BenchLeader

Gemini 4 Hydrogen vs GPT-5.6 Sol

完整资料:Gemini 4 Hydrogen(Google)和 GPT-5.6 Sol(OpenAI),包括全部基准测试、价格和排名。

更新于 · 数据来自 11 个来源

截至 2026年11月16日,Gemini 4 Hydrogen 与 GPT-5.6 Sol 的质量不相上下(BenchLeader Index 63.4 比 65.3,在 ±3.7 的误差范围内)。Gemini 4 Hydrogen 更便宜,对方的价格是它的 2.7 倍(每百万 token 混合价格 $3.00 比 $8.00)。看重推理(70 比 65)、知识(69 比 64)和编程(69 比 66)选 Gemini 4 Hydrogen;看重智能体与工具(68 比 62)和数学(70 比 68)选 GPT-5.6 Sol。Gemini 4 Hydrogen 的首次回答更快(16.2 秒 比 33.5 秒)。Gemini 4 Hydrogen 的输出更快(约 1.5 倍)。

要点(截至 2026年11月16日)

  • Gemini 4 Hydrogen 的 BenchLeader Index 为 63.4,GPT-5.6 Sol 为 65.3(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-5.6 Sol 每百万 token 混合价格为 $8.00(标价,2026年11月16日)。
  • Gemini 4 Hydrogen 比 GPT-5.6 Sol 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 7 项基准测试中,Gemini 4 Hydrogen 领先 7 项(BenchLeader,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
编程Gemini 4 Hydrogen类别得分 69 比 66;Terminal-Bench 4.0 (AA) 54.0% 比 39.9%中
智能体与工具调用GPT-5.6 Sol类别得分 68 比 62;Terminal-Bench 38.5% 比 56.4%中
数学GPT-5.6 Sol类别得分 70 比 68中
推理Gemini 4 Hydrogen类别得分 70 比 65;CritPt v2 hard subset (AA) 61.5% 比 60.0%中
知识Gemini 4 Hydrogen类别得分 69 比 64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 $8.00;智能体编程会话 $0.120 比 $0.320–
首次回答最快Gemini 4 Hydrogen首个回答 token 16.2 秒(Gemini 4 Hydrogen (high))比 33.5 秒(GPT-5.6 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

  • Gemini 4 Hydrogen (high) 与 GPT-5.6 Sol (max) 的质量不相上下(63.4 比 65.3,在 ±3.7 的误差范围内)。
  • Gemini 4 Hydrogen (high) 在编程、知识、推理方面更强。
  • GPT-5.6 Sol (max) 在智能体与工具、数学方面更强。
  • Gemini 4 Hydrogen (high) 更便宜,对方的价格是它的 2.7 倍(每百万 token 混合价格 $3.00 比 $8.00)。
  • Gemini 4 Hydrogen (high) 的输出速度是对方的 1.7 倍(170 比 100 token/秒)。

概览

规格Gemini 4 HydrogenGPT-5.6 Sol
提供商GoogleOpenAI
发布日期2026年11月12日2026年7月9日
上下文窗口(token)1,048,5761,050,000
对比时的配置Gemini 4 Hydrogen (high)GPT-5.6 Sol (max)
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$4.00 / $20.00 / $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 Hydrogen (high)GPT-5.6 Sol (max)领先者
推理69.664.7Gemini 4 Hydrogen
编程68.865.8Gemini 4 Hydrogen
智能体与工具61.767.5GPT-5.6 Sol
数学67.870.0GPT-5.6 Sol
知识68.563.8Gemini 4 Hydrogen
指令遵循–71.2无法比较
人类偏好68.2–无法比较
多模态–65.9无法比较
长上下文–66.7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: 68.5GPT-5.6 Sol, 推理: 64.7GPT-5.6 Sol, 编程: 65.8GPT-5.6 Sol, 智能体与工具: 67.5GPT-5.6 Sol, 数学: 70.0GPT-5.6 Sol, 知识: 63.8

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 7 项基准测试中,Gemini 4 Hydrogen 领先 7 项,GPT-5.6 Sol 领先 0 项。所有同时评测两者的综合评分都认为 Gemini 4 Hydrogen 更强。

综合 IndexGemini 4 Hydrogen (high)GPT-5.6 Sol (max)领先者
BenchLeader Index63.465.3不相上下
Arena Text14901485†Gemini 4 Hydrogen

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-5.6 Sol (max)
每百万 token 混合价格$3.00$8.00
每百万 token 输入 / 输出$1.50 / $7.50$4.00 / $20.00
每百万 token 缓存输入$0.075$0.400
每项任务价格:聊天回复$0.0029$0.0076
每项任务价格:总结一份 30 页的报告$0.022$0.060
每项任务价格:代码编辑$0.020$0.054
每项任务价格:智能体编程会话$0.120$0.320
每项任务价格:结构化信息提取$0.0045$0.012
智能体编程会话(输入大多命中缓存)$0.056$0.158
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/s100 tok/s
首次回答时间16.2 秒33.5 秒
完整回答耗时(最近一次测量 2026年11月13日)63.3 秒157.3 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-5.6 Sol (max) 得分 65.3,首个回答 token 需 34 秒;GPT-5.6 Sol (xhigh) 为 63.9(17 秒),GPT-5.6 Sol (high) 为 63.4(10 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 170 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-5.6 Sol (max)
BenchLeader IndexBenchLeader63.465.3
智能体与工具得分BenchLeader61.767.5
编程得分BenchLeader68.865.8
人类偏好得分BenchLeader68.2–
知识得分BenchLeader68.563.8
数学得分BenchLeader67.870.0
推理得分BenchLeader69.664.7
指令遵循得分BenchLeader–71.2
长上下文得分BenchLeader–66.7
多模态得分BenchLeader–65.9
混合价格(美元/百万 token)BenchLeader$3.00$8.00
输出速度BenchLeader170 tok/s100 tok/s
首次回答时间BenchLeader16.2 秒33.5 秒
上下文窗口BenchLeader1,048,576 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub–93.5%
SimpleBenchSimpleBench–64.8%†
Arena Hard PromptsArena (LMArena)15141511†
LiveBench 2.0 ReasoningLiveBench88.6%†–
LiveBench 1.0 ReasoningLiveBench–91.7%
GPQA Diamond (AA)Artificial Analysis–94.1%
Humanity's Last Exam (AA)Artificial Analysis–49.5%
HLE-Diamond (AA)Artificial Analysis54.9%–
GPQA Diamond (Vals)Vals AI–95.2%
EnigmaEvalScale AI SEAL–37.1%†
Kagi LLM BenchmarkKagi LLM Benchmark–67.0%†
ARC-AGI-1ARC Prize–96.5%
ARC-AGI-2ARC Prize–92.5%
ARC-AGI-3ARC Prize–7.8%
CritPtArtificial Analysis–32.3%
CritPt v2 hard subset (AA)Artificial Analysis61.5%60.0%
MysteryMechanismVals AI–33.3%
HLE-Diamond (Scale)Scale AI SEAL–31.2%†
Arena ExpertArena (LMArena)15421532†
Chess PuzzlesEpoch AI Benchmarking Hub–59.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub–58.0%
LMCAEpoch AI Benchmarking Hub–58.4%
DTBenchEpoch AI Benchmarking Hub–95.5%
ForecastBenchForecastBench–65.7%
BTF-3Epoch AI Benchmarking Hub–13.7%
显示全部 170 项基准测试
指标发布方Gemini 4 Hydrogen (high)GPT-5.6 Sol (max)
编程
SciCodeSciCode–57.1%
WeirdMLWeirdML–87.0%
FrontierCodeCognition–47.5%†
GSO-BenchGSO-Bench–76.5%†
Arena CodingArena (LMArena)15181533†
Arena WebDevArena (LMArena)17041615†
LiveBench 2.0 CodingLiveBench78.5%†–
LiveBench 1.0 CodingLiveBench–83.9%
LiveCodeBenchVals AI–82.6%
IOIVals AI–91.2%
SWE-bench (Vals)Vals AI–96.2%
Code MigrationVals AI–52.9%
ProgramBenchVals AI–1.5%
Vibe Code Bench 1-100Vals AI–20.0%
Vibe Code Bench v1.1Vals AI87.8%†80.5%
SWE Atlas v1.0: Codebase QnAScale AI SEAL–46.0%†
SWE Atlas v1.0: Test WritingScale AI SEAL–45.9%†
SWE-Bench Pro V2Scale AI SEAL–95.5%†
SWE-Bench Pro V2 HARDScale AI SEAL–82.4%†
MirrorCodeEpoch AI Benchmarking Hub–20.0%†
Surface Evolver BenchEpoch AI Benchmarking Hub–93.1%†
DeepSWE v1.1Epoch AI Benchmarking Hub–72.7%
CursorBenchCursor–41.7%
ALE-BenchEpoch AI Benchmarking Hub–2176.9
FrontierSWEEpoch AI Benchmarking Hub–32.2%
WeirdML v3WeirdML–15.0%†
Terminal-Bench 4.0 (AA)Artificial Analysis54.0%39.9%
Terminal-Bench 2.1 (AA)Artificial Analysis–88.0%
Startrise FrontendStartrise–66.2%†
GameBench 2 OverallDuelLab GameBench 2–67.0†
GameBench 2 by reasoning settingDuelLab GameBench 2–80.0†
Design Arena WebsiteDesign Arena1320†1319†
FrontierCode 2.0 (AA)Artificial Analysis36.3%–
智能体与工具
Terminal-BenchTerminal-Bench56.4%38.5%
OSWorld-Verified 2.0OSWorld–27.3%
APEX-AgentsMercor–51.4%†
Arena AgentArena (LMArena)–4.6†
LiveBench Long AgenticLiveBench61.8%†–
LiveBench BrowserLiveBench77.1%†–
LiveBench Agentic CodingLiveBench–56.2%
Terminal-Bench HardArtificial Analysis–65.9%
τ²-Bench Telecom (AA)Artificial Analysis–85.1%
Terminal-Bench 2.1 (Vals)Vals AI–85.8%
HiL-BenchScale AI SEAL–32.3%†
τ³-bench Bankingτ²-bench–46.9%†
GDPval-AA v2.1Artificial Analysis–1619
τ³-Banking (AA)Artificial Analysis–44.3%
ITBench SRE (AA)Artificial Analysis–56.2%
Analyst Agent (AA)Artificial Analysis–47.5%
CUA-benchVals AI–8.3%
CyberBenchVals AI–76.3%
Finance Agent v2Vals AI–53.8%
Finance Agent v2.1Vals AI65.1%†–
Harvey's Legal Agent Benchmark v1.1Vals AI11.3%†–
Harvey's Legal Agent Benchmark v1Vals AI–2.5%
Legal Research BenchVals AI53.9%†48.1%
SkillsBenchVals AI–54.1%
SREBenchVals AI–30.5%
Tax Agent BenchVals AI52.3%†31.1%
Terminal-Bench 4.0 (Vals)Vals AI54.0%†37.9%
Terminal-Bench ScienceVals AI–20.0%
Time Horizon Index: KSPVals AI–23.8%
Web Search IndexVals AI–43.6%
Arena SearchArena (LMArena)–1255†
Arena Agent Task CompletionArena (LMArena)–2.3†
BALROGBALROG–60.0%
PostTrainBenchEpoch AI Benchmarking Hub–31.0%
GBAEvalEpoch AI Benchmarking Hub–52.6%†
Vending-Bench 2Andon Labs–9619.4†
AutomationBenchArtificial Analysis74.4%60.1%
GDP.pdf (AA)Artificial Analysis30.0%27.2%
EnterpriseOps-GymArtificial Analysis–42.9%
AA-Briefcase v1.1Artificial Analysis14971479
Design Arena AgenticDesign Arena1262†1238†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis41.4%22.4%
FACTS SearchGoogle–92.9%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub–89.1%
FrontierMath Tier 4Epoch AI Benchmarking Hub–82.9%
OTIS Mock AIMEEpoch AI Benchmarking Hub–100.0%
ProofBenchVals AI–83.0%
LiveBench MathematicsLiveBench–96.2%
Arena MathsArena (LMArena)14951494†
FrontierMath ErdősEpoch AI Benchmarking Hub–0.0%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub–69.7%
LiveBench 2.0 Data AnalysisLiveBench83.2%†–
LiveBench ResearchLiveBench86.8%†–
LiveBench 1.0 Data AnalysisLiveBench–79.8%
AA-Omniscience v1.1Artificial Analysis43.7–
MMLU-ProVals AI–89.1%
LegalBenchVals AI–87.0%
CorpFinVals AI–64.4%
TaxEvalVals AI–74.8%
PRBench FinanceScale AI SEAL–50.5%
PRBench LegalScale AI SEAL–50.5%
BioMysteryBenchVals AI–71.1%
Excel Modeling BenchmarkVals AI–72.3%
Excel Modeling Benchmark v1.1Vals AI75.8%†–
MedCodeVals AI–44.0%
MedScribeVals AI–85.2%
Public Benefits Bench v1.1Vals AI–66.5%
Financial Coaching BenchVals AI–74.9%
DrugDiscoveryBenchScale AI SEAL–56.5%
EBR-benchEpoch AI Benchmarking Hub–44.8%
GDP.pdfEpoch AI Benchmarking Hub–30.7%
AA-Omniscience v1.1: accuracyArtificial Analysis48.2%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis91.3%–
FACTS ParametricGoogle–81.1%†
指令遵循
LiveBench LanguageLiveBench–87.7%
LiveBench Instruction FollowingLiveBench–71.8%
IFBenchArtificial Analysis–72.7%
Arena Instruction FollowingArena (LMArena)15031490†
人类偏好
Arena TextArena (LMArena)14901485†
EQ-Bench 4EQ-Bench–1236†
EQ-Bench Creative Writing v3EQ-Bench–1974†
Arena Creative WritingArena (LMArena)14921471†
Arena Multi-turnArena (LMArena)14761491†
Arena Longer QueriesArena (LMArena)15141498†
多模态
Arena VisionArena (LMArena)–1282†
LiveBench DesignLiveBench77.3%†–
MMMU-ProArtificial Analysis–83.4%
MMMU-Pro (Vals)Vals AI–88.8%
MortgageTaxVals AI–67.3%
Humanity's Sixth SenseScale AI SEAL–30.0%
GeoBenchGeoBench–73.0%†
Blueprint-Bench 2Epoch AI Benchmarking Hub–33.6%†
Furniture AssemblyEpoch AI Benchmarking Hub–56.7%
FACTS MultimodalGoogle–46.4%†
长上下文
AA-LCR v1.1Artificial Analysis–84.0%
Arena DocumentArena (LMArena)–1487†
MLCRArtificial Analysis21.1%†30.0%
FACTS GroundingGoogle–61.9%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–163.0†
LiveBench 2.0LiveBench77.0%†–
LiveBench 1.0LiveBench–81.0%
AA Intelligence Index v5.0.1Artificial Analysis50.8–
AA Intelligence Index v4.3.2Artificial Analysis–47.0
AA Progress Index v1Artificial Analysis–331.5
Vals IndexVals AI68.5†–
Vals Finance IndexVals AI66.1%†–
Vals RSI IndexVals AI–23.9%
Vals Science IndexVals AI–41.5%
Vals Multimodal IndexVals AI–72.6%
Vals Legal IndexVals AI73.6%†–
安全与诚实
FORTRESSScale AI SEAL–20.1%†
DistressBenchScale AI SEAL–73.6%†

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

  • GPT-5.6 Sol (max):1 项新结果(GDPval-AA v2.1)。
  • Gemini 4 Hydrogen (high):10 项新结果(Arena Text, Arena Hard Prompts, Arena Coding…)。
  • GPT-5.6 Sol (max):1 项分数修订。
  • GPT-5.6 Sol (max):BenchLeader Index 65.8 → 65.3。
  • GPT-5.6 Sol (max):1 项分数修订。
  • GPT-5.6 Sol (max):1 项分数修订。
  • GPT-5.6 Sol (max):2 项新结果(AA Progress Index v1, CritPt v2 hard subset (AA))。
  • GPT-5.6 Sol (max):1 项新结果(AA-Briefcase v1.1)。
  • GPT-5.6 Sol (max):3 项新结果(Harvey's Legal Agent Benchmark v1, Vals RSI Index, Vals Science Index)。
  • GPT-5.6 Sol (max):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-5.6 Sol:常见问题

Gemini 4 Hydrogen 比 GPT-5.6 Sol 更好吗?
Gemini 4 Hydrogen (high) 与 GPT-5.6 Sol (max) 的质量不相上下(63.4 比 65.3,在 ±3.7 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 Hydrogen 和 GPT-5.6 Sol 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 $8.00(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 Hydrogen 还是 GPT-5.6 Sol 更好?
Gemini 4 Hydrogen 在编程方面得分更高(类别得分 69 比 66,50 为平均水平)。
Gemini 4 Hydrogen 和 GPT-5.6 Sol 哪个更快?
Gemini 4 Hydrogen 输出更快(约 1.5 倍;输出 170 比 100 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Gemini 4 Hydrogen 还是 GPT-5.6 Sol 更好?
GPT-5.6 Sol 在智能体任务方面得分更高(类别得分 68 比 62,50 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 Hydrogen 为 56.4%,GPT-5.6 Sol 为 38.5%。
更多问题(4)
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-5.6 Sol 为 1,050,000)。
哪个延迟更低?
Gemini 4 Hydrogen 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 16.2 秒比 33.5 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 Hydrogen 和 GPT-5.6 Sol 的看法一致吗?
在两者都有结果的 7 项基准测试中,Gemini 4 Hydrogen 领先 7 项,GPT-5.6 Sol 领先 0 项。所有同时评测两者的综合评分都认为 Gemini 4 Hydrogen 更强。
Gemini 4 Hydrogen 是什么时候发布的?
Gemini 4 Hydrogen 于 2026年11月12日 发布。