BenchLeader

Gemini 4 Hydrogen vs GPT-6.1 Sol

完整资料:Gemini 4 Hydrogen(Google)和 GPT-6.1 Sol(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,质量上 GPT-6.1 Sol 领先 Gemini 4 Hydrogen(BenchLeader Index 66.6 比 63.4)。不过,Gemini 4 Hydrogen 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)。看重人类偏好(68 比 67)选 Gemini 4 Hydrogen;看重数学(72 比 68)、知识(72 比 69)和智能体与工具(64 比 62)选 GPT-6.1 Sol。Gemini 4 Hydrogen 的首次回答更快(16.2 秒 比 166.7 秒)。Gemini 4 Hydrogen 的输出更快(3 倍以上)。

要点(截至 2026年11月16日)

  • Gemini 4 Hydrogen 的 BenchLeader Index 为 63.4,GPT-6.1 Sol 为 66.6(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-6.1 Sol 每百万 token 混合价格为 $4.00(标价,2026年11月16日)。
  • Gemini 4 Hydrogen 比 GPT-6.1 Sol 输出更快(3 倍以上;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 21 项基准测试中,GPT-6.1 Sol 领先 13 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Gemini 4 Hydrogen 的评分为 1704,GPT-6.1 Sol 为 1743(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GPT-6.1 Sol类别得分 71 比 69;Arena WebDev 1743 比 1704中
智能体与工具调用GPT-6.1 Sol类别得分 64 比 62;Terminal-Bench 60.9% 比 56.4%中
数学GPT-6.1 Sol类别得分 72 比 68;Arena Maths 1499 比 1495中
推理GPT-6.1 Sol类别得分 71 比 70;HLE-Diamond (AA) 58.8% 比 54.9%中
知识GPT-6.1 Sol类别得分 72 比 69;AA-Omniscience v1.1 42.0 比 43.7中
对话质量(人类偏好)Gemini 4 HydrogenArena 投票 68 比 67中
成本最低Gemini 4 Hydrogen每百万 token 混合价格 $3.00 比 $4.00;智能体编程会话 $0.120 比 $0.160–
首次回答最快Gemini 4 Hydrogen首个回答 token 16.2 秒(Gemini 4 Hydrogen (high))比 166.7 秒(GPT-6.1 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

  • 质量上 GPT-6.1 Sol (max) 领先:66.6 比 63.4。
  • Gemini 4 Hydrogen (high) 在人类偏好方面更强。
  • GPT-6.1 Sol (max) 在智能体与工具、编程、知识、数学、推理方面更强。
  • Gemini 4 Hydrogen (high) 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)。
  • Gemini 4 Hydrogen (high) 的输出速度是对方的 3.4 倍(170 比 50 token/秒)。

概览

规格Gemini 4 HydrogenGPT-6.1 Sol
提供商GoogleOpenAI
发布日期2026年11月12日2026年9月29日
上下文窗口(token)1,048,5761,050,000
对比时的配置Gemini 4 Hydrogen (high)GPT-6.1 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$2.00 / $10.00 / $0.100

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-6.1 Sol (max)领先者
推理69.671.4GPT-6.1 Sol
编程68.871.1GPT-6.1 Sol
智能体与工具61.764.3GPT-6.1 Sol
数学67.871.6GPT-6.1 Sol
知识68.571.5GPT-6.1 Sol
人类偏好68.267.1Gemini 4 Hydrogen
多模态–65.6无法比较
长上下文–66.2无法比较
综合–67.9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-6.1 Sol, 推理: 71.4GPT-6.1 Sol, 编程: 71.1GPT-6.1 Sol, 智能体与工具: 64.3GPT-6.1 Sol, 数学: 71.6GPT-6.1 Sol, 知识: 71.5GPT-6.1 Sol, 人类偏好: 67.1

未绘制(测得的模型少于两个):指令遵循, 长上下文, 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 21 项基准测试中,Gemini 4 Hydrogen 领先 8 项,GPT-6.1 Sol 领先 13 项。第三方来源看法不一:Gemini 4 Hydrogen 在 Vals Index和Arena Text 上领先;GPT-6.1 Sol 在 BenchLeader Index和AA Intelligence Index v5.0.1 上领先。

综合 IndexGemini 4 Hydrogen (high)GPT-6.1 Sol (max)领先者
BenchLeader Index63.466.6GPT-6.1 Sol
AA Intelligence Index v5.0.150.854.6GPT-6.1 Sol
Vals Index68.5†63.9Gemini 4 Hydrogen
Arena Text14901481Gemini 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-6.1 Sol (max)
每百万 token 混合价格$3.00$4.00
每百万 token 输入 / 输出$1.50 / $7.50$2.00 / $10.00
每百万 token 缓存输入$0.075$0.100
每项任务价格:聊天回复$0.0029$0.0038
每项任务价格:总结一份 30 页的报告$0.022$0.030
每项任务价格:代码编辑$0.020$0.027
每项任务价格:智能体编程会话$0.120$0.160
每项任务价格:结构化信息提取$0.0045$0.0060
智能体编程会话(输入大多命中缓存)$0.056$0.074
每项基准测试任务成本(AA Index)$1.87$1.27
每项任务输出 token(AA Index)85k68k
其中推理部分48k49k
每项任务耗时(AA Index)8 min23 min
输出速度170 tok/s50 tok/s
首次回答时间16.2 秒166.7 秒
完整回答耗时(最近一次测量 2026年11月13日)63.3 秒429.6 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 Hydrogen (high) 上花费 $1.87,在 GPT-6.1 Sol (max) 上花费 $1.27;完成同样的工作,Gemini 4 Hydrogen (high) 输出的 token 是对方的 1.3 倍。

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-6.1 Sol (max) 得分 66.6,首个回答 token 需 167 秒;GPT-6.1 Sol (xhigh) 为 63.6(68 秒),GPT-6.1 Sol (high) 为 63.4(33 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 148 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-6.1 Sol (max)
BenchLeader IndexBenchLeader63.466.6
智能体与工具得分BenchLeader61.764.3
编程得分BenchLeader68.871.1
人类偏好得分BenchLeader68.267.1
知识得分BenchLeader68.571.5
数学得分BenchLeader67.871.6
推理得分BenchLeader69.671.4
综合得分BenchLeader–67.9
长上下文得分BenchLeader–66.2
多模态得分BenchLeader–65.6
混合价格(美元/百万 token)BenchLeader$3.00$4.00
输出速度BenchLeader170 tok/s50 tok/s
首次回答时间BenchLeader16.2 秒166.7 秒
上下文窗口BenchLeader1,048,576 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub–95.4%
SimpleBenchSimpleBench–82.9%†
Arena Hard PromptsArena (LMArena)15141505
LiveBench 2.0 ReasoningLiveBench88.6%†92.6%
LiveBench 1.0 ReasoningLiveBench–92.6%
Humanity's Last Exam (AA)Artificial Analysis–52.9%
HLE-Diamond (AA)Artificial Analysis54.9%58.8%
ARC-AGI-1ARC Prize–96.5%
ARC-AGI-2ARC Prize–94.2%
ARC-AGI-3ARC Prize–96.2%
CritPtArtificial Analysis–31.7%
CritPt v2 hard subset (AA)Artificial Analysis61.5%69.5%
MysteryMechanismVals AI–46.4%
Arena ExpertArena (LMArena)15421525
Chess PuzzlesEpoch AI Benchmarking Hub–68.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub–80.0%
LMCAEpoch AI Benchmarking Hub–62.8%
DTBenchEpoch AI Benchmarking Hub–96.5%
编程
SciCodeSciCode–54.2%
FrontierCodeCognition–50.2%†
Arena CodingArena (LMArena)15181540
Arena WebDevArena (LMArena)17041743
LiveBench 2.0 CodingLiveBench78.5%†82.1%
LiveBench 1.0 CodingLiveBench–80.4%
IOIVals AI–96.9%
显示全部 148 项基准测试
指标发布方Gemini 4 Hydrogen (high)GPT-6.1 Sol (max)
编程
Code MigrationVals AI–65.1%
Code Migration v1.1Vals AI–77.3%
ProgramBenchVals AI–3.0%
SWE-bench MultimodalVals AI–43.5%
Vibe Code Bench v1.1Vals AI87.8%†88.9%
SWE Atlas v1.1Scale AI SEAL–65.9%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–71.0%†
SWE Atlas v1.1: Test WritingScale AI SEAL–66.7%†
SWE Atlas v1.1: RefactoringScale AI SEAL–60.0%†
SWE-Bench Pro V2Scale AI SEAL–96.1%†
MirrorCodeEpoch AI Benchmarking Hub–61.1%
ALE-BenchEpoch AI Benchmarking Hub–2743.8
WeirdML v3WeirdML–38.3%†
Terminal-Bench 4.0 (AA)Artificial Analysis54.0%56.1%
Startrise FrontendStartrise–78.6%†
GameBench 2 OverallDuelLab GameBench 2–84.9†
GameBench 2 by reasoning settingDuelLab GameBench 2–92.0†
Design Arena WebsiteDesign Arena1320†1315†
FrontierCode 1.1 (AA)Artificial Analysis–49.1%
FrontierCode 2.0 (AA)Artificial Analysis36.3%40.6%
智能体与工具
Terminal-BenchTerminal-Bench56.4%60.9%
APEX-AgentsMercor–60.0%
Arena AgentArena (LMArena)–12.5
LiveBench Long AgenticLiveBench61.8%†65.6%
LiveBench BrowserLiveBench77.1%†93.3%
LiveBench Agentic CodingLiveBench–54.5%
HiL-BenchScale AI SEAL–62.3%†
GDPval-AA v2.1, normalised scoreArtificial Analysis–54.8%
GDPval-AA v2.1Artificial Analysis–1607
Analyst Agent (AA)Artificial Analysis–50.0%
CyberBenchVals AI–39.3%
Finance Agent v2Vals AI–52.0%
Finance Agent v2.1Vals AI65.1%†61.8%
Harvey's Legal Agent Benchmark v1.1Vals AI11.3%†6.3%
Harvey's Legal Agent Benchmark v1Vals AI–5.4%
Legal Research BenchVals AI53.9%†38.5%
Robo-benchVals AI–28.3%
SREBenchVals AI–50.8%
Tax Agent BenchVals AI52.3%†21.8%
Terminal-Bench 4.0 (Vals)Vals AI54.0%†55.0%
Terminal-Bench ScienceVals AI–52.9%
Arena SearchArena (LMArena)–1249
Arena Agent Task CompletionArena (LMArena)–11.7
PostTrainBenchEpoch AI Benchmarking Hub–38.8%
Vending-Bench 2Andon Labs–12860.6†
SpireClimbEpoch AI Benchmarking Hub–23.8%
AutomationBenchArtificial Analysis74.4%64.9%
GDP.pdf (AA)Artificial Analysis30.0%31.0%
Harvey LAB-AA v1.1Harvey–6.9%
AA-Briefcase v1.1Artificial Analysis14971555
GDPxGDPx by SemiAnalysis–8.4%
Design Arena AgenticDesign Arena1262†1375
Terminal-Bench-Science 0.1 (AA)Artificial Analysis41.4%58.1%
MKA (AA)Artificial Analysis–47.7%
FACTS SearchGoogle–92.8%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub–93.7%
FrontierMath Tier 4Epoch AI Benchmarking Hub–100.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub–100.0%
ProofBenchVals AI–99.0%†
LiveBench MathematicsLiveBench–96.8%
ArXivMathMathArena–92.8%
BrokenArXivMathArena–83.1%
Arena MathsArena (LMArena)14951499
FrontierMath ErdősEpoch AI Benchmarking Hub–4.4%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub–73.9%
LiveBench 2.0 Data AnalysisLiveBench83.2%†82.7%
LiveBench ResearchLiveBench86.8%†90.0%
LiveBench 1.0 Data AnalysisLiveBench–82.7%
AA-Omniscience v1.1Artificial Analysis43.742.0
PRBench FinanceScale AI SEAL–46.2%†
PRBench LegalScale AI SEAL–47.9%†
BioMysteryBenchVals AI–79.6%
ClaimBenchVals AI–100.0%
Excel Modeling BenchmarkVals AI–70.8%
Excel Modeling Benchmark v1.1Vals AI75.8%†71.1%
MedCodeVals AI–48.8%
MedScribeVals AI–86.5%
Public Benefits Bench v1.1Vals AI–59.3%
Access to Justice BenchmarkVals AI–65.8%
Financial Coaching BenchVals AI–68.5%
Immigration BenchVals AI–67.8%
EBR-benchEpoch AI Benchmarking Hub–54.3%
GDP.pdfEpoch AI Benchmarking Hub–35.0%
AA-Omniscience v1.1: accuracyArtificial Analysis48.2%61.8%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis91.3%48.1%
HealthBench Professional (AA)OpenAI–65.1%
FACTS ParametricGoogle–83.8%†
指令遵循
LiveBench LanguageLiveBench–90.1%
LiveBench Instruction FollowingLiveBench–74.2%
MultiChallengeScale AI SEAL–82.0%†
Arena Instruction FollowingArena (LMArena)15031482
人类偏好
Arena TextArena (LMArena)14901481
EQ-Bench 4EQ-Bench–1272†
Arena Creative WritingArena (LMArena)14921449
Arena Multi-turnArena (LMArena)14761486
Arena Longer QueriesArena (LMArena)15141488
多模态
Arena VisionArena (LMArena)–1286
LiveBench DesignLiveBench77.3%†79.6%
MMMU-ProArtificial Analysis–86.0%
SAGEVals AI–90.5%
Humanity's Sixth SenseScale AI SEAL–46.6%
Blueprint-Bench 2Epoch AI Benchmarking Hub–43.2%†
Furniture AssemblyEpoch AI Benchmarking Hub–80.0%
VIALS-AAHandshake AI–59.0%
Code2Video-AAArtificial Analysis–1369
AA-3DArtificial Analysis–1121
FACTS MultimodalGoogle–52.6%†
长上下文
AA-LCR v1.1Artificial Analysis–83.0%
MLCRArtificial Analysis21.1%†38.3%
FACTS GroundingGoogle–78.0%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–168.5†
LiveBench 2.0LiveBench77.0%†81.4%
LiveBench 1.0LiveBench–81.6%
AA Intelligence Index v5.0.1Artificial Analysis50.854.6
AA Intelligence Index v4.3.2Artificial Analysis–51.8
AA Progress Index v1Artificial Analysis–348.5
Vals IndexVals AI68.5†63.9
Vals Finance IndexVals AI66.1%†55.8%
Vals RSI IndexVals AI–26.6%
Vals Science IndexVals AI–59.6%
Vals Router IndexVals AI–63.9%†
Vals Legal IndexVals AI73.6%†68.7%
安全与诚实
DistressBenchScale AI SEAL–74.2%†

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-6.1 Sol (max):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…);1 项分数修订。
  • GPT-6.1 Sol (max):1 项分数修订。
  • Gemini 4 Hydrogen (high):10 项新结果(Arena Text, Arena Hard Prompts, Arena Coding…)。
  • GPT-6.1 Sol (max):1 项分数修订。
  • GPT-6.1 Sol (max):1 项新结果(PostTrainBench)。
  • GPT-6.1 Sol (max):1 项新结果(MirrorCode);1 项分数修订。
  • GPT-6.1 Sol (max):BenchLeader Index 67.4 → 66.9。
  • GPT-6.1 Sol (max):2 项分数修订。
  • GPT-6.1 Sol (max):3 项分数修订。
  • GPT-6.1 Sol (max):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 Hydrogen vs GPT-6.1 Sol:常见问题

GPT-6.1 Sol 比 Gemini 4 Hydrogen 更好吗?
质量上 GPT-6.1 Sol (max) 领先:66.6 比 63.4。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,GPT-6.1 Sol (max) 总体领先,但请结合你的用途查看各类别得分。
Gemini 4 Hydrogen 和 GPT-6.1 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 $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 Hydrogen 还是 GPT-6.1 Sol 更好?
GPT-6.1 Sol 在编程方面得分更高(类别得分 71 比 69,50 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 Hydrogen 为 1704,GPT-6.1 Sol 为 1743。
Gemini 4 Hydrogen 和 GPT-6.1 Sol 哪个更快?
Gemini 4 Hydrogen 输出更快(3 倍以上;输出 170 比 50 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Gemini 4 Hydrogen 还是 GPT-6.1 Sol 更好?
GPT-6.1 Sol 在智能体任务方面得分更高(类别得分 64 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-6.1 Sol 为 60.9%。
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-6.1 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 166.7 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 Hydrogen 和 GPT-6.1 Sol 的看法一致吗?
在两者都有结果的 21 项基准测试中,Gemini 4 Hydrogen 领先 8 项,GPT-6.1 Sol 领先 13 项。第三方来源看法不一:Gemini 4 Hydrogen 在 Vals Index和Arena Text 上领先;GPT-6.1 Sol 在 BenchLeader Index和AA Intelligence Index v5.0.1 上领先。
Gemini 4 Hydrogen 是什么时候发布的?
Gemini 4 Hydrogen 于 2026年11月12日 发布。