BenchLeader

Gemini 4 Carbon vs GPT-6.1 Sol

完整资料:Gemini 4 Carbon(Google)和 GPT-6.1 Sol(OpenAI),包括全部基准测试、价格和排名。

更新于 · 数据来自 14 个来源

截至 2026年11月16日,质量上 Gemini 4 Carbon 领先 GPT-6.1 Sol(BenchLeader Index 68.9 比 66.6)。两者价格相近(每百万 token 混合价格 $4.00 比 $4.00)。看重智能体与工具(70 比 64)、人类偏好(73 比 67)和知识(76 比 72)选 Gemini 4 Carbon;看重长上下文(66 比 64)选 GPT-6.1 Sol。Gemini 4 Carbon 的首次回答更快(73.5 秒 比 166.7 秒)。Gemini 4 Carbon 的输出更快。

要点(截至 2026年11月16日)

  • Gemini 4 Carbon 的 BenchLeader Index 为 68.9,GPT-6.1 Sol 为 66.6(BenchLeader,2026年11月16日)。
  • Gemini 4 Carbon 每百万 token 混合价格为 $4.00(标价,2026年11月16日)。
  • GPT-6.1 Sol 每百万 token 混合价格为 $4.00(标价,2026年11月16日)。
  • Gemini 4 Carbon 比 GPT-6.1 Sol 输出更快(Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 64 项基准测试中,Gemini 4 Carbon 领先 49 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Gemini 4 Carbon 的评分为 1768,GPT-6.1 Sol 为 1743(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 Carbon类别得分 74 比 71;Arena WebDev 1768 比 1743中
智能体与工具调用Gemini 4 Carbon类别得分 70 比 64;Terminal-Bench 64.5% 比 60.9%中
数学均可类别得分 72 比 72;FrontierMath Tiers 1–3 90.5% 比 93.7%均可
推理Gemini 4 Carbon类别得分 73 比 71;GPQA Diamond 96.5% 比 95.4%中
知识Gemini 4 Carbon类别得分 76 比 72;SimpleQA Verified 77.7% 比 73.9%中
长文档GPT-6.1 Sol类别得分 66 比 64;AA-LCR v1.1 83.0% 比 79.3%中
对话质量(人类偏好)Gemini 4 CarbonArena 投票 73 比 67中
成本最低均可每百万 token 混合价格 $4.00 比 $4.00;智能体编程会话 $0.160 比 $0.160–
首次回答最快Gemini 4 Carbon首个回答 token 73.5 秒(Gemini 4 Carbon (high))比 166.7 秒(GPT-6.1 Sol (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

  • 质量上 Gemini 4 Carbon (high) 领先:68.9 比 66.6。
  • Gemini 4 Carbon (high) 在智能体与工具、编程、综合、人类偏好、知识、数学、推理方面更强。
  • GPT-6.1 Sol (max) 在长上下文方面更强。
  • 两者价格相近(每百万 token 混合价格 $4.00)。

概览

规格Gemini 4 CarbonGPT-6.1 Sol
提供商GoogleOpenAI
发布日期2026年10月28日2026年9月29日
上下文窗口(token)1,048,5761,050,000
对比时的配置Gemini 4 Carbon (high)GPT-6.1 Sol (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$2.00 / $10.00 / $0.100

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 Carbon (high)GPT-6.1 Sol (max)领先者
推理73.271.4Gemini 4 Carbon
编程74.171.1Gemini 4 Carbon
智能体与工具70.364.3Gemini 4 Carbon
数学71.971.6持平
知识76.171.5Gemini 4 Carbon
人类偏好72.667.1Gemini 4 Carbon
多模态–65.6无法比较
长上下文64.366.2GPT-6.1 Sol
综合70.367.9Gemini 4 Carbon

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 Carbon, 推理: 73.2Gemini 4 Carbon, 编程: 74.1Gemini 4 Carbon, 智能体与工具: 70.3Gemini 4 Carbon, 数学: 71.9Gemini 4 Carbon, 知识: 76.1Gemini 4 Carbon, 长上下文: 64.3Gemini 4 Carbon, 人类偏好: 72.6GPT-6.1 Sol, 推理: 71.4GPT-6.1 Sol, 编程: 71.1GPT-6.1 Sol, 智能体与工具: 64.3GPT-6.1 Sol, 数学: 71.6GPT-6.1 Sol, 知识: 71.5GPT-6.1 Sol, 长上下文: 66.2GPT-6.1 Sol, 人类偏好: 67.1

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 64 项基准测试中,Gemini 4 Carbon 领先 49 项,GPT-6.1 Sol 领先 14 项,1 项持平。所有同时评测两者的综合评分都认为 Gemini 4 Carbon 更强。

综合 IndexGemini 4 Carbon (high)GPT-6.1 Sol (max)领先者
BenchLeader Index68.966.6Gemini 4 Carbon
AA Intelligence Index v5.0.160.054.6Gemini 4 Carbon
Vals Index70.563.9Gemini 4 Carbon
Arena Text15261481Gemini 4 Carbon

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 Carbon (high)GPT-6.1 Sol (max)
每百万 token 混合价格$4.00$4.00
每百万 token 输入 / 输出$2.00 / $10.00$2.00 / $10.00
每百万 token 缓存输入$0.100$0.100
每项任务价格:聊天回复$0.0038$0.0038
每项任务价格:总结一份 30 页的报告$0.030$0.030
每项任务价格:代码编辑$0.027$0.027
每项任务价格:智能体编程会话$0.160$0.160
每项任务价格:结构化信息提取$0.0060$0.0060
智能体编程会话(输入大多命中缓存)$0.074$0.074
每项基准测试任务成本(AA Index)$5.48$1.27
每项任务输出 token(AA Index)123k68k
其中推理部分72k49k
每项任务耗时(AA Index)32 min23 min
输出速度64 tok/s50 tok/s
首次回答时间73.5 秒166.7 秒
完整回答耗时(最近一次测量 2026年11月13日)160.6 秒429.6 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 Carbon (high) 上花费 $5.48,在 GPT-6.1 Sol (max) 上花费 $1.27;完成同样的工作,Gemini 4 Carbon (high) 输出的 token 是对方的 1.8 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 Carbon (high) 得分 68.9,首个回答 token 需 73 秒;Gemini 4 Carbon (medium) 为 65.8(21 秒),Gemini 4 Carbon (low) 为 60.1(11 秒)。GPT-6.1 Sol (max) 得分 66.6,首个回答 token 需 167 秒;GPT-6.1 Sol (xhigh) 为 63.6(68 秒),GPT-6.1 Sol (high) 为 63.4(33 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 154 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 Carbon (high)GPT-6.1 Sol (max)
BenchLeader IndexBenchLeader68.966.6
智能体与工具得分BenchLeader70.364.3
编程得分BenchLeader74.171.1
综合得分BenchLeader70.367.9
人类偏好得分BenchLeader72.667.1
知识得分BenchLeader76.171.5
长上下文得分BenchLeader64.366.2
数学得分BenchLeader71.971.6
推理得分BenchLeader73.271.4
多模态得分BenchLeader–65.6
混合价格(美元/百万 token)BenchLeader$4.00$4.00
输出速度BenchLeader64 tok/s50 tok/s
首次回答时间BenchLeader73.5 秒166.7 秒
上下文窗口BenchLeader1,048,576 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub96.5%95.4%
SimpleBenchSimpleBench92.6%†82.9%†
Arena Hard PromptsArena (LMArena)15471505
LiveBench 2.0 ReasoningLiveBench90.6%92.6%
LiveBench 1.0 ReasoningLiveBench–92.6%
Humanity's Last Exam (AA)Artificial Analysis–52.9%
HLE-Diamond (AA)Artificial Analysis69.1%58.8%
ARC-AGI-1ARC Prize97.5%96.5%
ARC-AGI-2ARC Prize92.1%94.2%
ARC-AGI-3ARC Prize96.9%96.2%
CritPtArtificial Analysis–31.7%
CritPt v2 hard subset (AA)Artificial Analysis69.0%69.5%
MysteryMechanismVals AI–46.4%
Arena ExpertArena (LMArena)15671525
Chess PuzzlesEpoch AI Benchmarking Hub78.0%68.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub73.0%80.0%
LMCAEpoch AI Benchmarking Hub–62.8%
DTBenchEpoch AI Benchmarking Hub–96.5%
编程
SciCodeSciCode64.2%54.2%
FrontierCodeCognition–50.2%†
Arena CodingArena (LMArena)15681540
Arena WebDevArena (LMArena)17681743
LiveBench 2.0 CodingLiveBench91.0%82.1%
LiveBench 1.0 CodingLiveBench–80.4%
SciCode (AA)Artificial Analysis–54.2%
显示全部 154 项基准测试
指标发布方Gemini 4 Carbon (high)GPT-6.1 Sol (max)
编程
IOIVals AI–96.9%
Code MigrationVals AI–65.1%
Code Migration v1.1Vals AI–77.3%
ProgramBenchVals AI–3.0%
SWE-bench MultimodalVals AI–43.5%
Vibe Code Bench v1.1Vals AI89.1%88.9%
Vibe Code Bench 1-100 v1.1Vals AI49.7%–
SWE Atlas v1.1Scale AI SEAL71.4%†65.9%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL73.4%†71.0%†
SWE Atlas v1.1: Test WritingScale AI SEAL76.7%†66.7%†
SWE Atlas v1.1: RefactoringScale AI SEAL64.3%†60.0%†
SWE-Bench Pro V2Scale AI SEAL–96.1%†
MirrorCodeEpoch AI Benchmarking Hub–61.1%
CursorBenchCursor60.4%–
ALE-BenchEpoch AI Benchmarking Hub–2743.8
FrontierSWEEpoch AI Benchmarking Hub61.2%–
WeirdML v3WeirdML–38.3%†
Terminal-Bench 4.0 (AA)Artificial Analysis65.2%56.1%
Startrise FrontendStartrise–78.6%†
GameBench 2 OverallDuelLab GameBench 2–84.9†
GameBench 2 by reasoning settingDuelLab GameBench 2–92.0†
Design Arena WebsiteDesign Arena1319†1315†
FrontierCode 1.1 (AA)Artificial Analysis–49.1%
FrontierCode 2.0 (AA)Artificial Analysis40.6%40.6%
智能体与工具
Terminal-BenchTerminal-Bench64.5%60.9%
APEX-AgentsMercor84.2%†60.0%
Arena AgentArena (LMArena)1712.5
LiveBench Long AgenticLiveBench72.7%65.6%
LiveBench BrowserLiveBench80.0%93.3%
LiveBench Agentic CodingLiveBench–54.5%
HiL-BenchScale AI SEAL50.3%†62.3%†
GDPval-AA v2.1, normalised scoreArtificial Analysis–54.8%
GDPval-AA v2.1Artificial Analysis17331607
Analyst Agent (AA)Artificial Analysis–50.0%
CyberBenchVals AI–39.3%
Finance Agent v2Vals AI–52.0%
Finance Agent v2.1Vals AI67.2%61.8%
Harvey's Legal Agent Benchmark v1.1Vals AI17.5%6.3%
Harvey's Legal Agent Benchmark v1Vals AI–5.4%
Legal Research BenchVals AI55.8%38.5%
Robo-benchVals AI–28.3%
SREBenchVals AI–50.8%
Tax Agent BenchVals AI51.8%21.8%
Terminal-Bench 4.0 (Vals)Vals AI63.1%55.0%
Terminal-Bench ScienceVals AI–52.9%
Arena SearchArena (LMArena)–1249
Arena Agent Task CompletionArena (LMArena)18.411.7
PostTrainBenchEpoch AI Benchmarking Hub–38.8%
Vending-Bench 2Andon Labs16484.2†12860.6†
SpireClimbEpoch AI Benchmarking Hub–23.8%
AutomationBenchArtificial Analysis77.8%64.9%
GDP.pdf (AA)Artificial Analysis28.4%31.0%
Harvey LAB-AA v1.1Harvey–6.9%
AA-Briefcase v1.1Artificial Analysis16111555
GDPxGDPx by SemiAnalysis10.9%8.4%
Design Arena AgenticDesign Arena1305†1375
Terminal-Bench-Science 0.1 (AA)Artificial Analysis64.8%58.1%
MKA (AA)Artificial Analysis54.3%47.7%
FACTS SearchGoogle94.4%†92.8%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub90.5%93.7%
FrontierMath Tier 4Epoch AI Benchmarking Hub95.1%100.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%100.0%
ProofBenchVals AI–99.0%†
LiveBench MathematicsLiveBench–96.8%
ArXivMathMathArena94.3%92.8%
BrokenArXivMathArena84.4%83.1%
Arena MathsArena (LMArena)–1499
FrontierMath ErdősEpoch AI Benchmarking Hub2.9%4.4%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub77.7%73.9%
LiveBench 2.0 Data AnalysisLiveBench86.5%82.7%
LiveBench ResearchLiveBench92.5%90.0%
LiveBench 1.0 Data AnalysisLiveBench–82.7%
AA-Omniscience v1.1Artificial Analysis53.542.0
PRBench FinanceScale AI SEAL–46.2%†
PRBench LegalScale AI SEAL53.4%†47.9%†
BioMysteryBenchVals AI–79.6%
ClaimBenchVals AI–100.0%
Excel Modeling BenchmarkVals AI–70.8%
Excel Modeling Benchmark v1.1Vals AI76.5%71.1%
MedCodeVals AI–48.8%
MedScribeVals AI–86.5%
Public Benefits Bench v1.1Vals AI–59.3%
Access to Justice BenchmarkVals AI–65.8%
Financial Coaching BenchVals AI–68.5%
Immigration BenchVals AI–67.8%
DrugDiscoveryBenchScale AI SEAL71.5%–
EBR-benchEpoch AI Benchmarking Hub87.6%54.3%
GDP.pdfEpoch AI Benchmarking Hub–35.0%
AA-Omniscience v1.1: accuracyArtificial Analysis58.3%61.8%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis88.6%48.1%
HealthBench Professional (AA)OpenAI–65.1%
FACTS ParametricGoogle81.6%†83.8%†
指令遵循
LiveBench LanguageLiveBench–90.1%
LiveBench Instruction FollowingLiveBench–74.2%
MultiChallengeScale AI SEAL–82.0%†
Arena Instruction FollowingArena (LMArena)15251482
人类偏好
Arena TextArena (LMArena)15261481
EQ-Bench 4EQ-Bench–1272†
Arena Creative WritingArena (LMArena)15161449
Arena Multi-turnArena (LMArena)15641486
Arena Longer QueriesArena (LMArena)15381488
多模态
Arena VisionArena (LMArena)–1286
LiveBench DesignLiveBench80.2%79.6%
MMMU-ProArtificial Analysis89.3%†86.0%
SAGEVals AI–90.5%
Humanity's Sixth SenseScale AI SEAL71.1%46.6%
Blueprint-Bench 2Epoch AI Benchmarking Hub58.6%†43.2%†
Furniture AssemblyEpoch AI Benchmarking Hub77.5%80.0%
VIALS-AAHandshake AI64.0%59.0%
Code2Video-AAArtificial Analysis–1369
AA-3DArtificial Analysis–1121
FACTS MultimodalGoogle60.2%†52.6%†
长上下文
AA-LCR v1.1Artificial Analysis79.3%83.0%
MLCRArtificial Analysis19.4%38.3%
FACTS GroundingGoogle77.2%†78.0%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub169.8†168.5†
LiveBench 2.0LiveBench83.5%81.4%
LiveBench 1.0LiveBench–81.6%
AA Intelligence Index v5.0.1Artificial Analysis60.054.6
AA Intelligence Index v4.3.2Artificial Analysis–51.8
AA Progress Index v1Artificial Analysis350.8348.5
Vals IndexVals AI70.563.9
Vals Finance IndexVals AI67.0%55.8%
Vals RSI IndexVals AI27.7%26.6%
Vals Science IndexVals AI–59.6%
Vals Router IndexVals AI–63.9%†
Vals Legal IndexVals AI75.9%68.7%
安全与诚实
FORTRESSScale AI SEAL16.4%†–
DistressBenchScale AI SEAL–74.2%†

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 Carbon (high):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • GPT-6.1 Sol (max):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…);1 项分数修订。
  • Gemini 4 Carbon (high):BenchLeader Index 69.9 → 68.9。
  • Gemini 4 Carbon (high):1 项新结果(Terminal-Bench)。
  • GPT-6.1 Sol (max):1 项分数修订。
  • GPT-6.1 Sol (max):1 项分数修订。
  • Gemini 4 Carbon (high):1 项新结果(DrugDiscoveryBench);输入价格 $4.00/M → $2.00/M;输出价格 $20.00/M → $10.00/M;价格 $7.76/M → $5.48/M。
  • GPT-6.1 Sol (max):1 项新结果(PostTrainBench)。
  • Gemini 4 Carbon (high):BenchLeader Index 68.5 → 69.9。
  • Gemini 4 Carbon (high):13 项新结果(GPQA Diamond, FrontierMath Tiers 1–3, FrontierMath Tier 4…)。

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 Carbon vs GPT-6.1 Sol:常见问题

Gemini 4 Carbon 比 GPT-6.1 Sol 更好吗?
质量上 Gemini 4 Carbon (high) 领先:68.9 比 66.6。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 Carbon (high) 总体领先,但请结合你的用途查看各类别得分。
Gemini 4 Carbon 和 GPT-6.1 Sol 哪个更便宜?价格会变吗?
两者价格相同:每百万 token 混合价格 $4.00。两者均未公布价格调整。
编程用 Gemini 4 Carbon 还是 GPT-6.1 Sol 更好?
Gemini 4 Carbon 在编程方面得分更高(类别得分 74 比 71,50 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 Carbon 为 1768,GPT-6.1 Sol 为 1743。
Gemini 4 Carbon 和 GPT-6.1 Sol 哪个更快?
Gemini 4 Carbon 输出更快(输出 64 比 50 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Gemini 4 Carbon 还是 GPT-6.1 Sol 更好?
Gemini 4 Carbon 在智能体任务方面得分更高(类别得分 70 比 64,50 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 Carbon 为 64.5%,GPT-6.1 Sol 为 60.9%。
更多问题(4)
处理长文档哪个更好?
GPT-6.1 Sol 在长上下文基准测试上得分更高(66 比 64)。两者都约为 1.1M token(Gemini 4 Carbon 为 1,048,576,GPT-6.1 Sol 为 1,050,000)。
哪个延迟更低?
Gemini 4 Carbon 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 73.5 秒比 166.7 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 Carbon 和 GPT-6.1 Sol 的看法一致吗?
在两者都有结果的 64 项基准测试中,Gemini 4 Carbon 领先 49 项,GPT-6.1 Sol 领先 14 项,1 项持平。所有同时评测两者的综合评分都认为 Gemini 4 Carbon 更强。
Gemini 4 Carbon 是什么时候发布的?
Gemini 4 Carbon 于 2026年10月28日 发布。