BenchLeader

Gemini 4 Carbon vs GPT-6 Astra

完整资料:Gemini 4 Carbon(Google)和 GPT-6 Astra(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,Gemini 4 Carbon 与 GPT-6 Astra 的质量不相上下(BenchLeader Index 68.9 比 67.3,在 ±3.6 的误差范围内)。Gemini 4 Carbon 更便宜,对方的价格是它的 5.0 倍(每百万 token 混合价格 $4.00 比 $20.00)。在两者都有成绩的所有类别中,Gemini 4 Carbon 均领先。Gemini 4 Carbon 输出更快(约 1.5 倍)。

要点(截至 2026年11月16日)

  • Gemini 4 Carbon 的 BenchLeader Index 为 68.9,GPT-6 Astra 为 67.3(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 Astra 每百万 token 混合价格为 $20.00(标价,2026年11月16日)。
  • Gemini 4 Carbon 比 GPT-6 Astra 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 64 项基准测试中,Gemini 4 Carbon 领先 43 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Gemini 4 Carbon 的评分为 1768,GPT-6 Astra 为 1764(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
编程均可类别得分 74 比 73;Arena WebDev 1768 比 1764均可
智能体与工具调用Gemini 4 Carbon类别得分 70 比 64;Terminal-Bench 64.5% 比 60.3%中
数学Gemini 4 Carbon类别得分 72 比 71;FrontierMath Tiers 1–3 90.5% 比 93.7%中
推理均可类别得分 73 比 72;GPQA Diamond 96.5% 比 95.8%均可
知识Gemini 4 Carbon类别得分 76 比 72;SimpleQA Verified 77.7% 比 75.6%中
长文档均可类别得分 64 比 65;AA-LCR v1.1 79.3% 比 80.7%均可
对话质量(人类偏好)Gemini 4 CarbonArena 投票 73 比 66中
成本最低Gemini 4 Carbon每百万 token 混合价格 $4.00 比 $20.00;智能体编程会话 $0.160 比 $0.800–
首次回答最快Gemini 4 Carbon首个回答 token 73.5 秒(Gemini 4 Carbon (high))比 198.4 秒(GPT-6 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 Astra (max) 的质量不相上下(68.9 比 67.3,在 ±3.6 的误差范围内)。
  • Gemini 4 Carbon (high) 在智能体与工具、编程、人类偏好、知识、数学、推理方面更强。
  • GPT-6 Astra (max) 在综合、长上下文方面更强。
  • Gemini 4 Carbon (high) 更便宜,对方的价格是它的 5.0 倍(每百万 token 混合价格 $4.00 比 $20.00)。
  • Gemini 4 Carbon (high) 的输出速度是对方的 1.5 倍(64 比 41 token/秒)。

概览

规格Gemini 4 CarbonGPT-6 Astra
提供商GoogleOpenAI
发布日期2026年10月28日2026年9月2日
上下文窗口(token)1,048,5761,050,000
对比时的配置Gemini 4 Carbon (high)GPT-6 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$10.00 / $50.00 / $1.00

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 Astra (max)领先者
推理73.272.4持平
编程74.173.2持平
智能体与工具70.363.9Gemini 4 Carbon
数学71.970.8Gemini 4 Carbon
知识76.172.3Gemini 4 Carbon
人类偏好72.666.2Gemini 4 Carbon
多模态–65.6无法比较
长上下文64.365.0持平
综合70.371.3GPT-6 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 Astra, 推理: 72.4GPT-6 Astra, 编程: 73.2GPT-6 Astra, 智能体与工具: 63.9GPT-6 Astra, 数学: 70.8GPT-6 Astra, 知识: 72.3GPT-6 Astra, 长上下文: 65.0GPT-6 Astra, 人类偏好: 66.2

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 43 项,GPT-6 Astra 领先 18 项,3 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 Astra (max)领先者
BenchLeader Index68.967.3不相上下
AA Intelligence Index v5.0.160.056.9Gemini 4 Carbon
Vals Index70.565.0Gemini 4 Carbon
Arena Text15261474Gemini 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 Astra (max)
每百万 token 混合价格$4.00$20.00
每百万 token 输入 / 输出$2.00 / $10.00$10.00 / $50.00
每百万 token 缓存输入$0.100$1.00
每项任务价格:聊天回复$0.0038$0.019
每项任务价格:总结一份 30 页的报告$0.030$0.150
每项任务价格:代码编辑$0.027$0.135
每项任务价格:智能体编程会话$0.160$0.800
每项任务价格:结构化信息提取$0.0060$0.030
智能体编程会话(输入大多命中缓存)$0.074$0.395
每项基准测试任务成本(AA Index)$5.48$6.24
每项任务输出 token(AA Index)123k52k
其中推理部分72k36k
每项任务耗时(AA Index)32 min21 min
输出速度64 tok/s41 tok/s
首次回答时间73.5 秒198.4 秒
完整回答耗时(最近一次测量 2026年11月13日)160.6 秒533.7 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 Astra (max) 上花费 $6.24;完成同样的工作,Gemini 4 Carbon (high) 输出的 token 是对方的 2.4 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 Astra (max) 得分 67.3,首个回答 token 需 198 秒;GPT-6 Astra 为 66.4(5 秒),GPT-6 Astra (high) 为 66.3(49 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 176 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 Astra (max)
BenchLeader IndexBenchLeader68.967.3
智能体与工具得分BenchLeader70.363.9
编程得分BenchLeader74.173.2
综合得分BenchLeader70.371.3
人类偏好得分BenchLeader72.666.2
知识得分BenchLeader76.172.3
长上下文得分BenchLeader64.365.0
数学得分BenchLeader71.970.8
推理得分BenchLeader73.272.4
多模态得分BenchLeader–65.6
混合价格(美元/百万 token)BenchLeader$4.00$20.00
输出速度BenchLeader64 tok/s41 tok/s
首次回答时间BenchLeader73.5 秒198.4 秒
上下文窗口BenchLeader1,048,576 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub96.5%95.8%
Humanity's Last ExamScale AI / CAIS–54.8%†
SimpleBenchSimpleBench92.6%†83.6%†
Arena Hard PromptsArena (LMArena)15471500
LiveBench 2.0 ReasoningLiveBench90.6%92.7%
LiveBench 1.0 ReasoningLiveBench–92.7%
GPQA Diamond (AA)Artificial Analysis–96.1%
Humanity's Last Exam (AA)Artificial Analysis–54.7%
HLE-Diamond (AA)Artificial Analysis69.1%63.8%
ARC-AGI-1ARC Prize97.5%97.5%
ARC-AGI-2ARC Prize92.1%95.0%
ARC-AGI-3ARC Prize96.9%98.6%
CritPtArtificial Analysis–31.7%
CritPt v2 hard subset (AA)Artificial Analysis69.0%70.5%
MysteryMechanismVals AI–53.1%
HLE-Diamond (Scale)Scale AI SEAL–60.6%†
Arena ExpertArena (LMArena)15671517
Chess PuzzlesEpoch AI Benchmarking Hub78.0%74.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub73.0%84.0%
LMCAEpoch AI Benchmarking Hub–64.1%†
DTBenchEpoch AI Benchmarking Hub–97.1%†
ForecastBenchForecastBench–66.6%†
BTF-3Epoch AI Benchmarking Hub–13.5%†
编程
SciCodeSciCode64.2%56.5%
WeirdMLWeirdML–93.3%
显示全部 176 项基准测试
指标发布方Gemini 4 Carbon (high)GPT-6 Astra (max)
编程
FrontierCodeCognition–53.3%
GSO-BenchGSO-Bench–79.4%†
Arena CodingArena (LMArena)15681548
Arena WebDevArena (LMArena)17681764
LiveBench 2.0 CodingLiveBench91.0%87.5%
LiveBench 1.0 CodingLiveBench–80.4%
SciCode (AA)Artificial Analysis–56.5%
IOIVals AI–100.0%
Code MigrationVals AI–67.7%
Code Migration v1.1Vals AI–80.6%
ProgramBenchVals AI–5.5%
SWE-bench MultimodalVals AI–43.3%
Vibe Code Bench 1-100Vals AI–27.6%
Vibe Code Bench v1.1Vals AI89.1%89.6%
Vibe Code Bench 1-100 v1.1Vals AI49.7%–
SWE Atlas v1.0: Codebase QnAScale AI SEAL–59.1%†
SWE Atlas v1.0: RefactoringScale AI SEAL–59.0%†
SWE Atlas v1.0: Test WritingScale AI SEAL–50.7%†
SWE Atlas v1.1Scale AI SEAL71.4%†69.4%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL73.4%†70.2%†
SWE Atlas v1.1: Test WritingScale AI SEAL76.7%†66.7%†
SWE Atlas v1.1: RefactoringScale AI SEAL64.3%†71.4%†
SWE-Bench Pro V2Scale AI SEAL–96.9%†
SWE-Bench Pro V2 HARDScale AI SEAL–90.2%†
MirrorCodeEpoch AI Benchmarking Hub–60.0%
DeepSWE v1.1Epoch AI Benchmarking Hub–73.2%
CursorBenchCursor60.4%–
ALE-BenchEpoch AI Benchmarking Hub–2951.3
FrontierSWEEpoch AI Benchmarking Hub61.2%65.5%
WeirdML v3WeirdML–42.2%†
Terminal-Bench 4.0 (AA)Artificial Analysis65.2%59.1%
Terminal-Bench 2.1 (AA)Artificial Analysis–88.4%
Startrise FrontendStartrise–79.9%†
GameBench 2 OverallDuelLab GameBench 2–88.8†
GameBench 2 by reasoning settingDuelLab GameBench 2–94.3†
Design Arena WebsiteDesign Arena1319†1338
FrontierCode 1.1 (AA)Artificial Analysis–47.0%
FrontierCode 2.0 (AA)Artificial Analysis40.6%42.4%
智能体与工具
Terminal-BenchTerminal-Bench64.5%60.3%
Remote Labor IndexScale AI / CAIS–20.8%†
APEX-AgentsMercor84.2%†64.7%†
Arena AgentArena (LMArena)1714.5
LiveBench Long AgenticLiveBench72.7%75.6%
LiveBench BrowserLiveBench80.0%91.3%
LiveBench Agentic CodingLiveBench–57.3%
Terminal-Bench 2.1 (Vals)Vals AI–87.3%
HiL-BenchScale AI SEAL50.3%†65.3%†
GDPval-AA v2.1, normalised scoreArtificial Analysis–53.7%
GDPval-AA v2.1Artificial Analysis17331587
τ³-Banking (AA)Artificial Analysis–41.4%
ITBench SRE (AA)Artificial Analysis–48.6%
Analyst Agent (AA)Artificial Analysis–51.3%
CUA-benchVals AI–19.2%
CyberBenchVals AI–41.1%
Finance Agent v2Vals AI–53.5%
Finance Agent v2.1Vals AI67.2%60.4%
Harvey's Legal Agent Benchmark v1.1Vals AI17.5%7.1%
Harvey's Legal Agent Benchmark v1Vals AI–5.4%
Legal Research BenchVals AI55.8%39.4%
Robo-benchVals AI–23.3%
SREBenchVals AI–56.9%
Tax Agent BenchVals AI51.8%20.7%
Terminal-Bench 4.0 (Vals)Vals AI63.1%59.6%
Terminal-Bench ScienceVals AI–62.9%
Time Horizon Index: KSPVals AI–90.5%
Arena SearchArena (LMArena)–1245
Arena Agent Task CompletionArena (LMArena)18.414
BALROGBALROG–68.3%
PostTrainBenchEpoch AI Benchmarking Hub–41.9%
Vending-Bench 2Andon Labs16484.2†15514.7†
SpireClimbEpoch AI Benchmarking Hub–34.0%
AutomationBenchArtificial Analysis77.8%68.5%
GDP.pdf (AA)Artificial Analysis28.4%31.0%
Harvey LAB-AA v1.1Harvey–8.6%
AA-Briefcase v1.1Artificial Analysis16111569
GDPxGDPx by SemiAnalysis10.9%9.6%
Design Arena AgenticDesign Arena1305†1405
RoboDojo (LLM as robot policy)RoboDojo–29.0†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis64.8%63.3%
CWE-Bench (AA)Artificial Analysis–63.3%
DeepSec-Bench (AA)Artificial Analysis–36.9%
CyberGym end-to-end (AA)Artificial Analysis–0.0%
MKA (AA)Artificial Analysis54.3%50.2%
FACTS SearchGoogle94.4%†93.3%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub90.5%93.7%
FrontierMath Tier 4Epoch AI Benchmarking Hub95.1%97.6%
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%100.0%
ProofBenchVals AI–99.0%†
LiveBench MathematicsLiveBench–96.8%
ArXivMathMathArena94.3%–
BrokenArXivMathArena84.4%–
Arena MathsArena (LMArena)–1481
FrontierMath ErdősEpoch AI Benchmarking Hub2.9%2.9%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub77.7%75.6%
LiveBench 2.0 Data AnalysisLiveBench86.5%83.0%
LiveBench ResearchLiveBench92.5%90.6%
LiveBench 1.0 Data AnalysisLiveBench–83.0%
AA-Omniscience v1.1Artificial Analysis53.542.4
PRBench FinanceScale AI SEAL–47.5%†
PRBench LegalScale AI SEAL53.4%†48.4%†
BioMysteryBenchVals AI–79.3%
Excel Modeling BenchmarkVals AI–71.7%
Excel Modeling Benchmark v1.1Vals AI76.5%72.7%
MedCodeVals AI–48.5%
MedScribeVals AI–87.9%
Financial Coaching BenchVals AI–67.5%
Immigration BenchVals AI–67.7%
DrugDiscoveryBenchScale AI SEAL71.5%68.7%
EBR-benchEpoch AI Benchmarking Hub87.6%76.2%
GDP.pdfEpoch AI Benchmarking Hub–34.2%
AA-Omniscience v1.1: accuracyArtificial Analysis58.3%61.6%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis88.6%50.2%
HealthBench Professional (AA)OpenAI–66.0%
FACTS ParametricGoogle81.6%†83.8%†
指令遵循
LiveBench LanguageLiveBench–89.4%
LiveBench Instruction FollowingLiveBench–75.6%
Arena Instruction FollowingArena (LMArena)15251474
人类偏好
Arena TextArena (LMArena)15261474
EQ-Bench Creative Writing v3EQ-Bench–2177†
Arena Creative WritingArena (LMArena)15161451
Arena Multi-turnArena (LMArena)15641483
Arena Longer QueriesArena (LMArena)15381485
多模态
Arena VisionArena (LMArena)–1279
LiveBench DesignLiveBench80.2%80.0%
MMMU-ProArtificial Analysis89.3%†86.9%
Humanity's Sixth SenseScale AI SEAL71.1%53.6%
Blueprint-Bench 2Epoch AI Benchmarking Hub58.6%†49.7%†
Furniture AssemblyEpoch AI Benchmarking Hub77.5%80.0%
VIALS-AAHandshake AI64.0%62.7%
Code2Video-AAArtificial Analysis–1427
AA-3DArtificial Analysis–1168
FACTS MultimodalGoogle60.2%†55.2%†
长上下文
AA-LCR v1.1Artificial Analysis79.3%80.7%
Arena DocumentArena (LMArena)–1474
MLCRArtificial Analysis19.4%41.7%
FACTS GroundingGoogle77.2%†80.1%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub169.8†169†
LiveBench 2.0LiveBench83.5%84.5%
LiveBench 1.0LiveBench–82.2%
AA Intelligence Index v5.0.1Artificial Analysis60.056.9
AA Intelligence Index v4.3.2Artificial Analysis–52.7
AA Progress Index v1Artificial Analysis350.8349.6
Vals IndexVals AI70.565.0
Vals Finance IndexVals AI67.0%55.6%
Vals RSI IndexVals AI27.7%27.1%
Vals Science IndexVals AI–65.1%
Vals Router IndexVals AI–65.0%†
Vals Legal IndexVals AI75.9%68.4%
AA Cyber IndexArtificial Analysis–33.4
安全与诚实
FORTRESSScale AI SEAL16.4%†12.1%†
DistressBenchScale AI SEAL–74.3%†

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 Carbon (high):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • GPT-6 Astra (max):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Gemini 4 Carbon (high):BenchLeader Index 69.9 → 68.9。
  • Gemini 4 Carbon (high):1 项新结果(Terminal-Bench)。
  • GPT-6 Astra (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 Astra (max):1 项新结果(PostTrainBench);2 项分数修订。
  • 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…)。
  • GPT-6 Astra (max):1 项新结果(MirrorCode);1 项分数修订。

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 Astra:常见问题

Gemini 4 Carbon 比 GPT-6 Astra 更好吗?
Gemini 4 Carbon (high) 与 GPT-6 Astra (max) 的质量不相上下(68.9 比 67.3,在 ±3.6 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16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 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 $20.00(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 Astra 更好?
两者在编程方面持平(类别得分 74 比 73)。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 Astra 为 1764。
Gemini 4 Carbon 和 GPT-6 Astra 哪个更快?
Gemini 4 Carbon 输出更快(约 1.5 倍;输出 64 比 41 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 Astra 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 Astra 为 60.3%。
更多问题(4)
处理长文档哪个更好?
两者在长上下文基准测试上持平(64 比 65)。两者都约为 1.1M token(Gemini 4 Carbon 为 1,048,576,GPT-6 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 73.5 秒比 198.4 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 Astra 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 43 项,GPT-6 Astra 领先 18 项,3 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。