BenchLeader

Gemini 4 Hydrogen vs GPT-5.4 Pro

完整资料:Gemini 4 Hydrogen(Google)和 GPT-5.4 Pro(OpenAI),包括全部基准测试、价格和排名。

更新于 · 数据来自 7 个来源

截至 2026年11月16日,两者共同的基准测试太少,无法判断质量高下。Gemini 4 Hydrogen 更便宜,对方的价格是它的 23 倍(每百万 token 混合价格 $3.00 比 $67.50)。在两者都有成绩的所有类别中,GPT-5.4 Pro 均领先。Gemini 4 Hydrogen 输出更快(3 倍以上)。

要点(截至 2026年11月16日)

  • Gemini 4 Hydrogen 的 BenchLeader Index 为 63.4,GPT-5.4 Pro 为 63.1(BenchLeader,2026年11月16日)。
  • Gemini 4 Hydrogen 每百万 token 混合价格为 $3.00(标价,2026年11月16日)。
  • GPT-5.4 Pro 每百万 token 混合价格为 $67.50(标价,2026年11月16日)。
  • Gemini 4 Hydrogen 比 GPT-5.4 Pro 输出更快(3 倍以上;Artificial Analysis,7 日中位数,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
推理均可类别得分 70 比 70均可
知识GPT-5.4 Pro类别得分 74 比 69中
对话质量(人类偏好)–只有 Gemini 4 Hydrogen 有 Arena 评分(类别得分 68)无法比较
成本最低Gemini 4 Hydrogen每百万 token 混合价格 $3.00 比 $67.50;智能体编程会话 $0.120 比 $2.52–
首次回答最快GPT-5.4 Pro首个回答 token 7.9 秒(GPT-5.4 Pro)比 16.2 秒(Gemini 4 Hydrogen (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

  • 共同的基准测试太少,无法给出结论。
  • GPT-5.4 Pro 在知识、推理方面更强。
  • Gemini 4 Hydrogen (high) 更便宜,对方的价格是它的 23 倍(每百万 token 混合价格 $3.00 比 $67.50)。
  • Gemini 4 Hydrogen (high) 的输出速度是对方的 26.2 倍(170 比 7 token/秒)。

概览

规格Gemini 4 HydrogenGPT-5.4 Pro
提供商GoogleOpenAI
发布日期2026年11月12日2026年3月4日
上下文窗口(token)1,048,5761,050,000
对比时的配置Gemini 4 Hydrogen (high)GPT-5.4 Pro
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$1.50 / $7.50 / $0.075$30.00 / $180.00 / –

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 Hydrogen (high)GPT-5.4 Pro领先者
推理69.670.1持平
编程68.8–无法比较
智能体与工具61.7–无法比较
数学67.8–无法比较
知识68.574.0GPT-5.4 Pro
指令遵循–64.4无法比较
人类偏好68.2–无法比较
多模态–69.8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推理编程智能体与工具数学知识指令遵循多模态人类偏好Gemini 4 Hydrogen, 推理: 69.6Gemini 4 Hydrogen, 编程: 68.8Gemini 4 Hydrogen, 智能体与工具: 61.7Gemini 4 Hydrogen, 数学: 67.8Gemini 4 Hydrogen, 知识: 68.5Gemini 4 Hydrogen, 人类偏好: 68.2GPT-5.4 Pro, 推理: 70.1GPT-5.4 Pro, 知识: 74.0GPT-5.4 Pro, 指令遵循: 64.4GPT-5.4 Pro, 多模态: 69.8

虚线:该模型在所经过的轴上没有结果,线条只连接相邻的点。

未绘制(这些模型没有结果):长上下文。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 0 项基准测试中,Gemini 4 Hydrogen 领先 0 项,GPT-5.4 Pro 领先 0 项。

综合 IndexGemini 4 Hydrogen (high)GPT-5.4 Pro领先者
BenchLeader Index63.463.1不相上下

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 Hydrogen (high)GPT-5.4 Pro
每百万 token 混合价格$3.00$67.50
每百万 token 输入 / 输出$1.50 / $7.50$30.00 / $180.00
每百万 token 缓存输入$0.075–
每项任务价格:聊天回复$0.0029$0.066
每项任务价格:总结一份 30 页的报告$0.022$0.468
每项任务价格:代码编辑$0.020$0.450
每项任务价格:智能体编程会话$0.120$2.52
每项任务价格:结构化信息提取$0.0045$0.096
智能体编程会话(输入大多命中缓存)$0.056–
每项基准测试任务成本(AA Index)$1.87–
每项任务输出 token(AA Index)85k–
其中推理部分48k–
每项任务耗时(AA Index)8 min–
输出速度170 tok/s7 tok/s
首次回答时间16.2 秒7.9 秒
完整回答耗时(最近一次测量 2026年11月13日)63.3 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 Hydrogen (high) 得分 63.4,首个回答 token 需 16 秒;Gemini 4 Hydrogen (xhigh) 为 61.8(42 秒)。GPT-5.4 Pro 得分 63.1,首个回答 token 需 8 秒;GPT-5.4 Pro (xhigh) 为 59.5(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 63 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 Hydrogen (high)GPT-5.4 Pro
BenchLeader IndexBenchLeader63.463.1
智能体与工具得分BenchLeader61.7–
编程得分BenchLeader68.8–
人类偏好得分BenchLeader68.2–
知识得分BenchLeader68.574.0
数学得分BenchLeader67.8–
推理得分BenchLeader69.670.1
指令遵循得分BenchLeader–64.4
多模态得分BenchLeader–69.8
混合价格(美元/百万 token)BenchLeader$3.00$67.50
输出速度BenchLeader170 tok/s7 tok/s
首次回答时间BenchLeader16.2 秒7.9 秒
上下文窗口BenchLeader1,048,576 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub–94.6%†
Humanity's Last ExamScale AI / CAIS–44.3%
SimpleBenchSimpleBench–74.1%
Arena Hard PromptsArena (LMArena)1514–
LiveBench 2.0 ReasoningLiveBench88.6%†–
HLE-Diamond (AA)Artificial Analysis54.9%–
ARC-AGI-1ARC Prize–94.5%†
ARC-AGI-2ARC Prize–83.3%†
CritPtArtificial Analysis–30.0%†
CritPt v2 hard subset (AA)Artificial Analysis61.5%–
Arena ExpertArena (LMArena)1542–
Chess PuzzlesEpoch AI Benchmarking Hub–59.0%†
编程
WeirdMLWeirdML–57.4%†
Arena CodingArena (LMArena)1518–
Arena WebDevArena (LMArena)1704–
LiveBench 2.0 CodingLiveBench78.5%†–
Vibe Code Bench v1.1Vals AI87.8%†–
Terminal-Bench 4.0 (AA)Artificial Analysis54.0%–
Design Arena WebsiteDesign Arena1320†–
FrontierCode 2.0 (AA)Artificial Analysis36.3%–
智能体与工具
Terminal-BenchTerminal-Bench56.4%–
LiveBench Long AgenticLiveBench61.8%†–
LiveBench BrowserLiveBench77.1%†–
Finance Agent v2.1Vals AI65.1%†–
Harvey's Legal Agent Benchmark v1.1Vals AI11.3%†–
显示全部 63 项基准测试
指标发布方Gemini 4 Hydrogen (high)GPT-5.4 Pro
智能体与工具
Legal Research BenchVals AI53.9%†–
Tax Agent BenchVals AI52.3%†–
Terminal-Bench 4.0 (Vals)Vals AI54.0%†–
AutomationBenchArtificial Analysis74.4%–
GDP.pdf (AA)Artificial Analysis30.0%–
AA-Briefcase v1.1Artificial Analysis1497–
Design Arena AgenticDesign Arena1262†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis41.4%–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub–82.5%†
FrontierMath Tier 4Epoch AI Benchmarking Hub–58.5%†
MathArena ApexMathArena–69.8%†
Arena MathsArena (LMArena)1495–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub–46.3%†
LiveBench 2.0 Data AnalysisLiveBench83.2%†–
LiveBench ResearchLiveBench86.8%†–
AA-Omniscience v1.1Artificial Analysis43.7–
MultiNRCScale AI SEAL–62.3%
Excel Modeling Benchmark v1.1Vals AI75.8%†–
AA-Omniscience v1.1: accuracyArtificial Analysis48.2%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis91.3%–
指令遵循
MultiChallengeScale AI SEAL–69.2%
TutorBenchScale AI SEAL–56.6%
Arena Instruction FollowingArena (LMArena)1503–
人类偏好
Arena TextArena (LMArena)1490–
Arena Creative WritingArena (LMArena)1492–
Arena Multi-turnArena (LMArena)1476–
Arena Longer QueriesArena (LMArena)1514–
多模态
LiveBench DesignLiveBench77.3%†–
VISTAScale AI SEAL–53.9%
长上下文
MLCRArtificial Analysis21.1%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–160.2
LiveBench 2.0LiveBench77.0%†–
AA Intelligence Index v5.0.1Artificial Analysis50.8–
Vals IndexVals AI68.5†–
Vals Finance IndexVals AI66.1%†–
Vals Legal IndexVals AI73.6%†–
安全与诚实
FORTRESSScale AI SEAL–14.8%
MASKScale AI SEAL–91.7%

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。

变化

  • Gemini 4 Hydrogen (high):10 项新结果(Arena Text, Arena Hard Prompts, Arena Coding…)。
  • GPT-5.4 Pro:BenchLeader Index 63.6 → 63.1。
  • GPT-5.4 Pro:1 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 Hydrogen vs GPT-5.4 Pro:常见问题

Gemini 4 Hydrogen 比 GPT-5.4 Pro 更好吗?
共同的基准测试太少,无法给出结论。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 Hydrogen 和 GPT-5.4 Pro 哪个更便宜?价格会变吗?
目前 Gemini 4 Hydrogen 更便宜:每百万 token $3.00 比 $67.50(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。
Gemini 4 Hydrogen 和 GPT-5.4 Pro 哪个更快?
Gemini 4 Hydrogen 输出更快(3 倍以上;输出 170 比 7 token/秒,Artificial Analysis 7 日中位数)。
处理长文档哪个更好?
两者都约为 1.1M token(Gemini 4 Hydrogen 为 1,048,576,GPT-5.4 Pro 为 1,050,000)。
哪个延迟更低?
GPT-5.4 Pro 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 7.9 秒比 16.2 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
更多问题(1)
Gemini 4 Hydrogen 是什么时候发布的?
Gemini 4 Hydrogen 于 2026年11月12日 发布。