BenchLeader

Gemini 4 Argon vs Grok 4.7

完整资料:Gemini 4 Argon(Google)和 Grok 4.7(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 4.7(BenchLeader Index 65.3 比 57.4)。不过,Grok 4.7 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 4.7 为 57.4(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 4.7 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 103 项基准测试中,Gemini 4 Argon 领先 89 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Gemini 4 Argon 的评分为 1681,Grok 4.7 为 1641(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 1641中
智能体与工具调用Gemini 4 Argon类别得分 59 比 57;Terminal-Bench 55.5% 比 38.8%中
数学Gemini 4 Argon类别得分 70 比 56;FrontierMath Tiers 1–3 86.0% 比 53.0%高
推理Gemini 4 Argon类别得分 70 比 56;GPQA Diamond 96.4% 比 92.7%高
知识Gemini 4 Argon类别得分 72 比 60;SimpleQA Verified 76.0% 比 56.0%高
长文档Gemini 4 Argon类别得分 65 比 63;AA-LCR v1.1 79.7% 比 76.7%中
对话质量(人类偏好)Gemini 4 ArgonArena 投票 72 比 63高
成本最低Grok 4.7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–
首次回答最快均可首个回答 token 45.7 秒(Gemini 4 Argon (high))比 55.9 秒(Grok 4.7 (xhigh))–
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 57.4。
  • Gemini 4 Argon (high) 在智能体与工具、编程、综合、人类偏好、知识、长上下文、数学、推理方面更强。
  • 截至 2026年11月30日,Grok 4.7 (xhigh) 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 4.7
提供商GoogleSpaceXAI
发布日期2026年9月30日2026年9月21日
正式发布2026年10月13日2026年9月21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 4.7 (xhigh)
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 4.7 (xhigh)领先者
推理69.555.6Gemini 4 Argon
编程66.760.9Gemini 4 Argon
智能体与工具58.656.9Gemini 4 Argon
数学69.955.8Gemini 4 Argon
知识71.959.9Gemini 4 Argon
人类偏好72.162.5Gemini 4 Argon
多模态–55.5无法比较
长上下文64.562.9Gemini 4 Argon
综合63.852.8Gemini 4 Argon

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 4.7, 推理: 55.6Grok 4.7, 编程: 60.9Grok 4.7, 智能体与工具: 56.9Grok 4.7, 数学: 55.8Grok 4.7, 知识: 59.9Grok 4.7, 长上下文: 62.9Grok 4.7, 人类偏好: 62.5

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 103 项基准测试中,Gemini 4 Argon 领先 89 项,Grok 4.7 领先 14 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 4.7 (xhigh)领先者
BenchLeader Index65.357.4Gemini 4 Argon
AA Intelligence Index v5.0.150.435.5Gemini 4 Argon
Vals Index69.458.6Gemini 4 Argon
Arena Text15221443Gemini 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 4.7 (xhigh)
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$7.77
每项任务输出 token(AA Index)116k105k
其中推理部分68k69k
每项任务耗时(AA Index)29 min26 min
输出速度66 tok/s68 tok/s
首次回答时间45.7 秒55.9 秒
完整回答耗时(最近一次测量 2026年11月13日)122.1 秒145.5 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 Grok 4.7 (xhigh) 上花费 $7.77;完成同样的工作,Gemini 4 Argon (high) 输出的 token 是对方的 1.1 倍。

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 4.7 (xhigh) 得分 57.4,首个回答 token 需 56 秒;Grok 4.7 (high) 为 56.9(35 秒),Grok 4.7 (low) 为 55.4(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 167 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 4.7 (xhigh)
BenchLeader IndexBenchLeader65.357.4
智能体与工具得分BenchLeader58.656.9
编程得分BenchLeader66.760.9
综合得分BenchLeader63.852.8
人类偏好得分BenchLeader72.162.5
知识得分BenchLeader71.959.9
长上下文得分BenchLeader64.562.9
数学得分BenchLeader69.955.8
推理得分BenchLeader69.555.6
多模态得分BenchLeader–55.5
混合价格(美元/百万 token)BenchLeader$4.00$3.00
输出速度BenchLeader66 tok/s68 tok/s
首次回答时间BenchLeader45.7 秒55.9 秒
上下文窗口BenchLeader1,048,576 token500,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub96.4%92.7%
SimpleBenchSimpleBench91.7%†–
Arena Hard PromptsArena (LMArena)15451466
LiveBench 2.0 ReasoningLiveBench95.1%82.7%
LiveBench 1.0 ReasoningLiveBench–82.7%
Humanity's Last Exam (AA)Artificial Analysis57.1%43.1%
HLE-Diamond (AA)Artificial Analysis56.7%23.2%
ARC-AGI-1ARC Prize98.5%89.5%
ARC-AGI-2ARC Prize91.3%61.4%
ARC-AGI-3ARC Prize97.3%7.0%
CritPtArtificial Analysis27.1%17.7%
CritPt v2 hard subset (AA)Artificial Analysis52.5%33.5%
MysteryMechanismVals AI45.5%25.2%
HLE-Diamond (Scale)Scale AI SEAL53.2%†23.4%†
Arena ExpertArena (LMArena)15491478
Chess PuzzlesEpoch AI Benchmarking Hub59.0%41.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub64.0%29.0%
LMCAEpoch AI Benchmarking Hub63.7%49.4%
DTBenchEpoch AI Benchmarking Hub97.3%96.0%
编程
SciCodeSciCode61.8%57.4%
FrontierCodeCognition47.5%†47.6%†
Arena CodingArena (LMArena)15531493
Arena WebDevArena (LMArena)16811641
LiveBench 2.0 CodingLiveBench85.7%73.1%
LiveBench 1.0 CodingLiveBench–77.2%
显示全部 167 项基准测试
指标发布方Gemini 4 Argon (high)Grok 4.7 (xhigh)
编程
IOIVals AI100.0%57.7%
Code MigrationVals AI68.2%44.8%
Code Migration v1.1Vals AI70.8%53.2%
ProgramBenchVals AI2.5%0.5%
SWE-bench MultimodalVals AI56.0%42.9%
Vibe Code Bench 1-100Vals AI21.2%–
Vibe Code Bench v1.1Vals AI91.9%86.2%
Vibe Code Bench 1-100 v1.1Vals AI–26.4%
SWE Atlas v1.1Scale AI SEAL70.1%†62.1%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL65.3%†73.4%†
SWE Atlas v1.1: Test WritingScale AI SEAL77.8%†64.4%†
SWE Atlas v1.1: RefactoringScale AI SEAL67.1%†48.6%†
SWE-Bench Pro V2Scale AI SEAL99.2%–
SWE-Bench Pro V2 HARDScale AI SEAL92.2%–
MirrorCodeEpoch AI Benchmarking Hub58.9%54.4%
CursorBenchCursor52.9%46.3%
ALE-BenchEpoch AI Benchmarking Hub2100.11545.8
FrontierSWEEpoch AI Benchmarking Hub55.0%29.5%
WeirdML v3WeirdML20.3%8.4%
Terminal-Bench 4.0 (AA)Artificial Analysis57.1%25.8%
Startrise FrontendStartrise–75.9%†
GameBench 2 OverallDuelLab GameBench 281.7†63.6†
GameBench 2 by reasoning settingDuelLab GameBench 289.271.2
Design Arena WebsiteDesign Arena1316†1244†
FrontierCode 1.1 (AA)Artificial Analysis43.5%33.8%
FrontierCode 2.0 (AA)Artificial Analysis25.7%28.7%
智能体与工具
Terminal-BenchTerminal-Bench55.5%38.8%
Remote Labor IndexScale AI / CAIS17.1%†–
APEX-AgentsMercor82.4%†54.6%†
Arena AgentArena (LMArena)10.72.6
LiveBench Long AgenticLiveBench58.5%45.3%
LiveBench BrowserLiveBench82.8%49.3%
LiveBench Agentic CodingLiveBench–54.0%
Terminal-Bench 2.1 (Vals)Vals AI57.7%73.4%
MCP AtlasScale AI SEAL90.7%†–
HiL-BenchScale AI SEAL62.0%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis56.2%60.7%
GDPval-AA v2.1Artificial Analysis16341717
ITBench SRE (AA)Artificial Analysis–42.1%
Analyst Agent (AA)Artificial Analysis48.8%52.5%
CUA-benchVals AI4.8%–
CyberBenchVals AI77.9%69.5%
Finance Agent v2Vals AI65.4%52.3%
Finance Agent v2.1Vals AI67.7%60.6%
Harvey's Legal Agent Benchmark v1.1Vals AI27.1%18.3%
Harvey's Legal Agent Benchmark v1Vals AI19.6%12.5%
Legal Research BenchVals AI54.8%47.1%
Robo-benchVals AI0.8%0.2%
SREBenchVals AI44.3%3.8%
Tax Agent BenchVals AI49.2%35.8%
Terminal-Bench 4.0 (Vals)Vals AI57.6%28.8%
Terminal-Bench ScienceVals AI44.3%10.0%
Time Horizon Index: KSPVals AI52.5%–
Arena Agent Task CompletionArena (LMArena)13.25.1
PostTrainBenchEpoch AI Benchmarking Hub40.4%–
Vending-Bench 2Andon Labs13718.2†10536.8†
AutomationBenchArtificial Analysis77.5%65.6%
GDP.pdf (AA)Artificial Analysis21.8%20.0%
Harvey LAB-AA v1.1Harvey3.9%9.4%
AA-Briefcase v1.1Artificial Analysis14851636
GDPxGDPx by SemiAnalysis7.3%3.9%
Design Arena AgenticDesign Arena1274†1277†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis52.9%11.4%
CWE-Bench (AA)Artificial Analysis–68.3%
DeepSec-Bench (AA)Artificial Analysis–26.9%
CyberGym end-to-end (AA)Artificial Analysis–74.0%
MKA (AA)Artificial Analysis51.3%40.1%
FACTS SearchGoogle89.9%†85.6%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub86.0%53.0%
FrontierMath Tier 4Epoch AI Benchmarking Hub78.0%17.1%
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%98.1%
ProofBenchVals AI99.0%†26.0%†
LiveBench MathematicsLiveBench–95.7%
ArXivMathMathArena84.4%–
BrokenArXivMathArena47.9%–
Arena MathsArena (LMArena)15361447
FrontierMath ErdősEpoch AI Benchmarking Hub1.5%0.0%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub76.0%56.0%
LiveBench 2.0 Data AnalysisLiveBench85.2%76.9%
LiveBench ResearchLiveBench86.8%89.5%
LiveBench 1.0 Data AnalysisLiveBench–76.9%
AA-Omniscience v1.1Artificial Analysis46.131.2
LegalBenchVals AI88.3%84.4%
PRBench FinanceScale AI SEAL49.9%†–
PRBench LegalScale AI SEAL49.4%†47.6%
BioMysteryBenchVals AI76.3%69.3%
Excel Modeling BenchmarkVals AI75.2%67.0%
Excel Modeling Benchmark v1.1Vals AI74.8%71.5%
MedCodeVals AI58.8%49.5%
MedScribeVals AI87.4%89.4%
Public Benefits Bench v1.1Vals AI69.8%65.6%
Access to Justice BenchmarkVals AI68.5%73.7%
Financial Coaching BenchVals AI73.1%74.1%
Immigration BenchVals AI68.1%68.0%
DrugDiscoveryBenchScale AI SEAL65.4%–
EBR-benchEpoch AI Benchmarking Hub64.8%–
GDP.pdfEpoch AI Benchmarking Hub28.4%22.8%
AA-Omniscience v1.1: accuracyArtificial Analysis48.3%42.7%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis95.7%80.0%
HealthBench Professional (AA)OpenAI55.0%55.8%
FACTS ParametricGoogle72.2%†54.3%†
指令遵循
LiveBench LanguageLiveBench–80.1%
LiveBench Instruction FollowingLiveBench–75.3%
MultiChallengeScale AI SEAL78.7%†–
Arena Instruction FollowingArena (LMArena)15281435
人类偏好
Arena TextArena (LMArena)15221443
EQ-Bench 4EQ-Bench1236†–
EQ-Bench Creative Writing v3EQ-Bench1758†2012†
Arena Creative WritingArena (LMArena)15231421
Arena Multi-turnArena (LMArena)15451435
Arena Longer QueriesArena (LMArena)15441454
多模态
Arena VisionArena (LMArena)–1230
LiveBench DesignLiveBench69.2%75.0%
MMMU-ProArtificial Analysis88.3%†78.2%†
SAGEVals AI89.5%88.7%
AudioMCScale AI SEAL58.4%–
AudioMC (text output)Scale AI SEAL58.4%–
Humanity's Sixth SenseScale AI SEAL55.4%–
GeoBenchGeoBench–61.0%†
Blueprint-Bench 2Epoch AI Benchmarking Hub54.5%†32.5%†
Furniture AssemblyEpoch AI Benchmarking Hub72.5%20.8%
VIALS-AAHandshake AI59.6%37.9%
Code2Video-AAArtificial Analysis12591127
AA-3DArtificial Analysis1147992
FACTS MultimodalGoogle54.2%†40.9%†
长上下文
AA-LCR v1.1Artificial Analysis79.7%76.7%
MLCRArtificial Analysis13.9%20.0%
FACTS GroundingGoogle73.3%†68.6%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub166.5†156.2†
LiveBench 2.0LiveBench77.7%67.9%
LiveBench 1.0LiveBench–77.4%
AA Intelligence Index v5.0.1Artificial Analysis50.435.5
AA Intelligence Index v4.3.2Artificial Analysis52.646.5
AA Progress Index v1Artificial Analysis341.8322.7
Vals IndexVals AI69.458.6
Vals Finance IndexVals AI66.0%58.8%
Vals RSI IndexVals AI30.6%20.2%
Vals Science IndexVals AI55.4%34.8%
Vals Router IndexVals AI69.2%†58.6%†
Vals Legal IndexVals AI76.8%72.7%
AA Cyber IndexArtificial Analysis–56.4
安全与诚实
DistressBenchScale AI SEAL68.6%†52.4%†

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)。
  • Grok 4.7 (xhigh):BenchLeader Index 58.0 → 57.4。
  • Gemini 4 Argon (high):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Grok 4.7 (xhigh):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)。
  • 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 4.7 (xhigh):1 项新结果(MirrorCode)。
  • Grok 4.7 (xhigh):1 项新结果(ALE-Bench)。

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 4.7:常见问题

Gemini 4 Argon 比 Grok 4.7 更好吗?
质量上 Gemini 4 Argon (high) 领先:65.3 比 57.4。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 4.7 哪个更便宜?价格会变吗?
目前 Grok 4.7 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 4.7 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 4.7 为 1641。
Gemini 4 Argon 和 Grok 4.7 哪个更快?
Grok 4.7 输出更快(输出 68 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 4.7 更好?
Gemini 4 Argon 在智能体任务方面得分更高(类别得分 59 比 57,50 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%,Grok 4.7 为 38.8%。
更多问题(4)
处理长文档哪个更好?
Gemini 4 Argon 在长上下文基准测试上得分更高(65 比 63)。Gemini 4 Argon 支持更长的上下文:1,048,576 token,Grok 4.7 为 500,000 token。
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 55.9 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 Grok 4.7 的看法一致吗?
在两者都有结果的 103 项基准测试中,Gemini 4 Argon 领先 89 项,Grok 4.7 领先 14 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。