BenchLeader

Gemini 4 Argon vs Kimi K2.6

完整资料:Gemini 4 Argon(Google)和 Kimi K2.6(Moonshot AI),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 Kimi K2.6(BenchLeader Index 65.3 比 59.3)。不过,Kimi K2.6 更便宜,对方的价格是它的 2.3 倍(每百万 token 混合价格 $1.71 比 $4.00)。在两者都有成绩的所有类别中,二者不相上下。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,Kimi K2.6 为 59.3(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)。
  • Kimi K2.6 每百万 token 混合价格为 $1.71(标价,2026年11月16日)。
  • Gemini 4 Argon 比 Kimi K2.6 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 11 项基准测试中,Gemini 4 Argon 领先 10 项(BenchLeader,2026年11月16日)。

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
智能体与工具调用均可类别得分 59 比 58;GDPval-AA v2.1 1634 比 1046均可
长文档均可类别得分 65 比 65;AA-LCR v1.1 79.7% 比 81.0%均可
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Kimi K2.6每百万 token 混合价格 $1.71 比 $4.00;智能体编程会话 $0.073 比 $0.160;2026年12月1日 起:$1.71 比 $8.00–
首次回答最快Gemini 4 Argon首个回答 token 45.7 秒(Gemini 4 Argon (high))比 93.1 秒(Kimi K2.6 (thinking))–
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 59.3。
  • Gemini 4 Argon (high) 在智能体与工具方面更强。
  • Kimi K2.6 (thinking) 在长上下文方面更强。
  • 截至 2026年11月30日,Kimi K2.6 (thinking) 更便宜,对方的价格是它的 2.3 倍(每百万 token 混合价格 $1.71 比 $4.00);自 2026年12月1日 起为 $1.71 比 $8.00。
  • 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 ArgonKimi K2.6
提供商GoogleMoonshot AI
发布日期2026年9月30日2026年4月20日
正式发布2026年10月13日2026年4月20日
上下文窗口(token)1,048,576262,144
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)Kimi K2.6 (thinking)
开放权重否是
每百万 token 价格(输入 / 输出 / 缓存输入)$2.00 / $10.00 / $0.100$0.950 / $4.00 / $0.160
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)Kimi K2.6 (thinking)领先者
推理69.5–无法比较
编程66.7–无法比较
智能体与工具58.658.4持平
数学69.9–无法比较
知识71.9–无法比较
指令遵循–74.1无法比较
人类偏好72.1–无法比较
多模态–61.7无法比较
长上下文64.565.2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指令遵循长上下文多模态人类偏好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: 72.1Kimi K2.6, 智能体与工具: 58.4Kimi K2.6, 指令遵循: 74.1Kimi K2.6, 长上下文: 65.2Kimi K2.6, 多模态: 61.7

虚线:该模型在所经过的轴上没有结果,线条只连接相邻的点。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 11 项基准测试中,Gemini 4 Argon 领先 10 项,Kimi K2.6 领先 1 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)Kimi K2.6 (thinking)领先者
BenchLeader Index65.359.3Gemini 4 Argon
Arena Text15221461†Gemini 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)Kimi K2.6 (thinking)
每百万 token 混合价格(截至 2026年11月30日)$4.00$1.71
每百万 token 输入 / 输出$2.00 / $10.00$0.950 / $4.00
自 2026年12月1日 起每百万 token 混合价格$8.00$1.71
自 2026年12月1日 起每百万 token 输入 / 输出$4.00 / $20.00$0.950 / $4.00
每百万 token 缓存输入$0.100$0.160
每项任务价格:聊天回复$0.0038$0.0016
每项任务价格:总结一份 30 页的报告$0.030$0.014
每项任务价格:代码编辑$0.027$0.012
每项任务价格:智能体编程会话$0.160$0.073
每项任务价格:结构化信息提取$0.0060$0.0027
智能体编程会话(输入大多命中缓存)$0.074$0.037
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/s41 tok/s
首次回答时间45.7 秒93.1 秒
完整回答耗时(最近一次测量 2026年11月13日)122.1 秒215.8 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)。Kimi K2.6 (thinking) 得分 59.3,首个回答 token 需 93 秒;Kimi K2.6 为 55.1(1 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 191 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)Kimi K2.6 (thinking)
BenchLeader IndexBenchLeader65.359.3
智能体与工具得分BenchLeader58.658.4
编程得分BenchLeader66.7–
综合得分BenchLeader63.8–
人类偏好得分BenchLeader72.1–
知识得分BenchLeader71.9–
长上下文得分BenchLeader64.565.2
数学得分BenchLeader69.9–
推理得分BenchLeader69.5–
指令遵循得分BenchLeader–74.1
多模态得分BenchLeader–61.7
混合价格(美元/百万 token)BenchLeader$4.00$1.71
输出速度BenchLeader66 tok/s41 tok/s
首次回答时间BenchLeader45.7 秒93.1 秒
上下文窗口BenchLeader1,048,576 token262,144 token
推理
GPQA DiamondEpoch AI Benchmarking Hub96.4%90.8%†
SimpleBenchSimpleBench91.7%†–
Arena Hard PromptsArena (LMArena)15451485†
LiveBench 2.0 ReasoningLiveBench95.1%–
LiveBench 1.0 ReasoningLiveBench–79.4%
GPQA Diamond (AA)Artificial Analysis–91.1%
Humanity's Last Exam (AA)Artificial Analysis57.1%37.5%
HLE-Diamond (AA)Artificial Analysis56.7%–
GPQA Diamond (Vals)Vals AI–89.1%†
ARC-AGI-1ARC Prize98.5%–
ARC-AGI-2ARC Prize91.3%–
ARC-AGI-3ARC Prize97.3%–
CritPtArtificial Analysis27.1%8.0%
CritPt v2 hard subset (AA)Artificial Analysis52.5%–
MysteryMechanismVals AI45.5%–
HLE-Diamond (Scale)Scale AI SEAL53.2%†–
Arena ExpertArena (LMArena)15491503†
Chess PuzzlesEpoch AI Benchmarking Hub59.0%20.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub64.0%18.0%†
LMCAEpoch AI Benchmarking Hub63.7%37.3%†
DTBenchEpoch AI Benchmarking Hub97.3%90.9%†
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub–76.7%†
SciCodeSciCode61.8%53.5%†
WeirdMLWeirdML–55.9%†
FrontierCodeCognition47.5%†–
显示全部 191 项基准测试
指标发布方Gemini 4 Argon (high)Kimi K2.6 (thinking)
编程
Arena CodingArena (LMArena)15531516†
Arena WebDevArena (LMArena)16811509†
LiveBench 2.0 CodingLiveBench85.7%–
LiveBench 1.0 CodingLiveBench–78.6%
SciCode (AA)Artificial Analysis61.8%51.5%
LiveCodeBenchVals AI–86.8%†
IOIVals AI100.0%–
SWE-bench (Vals)Vals AI–76.2%†
Code MigrationVals AI68.2%27.8%†
Code Migration v1.1Vals AI70.8%–
ProgramBenchVals AI2.5%0.0%†
SWE-bench MultimodalVals AI56.0%–
Vibe Code Bench 1-100Vals AI21.2%–
Vibe Code Bench v1.1Vals AI91.9%37.9%†
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%–
CursorBenchCursor52.9%–
ALE-BenchEpoch AI Benchmarking Hub2100.11092.7†
FrontierSWEEpoch AI Benchmarking Hub55.0%–
WeirdML v3WeirdML20.3%–
Terminal-Bench 4.0 (AA)Artificial Analysis57.1%0.5%
Terminal-Bench 2.1 (AA)Artificial Analysis–65.9%
GameBench 2 OverallDuelLab GameBench 281.7†–
GameBench 2 by reasoning settingDuelLab GameBench 289.2–
Design Arena WebsiteDesign Arena1316†1263†
FrontierCode 1.1 (AA)Artificial Analysis43.5%–
FrontierCode 2.0 (AA)Artificial Analysis25.7%–
智能体与工具
Terminal-BenchTerminal-Bench55.5%–
OSWorld-Verified 2.0OSWorld–4.6%†
Remote Labor IndexScale AI / CAIS17.1%†–
APEX-AgentsMercor82.4%†–
Arena AgentArena (LMArena)10.7–
LiveBench Long AgenticLiveBench58.5%–
LiveBench BrowserLiveBench82.8%–
LiveBench Agentic CodingLiveBench–46.9%
Terminal-Bench HardArtificial Analysis–43.9%
τ²-Bench Telecom (AA)Artificial Analysis–95.9%
Terminal-Bench 2.1 (Vals)Vals AI57.7%53.6%†
MCP AtlasScale AI SEAL90.7%†–
HiL-BenchScale AI SEAL62.0%†18.7%†
GDPval-AA v2.1, normalised scoreArtificial Analysis56.2%–
GDPval-AA v2.1Artificial Analysis16341046
τ³-Banking (AA)Artificial Analysis–23.3%
ITBench SRE (AA)Artificial Analysis–31.2%
Analyst Agent (AA)Artificial Analysis48.8%–
APEX-Agents (AA)Artificial Analysis–28.5%
CUA-benchVals AI4.8%–
CyberBenchVals AI77.9%–
Finance Agent v2Vals AI65.4%44.9%†
Finance Agent v2.1Vals AI67.7%–
Harvey's Legal Agent Benchmark v1.1Vals AI27.1%–
Harvey's Legal Agent Benchmark v1Vals AI19.6%1.7%†
Legal Research BenchVals AI54.8%15.9%†
Robo-benchVals AI0.8%–
SREBenchVals AI44.3%–
Tax Agent BenchVals AI49.2%12.4%†
Terminal-Bench 2.0 (Vals)Vals AI–57.3%†
Terminal-Bench 4.0 (Vals)Vals AI57.6%–
Terminal-Bench ScienceVals AI44.3%–
Time Horizon Index: KSPVals AI52.5%–
Arena Agent Task CompletionArena (LMArena)13.2–
PostTrainBenchEpoch AI Benchmarking Hub40.4%–
ExploitBenchEpoch AI Benchmarking Hub–18.4%†
GBAEvalEpoch AI Benchmarking Hub–0.9%†
Vending-Bench 2Andon Labs13718.2†6204.6†
AutomationBenchArtificial Analysis77.5%13.0%
GDP.pdf (AA)Artificial Analysis21.8%13.0%
Harvey LAB-AA v1.1Harvey3.9%–
EnterpriseOps-GymArtificial Analysis–38.5%
AA-Briefcase v1.1Artificial Analysis1485821
GDPxGDPx by SemiAnalysis7.3%–
Design Arena AgenticDesign Arena1274†1158†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis52.9%–
MKA (AA)Artificial Analysis51.3%–
FACTS SearchGoogle89.9%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub86.0%57.2%†
FrontierMath Tier 4Epoch AI Benchmarking Hub78.0%25.6%†
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%96.1%†
ProofBenchVals AI99.0%†16.0%†
LiveBench MathematicsLiveBench–84.3%
AIME 2026MathArena–95.8%†
HMMT February 2026MathArena–94.7%†
USAMO 2026MathArena–51.2%†
MathArena ApexMathArena–24.0%†
ArXivMathMathArena84.4%–
BrokenArXivMathArena47.9%–
Arena MathsArena (LMArena)15361479†
FrontierMath ErdősEpoch AI Benchmarking Hub1.5%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub76.0%34.9%†
LiveBench 2.0 Data AnalysisLiveBench85.2%–
LiveBench ResearchLiveBench86.8%–
LiveBench 1.0 Data AnalysisLiveBench–65.1%
AA-Omniscience v1.1Artificial Analysis46.1–
MMLU-ProVals AI–87.6%†
LegalBenchVals AI88.3%84.7%†
CorpFinVals AI–66.7%†
TaxEvalVals AI–74.7%†
PRBench FinanceScale AI SEAL49.9%†–
PRBench LegalScale AI SEAL49.4%†–
BioMysteryBenchVals AI76.3%–
CaseLaw v2Vals AI–61.2%†
Excel Modeling BenchmarkVals AI75.2%57.9%†
Excel Modeling Benchmark v1.1Vals AI74.8%–
MedCodeVals AI58.8%40.1%†
MedScribeVals AI87.4%78.2%†
Public Benefits Bench v1.1Vals AI69.8%56.6%†
Access to Justice BenchmarkVals AI68.5%–
Financial Coaching BenchVals AI73.1%–
Immigration BenchVals AI68.1%–
DrugDiscoveryBenchScale AI SEAL65.4%–
EBR-benchEpoch AI Benchmarking Hub64.8%2.4%†
GDP.pdfEpoch AI Benchmarking Hub28.4%12.0%†
AA-Omniscience v1.1: accuracyArtificial Analysis48.3%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis95.7%–
HealthBench Professional (AA)OpenAI55.0%–
FACTS ParametricGoogle72.2%†–
指令遵循
LiveBench LanguageLiveBench–75.1%
LiveBench Instruction FollowingLiveBench–64.4%
IFBenchArtificial Analysis–76.0%
MultiChallengeScale AI SEAL78.7%†–
Arena Instruction FollowingArena (LMArena)15281456†
人类偏好
Arena TextArena (LMArena)15221461†
EQ-Bench 4EQ-Bench1236†1191†
EQ-Bench Creative Writing v3EQ-Bench1758†1721†
Arena Creative WritingArena (LMArena)15231432†
Arena Multi-turnArena (LMArena)15451462†
Arena Longer QueriesArena (LMArena)15441478†
多模态
Arena VisionArena (LMArena)–1282†
LiveBench DesignLiveBench69.2%–
MMMU-ProArtificial Analysis88.3%†79.4%
MMMU-Pro (Vals)Vals AI–86.3%†
MortgageTaxVals AI–65.8%†
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%†3.9%†
Furniture AssemblyEpoch AI Benchmarking Hub72.5%21.7%†
VIALS-AAHandshake AI59.6%–
Code2Video-AAArtificial Analysis1259–
AA-3DArtificial Analysis1147–
FACTS MultimodalGoogle54.2%†–
长上下文
AA-LCR v1.1Artificial Analysis79.7%81.0%
Arena DocumentArena (LMArena)–1450†
MLCRArtificial Analysis13.9%11.1%
FACTS GroundingGoogle73.3%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub166.5†151.6†
LiveBench 2.0LiveBench77.7%–
LiveBench 1.0LiveBench–70.5%
AA Intelligence Index v5.0.1Artificial Analysis50.4–
AA Intelligence Index v4.3.2Artificial Analysis52.627.0
AA Progress Index v1Artificial Analysis341.8284.4
Vals IndexVals AI69.4–
Vals Finance IndexVals AI66.0%–
Vals RSI IndexVals AI30.6%–
Vals Science IndexVals AI55.4%–
Vals Multimodal IndexVals AI–56.4%†
Vals Router IndexVals AI69.2%†–
Vals Legal IndexVals AI76.8%–
安全与诚实
DistressBenchScale AI SEAL68.6%†–
元数据
AA Openness IndexArtificial Analysis–33.3

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…)。
  • Gemini 4 Argon (high):1 项新结果(Terminal-Bench)。
  • Kimi K2.6 (thinking):2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Gemini 4 Argon (high):1 项分数修订。
  • Gemini 4 Argon (high):BenchLeader Index 65.9 → 65.3。
  • Kimi K2.6 (thinking):BenchLeader Index 59.8 → 59.3。
  • 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。
  • Gemini 4 Argon (high):4 项分数修订。
  • Gemini 4 Argon (high):1 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 Kimi K2.6:常见问题

Gemini 4 Argon 比 Kimi K2.6 更好吗?
质量上 Gemini 4 Argon (high) 领先:65.3 比 59.3。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 Kimi K2.6 哪个更便宜?价格会变吗?
目前 Kimi K2.6 更便宜:每百万 token $1.71 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。
Gemini 4 Argon 和 Kimi K2.6 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 Kimi K2.6 更好?
两者在智能体任务方面持平(类别得分 59 比 58)。
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,Kimi K2.6 为 262,144 token。
更多问题(3)
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 93.1 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 Kimi K2.6 的看法一致吗?
在两者都有结果的 11 项基准测试中,Gemini 4 Argon 领先 10 项,Kimi K2.6 领先 1 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。