BenchLeader

Gemini 4 Hydrogen vs GPT-6.1 Terra

完整资料:Gemini 4 Hydrogen(Google)和 GPT-6.1 Terra(OpenAI),包括全部基准测试、价格和排名。

更新于 · 数据来自 10 个来源

截至 2026年11月16日,Gemini 4 Hydrogen 与 GPT-6.1 Terra 的质量不相上下(BenchLeader Index 63.4 比 64.1,在 ±2.8 的误差范围内)。GPT-6.1 Terra 更便宜,对方的价格是它的 1.5 倍(每百万 token 混合价格 $2.00 比 $3.00)。看重知识(69 比 61)和推理(70 比 68)选 Gemini 4 Hydrogen;看重数学(72 比 68)和智能体与工具(63 比 62)选 GPT-6.1 Terra。Gemini 4 Hydrogen 的首次回答更快(16.2 秒 比 150.9 秒)。Gemini 4 Hydrogen 的输出更快(约 2 倍)。

要点(截至 2026年11月16日)

  • Gemini 4 Hydrogen 的 BenchLeader Index 为 63.4,GPT-6.1 Terra 为 64.1(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-6.1 Terra 每百万 token 混合价格为 $2.00(标价,2026年11月16日)。
  • Gemini 4 Hydrogen 比 GPT-6.1 Terra 输出更快(约 2 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 13 项基准测试中,Gemini 4 Hydrogen 领先 9 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Gemini 4 Hydrogen 的评分为 1704,GPT-6.1 Terra 为 1678(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 69 比 69;Arena WebDev 1704 比 1678均可
智能体与工具调用GPT-6.1 Terra类别得分 63 比 62;Terminal-Bench 53.3% 比 56.4%中
数学GPT-6.1 Terra类别得分 72 比 68中
推理Gemini 4 Hydrogen类别得分 70 比 68;HLE-Diamond (AA) 54.9% 比 47.3%中
知识Gemini 4 Hydrogen类别得分 69 比 61;AA-Omniscience v1.1 43.7 比 29.6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GPT-6.1 Terra每百万 token 混合价格 $2.00 比 $3.00;智能体编程会话 $0.080 比 $0.120–
首次回答最快Gemini 4 Hydrogen首个回答 token 16.2 秒(Gemini 4 Hydrogen (high))比 150.9 秒(GPT-6.1 Terra (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-6.1 Terra (max) 的质量不相上下(63.4 比 64.1,在 ±2.8 的误差范围内)。
  • Gemini 4 Hydrogen (high) 在知识、推理方面更强。
  • GPT-6.1 Terra (max) 在智能体与工具、编程、数学方面更强。
  • GPT-6.1 Terra (max) 更便宜,对方的价格是它的 1.5 倍(每百万 token 混合价格 $2.00 比 $3.00)。
  • Gemini 4 Hydrogen (high) 的输出速度是对方的 2.4 倍(170 比 72 token/秒)。

概览

规格Gemini 4 HydrogenGPT-6.1 Terra
提供商GoogleOpenAI
发布日期2026年11月12日2026年10月26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 Terra (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$1.00 / $5.00 / $0.050

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 Terra (max)领先者
推理69.668.4Gemini 4 Hydrogen
编程68.869.3持平
智能体与工具61.763.4GPT-6.1 Terra
数学67.871.7GPT-6.1 Terra
知识68.561.4Gemini 4 Hydrogen
人类偏好68.2–无法比较
多模态–67.2无法比较
长上下文–66.0无法比较
综合–65.0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-6.1 Terra, 推理: 68.4GPT-6.1 Terra, 编程: 69.3GPT-6.1 Terra, 智能体与工具: 63.4GPT-6.1 Terra, 数学: 71.7GPT-6.1 Terra, 知识: 61.4

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 13 项基准测试中,Gemini 4 Hydrogen 领先 9 项,GPT-6.1 Terra 领先 4 项。第三方来源看法不一:Gemini 4 Hydrogen 在 Vals Index 上领先;GPT-6.1 Terra 在 AA Intelligence Index v5.0.1 上领先。

综合 IndexGemini 4 Hydrogen (high)GPT-6.1 Terra (max)领先者
BenchLeader Index63.464.1不相上下
AA Intelligence Index v5.0.150.851.3GPT-6.1 Terra
Vals Index68.5†60.5Gemini 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 Terra (max)
每百万 token 混合价格$3.00$2.00
每百万 token 输入 / 输出$1.50 / $7.50$1.00 / $5.00
每百万 token 缓存输入$0.075$0.050
每项任务价格:聊天回复$0.0029$0.0019
每项任务价格:总结一份 30 页的报告$0.022$0.015
每项任务价格:代码编辑$0.020$0.013
每项任务价格:智能体编程会话$0.120$0.080
每项任务价格:结构化信息提取$0.0045$0.0030
智能体编程会话(输入大多命中缓存)$0.056$0.037
每项基准测试任务成本(AA Index)$1.87$0.961
每项任务输出 token(AA Index)85k60k
其中推理部分48k39k
每项任务耗时(AA Index)8 min14 min
输出速度170 tok/s72 tok/s
首次回答时间16.2 秒150.9 秒
完整回答耗时(最近一次测量 2026年11月13日)63.3 秒375.7 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 Hydrogen (high) 上花费 $1.87,在 GPT-6.1 Terra (max) 上花费 $0.961;完成同样的工作,Gemini 4 Hydrogen (high) 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 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 Terra (max) 得分 64.1,首个回答 token 需 151 秒;GPT-6.1 Terra (xhigh) 为 60.0(30 秒),GPT-6.1 Terra (high) 为 59.6(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 90 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 Terra (max)
BenchLeader IndexBenchLeader63.464.1
智能体与工具得分BenchLeader61.763.4
编程得分BenchLeader68.869.3
人类偏好得分BenchLeader68.2–
知识得分BenchLeader68.561.4
数学得分BenchLeader67.871.7
推理得分BenchLeader69.668.4
综合得分BenchLeader–65.0
长上下文得分BenchLeader–66.0
多模态得分BenchLeader–67.2
混合价格(美元/百万 token)BenchLeader$3.00$2.00
输出速度BenchLeader170 tok/s72 tok/s
首次回答时间BenchLeader16.2 秒150.9 秒
上下文窗口BenchLeader1,048,576 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub–94.3%
SimpleBenchSimpleBench–72.2%†
Arena Hard PromptsArena (LMArena)1514–
LiveBench 2.0 ReasoningLiveBench88.6%†88.7%
Humanity's Last Exam (AA)Artificial Analysis–46.3%
HLE-Diamond (AA)Artificial Analysis54.9%47.3%
CritPtArtificial Analysis–28.0%
CritPt v2 hard subset (AA)Artificial Analysis61.5%68.0%
HLE-Diamond (Scale)Scale AI SEAL–35.7%†
Arena ExpertArena (LMArena)1542–
Mystery Game PuzzlesEpoch AI Benchmarking Hub–74.0%
编程
SciCodeSciCode–55.1%
Arena CodingArena (LMArena)1518–
Arena WebDevArena (LMArena)17041678
LiveBench 2.0 CodingLiveBench78.5%†89.2%
Vibe Code Bench v1.1Vals AI87.8%†84.0%
SWE Atlas v1.1Scale AI SEAL–57.7%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–54.0%†
SWE Atlas v1.1: Test WritingScale AI SEAL–63.3%†
SWE Atlas v1.1: RefactoringScale AI SEAL–55.7%†
MirrorCodeEpoch AI Benchmarking Hub–76.7%
ALE-BenchEpoch AI Benchmarking Hub–2608.8
WeirdML v3WeirdML–28.1%†
Terminal-Bench 4.0 (AA)Artificial Analysis54.0%55.6%
GameBench 2 OverallDuelLab GameBench 2–81.2†
显示全部 90 项基准测试
指标发布方Gemini 4 Hydrogen (high)GPT-6.1 Terra (max)
编程
GameBench 2 by reasoning settingDuelLab GameBench 2–85.8†
Design Arena WebsiteDesign Arena1320†1286†
FrontierCode 1.1 (AA)Artificial Analysis–36.0%
FrontierCode 2.0 (AA)Artificial Analysis36.3%42.3%
智能体与工具
Terminal-BenchTerminal-Bench56.4%53.3%
APEX-AgentsMercor–68.3%
Arena AgentArena (LMArena)–12
LiveBench Long AgenticLiveBench61.8%†56.2%
LiveBench BrowserLiveBench77.1%†93.1%
HiL-BenchScale AI SEAL–68.0%†
GDPval-AA v2.1Artificial Analysis–1476
Finance Agent v2.1Vals AI65.1%†56.0%
Harvey's Legal Agent Benchmark v1.1Vals AI11.3%†1.7%
Legal Research BenchVals AI53.9%†26.0%
Tax Agent BenchVals AI52.3%†17.1%
Terminal-Bench 4.0 (Vals)Vals AI54.0%†49.5%
Arena Agent Task CompletionArena (LMArena)–9.7
Vending-Bench 2Andon Labs–9107.5†
SpireClimbEpoch AI Benchmarking Hub–22.3%
AutomationBenchArtificial Analysis74.4%60.2%
GDP.pdf (AA)Artificial Analysis30.0%28.6%
AA-Briefcase v1.1Artificial Analysis14971401
GDPxGDPx by SemiAnalysis–8.5%
Design Arena AgenticDesign Arena1262†1192†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis41.4%57.6%
MKA (AA)Artificial Analysis–43.8%
FACTS SearchGoogle–92.7%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub–90.9%
FrontierMath Tier 4Epoch AI Benchmarking Hub–92.7%
OTIS Mock AIMEEpoch AI Benchmarking Hub–100.0%
Arena MathsArena (LMArena)1495–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub–57.3%
LiveBench 2.0 Data AnalysisLiveBench83.2%†82.3%
LiveBench ResearchLiveBench86.8%†79.1%
AA-Omniscience v1.1Artificial Analysis43.729.6
Excel Modeling Benchmark v1.1Vals AI75.8%†73.3%
EBR-benchEpoch AI Benchmarking Hub–78.1%
AA-Omniscience v1.1: accuracyArtificial Analysis48.2%47.6%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis91.3%65.5%
FACTS ParametricGoogle–70.8%†
指令遵循
MultiChallengeScale AI SEAL–74.2%†
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%†79.7%
MMMU-ProArtificial Analysis–84.7%
Blueprint-Bench 2Epoch AI Benchmarking Hub–42.1%†
Furniture AssemblyEpoch AI Benchmarking Hub–79.2%
VIALS-AAHandshake AI–60.3%
FACTS MultimodalGoogle–48.8%†
长上下文
AA-LCR v1.1Artificial Analysis–82.7%
MLCRArtificial Analysis21.1%†30.6%
FACTS GroundingGoogle–84.2%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–167.7†
LiveBench 2.0LiveBench77.0%†78.8%
AA Intelligence Index v5.0.1Artificial Analysis50.851.3
AA Intelligence Index v4.3.2Artificial Analysis–48.1
AA Progress Index v1Artificial Analysis–345.2
Vals IndexVals AI68.5†60.5
Vals Finance IndexVals AI66.1%†53.3%
Vals Legal IndexVals AI73.6%†58.8%
安全与诚实
FORTRESSScale AI SEAL–18.2%†
DistressBenchScale AI SEAL–65.9%†

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 Terra (max):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • GPT-6.1 Terra (max):BenchLeader Index 64.7 → 64.1。
  • Gemini 4 Hydrogen (high):10 项新结果(Arena Text, Arena Hard Prompts, Arena Coding…)。
  • GPT-6.1 Terra (max):1 项新结果(Terminal-Bench)。
  • GPT-6.1 Terra (max):BenchLeader Index 65.2 → 64.7。
  • GPT-6.1 Terra (max):1 项新结果(MirrorCode)。
  • GPT-6.1 Terra (max):1 项分数修订。
  • GPT-6.1 Terra (max):1 项分数修订。
  • GPT-6.1 Terra (max):1 项分数修订。
  • GPT-6.1 Terra (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 Terra:常见问题

Gemini 4 Hydrogen 比 GPT-6.1 Terra 更好吗?
Gemini 4 Hydrogen (high) 与 GPT-6.1 Terra (max) 的质量不相上下(63.4 比 64.1,在 ±2.8 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-6.1 Terra 哪个更便宜?价格会变吗?
目前 GPT-6.1 Terra 更便宜:每百万 token $2.00 比 $3.00(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 Terra 更好?
两者在编程方面持平(类别得分 69 比 69)。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 Terra 为 1678。
Gemini 4 Hydrogen 和 GPT-6.1 Terra 哪个更快?
Gemini 4 Hydrogen 输出更快(约 2 倍;输出 170 比 72 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 Terra 更好?
GPT-6.1 Terra 在智能体任务方面得分更高(类别得分 63 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 Terra 为 53.3%。
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 Terra 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 150.9 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 Terra 的看法一致吗?
在两者都有结果的 13 项基准测试中,Gemini 4 Hydrogen 领先 9 项,GPT-6.1 Terra 领先 4 项。第三方来源看法不一:Gemini 4 Hydrogen 在 Vals Index 上领先;GPT-6.1 Terra 在 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。