BenchLeader

Gemini 4 Carbon vs GPT-6.2 Astra

完整资料:Gemini 4 Carbon(Google)和 GPT-6.2 Astra(OpenAI),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19日,Gemini 4 Carbon 与 GPT-6.2 Astra 的质量不相上下(BenchLeader Index 68.0 比 68.9,在 ±2.9 的误差范围内)。Gemini 4 Carbon 更便宜,对方的价格是它的 4.0 倍(每百万 token 混合价格 $4.00 比 $16.00)。看重智能体与工具(69 比 66)选 Gemini 4 Carbon;看重编程(76 比 73)、推理(73 比 72)和数学(73 比 71)选 GPT-6.2 Astra。Gemini 4 Carbon 的首次回答更快(72.4 秒 比 202.7 秒)。

要点(截至 2026年11月19日)

  • Gemini 4 Carbon 的 BenchLeader Index 为 68.0,GPT-6.2 Astra 为 68.9(BenchLeader,2026年11月19日)。
  • Gemini 4 Carbon 每百万 token 混合价格为 $4.00(标价,2026年11月19日)。
  • GPT-6.2 Astra 每百万 token 混合价格为 $16.00(标价,2026年11月19日)。
  • 在两者都有结果的 51 项基准测试中,GPT-6.2 Astra 领先 30 项(BenchLeader,2026年11月19日)。
  • 在 Arena WebDev 上,Gemini 4 Carbon 的评分为 1769,GPT-6.2 Astra 为 1781(LMArena,截至 2026年11月19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GPT-6.2 Astra类别得分 76 比 73;Arena WebDev 1781 比 1769中
智能体与工具调用Gemini 4 Carbon类别得分 69 比 66;Terminal-Bench 64.5% 比 62.1%中
数学GPT-6.2 Astra类别得分 73 比 71;FrontierMath Tiers 1–3 92.6% 比 90.5%中
推理GPT-6.2 Astra类别得分 73 比 72;GPQA Diamond 96.8% 比 96.5%中
知识均可类别得分 75 比 74;SimpleQA Verified 77.7% 比 78.5%均可
对话质量(人类偏好)–只有 Gemini 4 Carbon 有 Arena 评分(类别得分 73)无法比较
成本最低Gemini 4 Carbon每百万 token 混合价格 $4.00 比 $16.00;智能体编程会话 $0.160 比 $0.640–
首次回答最快Gemini 4 Carbon首个回答 token 72.4 秒(Gemini 4 Carbon (high))比 202.7 秒(GPT-6.2 Astra (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

  • Gemini 4 Carbon (high) 与 GPT-6.2 Astra (max) 的质量不相上下(68.0 比 68.9,在 ±2.9 的误差范围内)。
  • Gemini 4 Carbon (high) 在智能体与工具、知识方面更强。
  • GPT-6.2 Astra (max) 在编程、综合、数学、推理方面更强。
  • Gemini 4 Carbon (high) 更便宜,对方的价格是它的 4.0 倍(每百万 token 混合价格 $4.00 比 $16.00)。

概览

规格Gemini 4 CarbonGPT-6.2 Astra
提供商GoogleOpenAI
发布日期2026年10月28日2026年11月17日
上下文窗口(token)1,048,5761,050,000
对比时的配置Gemini 4 Carbon (high)GPT-6.2 Astra (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$8.00 / $40.00 / $0.400

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-6.2 Astra (max)领先者
推理71.873.1GPT-6.2 Astra
编程72.876.1GPT-6.2 Astra
智能体与工具69.166.4Gemini 4 Carbon
数学71.372.5GPT-6.2 Astra
知识74.774.2持平
人类偏好72.6–无法比较
多模态–71.7无法比较
长上下文64.3–无法比较
综合67.869.5GPT-6.2 Astra

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Gemini 4 Carbon, 推理: 71.8Gemini 4 Carbon, 编程: 72.8Gemini 4 Carbon, 智能体与工具: 69.1Gemini 4 Carbon, 数学: 71.3Gemini 4 Carbon, 知识: 74.7GPT-6.2 Astra, 推理: 73.1GPT-6.2 Astra, 编程: 76.1GPT-6.2 Astra, 智能体与工具: 66.4GPT-6.2 Astra, 数学: 72.5GPT-6.2 Astra, 知识: 74.2

未绘制(测得的模型少于两个):指令遵循, 长上下文, 多模态, 人类偏好。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 51 项基准测试中,Gemini 4 Carbon 领先 18 项,GPT-6.2 Astra 领先 30 项,3 项持平。第三方来源看法不一:Gemini 4 Carbon 在 Vals Index 上领先;GPT-6.2 Astra 在 AA Intelligence Index v5.0.1 上领先。

综合 IndexGemini 4 Carbon (high)GPT-6.2 Astra (max)领先者
BenchLeader Index68.068.9不相上下
AA Intelligence Index v5.0.160.062.1GPT-6.2 Astra
Vals Index70.567.7Gemini 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-6.2 Astra (max)
每百万 token 混合价格$4.00$16.00
每百万 token 输入 / 输出$2.00 / $10.00$8.00 / $40.00
每百万 token 缓存输入$0.100$0.400
每项任务价格:聊天回复$0.0038$0.015
每项任务价格:总结一份 30 页的报告$0.030$0.120
每项任务价格:代码编辑$0.027$0.108
每项任务价格:智能体编程会话$0.160$0.640
每项任务价格:结构化信息提取$0.0060$0.024
智能体编程会话(输入大多命中缓存)$0.074$0.298
每项基准测试任务成本(AA Index)$7.76$4.00
每项任务输出 token(AA Index)123k41k
其中推理部分72k26k
每项任务耗时(AA Index)38 min14 min
输出速度55 tok/s49 tok/s
首次回答时间72.4 秒202.7 秒
完整回答耗时(最近一次测量 2026年11月13日)160.6 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 $7.76,在 GPT-6.2 Astra (max) 上花费 $4.00;完成同样的工作,Gemini 4 Carbon (high) 输出的 token 是对方的 3.0 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 68.0,首个回答 token 需 72 秒;Gemini 4 Carbon (medium) 为 64.7(33 秒),Gemini 4 Carbon (low) 为 59.0(9 秒)。GPT-6.2 Astra (max) 得分 68.9,首个回答 token 需 203 秒;GPT-6.2 Astra (xhigh) 为 67.1(67 秒),GPT-6.2 Astra (medium) 为 65.6(4 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 111 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-6.2 Astra (max)
BenchLeader IndexBenchLeader68.068.9
智能体与工具得分BenchLeader69.166.4
编程得分BenchLeader72.876.1
综合得分BenchLeader67.869.5
人类偏好得分BenchLeader72.6–
知识得分BenchLeader74.774.2
长上下文得分BenchLeader64.3–
数学得分BenchLeader71.372.5
推理得分BenchLeader71.873.1
多模态得分BenchLeader–71.7
混合价格(美元/百万 token)BenchLeader$4.00$16.00
输出速度BenchLeader55 tok/s49 tok/s
首次回答时间BenchLeader72.4 秒202.7 秒
上下文窗口BenchLeader1,048,576 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub96.5%96.8%
SimpleBenchSimpleBench92.6%†–
Arena Hard PromptsArena (LMArena)1546–
LiveBench 2.0 ReasoningLiveBench90.6%91.6%
HLE-Diamond (AA)Artificial Analysis69.1%72.2%
ARC-AGI-1ARC Prize97.5%98.5%
ARC-AGI-2ARC Prize92.1%95.8%
ARC-AGI-3ARC Prize96.9%99.8%
CritPt v2 hard subset (AA)Artificial Analysis69.0%71.5%
MysteryMechanismVals AI–53.1%
HLE-Diamond (Scale)Scale AI SEAL–66.9%†
Arena ExpertArena (LMArena)1566–
Chess PuzzlesEpoch AI Benchmarking Hub78.0%78.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub73.0%95.0%
编程
SciCodeSciCode64.2%–
Arena CodingArena (LMArena)1567–
Arena WebDevArena (LMArena)17691781
LiveBench 2.0 CodingLiveBench91.0%91.9%
Vibe Code Bench v1.1Vals AI89.1%89.9%
Vibe Code Bench 1-100 v1.1Vals AI49.7%55.2%
SWE Atlas v1.1Scale AI SEAL71.5%†60.5%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL73.4%†67.7%†
SWE Atlas v1.1: Test WritingScale AI SEAL76.7%†62.2%†
SWE Atlas v1.1: RefactoringScale AI SEAL64.3%†51.4%†
MirrorCodeEpoch AI Benchmarking Hub–67.8%
显示全部 111 项基准测试
指标发布方Gemini 4 Carbon (high)GPT-6.2 Astra (max)
编程
CursorBenchCursor60.4%–
ALE-BenchEpoch AI Benchmarking Hub2374.7–
FrontierSWEEpoch AI Benchmarking Hub61.2%–
Terminal-Bench 4.0 (AA)Artificial Analysis65.2%64.1%
Design Arena WebsiteDesign Arena1304†1339†
FrontierCode 2.0 (AA)Artificial Analysis40.6%45.4%
智能体与工具
Terminal-BenchTerminal-Bench64.5%62.1%
APEX-AgentsMercor84.2%†–
Arena AgentArena (LMArena)16.115.2
LiveBench Long AgenticLiveBench71.8%70.8%
LiveBench BrowserLiveBench80.0%93.0%
HiL-BenchScale AI SEAL50.3%†–
GDPval-AA v2.1Artificial Analysis1733–
Analyst Agent (AA)Artificial Analysis–62.5%
Finance Agent v2.1Vals AI67.2%60.8%
Harvey's Legal Agent Benchmark v1.1Vals AI17.5%16.3%
Legal Research BenchVals AI55.8%42.8%
Robo-benchVals AI–32.7%
Tax Agent BenchVals AI51.8%21.8%
Terminal-Bench 4.0 (Vals)Vals AI63.1%63.1%
Terminal-Bench ScienceVals AI–71.4%
Arena Agent Task CompletionArena (LMArena)17.212.4
PostTrainBenchEpoch AI Benchmarking Hub41.0%–
Vending-Bench 2Andon Labs16484.2†–
SpireClimbEpoch AI Benchmarking Hub–41.3%
AutomationBenchArtificial Analysis77.8%77.3%
GDP.pdf (AA)Artificial Analysis28.4%29.8%
Harvey LAB-AA v1.1Harvey–15.0%
EnterpriseOps-GymArtificial Analysis–29.9%
AA-Briefcase v1.1Artificial Analysis16111643
GDPxGDPx by SemiAnalysis10.9%–
Design Arena AgenticDesign Arena1304†1304
Terminal-Bench-Science 0.1 (AA)Artificial Analysis64.8%78.1%
CWE-Bench (AA)Artificial Analysis–65.0%
DeepSec-Bench (AA)Artificial Analysis–46.8%
CyberGym end-to-end (AA)Artificial Analysis–0.0%
MKA (AA)Artificial Analysis54.3%52.7%
FACTS SearchGoogle94.4%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub90.5%92.6%
FrontierMath Tier 4Epoch AI Benchmarking Hub95.1%100.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%100.0%
ArXivMathMathArena94.3%–
BrokenArXivMathArena84.4%–
Autoform-HardVals AI71.4%87.5%
FrontierMath ErdősEpoch AI Benchmarking Hub2.9%10.3%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub77.7%78.5%
LiveBench 2.0 Data AnalysisLiveBench86.5%84.1%
LiveBench ResearchLiveBench92.5%91.5%
AA-Omniscience v1.1Artificial Analysis53.550
PRBench LegalScale AI SEAL53.4%†43.1%†
BioMysteryBenchVals AI–80.7%
Excel Modeling Benchmark v1.1Vals AI76.5%76.0%
DrugDiscoveryBenchScale AI SEAL71.5%65.5%†
EBR-benchEpoch AI Benchmarking Hub87.6%92.4%
GDP.pdfEpoch AI Benchmarking Hub56.4%–
AA-Omniscience v1.1: accuracyArtificial Analysis58.3%68.6%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis88.6%40.9%
FACTS ParametricGoogle81.6%†–
指令遵循
MultiChallengeScale AI SEAL–73.2%†
Arena Instruction FollowingArena (LMArena)1524–
人类偏好
Arena TextArena (LMArena)1526–
Arena Creative WritingArena (LMArena)1515–
Arena Multi-turnArena (LMArena)1563–
Arena Longer QueriesArena (LMArena)1537–
多模态
LiveBench DesignLiveBench80.2%82.8%
MMMU-ProArtificial Analysis89.3%†89.5%
Humanity's Sixth SenseScale AI SEAL71.1%63.2%†
Blueprint-Bench 2Epoch AI Benchmarking Hub58.6%†–
Furniture AssemblyEpoch AI Benchmarking Hub77.5%89.2%
VIALS-AAHandshake AI64.0%65.8%
AA-3DArtificial Analysis–1318
FACTS MultimodalGoogle60.2%†–
长上下文
AA-LCR v1.1Artificial Analysis79.3%–
MLCRArtificial Analysis19.4%39.4%
FACTS GroundingGoogle77.2%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub169.8†174.2†
LiveBench 2.0LiveBench83.3%84.9%
AA Intelligence Index v5.0.1Artificial Analysis60.062.1
AA Progress Index v1Artificial Analysis350.8–
Vals IndexVals AI70.567.7
Vals Finance IndexVals AI67.0%57.3%
Vals RSI IndexVals AI27.7%29.0%
Vals Science IndexVals AI–68.4%
Vals Legal IndexVals AI75.9%69.7%
AA Cyber IndexArtificial Analysis–37.3
安全与诚实
FORTRESSScale AI SEAL16.4%†–

数据截至 2026年11月19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。

变化

  • GPT-6.2 Astra (max):BenchLeader Index 67.8 → 68.9。
  • Gemini 4 Carbon (high):2 项分数修订;价格 $4.90/M → $7.76/M。
  • GPT-6.2 Astra (max):6 项新结果(VIALS-AA, Arena WebDev, Arena Agent…)。
  • GPT-6.2 Astra (max):BenchLeader Index 67.2 → 67.8。
  • Gemini 4 Carbon (high):价格 $5.48/M → $4.90/M。
  • GPT-6.2 Astra (max):2 项新结果(MKA (AA), Terminal-Bench)。
  • Gemini 4 Carbon (high):BenchLeader Index 68.9 → 68.3。
  • Gemini 4 Carbon (high):3 项新结果(PostTrainBench, ALE-Bench, GDP.pdf)。
  • Gemini 4 Carbon (high):2 项分数修订。
  • Gemini 4 Carbon (high):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。

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-6.2 Astra:常见问题

Gemini 4 Carbon 比 GPT-6.2 Astra 更好吗?
Gemini 4 Carbon (high) 与 GPT-6.2 Astra (max) 的质量不相上下(68.0 比 68.9,在 ±2.9 的误差范围内)。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月19日,两者差距在误差范围内,请结合你的用途查看各类别得分。
Gemini 4 Carbon 和 GPT-6.2 Astra 哪个更便宜?价格会变吗?
目前 Gemini 4 Carbon 更便宜:每百万 token $4.00 比 $16.00(按每 1 个输出 token 对应 3 个输入 token 混合计算)。两者均未公布价格调整。
编程用 Gemini 4 Carbon 还是 GPT-6.2 Astra 更好?
GPT-6.2 Astra 在编程方面得分更高(类别得分 76 比 73,50 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 1769,GPT-6.2 Astra 为 1781。
Gemini 4 Carbon 和 GPT-6.2 Astra 哪个更快?
Gemini 4 Carbon 输出更快(输出 55 比 49 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Gemini 4 Carbon 还是 GPT-6.2 Astra 更好?
Gemini 4 Carbon 在智能体任务方面得分更高(类别得分 69 比 66,50 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-6.2 Astra 为 62.1%。
更多问题(4)
处理长文档哪个更好?
两者都约为 1.1M token(Gemini 4 Carbon 为 1,048,576,GPT-6.2 Astra 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 72.4 秒比 202.7 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-6.2 Astra 的看法一致吗?
在两者都有结果的 51 项基准测试中,Gemini 4 Carbon 领先 18 项,GPT-6.2 Astra 领先 30 项,3 项持平。第三方来源看法不一:Gemini 4 Carbon 在 Vals Index 上领先;GPT-6.2 Astra 在 AA Intelligence Index v5.0.1 上领先。
GPT-6.2 Astra 是什么时候发布的?
GPT-6.2 Astra 于 2026年11月17日 发布。