BenchLeader

Gemini 4 Carbon vs Qwen3.8 Max

完整资料:Gemini 4 Carbon(Google)和 Qwen3.8 Max(Alibaba),包括全部基准测试、价格和排名。

更新于 · 数据来自 16 个来源

截至 2026年11月19日,质量上 Gemini 4 Carbon 领先 Qwen3.8 Max(BenchLeader Index 68.0 比 59.0)。不过,Qwen3.8 Max 更便宜,对方的价格是它的 1.3 倍(每百万 token 混合价格 $3.00 比 $4.00)。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19日)

  • Gemini 4 Carbon 的 BenchLeader Index 为 68.0,Qwen3.8 Max 为 59.0(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)。
  • Qwen3.8 Max 每百万 token 混合价格为 $3.00(标价,2026年11月19日)。
  • Gemini 4 Carbon 比 Qwen3.8 Max 输出更快(约 1.5 倍;Artificial Analysis,7 日中位数,2026年11月19日)。
  • 在两者都有结果的 41 项基准测试中,Gemini 4 Carbon 领先 39 项(BenchLeader,2026年11月19日)。
  • 在 Arena WebDev 上,Gemini 4 Carbon 的评分为 1769,Qwen3.8 Max 为 1675(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Gemini 4 Carbon类别得分 73 比 61;Arena WebDev 1769 比 1675高
智能体与工具调用Gemini 4 Carbon类别得分 69 比 65;Arena Agent 16.1 比 -0.9中
数学Gemini 4 Carbon类别得分 71 比 65中
推理Gemini 4 Carbon类别得分 72 比 51;HLE-Diamond (AA) 69.1% 比 24.0%高
知识Gemini 4 Carbon类别得分 75 比 58;AA-Omniscience v1.1 53.5 比 10.5高
长文档均可类别得分 64 比 65;AA-LCR v1.1 79.3% 比 80.3%均可
对话质量(人类偏好)Gemini 4 CarbonArena 投票 73 比 68中
成本最低Qwen3.8 Max每百万 token 混合价格 $3.00 比 $4.00;智能体编程会话 $0.144 比 $0.160–
首次回答最快均可首个回答 token 72.4 秒(Gemini 4 Carbon (high))比 93.1 秒(Qwen3.8 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:68.0 比 59.0。
  • 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。
  • Qwen3.8 Max 在长上下文方面更强。
  • Qwen3.8 Max 更便宜,对方的价格是它的 1.3 倍(每百万 token 混合价格 $3.00 比 $4.00)。

概览

规格Gemini 4 CarbonQwen3.8 Max
提供商GoogleAlibaba
发布日期2026年10月28日2026年8月3日
上下文窗口(token)1,048,5761,000,000
对比时的配置Gemini 4 Carbon (high)Qwen3.8 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 / $6.00 / $0.250

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)Qwen3.8 Max领先者
推理71.850.9Gemini 4 Carbon
编程72.861.0Gemini 4 Carbon
智能体与工具69.165.0Gemini 4 Carbon
数学71.364.9Gemini 4 Carbon
知识74.758.0Gemini 4 Carbon
人类偏好72.667.5Gemini 4 Carbon
多模态–65.5无法比较
长上下文64.364.8持平
综合67.843.3Gemini 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: 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: 74.7Gemini 4 Carbon, 长上下文: 64.3Gemini 4 Carbon, 人类偏好: 72.6Qwen3.8 Max, 推理: 50.9Qwen3.8 Max, 编程: 61.0Qwen3.8 Max, 智能体与工具: 65.0Qwen3.8 Max, 数学: 64.9Qwen3.8 Max, 知识: 58.0Qwen3.8 Max, 长上下文: 64.8Qwen3.8 Max, 人类偏好: 67.5

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 41 项基准测试中,Gemini 4 Carbon 领先 39 项,Qwen3.8 Max 领先 2 项。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)Qwen3.8 Max领先者
BenchLeader Index68.059.0Gemini 4 Carbon
AA Intelligence Index v5.0.160.033.6Gemini 4 Carbon
Arena Text15261484Gemini 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)Qwen3.8 Max
每百万 token 混合价格$4.00$3.00
每百万 token 输入 / 输出$2.00 / $10.00$2.00 / $6.00
每百万 token 缓存输入$0.100$0.250
每项任务价格:聊天回复$0.0038$0.0026
每项任务价格:总结一份 30 页的报告$0.030$0.028
每项任务价格:代码编辑$0.027$0.021
每项任务价格:智能体编程会话$0.160$0.144
每项任务价格:结构化信息提取$0.0060$0.0052
智能体编程会话(输入大多命中缓存)$0.074$0.065
每项基准测试任务成本(AA Index)$7.76$10.02
每项任务输出 token(AA Index)123k171k
其中推理部分72k120k
每项任务耗时(AA Index)38 min48 min
输出速度55 tok/s60 tok/s
首次回答时间72.4 秒93.1 秒
完整回答耗时(最近一次测量 2026年11月13日)160.6 秒282.4 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 Qwen3.8 Max 上花费 $10.02;完成同样的工作,Qwen3.8 Max 输出的 token 是对方的 1.4 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 68.0,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)。Qwen3.8 Max 得分 59.0,首个回答 token 需 93 秒;Qwen3.8 Max (xhigh) 为 56.4(116 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 161 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)Qwen3.8 Max
BenchLeader IndexBenchLeader68.059.0
智能体与工具得分BenchLeader69.165.0
编程得分BenchLeader72.861.0
综合得分BenchLeader67.843.3
人类偏好得分BenchLeader72.667.5
知识得分BenchLeader74.758.0
长上下文得分BenchLeader64.364.8
数学得分BenchLeader71.364.9
推理得分BenchLeader71.850.9
多模态得分BenchLeader–65.5
混合价格(美元/百万 token)BenchLeader$4.00$3.00
输出速度BenchLeader55 tok/s60 tok/s
首次回答时间BenchLeader72.4 秒93.1 秒
上下文窗口BenchLeader1,048,576 token1,000,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub96.5%92.7%†
SimpleBenchSimpleBench92.6%†–
Arena Hard PromptsArena (LMArena)15461507
LiveBench 2.0 ReasoningLiveBench90.6%88.2%
LiveBench 1.0 ReasoningLiveBench–88.2%
GPQA Diamond (AA)Artificial Analysis–92.8%
Humanity's Last Exam (AA)Artificial Analysis–43.1%
HLE-Diamond (AA)Artificial Analysis69.1%24.0%
GPQA Diamond (Vals)Vals AI–93.7%
ARC-AGI-1ARC Prize97.5%–
ARC-AGI-2ARC Prize92.1%–
ARC-AGI-3ARC Prize96.9%–
CritPtArtificial Analysis–20.0%
CritPt v2 hard subset (AA)Artificial Analysis69.0%29.5%
MysteryMechanismVals AI–23.9%
Arena ExpertArena (LMArena)15661514
Chess PuzzlesEpoch AI Benchmarking Hub78.0%46.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub73.0%38.0%†
LMCAEpoch AI Benchmarking Hub–46.2%†
DTBenchEpoch AI Benchmarking Hub–92.0%†
编程
SciCodeSciCode64.2%53.2%
Arena CodingArena (LMArena)15671525
Arena WebDevArena (LMArena)17691675
LiveBench 2.0 CodingLiveBench91.0%60.9%
LiveBench 1.0 CodingLiveBench–72.9%
显示全部 161 项基准测试
指标发布方Gemini 4 Carbon (high)Qwen3.8 Max
编程
SciCode (AA)Artificial Analysis–53.2%
LiveCodeBenchVals AI–87.8%
IOIVals AI–68.9%
SWE-bench (Vals)Vals AI–85.6%
Code MigrationVals AI–24.0%
ProgramBenchVals AI–0.0%
SWE-bench MultimodalVals AI–42.5%
Vibe Code Bench 1-100Vals AI–12.8%
Vibe Code Bench v1.1Vals AI89.1%64.7%
Vibe Code Bench 1-100 v1.1Vals AI49.7%–
SWE Atlas v1.1Scale AI SEAL71.5%†64.4%
SWE Atlas v1.1: Codebase QnAScale AI SEAL73.4%†81.5%
SWE Atlas v1.1: Test WritingScale AI SEAL76.7%†58.9%
SWE Atlas v1.1: RefactoringScale AI SEAL64.3%†52.9%
MirrorCodeEpoch AI Benchmarking Hub–52.2%†
DeepSWE v1.1Epoch AI Benchmarking Hub–57.5%†
CursorBenchCursor60.4%–
ALE-BenchEpoch AI Benchmarking Hub2374.71679.1†
FrontierSWEEpoch AI Benchmarking Hub61.2%17.8%†
Terminal-Bench 4.0 (AA)Artificial Analysis65.2%38.9%
Terminal-Bench 2.1 (AA)Artificial Analysis–88.8%
Startrise FrontendStartrise–71.3%
GameBench 2 OverallDuelLab GameBench 2–54.2
GameBench 2 by reasoning settingDuelLab GameBench 2–69.6†
Design Arena WebsiteDesign Arena1304†1272
FrontierCode 1.1 (AA)Artificial Analysis–43.2%
FrontierCode 2.0 (AA)Artificial Analysis40.6%23.4%
智能体与工具
Terminal-BenchTerminal-Bench64.5%27.0%†
APEX-AgentsMercor84.2%†63.3%
Arena AgentArena (LMArena)16.1-0.9
LiveBench Long AgenticLiveBench71.8%26.6%
LiveBench BrowserLiveBench80.0%49.4%
LiveBench Agentic CodingLiveBench–64.7%
Terminal-Bench 2.1 (Vals)Vals AI–67.4%
HiL-BenchScale AI SEAL50.3%†–
τ³-bench Bankingτ²-bench–55.1%†
GDPval-AA v2.1, normalised scoreArtificial Analysis–58.3%
GDPval-AA v2.1Artificial Analysis17331674
τ³-Banking (AA)Artificial Analysis–51.3%
ITBench SRE (AA)Artificial Analysis–40.3%
Analyst Agent (AA)Artificial Analysis–45.0%
APEX-Agents (AA)Artificial Analysis–42.4%
CyberBenchVals AI–28.6%
Finance Agent v2Vals AI–50.6%
Finance Agent v2.1Vals AI67.2%–
Harvey's Legal Agent Benchmark v1.1Vals AI17.5%–
Harvey's Legal Agent Benchmark v1Vals AI–10.4%
Legal Research BenchVals AI55.8%47.6%
Robo-benchVals AI–5.2%†
SkillsBenchVals AI–42.0%
Tax Agent BenchVals AI51.8%32.1%
Terminal-Bench 4.0 (Vals)Vals AI63.1%34.3%
Terminal-Bench ScienceVals AI–12.9%
Arena SearchArena (LMArena)–1227
Arena Agent Task CompletionArena (LMArena)17.23.6
PostTrainBenchEpoch AI Benchmarking Hub41.0%–
Vending-Bench 2Andon Labs16484.2†–
AutomationBenchArtificial Analysis77.8%56.2%
GDP.pdf (AA)Artificial Analysis28.4%22.8%
EnterpriseOps-GymArtificial Analysis–47.6%
AA-Briefcase v1.1Artificial Analysis16111604
GDPxGDPx by SemiAnalysis10.9%3.5%†
Design Arena AgenticDesign Arena1304†1255
Terminal-Bench-Science 0.1 (AA)Artificial Analysis64.8%11.9%
MKA (AA)Artificial Analysis54.3%37.4%
FACTS SearchGoogle94.4%†85.0%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub90.5%74.7%†
FrontierMath Tier 4Epoch AI Benchmarking Hub95.1%46.3%†
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%100.0%†
ProofBenchVals AI–58.0%
LiveBench MathematicsLiveBench–91.3%
ArXivMathMathArena94.3%–
BrokenArXivMathArena84.4%–
Autoform-HardVals AI71.4%–
Arena MathsArena (LMArena)–1501
FrontierMath ErdősEpoch AI Benchmarking Hub2.9%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub77.7%47.3%†
LiveBench 2.0 Data AnalysisLiveBench86.5%78.4%
LiveBench ResearchLiveBench92.5%72.8%
LiveBench 1.0 Data AnalysisLiveBench–78.4%
AA-Omniscience v1.1Artificial Analysis53.510.5
MMLU-ProVals AI–88.6%
LegalBenchVals AI–83.6%
CorpFinVals AI–65.8%
TaxEvalVals AI–75.5%
PRBench LegalScale AI SEAL53.4%†–
Excel Modeling BenchmarkVals AI–60.1%
Excel Modeling Benchmark v1.1Vals AI76.5%66.0%
MedCodeVals AI–40.7%
MedScribeVals AI–85.0%
Public Benefits Bench v1.1Vals AI–67.1%
Access to Justice BenchmarkVals AI–76.4%
Financial Coaching BenchVals AI–75.6%
Immigration BenchVals AI–70.1%
DrugDiscoveryBenchScale AI SEAL71.5%–
EBR-benchEpoch AI Benchmarking Hub87.6%–
GDP.pdfEpoch AI Benchmarking Hub56.4%42.8%†
AA-Omniscience v1.1: accuracyArtificial Analysis58.3%29.5%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis88.6%72.9%
FACTS ParametricGoogle81.6%†30.8%
指令遵循
LiveBench LanguageLiveBench–79.7%
LiveBench Instruction FollowingLiveBench–74.1%
Arena Instruction FollowingArena (LMArena)15241478
人类偏好
Arena TextArena (LMArena)15261484
Arena Creative WritingArena (LMArena)15151473
Arena Multi-turnArena (LMArena)15631495
Arena Longer QueriesArena (LMArena)15371498
多模态
Arena VisionArena (LMArena)–1312
LiveBench DesignLiveBench80.2%76.6%
MMMU-ProArtificial Analysis89.3%†82.8%
MMMU-Pro (Vals)Vals AI–88.0%
MortgageTaxVals AI–64.0%
SAGEVals AI–81.8%
Humanity's Sixth SenseScale AI SEAL71.1%33.0%†
Blueprint-Bench 2Epoch AI Benchmarking Hub58.6%†–
Furniture AssemblyEpoch AI Benchmarking Hub77.5%20.0%†
VIALS-AAHandshake AI64.0%31.7%
Code2Video-AAArtificial Analysis–1021
AA-3DArtificial Analysis–954
FACTS MultimodalGoogle60.2%†51.5%
长上下文
AA-LCR v1.1Artificial Analysis79.3%80.3%
MLCRArtificial Analysis19.4%26.1%
FACTS GroundingGoogle77.2%†73.8%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub169.8†157.6
LiveBench 2.0LiveBench83.3%60.9%
LiveBench 1.0LiveBench–78.5%
AA Intelligence Index v5.0.1Artificial Analysis60.033.6
AA Intelligence Index v4.3.2Artificial Analysis–45.4
AA Progress Index v1Artificial Analysis350.8323.7
Vals IndexVals AI70.5–
Vals Finance IndexVals AI67.0%–
Vals RSI IndexVals AI27.7%21.8%†
Vals Multimodal IndexVals AI–65.4%
Vals Legal IndexVals AI75.9%–
安全与诚实
FORTRESSScale AI SEAL16.4%†–
DistressBenchScale AI SEAL–77.6%

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。

DuelLab GameBench 2, release gb2-20261114-ca113f475f5e (https://benchmarks.duellab.org/releases/gb2-20261114-ca113f475f5e/), 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):2 项分数修订;价格 $4.90/M → $7.76/M。
  • Qwen3.8 Max:BenchLeader Index 63.8 → 59.1。
  • Gemini 4 Carbon (high):价格 $5.48/M → $4.90/M。
  • Qwen3.8 Max:113 项新结果(FACTS Search, FACTS Grounding, FACTS Parametric…);2 项分数修订。
  • 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…)。
  • Gemini 4 Carbon (high):BenchLeader Index 69.9 → 68.9。
  • Gemini 4 Carbon (high):1 项新结果(Terminal-Bench)。

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 Qwen3.8 Max:常见问题

Gemini 4 Carbon 比 Qwen3.8 Max 更好吗?
质量上 Gemini 4 Carbon (high) 领先:68.0 比 59.0。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月19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 Qwen3.8 Max 哪个更便宜?价格会变吗?
目前 Qwen3.8 Max 更便宜:每百万 token $3.00 比 $4.00(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 Qwen3.8 Max 更好?
Gemini 4 Carbon 在编程方面得分更高(类别得分 73 比 61,50 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,Qwen3.8 Max 为 1675。
Gemini 4 Carbon 和 Qwen3.8 Max 哪个更快?
Gemini 4 Carbon 输出更快(约 1.5 倍;输出 60 比 55 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Gemini 4 Carbon 还是 Qwen3.8 Max 更好?
Gemini 4 Carbon 在智能体任务方面得分更高(类别得分 69 比 65,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 Arena Agent 上,Gemini 4 Carbon 为 16.1,Qwen3.8 Max 为 -0.9。
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 1M token(Gemini 4 Carbon 为 1,048,576,Qwen3.8 Max 为 1,000,000)。
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 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 Carbon 和 Qwen3.8 Max 的看法一致吗?
在两者都有结果的 41 项基准测试中,Gemini 4 Carbon 领先 39 项,Qwen3.8 Max 领先 2 项。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。