人类偏好72.0–无法比较
长上下文64.5–无法比较
综合61.764.5GPT-6.2 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。

2550 avg75推理编程智能体与工具知识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, 知识: 70.8GPT-6.2 Sol, 推理: 70.1GPT-6.2 Sol, 编程: 74.5GPT-6.2 Sol, 智能体与工具: 65.1GPT-6.2 Sol, 知识: 65.4

未绘制(测得的模型少于两个):数学, 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 45 项基准测试中,Gemini 4 Argon 领先 18 项,GPT-6.2 Sol 领先 27 项。第三方来源看法不一:Gemini 4 Argon 在 Vals Index 上领先;GPT-6.2 Sol 在 AA Intelligence Index v5.0.1 上领先。

综合 IndexGemini 4 Argon (high)GPT-6.2 Sol (max)领先者
BenchLeader Index64.664.6不相上下
AA Intelligence Index v5.0.150.457.3GPT-6.2 Sol
Vals Index69.466.1Gemini 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 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$1.01
每项任务输出 token(AA Index)116k40k
其中推理部分68k23k
每项任务耗时(AA Index)29 min9 min
输出速度66 tok/s74 tok/s
首次回答时间46.7 秒78.8 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 Sol (max) 上花费 $1.01;完成同样的工作,Gemini 4 Argon (high) 输出的 token 是对方的 2.9 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 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 Sol (max) 得分 64.6,首个回答 token 需 79 秒;GPT-6.2 Sol (xhigh) 为 63.3(32 秒),GPT-6.2 Sol (high) 为 62.3(12 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 Sol (max)
BenchLeader IndexBenchLeader64.664.6
智能体与工具得分BenchLeader58.065.1
编程得分BenchLeader66.074.5
综合得分BenchLeader61.764.5
人类偏好得分BenchLeader72.0–
知识得分BenchLeader70.865.4
长上下文得分BenchLeader64.5–
数学得分BenchLeader69.5–
推理得分BenchLeader68.370.1
混合价格(美元/百万 token)BenchLeader$4.00$4.00
输出速度BenchLeader66 tok/s74 tok/s
首次回答时间BenchLeader46.7 秒78.8 秒
上下文窗口BenchLeader1,048,576 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub96.4%–
SimpleBenchSimpleBench91.7%†–
Arena Hard PromptsArena (LMArena)1544–
LiveBench 2.0 ReasoningLiveBench95.1%90.6%
Humanity's Last Exam (AA)Artificial Analysis57.1%–
HLE-Diamond (AA)Artificial Analysis56.7%64.0%
Kagi LLM BenchmarkKagi LLM Benchmark–67.0%†
ARC-AGI-1ARC Prize98.5%97.5%
ARC-AGI-2ARC Prize91.3%85.8%
ARC-AGI-3ARC Prize97.3%98.2%
CritPtArtificial Analysis27.1%–
CritPt v2 hard subset (AA)Artificial Analysis52.5%62.5%
MysteryMechanismVals AI45.5%36.9%
HLE-Diamond (Scale)Scale AI SEAL53.2%†56.5%†
Arena ExpertArena (LMArena)1551–
Chess PuzzlesEpoch AI Benchmarking Hub59.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub64.0%–
LMCAEpoch AI Benchmarking Hub63.7%–
DTBenchEpoch AI Benchmarking Hub97.3%–
编程
SciCodeSciCode61.8%–
FrontierCodeCognition47.5%†–
Arena CodingArena (LMArena)1554–
Arena WebDevArena (LMArena)16811757
LiveBench 2.0 CodingLiveBench85.7%83.7%
IOIVals AI100.0%–
显示全部 159 项基准测试
指标发布方Gemini 4 Argon (high)GPT-6.2 Sol (max)
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%87.6%
Vibe Code Bench 1-100 v1.1Vals AI–40.9%
SWE Atlas v1.1Scale AI SEAL70.1%†60.5%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL65.3%†61.3%†
SWE Atlas v1.1: Test WritingScale AI SEAL77.8%†64.4%†
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%–
CursorBenchCursor52.9%–
ALE-BenchEpoch AI Benchmarking Hub2100.1–
FrontierSWEEpoch AI Benchmarking Hub55.0%–
WeirdML v3WeirdML20.3%–
Terminal-Bench 4.0 (AA)Artificial Analysis57.1%60.1%
GameBench 2 OverallDuelLab GameBench 281.6†–
GameBench 2 by reasoning settingDuelLab GameBench 289.0–
Design Arena WebsiteDesign Arena1317†–
FrontierCode 1.1 (AA)Artificial Analysis43.5%–
FrontierCode 2.0 (AA)Artificial Analysis25.7%44.4%
智能体与工具
Terminal-BenchTerminal-Bench55.5%61.5%
Remote Labor IndexScale AI / CAIS17.1%†–
APEX-AgentsMercor82.4%†–
Arena AgentArena (LMArena)10.311.3
LiveBench Long AgenticLiveBench58.5%63.6%
LiveBench BrowserLiveBench82.8%88.2%
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%53.8%
CUA-benchVals AI4.8%–
CyberBenchVals AI77.9%–
Finance Agent v2Vals AI65.4%–
Finance Agent v2.1Vals AI67.7%58.9%
Harvey's Legal Agent Benchmark v1.1Vals AI27.1%12.1%
Harvey's Legal Agent Benchmark v1Vals AI19.6%–
Legal Research BenchVals AI54.8%37.0%
Robo-benchVals AI0.8%–
SREBenchVals AI44.3%–
Tax Agent BenchVals AI49.2%24.8%
Terminal-Bench 4.0 (Vals)Vals AI57.6%60.6%
Terminal-Bench ScienceVals AI44.3%58.6%
Time Horizon Index: KSPVals AI52.5%–
Arena Agent Task CompletionArena (LMArena)12.610.9
PostTrainBenchEpoch AI Benchmarking Hub40.4%–
GBAEvalEpoch AI Benchmarking Hub78.7%†–
Vending-Bench 2Andon Labs13718.2†–
AutomationBenchArtificial Analysis77.5%71.3%
GDP.pdf (AA)Artificial Analysis21.8%30.0%
Harvey LAB-AA v1.1Harvey3.9%11.1%
EnterpriseOps-GymArtificial Analysis–28.9%
AA-Briefcase v1.1Artificial Analysis14851612
GDPxGDPx by SemiAnalysis7.3%–
Design Arena AgenticDesign Arena1257†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis52.9%67.6%
CWE-Bench (AA)Artificial Analysis–61.7%
DeepSec-Bench (AA)Artificial Analysis–51.6%
CyberGym end-to-end (AA)Artificial Analysis–0.0%
MKA (AA)Artificial Analysis51.3%–
FACTS SearchGoogle89.9%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub86.0%–
FrontierMath Tier 4Epoch AI Benchmarking Hub78.0%–
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%–
ProofBenchVals AI99.0%†–
ArXivMathMathArena84.4%–
BrokenArXivMathArena47.9%–
Autoform-HardVals AI48.2%85.7%
Arena MathsArena (LMArena)1536–
FrontierMath ErdősEpoch AI Benchmarking Hub1.5%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub76.0%–
LiveBench 2.0 Data AnalysisLiveBench85.2%81.1%
LiveBench ResearchLiveBench86.8%90.1%
AA-Omniscience v1.1Artificial Analysis46.140.4
LegalBenchVals AI88.3%–
PRBench FinanceScale AI SEAL49.9%†–
PRBench LegalScale AI SEAL49.4%†43.3%†
BioMysteryBenchVals AI76.3%77.8%
Excel Modeling BenchmarkVals AI75.2%–
Excel Modeling Benchmark v1.1Vals AI74.8%74.3%
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%62.2%†
EBR-benchEpoch AI Benchmarking Hub64.8%–
GDP.pdfEpoch AI Benchmarking Hub53.6%–
AA-Omniscience v1.1: accuracyArtificial Analysis48.3%61.6%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis95.7%44.6%
HealthBench Professional (AA)OpenAI55.0%–
FACTS ParametricGoogle72.2%†–
指令遵循
MultiChallengeScale AI SEAL78.7%†72.0%†
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%80.0%
MMMU-ProArtificial Analysis88.3%†–
SAGEVals AI89.5%–
AudioMCScale AI SEAL58.4%–
AudioMC (text output)Scale AI SEAL58.4%–
Humanity's Sixth SenseScale AI SEAL55.4%56.8%†
Blueprint-Bench 2Epoch AI Benchmarking Hub54.5%†–
Furniture AssemblyEpoch AI Benchmarking Hub72.5%–
VIALS-AAHandshake AI59.6%62.7%
Code2Video-AAArtificial Analysis1259–
AA-3DArtificial Analysis11471259
FACTS MultimodalGoogle54.2%†–
长上下文
AA-LCR v1.1Artificial Analysis79.7%–
MLCRArtificial Analysis13.9%37.2%
FACTS GroundingGoogle73.3%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub166.6†–
LiveBench 2.0LiveBench77.7%80.3%
AA Intelligence Index v5.0.1Artificial Analysis50.457.3
AA Intelligence Index v4.3.2Artificial Analysis52.6–
AA Progress Index v1Artificial Analysis341.8–
Vals IndexVals AI69.466.1
Vals Finance IndexVals AI66.0%56.7%
Vals RSI IndexVals AI30.6%–
Vals Science IndexVals AI55.4%57.8%
Vals Router IndexVals AI69.2%†–
Vals Legal IndexVals AI76.8%66.7%
AA Cyber IndexArtificial Analysis–37.8
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 Sol (max):BenchLeader Index 63.2 → 64.6。
  • Gemini 4 Argon (high):1 项分数修订。
  • GPT-6.2 Sol (max):4 项新结果(VIALS-AA, Arena WebDev, Arena Agent…)。
  • GPT-6.2 Sol (max):BenchLeader Index 62.4 → 63.2。
  • GPT-6.2 Sol (max):2 项新结果(Vibe Code Bench 1-100 v1.1, 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 Sol:常见问题

Gemini 4 Argon 比 GPT-6.2 Sol 更好吗?
Gemini 4 Argon (high) 与 GPT-6.2 Sol (max) 的质量不相上下(64.6 比 64.6,在 ±4.0 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19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-6.2 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-6.2 Sol 更好?
GPT-6.2 Sol 在编程方面得分更高(类别得分 75 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 Sol 为 1757。
Gemini 4 Argon 和 GPT-6.2 Sol 哪个更快?
GPT-6.2 Sol 输出更快(输出 74 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-6.2 Sol 更好?
GPT-6.2 Sol 在智能体任务方面得分更高(类别得分 65 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 Sol 为 61.5%。
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 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 46.7 秒比 78.8 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 Sol 的看法一致吗?
在两者都有结果的 45 项基准测试中,Gemini 4 Argon 领先 18 项,GPT-6.2 Sol 领先 27 项。第三方来源看法不一:Gemini 4 Argon 在 Vals Index 上领先;GPT-6.2 Sol 在 AA Intelligence Index v5.0.1 上领先。
GPT-6.2 Sol 是什么时候发布的?
GPT-6.2 Sol 于 2026年11月17日 发布。