BenchLeader

Gemini 4 Argon vs Grok 4.6

完整资料:Gemini 4 Argon(Google)和 Grok 4.6(SpaceXAI),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16日,质量上 Gemini 4 Argon 领先 Grok 4.6(BenchLeader Index 65.3 比 60.6)。不过,Grok 4.6 更便宜,对方的价格是它的 1.3 倍(每百万 token 混合价格 $3.00 比 $4.00)。在两者都有成绩的所有类别中,Gemini 4 Argon 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16日)

  • Gemini 4 Argon 的 BenchLeader Index 为 65.3,Grok 4.6 为 60.6(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)。
  • Grok 4.6 每百万 token 混合价格为 $3.00(标价,2026年11月16日)。
  • 在两者都有结果的 55 项基准测试中,Gemini 4 Argon 领先 50 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Gemini 4 Argon 的评分为 1681,Grok 4.6 为 1618(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Gemini 4 Argon类别得分 67 比 61;Arena WebDev 1681 比 1618中
智能体与工具调用均可类别得分 59 比 59;Terminal-Bench 55.5% 比 19.7%均可
数学Gemini 4 Argon类别得分 70 比 63;Arena Maths 1536 比 1445中
推理Gemini 4 Argon类别得分 70 比 64;GPQA Diamond 96.4% 比 94.0%中
知识Gemini 4 Argon类别得分 72 比 60;SimpleQA Verified 76.0% 比 49.3%高
长文档均可类别得分 65 比 65;AA-LCR v1.1 79.7% 比 80.3%均可
对话质量(人类偏好)Gemini 4 ArgonArena 投票 72 比 64高
成本最低Grok 4.6每百万 token 混合价格 $3.00 比 $4.00;智能体编程会话 $0.144 比 $0.160;2026年12月1日 起:$3.00 比 $8.00–
首次回答最快Grok 4.6首个回答 token 28.6 秒(Grok 4.6 (high))比 45.7 秒(Gemini 4 Argon (high))–
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 Gemini 4 Argon (high) 领先:65.3 比 60.6。
  • Gemini 4 Argon (high) 在编程、人类偏好、知识、数学、推理方面更强。
  • Grok 4.6 (high) 在智能体与工具、长上下文方面更强。
  • 截至 2026年11月30日,Grok 4.6 (high) 更便宜,对方的价格是它的 1.3 倍(每百万 token 混合价格 $3.00 比 $4.00);自 2026年12月1日 起为 $3.00 比 $8.00。

概览

规格Gemini 4 ArgonGrok 4.6
提供商GoogleSpaceXAI
发布日期2026年9月30日2026年8月11日
正式发布2026年10月13日2026年8月11日
上下文窗口(token)1,048,576500,000
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)Grok 4.6 (high)
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 / $6.00 / $0.500
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)Grok 4.6 (high)领先者
推理69.563.5Gemini 4 Argon
编程66.761.1Gemini 4 Argon
智能体与工具58.659.2持平
数学69.963.4Gemini 4 Argon
知识71.959.5Gemini 4 Argon
人类偏好72.164.1Gemini 4 Argon
多模态–60.0无法比较
长上下文64.564.8持平
综合63.8–无法比较

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: 72.1Grok 4.6, 推理: 63.5Grok 4.6, 编程: 61.1Grok 4.6, 智能体与工具: 59.2Grok 4.6, 数学: 63.4Grok 4.6, 知识: 59.5Grok 4.6, 长上下文: 64.8Grok 4.6, 人类偏好: 64.1

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 55 项基准测试中,Gemini 4 Argon 领先 50 项,Grok 4.6 领先 5 项。所有同时评测两者的综合评分都认为 Gemini 4 Argon 更强。

综合 IndexGemini 4 Argon (high)Grok 4.6 (high)领先者
BenchLeader Index65.360.6Gemini 4 Argon
AA Intelligence Index v5.0.150.431.0†Gemini 4 Argon
Arena Text15221457Gemini 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)Grok 4.6 (high)
每百万 token 混合价格(截至 2026年11月30日)$4.00$3.00
每百万 token 输入 / 输出$2.00 / $10.00$2.00 / $6.00
自 2026年12月1日 起每百万 token 混合价格$8.00$3.00
自 2026年12月1日 起每百万 token 输入 / 输出$4.00 / $20.00$2.00 / $6.00
每百万 token 缓存输入$0.100$0.500
每项任务价格:聊天回复$0.0038$0.0026
每项任务价格:总结一份 30 页的报告$0.030$0.028
每项任务价格:代码编辑$0.027$0.021
每项任务价格:智能体编程会话$0.160$0.144
每项任务价格:结构化信息提取$0.0060$0.0052
智能体编程会话(输入大多命中缓存)$0.074$0.076
每项基准测试任务成本(AA Index)$4.97–
每项任务输出 token(AA Index)116k–
其中推理部分68k–
每项任务耗时(AA Index)29 min–
输出速度66 tok/s73 tok/s
首次回答时间45.7 秒28.6 秒
完整回答耗时(最近一次测量 2026年11月13日)122.1 秒62.7 秒

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)。Grok 4.6 (high) 得分 60.6,首个回答 token 需 29 秒;Grok 4.6 (medium) 为 59.4(19 秒),Grok 4.6 (xhigh) 为 56.1(37 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 176 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)Grok 4.6 (high)
BenchLeader IndexBenchLeader65.360.6
智能体与工具得分BenchLeader58.659.2
编程得分BenchLeader66.761.1
综合得分BenchLeader63.8–
人类偏好得分BenchLeader72.164.1
知识得分BenchLeader71.959.5
长上下文得分BenchLeader64.564.8
数学得分BenchLeader69.963.4
推理得分BenchLeader69.563.5
多模态得分BenchLeader–60.0
混合价格(美元/百万 token)BenchLeader$4.00$3.00
输出速度BenchLeader66 tok/s73 tok/s
首次回答时间BenchLeader45.7 秒28.6 秒
上下文窗口BenchLeader1,048,576 token500,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub96.4%94.0%
SimpleBenchSimpleBench91.7%†75.9%†
Arena Hard PromptsArena (LMArena)15451481
LiveBench 2.0 ReasoningLiveBench95.1%91.2%†
LiveBench 1.0 ReasoningLiveBench–90.5%†
GPQA Diamond (AA)Artificial Analysis–95.0%
Humanity's Last Exam (AA)Artificial Analysis57.1%42.9%
HLE-Diamond (AA)Artificial Analysis56.7%21.5%†
GPQA Diamond (Vals)Vals AI–94.7%
ARC-AGI-1ARC Prize98.5%87.0%
ARC-AGI-2ARC Prize91.3%65.1%
ARC-AGI-3ARC Prize97.3%2.1%†
CritPtArtificial Analysis27.1%17.1%
CritPt v2 hard subset (AA)Artificial Analysis52.5%40.0%†
MysteryMechanismVals AI45.5%30.6%
HLE-Diamond (Scale)Scale AI SEAL53.2%†–
Arena ExpertArena (LMArena)15491496
Chess PuzzlesEpoch AI Benchmarking Hub59.0%33.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub64.0%34.0%†
LMCAEpoch AI Benchmarking Hub63.7%48.5%†
DTBenchEpoch AI Benchmarking Hub97.3%97.3%†
ForecastBenchForecastBench–65.4%†
编程
SciCodeSciCode61.8%56.5%
WeirdMLWeirdML–67.3%
FrontierCodeCognition47.5%†48.0%†
显示全部 176 项基准测试
指标发布方Gemini 4 Argon (high)Grok 4.6 (high)
编程
Arena CodingArena (LMArena)15531508
Arena WebDevArena (LMArena)16811618
LiveBench 2.0 CodingLiveBench85.7%76.7%†
LiveBench 1.0 CodingLiveBench–76.8%†
LiveCodeBenchVals AI–88.2%
IOIVals AI100.0%47.6%
SWE-bench (Vals)Vals AI–95.6%
Code MigrationVals AI68.2%44.6%
Code Migration v1.1Vals AI70.8%–
ProgramBenchVals AI2.5%1.0%
SWE-bench MultimodalVals AI56.0%–
Vibe Code Bench 1-100Vals AI21.2%14.8%
Vibe Code Bench v1.1Vals AI91.9%76.2%
SWE Atlas v1.1Scale AI SEAL70.1%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL65.3%†–
SWE Atlas v1.1: Test WritingScale AI SEAL77.8%†–
SWE Atlas v1.1: RefactoringScale AI SEAL67.1%†–
SWE-Bench Pro V2Scale AI SEAL99.2%–
SWE-Bench Pro V2 HARDScale AI SEAL92.2%–
MirrorCodeEpoch AI Benchmarking Hub58.9%41.1%†
DeepSWE v1.1Epoch AI Benchmarking Hub–65.2%
CursorBenchCursor52.9%40.4%
ALE-BenchEpoch AI Benchmarking Hub2100.11508.1†
FrontierSWEEpoch AI Benchmarking Hub55.0%25.3%†
WeirdML v3WeirdML20.3%–
Terminal-Bench 4.0 (AA)Artificial Analysis57.1%21.2%
Terminal-Bench 2.1 (AA)Artificial Analysis–88.4%
Startrise FrontendStartrise–72.1%†
GameBench 2 OverallDuelLab GameBench 281.7†59.4†
GameBench 2 by reasoning settingDuelLab GameBench 289.268.7†
Design Arena WebsiteDesign Arena1316†1277†
FrontierCode 1.1 (AA)Artificial Analysis43.5%–
FrontierCode 2.0 (AA)Artificial Analysis25.7%19.8%†
智能体与工具
Terminal-BenchTerminal-Bench55.5%19.7%
Remote Labor IndexScale AI / CAIS17.1%†–
APEX-AgentsMercor82.4%†65.3%†
Arena AgentArena (LMArena)10.7-0.2†
LiveBench Long AgenticLiveBench58.5%18.7%†
LiveBench BrowserLiveBench82.8%49.4%†
LiveBench Agentic CodingLiveBench–57.0%†
Terminal-Bench 2.1 (Vals)Vals AI57.7%78.3%
MCP AtlasScale AI SEAL90.7%†–
HiL-BenchScale AI SEAL62.0%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis56.2%–
GDPval-AA v2.1Artificial Analysis16341627
τ³-Banking (AA)Artificial Analysis–50.7%
Analyst Agent (AA)Artificial Analysis48.8%41.3%
CUA-benchVals AI4.8%–
CyberBenchVals AI77.9%67.7%
Finance Agent v2Vals AI65.4%53.7%
Finance Agent v2.1Vals AI67.7%–
Harvey's Legal Agent Benchmark v1.1Vals AI27.1%–
Harvey's Legal Agent Benchmark v1Vals AI19.6%15.8%
Legal Research BenchVals AI54.8%48.1%
Robo-benchVals AI0.8%–
SkillsBenchVals AI–55.8%
SREBenchVals AI44.3%–
Tax Agent BenchVals AI49.2%33.7%
Terminal-Bench 4.0 (Vals)Vals AI57.6%17.2%
Terminal-Bench ScienceVals AI44.3%11.4%
Time Horizon Index: KSPVals AI52.5%5.8%
Arena Agent Task CompletionArena (LMArena)13.2-2.6†
PostTrainBenchEpoch AI Benchmarking Hub40.4%–
Vending-Bench 2Andon Labs13718.2†9047.0†
AutomationBenchArtificial Analysis77.5%66.7%
GDP.pdf (AA)Artificial Analysis21.8%17.0%
Harvey LAB-AA v1.1Harvey3.9%–
EnterpriseOps-GymArtificial Analysis–48.3%
AA-Briefcase v1.1Artificial Analysis14851526
GDPxGDPx by SemiAnalysis7.3%–
Design Arena AgenticDesign Arena1274†1239†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis52.9%6.2%
MKA (AA)Artificial Analysis51.3%–
FACTS SearchGoogle89.9%†87.9%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub86.0%66.0%†
FrontierMath Tier 4Epoch AI Benchmarking Hub78.0%31.7%†
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%97.8%
ProofBenchVals AI99.0%†51.0%†
LiveBench MathematicsLiveBench–92.6%†
ArXivMathMathArena84.4%–
BrokenArXivMathArena47.9%–
Arena MathsArena (LMArena)15361445
FrontierMath ErdősEpoch AI Benchmarking Hub1.5%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub76.0%49.3%
LiveBench 2.0 Data AnalysisLiveBench85.2%75.3%†
LiveBench ResearchLiveBench86.8%88.8%†
LiveBench 1.0 Data AnalysisLiveBench–73.9%†
AA-Omniscience v1.1Artificial Analysis46.124.9†
MMLU-ProVals AI–89.4%
LegalBenchVals AI88.3%86.3%
CorpFinVals AI–66.2%
TaxEvalVals AI–71.1%
PRBench FinanceScale AI SEAL49.9%†–
PRBench LegalScale AI SEAL49.4%†–
BioMysteryBenchVals AI76.3%72.2%
Excel Modeling BenchmarkVals AI75.2%62.7%
Excel Modeling Benchmark v1.1Vals AI74.8%–
MedCodeVals AI58.8%44.7%
MedScribeVals AI87.4%86.5%
Public Benefits Bench v1.1Vals AI69.8%66.8%
Access to Justice BenchmarkVals AI68.5%71.3%
Financial Coaching BenchVals AI73.1%–
Immigration BenchVals AI68.1%66.0%
DrugDiscoveryBenchScale AI SEAL65.4%–
EBR-benchEpoch AI Benchmarking Hub64.8%30.5%†
GDP.pdfEpoch AI Benchmarking Hub28.4%16.0%
AA-Omniscience v1.1: accuracyArtificial Analysis48.3%46.2%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis95.7%60.3%†
HealthBench Professional (AA)OpenAI55.0%–
FACTS ParametricGoogle72.2%†44.5%†
指令遵循
LiveBench LanguageLiveBench–83.7%†
LiveBench Instruction FollowingLiveBench–71.9%†
MultiChallengeScale AI SEAL78.7%†–
Arena Instruction FollowingArena (LMArena)15281451
人类偏好
Arena TextArena (LMArena)15221457
EQ-Bench 4EQ-Bench1236†–
EQ-Bench Creative Writing v3EQ-Bench1758†–
Arena Creative WritingArena (LMArena)15231442
Arena Multi-turnArena (LMArena)15451449
Arena Longer QueriesArena (LMArena)15441476
多模态
Arena VisionArena (LMArena)–1264
LiveBench DesignLiveBench69.2%76.3%†
MMMU-ProArtificial Analysis88.3%†–
MortgageTaxVals AI–64.2%
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%†33.2%†
Furniture AssemblyEpoch AI Benchmarking Hub72.5%40.0%†
VIALS-AAHandshake AI59.6%–
Code2Video-AAArtificial Analysis1259–
AA-3DArtificial Analysis1147–
FACTS MultimodalGoogle54.2%†39.3%†
长上下文
AA-LCR v1.1Artificial Analysis79.7%80.3%
Arena DocumentArena (LMArena)–1450
MLCRArtificial Analysis13.9%15.6%
FACTS GroundingGoogle73.3%†66.5%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub166.5†157.8†
LiveBench 2.0LiveBench77.7%63.5%†
LiveBench 1.0LiveBench–78.0%†
AA Intelligence Index v5.0.1Artificial Analysis50.431.0†
AA Intelligence Index v4.3.2Artificial Analysis52.644.3
AA Progress Index v1Artificial Analysis341.8321.5
Vals IndexVals AI69.4–
Vals Finance IndexVals AI66.0%–
Vals RSI IndexVals AI30.6%25.5%†
Vals Science IndexVals AI55.4%38.1%
Vals Router IndexVals AI69.2%†–
Vals Legal IndexVals AI76.8%–
安全与诚实
DistressBenchScale AI SEAL68.6%†–

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…)。
  • Gemini 4 Argon (high):1 项新结果(Terminal-Bench)。
  • Grok 4.6 (high):1 项新结果(GDPval-AA v2.1)。
  • 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。
  • Grok 4.6 (high):BenchLeader Index 60.9 → 60.4。
  • Gemini 4 Argon (high):4 项分数修订。
  • Grok 4.6 (high):2 项分数修订。

排行榜: 综合最佳大模型 · 最适合智能体的大模型 · 便宜好用的大模型

Gemini 4 Argon vs Grok 4.6:常见问题

Gemini 4 Argon 比 Grok 4.6 更好吗?
质量上 Gemini 4 Argon (high) 领先:65.3 比 60.6。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,Gemini 4 Argon (high) 总体领先,但请结合你的用途查看各类别得分。
Gemini 4 Argon 和 Grok 4.6 哪个更便宜?价格会变吗?
目前 Grok 4.6 更便宜:每百万 token $3.00 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 Grok 4.6 更好?
Gemini 4 Argon 在编程方面得分更高(类别得分 67 比 61,50 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,Grok 4.6 为 1618。
Gemini 4 Argon 和 Grok 4.6 哪个更快?
Grok 4.6 输出更快(输出 73 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 Grok 4.6 更好?
两者在智能体任务方面持平(类别得分 59 比 59)。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%,Grok 4.6 为 19.7%。
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)。Gemini 4 Argon 支持更长的上下文:1,048,576 token,Grok 4.6 为 500,000 token。
哪个延迟更低?
Grok 4.6 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 28.6 秒比 45.7 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 Grok 4.6 的看法一致吗?
在两者都有结果的 55 项基准测试中,Gemini 4 Argon 领先 50 项,Grok 4.6 领先 5 项。所有同时评测两者的综合评分都认为 Gemini 4 Argon 更强。
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。