BenchLeader

Gemini 4 Argon vs GPT-6 Astra

完整资料:Gemini 4 Argon(Google)和 GPT-6 Astra(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 Astra 的质量不相上下(BenchLeader Index 65.3 比 67.3,在 ±4.0 的误差范围内)。Gemini 4 Argon 更便宜,对方的价格是它的 5.0 倍(每百万 token 混合价格 $4.00 比 $20.00)。看重人类偏好(72 比 66)选 Gemini 4 Argon;看重编程(73 比 67)、智能体与工具(64 比 59)和推理(72 比 70)选 GPT-6 Astra。Gemini 4 Argon 的首次回答更快(45.7 秒 比 198.4 秒)。Gemini 4 Argon 的输出更快(约 1.5 倍)。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 Astra 为 67.3(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 Astra 每百万 token 混合价格为 $20.00(标价,2026年11月16日)。
  • Gemini 4 Argon 比 GPT-6 Astra 输出更快(约 1.5 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 101 项基准测试中,GPT-6 Astra 领先 59 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Gemini 4 Argon 的评分为 1681,GPT-6 Astra 为 1764(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 Astra类别得分 73 比 67;Arena WebDev 1764 比 1681中
智能体与工具调用GPT-6 Astra类别得分 64 比 59;Terminal-Bench 60.3% 比 55.5%中
数学均可类别得分 70 比 71;FrontierMath Tiers 1–3 86.0% 比 93.7%均可
推理GPT-6 Astra类别得分 72 比 70;HLE-Diamond (AA) 63.8% 比 56.7%中
知识均可类别得分 72 比 72;SimpleQA Verified 76.0% 比 75.6%均可
长文档均可类别得分 65 比 65;AA-LCR v1.1 79.7% 比 80.7%均可
对话质量(人类偏好)Gemini 4 ArgonArena 投票 72 比 66中
成本最低Gemini 4 Argon每百万 token 混合价格 $4.00 比 $20.00;智能体编程会话 $0.160 比 $0.800;2026年12月1日 起:$8.00 比 $20.00–
首次回答最快Gemini 4 Argon首个回答 token 45.7 秒(Gemini 4 Argon (high))比 198.4 秒(GPT-6 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

  • Gemini 4 Argon (high) 与 GPT-6 Astra (max) 的质量不相上下(65.3 比 67.3,在 ±4.0 的误差范围内)。
  • Gemini 4 Argon (high) 在人类偏好方面更强。
  • GPT-6 Astra (max) 在智能体与工具、编程、综合、知识、长上下文、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 5.0 倍(每百万 token 混合价格 $4.00 比 $20.00);自 2026年12月1日 起为 $8.00 比 $20.00。
  • Gemini 4 Argon (high) 的输出速度是对方的 1.6 倍(66 比 41 token/秒)。

概览

规格Gemini 4 ArgonGPT-6 Astra
提供商GoogleOpenAI
发布日期2026年9月30日2026年9月2日
正式发布2026年10月13日2026年9月2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 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$10.00 / $50.00 / $1.00
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 Astra (max)领先者
推理69.572.4GPT-6 Astra
编程66.773.2GPT-6 Astra
智能体与工具58.663.9GPT-6 Astra
数学69.970.8持平
知识71.972.3持平
人类偏好72.166.2Gemini 4 Argon
多模态–65.6无法比较
长上下文64.565.0持平
综合63.871.3GPT-6 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长上下文人类偏好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: 64.5Gemini 4 Argon, 人类偏好: 72.1GPT-6 Astra, 推理: 72.4GPT-6 Astra, 编程: 73.2GPT-6 Astra, 智能体与工具: 63.9GPT-6 Astra, 数学: 70.8GPT-6 Astra, 知识: 72.3GPT-6 Astra, 长上下文: 65.0GPT-6 Astra, 人类偏好: 66.2

未绘制(测得的模型少于两个):指令遵循, 多模态。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 101 项基准测试中,Gemini 4 Argon 领先 40 项,GPT-6 Astra 领先 59 项,2 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 Astra 在 AA Intelligence Index v5.0.1 上领先。

综合 IndexGemini 4 Argon (high)GPT-6 Astra (max)领先者
BenchLeader Index65.367.3不相上下
AA Intelligence Index v5.0.150.456.9GPT-6 Astra
Vals Index69.465.0Gemini 4 Argon
Arena Text15221474Gemini 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 Astra (max)
每百万 token 混合价格(截至 2026年11月30日)$4.00$20.00
每百万 token 输入 / 输出$2.00 / $10.00$10.00 / $50.00
自 2026年12月1日 起每百万 token 混合价格$8.00$20.00
自 2026年12月1日 起每百万 token 输入 / 输出$4.00 / $20.00$10.00 / $50.00
每百万 token 缓存输入$0.100$1.00
每项任务价格:聊天回复$0.0038$0.019
每项任务价格:总结一份 30 页的报告$0.030$0.150
每项任务价格:代码编辑$0.027$0.135
每项任务价格:智能体编程会话$0.160$0.800
每项任务价格:结构化信息提取$0.0060$0.030
智能体编程会话(输入大多命中缓存)$0.074$0.395
每项基准测试任务成本(AA Index)$4.97$6.24
每项任务输出 token(AA Index)116k52k
其中推理部分68k36k
每项任务耗时(AA Index)29 min21 min
输出速度66 tok/s41 tok/s
首次回答时间45.7 秒198.4 秒
完整回答耗时(最近一次测量 2026年11月13日)122.1 秒533.7 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 Astra (max) 上花费 $6.24;完成同样的工作,Gemini 4 Argon (high) 输出的 token 是对方的 2.2 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 Astra (max) 得分 67.3,首个回答 token 需 198 秒;GPT-6 Astra 为 66.4(5 秒),GPT-6 Astra (high) 为 66.3(49 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 183 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 Astra (max)
BenchLeader IndexBenchLeader65.367.3
智能体与工具得分BenchLeader58.663.9
编程得分BenchLeader66.773.2
综合得分BenchLeader63.871.3
人类偏好得分BenchLeader72.166.2
知识得分BenchLeader71.972.3
长上下文得分BenchLeader64.565.0
数学得分BenchLeader69.970.8
推理得分BenchLeader69.572.4
多模态得分BenchLeader–65.6
混合价格(美元/百万 token)BenchLeader$4.00$20.00
输出速度BenchLeader66 tok/s41 tok/s
首次回答时间BenchLeader45.7 秒198.4 秒
上下文窗口BenchLeader1,048,576 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub96.4%95.8%
Humanity's Last ExamScale AI / CAIS–54.8%†
SimpleBenchSimpleBench91.7%†83.6%†
Arena Hard PromptsArena (LMArena)15451500
LiveBench 2.0 ReasoningLiveBench95.1%92.7%
LiveBench 1.0 ReasoningLiveBench–92.7%
GPQA Diamond (AA)Artificial Analysis–96.1%
Humanity's Last Exam (AA)Artificial Analysis57.1%54.7%
HLE-Diamond (AA)Artificial Analysis56.7%63.8%
ARC-AGI-1ARC Prize98.5%97.5%
ARC-AGI-2ARC Prize91.3%95.0%
ARC-AGI-3ARC Prize97.3%98.6%
CritPtArtificial Analysis27.1%31.7%
CritPt v2 hard subset (AA)Artificial Analysis52.5%70.5%
MysteryMechanismVals AI45.5%53.1%
HLE-Diamond (Scale)Scale AI SEAL53.2%†60.6%†
Arena ExpertArena (LMArena)15491517
Chess PuzzlesEpoch AI Benchmarking Hub59.0%74.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub64.0%84.0%
LMCAEpoch AI Benchmarking Hub63.7%64.1%†
DTBenchEpoch AI Benchmarking Hub97.3%97.1%†
ForecastBenchForecastBench–66.6%†
BTF-3Epoch AI Benchmarking Hub–13.5%†
编程
SciCodeSciCode61.8%56.5%
WeirdMLWeirdML–93.3%
显示全部 183 项基准测试
指标发布方Gemini 4 Argon (high)GPT-6 Astra (max)
编程
FrontierCodeCognition47.5%†53.3%
GSO-BenchGSO-Bench–79.4%†
Arena CodingArena (LMArena)15531548
Arena WebDevArena (LMArena)16811764
LiveBench 2.0 CodingLiveBench85.7%87.5%
LiveBench 1.0 CodingLiveBench–80.4%
IOIVals AI100.0%100.0%
Code MigrationVals AI68.2%67.7%
Code Migration v1.1Vals AI70.8%80.6%
ProgramBenchVals AI2.5%5.5%
SWE-bench MultimodalVals AI56.0%43.3%
Vibe Code Bench 1-100Vals AI21.2%27.6%
Vibe Code Bench v1.1Vals AI91.9%89.6%
SWE Atlas v1.0: Codebase QnAScale AI SEAL–59.1%†
SWE Atlas v1.0: RefactoringScale AI SEAL–59.0%†
SWE Atlas v1.0: Test WritingScale AI SEAL–50.7%†
SWE Atlas v1.1Scale AI SEAL70.1%†69.4%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL65.3%†70.2%†
SWE Atlas v1.1: Test WritingScale AI SEAL77.8%†66.7%†
SWE Atlas v1.1: RefactoringScale AI SEAL67.1%†71.4%†
SWE-Bench Pro V2Scale AI SEAL99.2%96.9%†
SWE-Bench Pro V2 HARDScale AI SEAL92.2%90.2%†
MirrorCodeEpoch AI Benchmarking Hub58.9%60.0%
DeepSWE v1.1Epoch AI Benchmarking Hub–73.2%
CursorBenchCursor52.9%–
ALE-BenchEpoch AI Benchmarking Hub2100.12951.3
FrontierSWEEpoch AI Benchmarking Hub55.0%65.5%
WeirdML v3WeirdML20.3%42.2%†
Terminal-Bench 4.0 (AA)Artificial Analysis57.1%59.1%
Terminal-Bench 2.1 (AA)Artificial Analysis–88.4%
Startrise FrontendStartrise–79.9%†
GameBench 2 OverallDuelLab GameBench 281.7†88.8†
GameBench 2 by reasoning settingDuelLab GameBench 289.294.3†
Design Arena WebsiteDesign Arena1316†1338
FrontierCode 1.1 (AA)Artificial Analysis43.5%47.0%
FrontierCode 2.0 (AA)Artificial Analysis25.7%42.4%
智能体与工具
Terminal-BenchTerminal-Bench55.5%60.3%
Remote Labor IndexScale AI / CAIS17.1%†20.8%†
APEX-AgentsMercor82.4%†64.7%†
Arena AgentArena (LMArena)10.714.5
LiveBench Long AgenticLiveBench58.5%75.6%
LiveBench BrowserLiveBench82.8%91.3%
LiveBench Agentic CodingLiveBench–57.3%
Terminal-Bench 2.1 (Vals)Vals AI57.7%87.3%
MCP AtlasScale AI SEAL90.7%†–
HiL-BenchScale AI SEAL62.0%†65.3%†
GDPval-AA v2.1, normalised scoreArtificial Analysis56.2%53.7%
GDPval-AA v2.1Artificial Analysis16341587
τ³-Banking (AA)Artificial Analysis–41.4%
ITBench SRE (AA)Artificial Analysis–48.6%
Analyst Agent (AA)Artificial Analysis48.8%51.3%
CUA-benchVals AI4.8%19.2%
CyberBenchVals AI77.9%41.1%
Finance Agent v2Vals AI65.4%53.5%
Finance Agent v2.1Vals AI67.7%60.4%
Harvey's Legal Agent Benchmark v1.1Vals AI27.1%7.1%
Harvey's Legal Agent Benchmark v1Vals AI19.6%5.4%
Legal Research BenchVals AI54.8%39.4%
Robo-benchVals AI0.8%23.3%
SREBenchVals AI44.3%56.9%
Tax Agent BenchVals AI49.2%20.7%
Terminal-Bench 4.0 (Vals)Vals AI57.6%59.6%
Terminal-Bench ScienceVals AI44.3%62.9%
Time Horizon Index: KSPVals AI52.5%90.5%
Arena SearchArena (LMArena)–1245
Arena Agent Task CompletionArena (LMArena)13.214
BALROGBALROG–68.3%
PostTrainBenchEpoch AI Benchmarking Hub40.4%41.9%
Vending-Bench 2Andon Labs13718.2†15514.7†
SpireClimbEpoch AI Benchmarking Hub–34.0%
AutomationBenchArtificial Analysis77.5%68.5%
GDP.pdf (AA)Artificial Analysis21.8%31.0%
Harvey LAB-AA v1.1Harvey3.9%8.6%
AA-Briefcase v1.1Artificial Analysis14851569
GDPxGDPx by SemiAnalysis7.3%9.6%
Design Arena AgenticDesign Arena1274†1405
RoboDojo (LLM as robot policy)RoboDojo–29.0†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis52.9%63.3%
CWE-Bench (AA)Artificial Analysis–63.3%
DeepSec-Bench (AA)Artificial Analysis–36.9%
CyberGym end-to-end (AA)Artificial Analysis–0.0%
MKA (AA)Artificial Analysis51.3%50.2%
FACTS SearchGoogle89.9%†93.3%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub86.0%93.7%
FrontierMath Tier 4Epoch AI Benchmarking Hub78.0%97.6%
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%100.0%
ProofBenchVals AI99.0%†99.0%†
LiveBench MathematicsLiveBench–96.8%
ArXivMathMathArena84.4%–
BrokenArXivMathArena47.9%–
Arena MathsArena (LMArena)15361481
FrontierMath ErdősEpoch AI Benchmarking Hub1.5%2.9%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub76.0%75.6%
LiveBench 2.0 Data AnalysisLiveBench85.2%83.0%
LiveBench ResearchLiveBench86.8%90.6%
LiveBench 1.0 Data AnalysisLiveBench–83.0%
AA-Omniscience v1.1Artificial Analysis46.142.4
LegalBenchVals AI88.3%–
PRBench FinanceScale AI SEAL49.9%†47.5%†
PRBench LegalScale AI SEAL49.4%†48.4%†
BioMysteryBenchVals AI76.3%79.3%
Excel Modeling BenchmarkVals AI75.2%71.7%
Excel Modeling Benchmark v1.1Vals AI74.8%72.7%
MedCodeVals AI58.8%48.5%
MedScribeVals AI87.4%87.9%
Public Benefits Bench v1.1Vals AI69.8%–
Access to Justice BenchmarkVals AI68.5%–
Financial Coaching BenchVals AI73.1%67.5%
Immigration BenchVals AI68.1%67.7%
DrugDiscoveryBenchScale AI SEAL65.4%68.7%
EBR-benchEpoch AI Benchmarking Hub64.8%76.2%
GDP.pdfEpoch AI Benchmarking Hub28.4%34.2%
AA-Omniscience v1.1: accuracyArtificial Analysis48.3%61.6%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis95.7%50.2%
HealthBench Professional (AA)OpenAI55.0%66.0%
FACTS ParametricGoogle72.2%†83.8%†
指令遵循
LiveBench LanguageLiveBench–89.4%
LiveBench Instruction FollowingLiveBench–75.6%
MultiChallengeScale AI SEAL78.7%†–
Arena Instruction FollowingArena (LMArena)15281474
人类偏好
Arena TextArena (LMArena)15221474
EQ-Bench 4EQ-Bench1236†–
EQ-Bench Creative Writing v3EQ-Bench1758†2177†
Arena Creative WritingArena (LMArena)15231451
Arena Multi-turnArena (LMArena)15451483
Arena Longer QueriesArena (LMArena)15441485
多模态
Arena VisionArena (LMArena)–1279
LiveBench DesignLiveBench69.2%80.0%
MMMU-ProArtificial Analysis88.3%†86.9%
SAGEVals AI89.5%–
AudioMCScale AI SEAL58.4%–
AudioMC (text output)Scale AI SEAL58.4%–
Humanity's Sixth SenseScale AI SEAL55.4%53.6%
Blueprint-Bench 2Epoch AI Benchmarking Hub54.5%†49.7%†
Furniture AssemblyEpoch AI Benchmarking Hub72.5%80.0%
VIALS-AAHandshake AI59.6%62.7%
Code2Video-AAArtificial Analysis12591427
AA-3DArtificial Analysis11471168
FACTS MultimodalGoogle54.2%†55.2%†
长上下文
AA-LCR v1.1Artificial Analysis79.7%80.7%
Arena DocumentArena (LMArena)–1474
MLCRArtificial Analysis13.9%41.7%
FACTS GroundingGoogle73.3%†80.1%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub166.5†169†
LiveBench 2.0LiveBench77.7%84.5%
LiveBench 1.0LiveBench–82.2%
AA Intelligence Index v5.0.1Artificial Analysis50.456.9
AA Intelligence Index v4.3.2Artificial Analysis52.652.7
AA Progress Index v1Artificial Analysis341.8349.6
Vals IndexVals AI69.465.0
Vals Finance IndexVals AI66.0%55.6%
Vals RSI IndexVals AI30.6%27.1%
Vals Science IndexVals AI55.4%65.1%
Vals Router IndexVals AI69.2%†65.0%†
Vals Legal IndexVals AI76.8%68.4%
AA Cyber IndexArtificial Analysis–33.4
安全与诚实
FORTRESSScale AI SEAL–12.1%†
DistressBenchScale AI SEAL68.6%†74.3%†

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 Astra (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 Astra (max):1 项分数修订。
  • 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-6 Astra (max):1 项新结果(PostTrainBench);2 项分数修订。
  • GPT-6 Astra (max):1 项新结果(MirrorCode);1 项分数修订。

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 Astra:常见问题

Gemini 4 Argon 比 GPT-6 Astra 更好吗?
Gemini 4 Argon (high) 与 GPT-6 Astra (max) 的质量不相上下(65.3 比 67.3,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 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 $20.00(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 Astra 更好?
GPT-6 Astra 在编程方面得分更高(类别得分 73 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 Astra 为 1764。
Gemini 4 Argon 和 GPT-6 Astra 哪个更快?
Gemini 4 Argon 输出更快(约 1.5 倍;输出 66 比 41 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 Astra 更好?
GPT-6 Astra 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 Astra 为 60.3%。
更多问题(4)
处理长文档哪个更好?
两者在长上下文基准测试上持平(65 比 65)。两者都约为 1.1M token(Gemini 4 Argon 为 1,048,576,GPT-6 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 45.7 秒比 198.4 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 Astra 的看法一致吗?
在两者都有结果的 101 项基准测试中,Gemini 4 Argon 领先 40 项,GPT-6 Astra 领先 59 项,2 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 Astra 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。