BenchLeader

Gemini 4 Argon vs Kimi K3

完整资料:Gemini 4 Argon(Google)和 Kimi K3(Moonshot AI),包括全部基准测试、价格和排名。

更新于 · 数据来自 17 个来源

截至 2026年11月16日,质量上 Gemini 4 Argon 领先 Kimi K3(BenchLeader Index 65.3 比 60.7)。Gemini 4 Argon 更便宜,对方的价格是它的 1.5 倍(每百万 token 混合价格 $4.00 比 $6.00)。看重知识(72 比 66)、智能体与工具(59 比 54)和编程(67 比 62)选 Gemini 4 Argon;看重数学(72 比 70)选 Kimi K3。Kimi K3 的首次回答更快(0.8 秒 比 45.7 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16日)

  • Gemini 4 Argon 的 BenchLeader Index 为 65.3,Kimi K3 为 60.7(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 K3 每百万 token 混合价格为 $6.00(标价,2026年11月16日)。
  • 在两者都有结果的 4 项基准测试中,Gemini 4 Argon 领先 3 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
编程Gemini 4 Argon类别得分 67 比 62;SciCode 61.8% 比 58.7%中
智能体与工具调用Gemini 4 Argon类别得分 59 比 54;Terminal-Bench 2.1 (Vals) 57.7% 比 80.9%中
数学Kimi K3类别得分 72 比 70中
知识Gemini 4 Argon类别得分 72 比 66中
对话质量(人类偏好)Gemini 4 ArgonArena 投票 72 比 69中
成本最低Gemini 4 Argon(截至 2026年11月30日)每百万 token 混合价格 $4.00 比 $6.00;智能体编程会话 $0.160 比 $0.240;2026年12月1日 起:$8.00 比 $6.00–
首次回答最快Kimi K3首个回答 token 0.8 秒(Kimi K3)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 60.7。
  • Gemini 4 Argon (high) 在智能体与工具、编程、人类偏好、知识方面更强。
  • Kimi K3 在数学方面更强。
  • 截至 2026年11月30日,Gemini 4 Argon (high) 更便宜,对方的价格是它的 1.5 倍(每百万 token 混合价格 $4.00 比 $6.00);自 2026年12月1日 起为 $8.00 比 $6.00。

概览

规格Gemini 4 ArgonKimi K3
提供商GoogleMoonshot AI
发布日期2026年9月30日2026年7月16日
正式发布2026年10月13日2026年7月16日
上下文窗口(token)1,048,5761,048,576
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 K3
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$3.00 / $15.00 / $0.300
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 K3领先者
推理69.5–无法比较
编程66.761.8Gemini 4 Argon
智能体与工具58.653.5Gemini 4 Argon
数学69.971.5Kimi K3
知识71.966.1Gemini 4 Argon
人类偏好72.168.6Gemini 4 Argon
长上下文64.5–无法比较
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编程智能体与工具数学知识人类偏好Gemini 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, 人类偏好: 72.1Kimi K3, 编程: 61.8Kimi K3, 智能体与工具: 53.5Kimi K3, 数学: 71.5Kimi K3, 知识: 66.1Kimi K3, 人类偏好: 68.6

未绘制(测得的模型少于两个):推理, 指令遵循, 长上下文, 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 4 项基准测试中,Gemini 4 Argon 领先 3 项,Kimi K3 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 K3领先者
BenchLeader Index65.360.7Gemini 4 Argon
AA Intelligence Index v5.0.150.417.4†Gemini 4 Argon
Vals Index69.453.0†Gemini 4 Argon
Arena Text15221487†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 K3
每百万 token 混合价格(截至 2026年11月30日)$4.00$6.00
每百万 token 输入 / 输出$2.00 / $10.00$3.00 / $15.00
自 2026年12月1日 起每百万 token 混合价格$8.00$6.00
自 2026年12月1日 起每百万 token 输入 / 输出$4.00 / $20.00$3.00 / $15.00
每百万 token 缓存输入$0.100$0.300
每项任务价格:聊天回复$0.0038$0.0057
每项任务价格:总结一份 30 页的报告$0.030$0.045
每项任务价格:代码编辑$0.027$0.041
每项任务价格:智能体编程会话$0.160$0.240
每项任务价格:结构化信息提取$0.0060$0.0090
智能体编程会话(输入大多命中缓存)$0.074$0.118
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/s76 tok/s
首次回答时间45.7 秒0.8 秒
完整回答耗时(最近一次测量 2026年11月13日)122.1 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 K3 得分 60.7,首个回答 token 需 1 秒;Kimi K3 (max) 为 60.2(55 秒),Kimi K3 (low) 为 53.6(8 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 190 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 K3
BenchLeader IndexBenchLeader65.360.7
智能体与工具得分BenchLeader58.653.5
编程得分BenchLeader66.761.8
综合得分BenchLeader63.8–
人类偏好得分BenchLeader72.168.6
知识得分BenchLeader71.966.1
长上下文得分BenchLeader64.5–
数学得分BenchLeader69.971.5
推理得分BenchLeader69.5–
混合价格(美元/百万 token)BenchLeader$4.00$6.00
输出速度BenchLeader66 tok/s76 tok/s
首次回答时间BenchLeader45.7 秒0.8 秒
上下文窗口BenchLeader1,048,576 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub96.4%93.1%†
SimpleBenchSimpleBench91.7%†60.7%†
Arena Hard PromptsArena (LMArena)15451516†
LiveBench 2.0 ReasoningLiveBench95.1%90.7%†
LiveBench 1.0 ReasoningLiveBench–90.7%
GPQA Diamond (AA)Artificial Analysis–93.5%†
Humanity's Last Exam (AA)Artificial Analysis57.1%46.9%†
HLE-Diamond (AA)Artificial Analysis56.7%26.9%†
GPQA Diamond (Vals)Vals AI–92.9%
ARC-AGI-1ARC Prize98.5%94.5%†
ARC-AGI-2ARC Prize91.3%60.4%†
ARC-AGI-3ARC Prize97.3%–
CritPtArtificial Analysis27.1%23.4%†
CritPt v2 hard subset (AA)Artificial Analysis52.5%40.5%†
MysteryMechanismVals AI45.5%–
HLE-Diamond (Scale)Scale AI SEAL53.2%†22.2%
Arena ExpertArena (LMArena)15491528†
Chess PuzzlesEpoch AI Benchmarking Hub59.0%36.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub64.0%26.0%†
LMCAEpoch AI Benchmarking Hub63.7%52.7%†
DTBenchEpoch AI Benchmarking Hub97.3%91.2%†
ForecastBenchForecastBench–64.2%†
编程
SciCodeSciCode61.8%58.7%
WeirdMLWeirdML–82.6%†
FrontierCodeCognition47.5%†44.2%
显示全部 190 项基准测试
指标发布方Gemini 4 Argon (high)Kimi K3
编程
Arena CodingArena (LMArena)15531538†
Arena WebDevArena (LMArena)16811658†
LiveBench 2.0 CodingLiveBench85.7%53.1%†
LiveBench 1.0 CodingLiveBench–81.5%
SciCode (AA)Artificial Analysis61.8%59.5%†
LiveCodeBenchVals AI–87.2%†
IOIVals AI100.0%48.9%†
SWE-bench (Vals)Vals AI–93.4%
Code MigrationVals AI68.2%16.1%†
Code Migration v1.1Vals AI70.8%28.6%†
ProgramBenchVals AI2.5%2.0%
SWE-bench MultimodalVals AI56.0%44.2%†
Vibe Code Bench 1-100Vals AI21.2%18.2%†
Vibe Code Bench v1.1Vals AI91.9%85.0%†
SWE Atlas v1.1Scale AI SEAL70.1%†61.0%
SWE Atlas v1.1: Codebase QnAScale AI SEAL65.3%†65.3%
SWE Atlas v1.1: Test WritingScale AI SEAL77.8%†63.3%
SWE Atlas v1.1: RefactoringScale AI SEAL67.1%†54.3%
SWE-Bench Pro V2Scale AI SEAL99.2%97.7%†
SWE-Bench Pro V2 HARDScale AI SEAL92.2%88.2%†
MirrorCodeEpoch AI Benchmarking Hub58.9%54.4%†
Surface Evolver BenchEpoch AI Benchmarking Hub–95.0%
DeepSWE v1.1Epoch AI Benchmarking Hub–68.5%†
CursorBenchCursor52.9%–
ALE-BenchEpoch AI Benchmarking Hub2100.11524.5†
FrontierSWEEpoch AI Benchmarking Hub55.0%25.9%†
WeirdML v3WeirdML20.3%7.5%†
Terminal-Bench 4.0 (AA)Artificial Analysis57.1%12.6%†
Terminal-Bench 2.1 (AA)Artificial Analysis–85.0%†
Startrise FrontendStartrise–79.8%
GameBench 2 OverallDuelLab GameBench 281.7†48.0
GameBench 2 by reasoning settingDuelLab GameBench 289.245.7†
Design Arena WebsiteDesign Arena1316†1336
FrontierCode 1.1 (AA)Artificial Analysis43.5%43.6%†
FrontierCode 2.0 (AA)Artificial Analysis25.7%10.9%†
智能体与工具
Terminal-BenchTerminal-Bench55.5%23.0%†
Remote Labor IndexScale AI / CAIS17.1%†–
APEX-AgentsMercor82.4%†47.8%
Arena AgentArena (LMArena)10.70.6†
LiveBench Long AgenticLiveBench58.5%36.0%†
LiveBench BrowserLiveBench82.8%75.2%†
LiveBench Agentic CodingLiveBench–62.2%
Terminal-Bench 2.1 (Vals)Vals AI57.7%80.9%
MCP AtlasScale AI SEAL90.7%†82.3%†
HiL-BenchScale AI SEAL62.0%†42.7%
τ³-bench Bankingτ²-bench–37.1%†
GDPval-AA v2.1, normalised scoreArtificial Analysis56.2%–
GDPval-AA v2.1Artificial Analysis16341542†
τ³-Banking (AA)Artificial Analysis–46.0%†
ITBench SRE (AA)Artificial Analysis–47.7%†
Analyst Agent (AA)Artificial Analysis48.8%38.8%†
APEX-Agents (AA)Artificial Analysis–41.3%†
CUA-benchVals AI4.8%–
CyberBenchVals AI77.9%75.2%†
Finance Agent v2Vals AI65.4%53.1%†
Finance Agent v2.1Vals AI67.7%60.0%†
Harvey's Legal Agent Benchmark v1.1Vals AI27.1%12.9%†
Harvey's Legal Agent Benchmark v1Vals AI19.6%12.9%†
Legal Research BenchVals AI54.8%46.1%†
Robo-benchVals AI0.8%–
SREBenchVals AI44.3%–
Tax Agent BenchVals AI49.2%33.4%†
Terminal-Bench 4.0 (Vals)Vals AI57.6%17.2%†
Terminal-Bench ScienceVals AI44.3%1.4%†
Time Horizon Index: KSPVals AI52.5%10.5%†
Arena Agent Task CompletionArena (LMArena)13.23.4†
PostTrainBenchEpoch AI Benchmarking Hub40.4%31.5%
GBAEvalEpoch AI Benchmarking Hub–48.4%
Vending-Bench 2Andon Labs13718.2†5165.0
AutomationBenchArtificial Analysis77.5%58.3%†
GDP.pdf (AA)Artificial Analysis21.8%22.0%†
Harvey LAB-AA v1.1Harvey3.9%5.3%†
EnterpriseOps-GymArtificial Analysis–45.3%†
AA-Briefcase v1.1Artificial Analysis14851497†
GDPxGDPx by SemiAnalysis7.3%3.7%†
Design Arena AgenticDesign Arena1274†1261
Terminal-Bench-Science 0.1 (AA)Artificial Analysis52.9%8.1%†
CWE-Bench (AA)Artificial Analysis–53.3%†
DeepSec-Bench (AA)Artificial Analysis–12.4%†
CyberGym end-to-end (AA)Artificial Analysis–58.0%†
MKA (AA)Artificial Analysis51.3%–
FACTS SearchGoogle89.9%†90.3%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub86.0%72.2%†
FrontierMath Tier 4Epoch AI Benchmarking Hub78.0%39.0%†
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%97.2%†
ProofBenchVals AI99.0%†87.0%
LiveBench MathematicsLiveBench–84.4%
AIME 2026MathArena–96.7%†
HMMT February 2026MathArena–97.0%†
MathArena ApexMathArena–65.6%†
ArXivMathMathArena84.4%–
BrokenArXivMathArena47.9%–
Arena MathsArena (LMArena)15361502†
FrontierMath ErdősEpoch AI Benchmarking Hub1.5%0.0%†
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub76.0%50.6%†
LiveBench 2.0 Data AnalysisLiveBench85.2%78.7%†
LiveBench ResearchLiveBench86.8%79.8%†
LiveBench 1.0 Data AnalysisLiveBench–78.7%
AA-Omniscience v1.1Artificial Analysis46.1-1.7†
MMLU-ProVals AI–88.0%†
LegalBenchVals AI88.3%86.2%†
CorpFinVals AI–71.6%
TaxEvalVals AI–75.7%
PRBench FinanceScale AI SEAL49.9%†–
PRBench LegalScale AI SEAL49.4%†–
BioMysteryBenchVals AI76.3%72.6%†
Excel Modeling BenchmarkVals AI75.2%66.7%†
Excel Modeling Benchmark v1.1Vals AI74.8%71.3%†
MedCodeVals AI58.8%49.4%†
MedScribeVals AI87.4%88.0%†
Public Benefits Bench v1.1Vals AI69.8%68.2%†
Access to Justice BenchmarkVals AI68.5%68.2%†
Financial Coaching BenchVals AI73.1%74.5%†
Immigration BenchVals AI68.1%68.3%†
DrugDiscoveryBenchScale AI SEAL65.4%–
EBR-benchEpoch AI Benchmarking Hub64.8%–
GDP.pdfEpoch AI Benchmarking Hub28.4%19.0%†
AA-Omniscience v1.1: accuracyArtificial Analysis48.3%42.4%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis95.7%23.4%†
HealthBench Professional (AA)OpenAI55.0%53.2%†
FACTS ParametricGoogle72.2%†–
指令遵循
LiveBench LanguageLiveBench–85.5%
LiveBench Instruction FollowingLiveBench–71.4%
MultiChallengeScale AI SEAL78.7%†–
Arena Instruction FollowingArena (LMArena)15281489†
人类偏好
Arena TextArena (LMArena)15221487†
EQ-Bench 4EQ-Bench1236†1319
EQ-Bench Creative Writing v3EQ-Bench1758†2083
Arena Creative WritingArena (LMArena)15231459†
Arena Multi-turnArena (LMArena)15451502†
Arena Longer QueriesArena (LMArena)15441500†
多模态
LiveBench DesignLiveBench69.2%72.5%†
MMMU-ProArtificial Analysis88.3%†80.5%†
MMMU-Pro (Vals)Vals AI–88.2%
MortgageTaxVals AI–66.3%
SAGEVals AI89.5%86.8%†
AudioMCScale AI SEAL58.4%–
AudioMC (text output)Scale AI SEAL58.4%–
Humanity's Sixth SenseScale AI SEAL55.4%25.5%†
Blueprint-Bench 2Epoch AI Benchmarking Hub54.5%†29.5%
Furniture AssemblyEpoch AI Benchmarking Hub72.5%34.2%†
VIALS-AAHandshake AI59.6%–
Code2Video-AAArtificial Analysis12591041†
AA-3DArtificial Analysis1147984†
FACTS MultimodalGoogle54.2%†–
长上下文
AA-LCR v1.1Artificial Analysis79.7%88.7%†
MLCRArtificial Analysis13.9%21.7%†
FACTS GroundingGoogle73.3%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub166.5†158.6
LiveBench 2.0LiveBench77.7%65.0%†
LiveBench 1.0LiveBench–79.2%
AA Intelligence Index v5.0.1Artificial Analysis50.417.4†
AA Intelligence Index v4.3.2Artificial Analysis52.643.6†
AA Progress Index v1Artificial Analysis341.8319.9†
Vals IndexVals AI69.453.0†
Vals Finance IndexVals AI66.0%58.0%†
Vals RSI IndexVals AI30.6%20.9%†
Vals Science IndexVals AI55.4%–
Vals Multimodal IndexVals AI–73.4%
Vals Router IndexVals AI69.2%†53.0%
Vals Legal IndexVals AI76.8%71.7%†
AA Cyber IndexArtificial Analysis–41.3†
安全与诚实
FORTRESSScale AI SEAL–27.3%
DistressBenchScale AI SEAL68.6%†73.5%
元数据
AA Openness IndexArtificial Analysis–38.9†

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)。
  • Kimi K3:BenchLeader Index 59.1 → 60.7。
  • 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)。
  • 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。
  • Kimi K3:1 项分数修订。
  • Gemini 4 Argon (high):4 项分数修订。
  • Kimi K3:4 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 K3:常见问题

Gemini 4 Argon 比 Kimi K3 更好吗?
质量上 Gemini 4 Argon (high) 领先:65.3 比 60.7。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 K3 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 $6.00(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 Kimi K3 更好?
Gemini 4 Argon 在编程方面得分更高(类别得分 67 比 62,50 为平均水平)。在两者共同的最主要编程基准测试 SciCode 上,Gemini 4 Argon 为 61.8%,Kimi K3 为 58.7%。
Gemini 4 Argon 和 Kimi K3 哪个更快?
Kimi K3 输出更快(输出 76 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 Kimi K3 更好?
Gemini 4 Argon 在智能体任务方面得分更高(类别得分 59 比 54,50 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 2.1 (Vals) 上,Gemini 4 Argon 为 57.7%,Kimi K3 为 80.9%。
更多问题(4)
处理长文档哪个更好?
两者都支持 1,048,576 token 的上下文。
哪个延迟更低?
Kimi K3 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 0.8 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 Kimi K3 的看法一致吗?
在两者都有结果的 4 项基准测试中,Gemini 4 Argon 领先 3 项,Kimi K3 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。