BenchLeader

Gemini 4 Hydrogen vs GPT-6.2 Astra

完整资料:Gemini 4 Hydrogen(Google)和 GPT-6.2 Astra(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19日,质量上 GPT-6.2 Astra 领先 Gemini 4 Hydrogen(BenchLeader Index 68.9 比 63.6)。不过,Gemini 4 Hydrogen 更便宜,对方的价格是它的 5.3 倍(每百万 token 混合价格 $3.00 比 $16.00)。在两者都有成绩的所有类别中,GPT-6.2 Astra 均领先。Gemini 4 Hydrogen 输出更快(3 倍以上)。

要点(截至 2026年11月19日)

  • Gemini 4 Hydrogen 的 BenchLeader Index 为 63.6,GPT-6.2 Astra 为 68.9(BenchLeader,2026年11月19日)。
  • Gemini 4 Hydrogen 每百万 token 混合价格为 $3.00(标价,2026年11月19日)。
  • GPT-6.2 Astra 每百万 token 混合价格为 $16.00(标价,2026年11月19日)。
  • Gemini 4 Hydrogen 比 GPT-6.2 Astra 输出更快(3 倍以上;Artificial Analysis,7 日中位数,2026年11月19日)。
  • 在两者都有结果的 40 项基准测试中,GPT-6.2 Astra 领先 33 项(BenchLeader,2026年11月19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GPT-6.2 Astra类别得分 76 比 68;FrontierCode 2.0 (AA) 45.4% 比 39.0%高
数学GPT-6.2 Astra类别得分 73 比 70;FrontierMath Tiers 1–3 92.6% 比 88.1%中
推理GPT-6.2 Astra类别得分 73 比 70;GPQA Diamond 96.8% 比 96.8%中
知识GPT-6.2 Astra类别得分 74 比 70;SimpleQA Verified 78.5% 比 70.9%中
成本最低Gemini 4 Hydrogen每百万 token 混合价格 $3.00 比 $16.00;智能体编程会话 $0.120 比 $0.640–
首次回答最快Gemini 4 Hydrogen首个回答 token 47.3 秒(Gemini 4 Hydrogen (xhigh))比 202.7 秒(GPT-6.2 Astra (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-6.2 Astra (max) 领先:68.9 比 63.6。
  • GPT-6.2 Astra (max) 在编程、综合、知识、数学、推理方面更强。
  • Gemini 4 Hydrogen (xhigh) 更便宜,对方的价格是它的 5.3 倍(每百万 token 混合价格 $3.00 比 $16.00)。
  • Gemini 4 Hydrogen (xhigh) 的输出速度是对方的 3.5 倍(168 比 49 token/秒)。

概览

规格Gemini 4 HydrogenGPT-6.2 Astra
提供商GoogleOpenAI
发布日期2026年11月12日2026年11月17日
上下文窗口(token)1,048,5761,050,000
对比时的配置Gemini 4 Hydrogen (xhigh)GPT-6.2 Astra (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$8.00 / $40.00 / $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 (xhigh)GPT-6.2 Astra (max)领先者
推理70.073.1GPT-6.2 Astra
编程67.776.1GPT-6.2 Astra
智能体与工具–66.4无法比较
数学69.872.5GPT-6.2 Astra
知识70.274.2GPT-6.2 Astra
多模态–71.7无法比较
综合60.969.5GPT-6.2 Astra

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推理编程数学知识Gemini 4 Hydrogen, 推理: 70.0Gemini 4 Hydrogen, 编程: 67.7Gemini 4 Hydrogen, 数学: 69.8Gemini 4 Hydrogen, 知识: 70.2GPT-6.2 Astra, 推理: 73.1GPT-6.2 Astra, 编程: 76.1GPT-6.2 Astra, 数学: 72.5GPT-6.2 Astra, 知识: 74.2

未绘制(测得的模型少于两个):智能体与工具, 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 40 项基准测试中,Gemini 4 Hydrogen 领先 6 项,GPT-6.2 Astra 领先 33 项,1 项持平。第三方来源看法不一:Gemini 4 Hydrogen 在 Vals Index 上领先;GPT-6.2 Astra 在 BenchLeader Index和AA Intelligence Index v5.0.1 上领先。

综合 IndexGemini 4 Hydrogen (xhigh)GPT-6.2 Astra (max)领先者
BenchLeader Index63.668.9GPT-6.2 Astra
AA Intelligence Index v5.0.153.962.1GPT-6.2 Astra
Vals Index68.567.7Gemini 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 (xhigh)GPT-6.2 Astra (max)
每百万 token 混合价格$3.00$16.00
每百万 token 输入 / 输出$1.50 / $7.50$8.00 / $40.00
每百万 token 缓存输入$0.075$0.400
每项任务价格:聊天回复$0.0029$0.015
每项任务价格:总结一份 30 页的报告$0.022$0.120
每项任务价格:代码编辑$0.020$0.108
每项任务价格:智能体编程会话$0.120$0.640
每项任务价格:结构化信息提取$0.0045$0.024
智能体编程会话(输入大多命中缓存)$0.056$0.298
每项基准测试任务成本(AA Index)$3.16$4.00
每项任务输出 token(AA Index)154k41k
其中推理部分97k26k
每项任务耗时(AA Index)15 min14 min
输出速度168 tok/s49 tok/s
首次回答时间47.3 秒202.7 秒
完整回答耗时(最近一次测量 2026年11月13日)103.9 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 (xhigh) 上花费 $3.16,在 GPT-6.2 Astra (max) 上花费 $4.00;完成同样的工作,Gemini 4 Hydrogen (xhigh) 输出的 token 是对方的 3.8 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 (xhigh) 得分 63.6,首个回答 token 需 47 秒;Gemini 4 Hydrogen (high) 为 63.5(21 秒),Gemini 4 Hydrogen 为 61.1(2 秒)。GPT-6.2 Astra (max) 得分 68.9,首个回答 token 需 203 秒;GPT-6.2 Astra (xhigh) 为 67.1(67 秒),GPT-6.2 Astra (medium) 为 65.6(4 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 102 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 (xhigh)GPT-6.2 Astra (max)
BenchLeader IndexBenchLeader63.668.9
编程得分BenchLeader67.776.1
综合得分BenchLeader60.969.5
知识得分BenchLeader70.274.2
数学得分BenchLeader69.872.5
推理得分BenchLeader70.073.1
智能体与工具得分BenchLeader–66.4
多模态得分BenchLeader–71.7
混合价格(美元/百万 token)BenchLeader$3.00$16.00
输出速度BenchLeader168 tok/s49 tok/s
首次回答时间BenchLeader47.3 秒202.7 秒
上下文窗口BenchLeader1,048,576 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub96.8%96.8%
Arena Hard PromptsArena (LMArena)1511†–
LiveBench 2.0 ReasoningLiveBench88.6%91.6%
HLE-Diamond (AA)Artificial Analysis58.8%72.2%
ARC-AGI-1ARC Prize–98.5%
ARC-AGI-2ARC Prize–95.8%
ARC-AGI-3ARC Prize–99.8%
CritPt v2 hard subset (AA)Artificial Analysis66.0%71.5%
MysteryMechanismVals AI–53.1%
HLE-Diamond (Scale)Scale AI SEAL–66.9%†
Arena ExpertArena (LMArena)1538†–
Chess PuzzlesEpoch AI Benchmarking Hub60.0%78.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub65.0%95.0%
编程
Arena CodingArena (LMArena)1515†–
Arena WebDevArena (LMArena)1703†1781
LiveBench 2.0 CodingLiveBench78.5%91.9%
Vibe Code Bench v1.1Vals AI87.8%89.9%
Vibe Code Bench 1-100 v1.1Vals AI–55.2%
SWE Atlas v1.1Scale AI SEAL–60.5%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–67.7%†
SWE Atlas v1.1: Test WritingScale AI SEAL–62.2%†
SWE Atlas v1.1: RefactoringScale AI SEAL–51.4%†
MirrorCodeEpoch AI Benchmarking Hub–67.8%
CursorBenchCursor57.8%–
ALE-BenchEpoch AI Benchmarking Hub1825.7–
显示全部 102 项基准测试
指标发布方Gemini 4 Hydrogen (xhigh)GPT-6.2 Astra (max)
编程
FrontierSWEEpoch AI Benchmarking Hub53.1%†–
Terminal-Bench 4.0 (AA)Artificial Analysis53.5%64.1%
Design Arena WebsiteDesign Arena1326†1339†
FrontierCode 2.0 (AA)Artificial Analysis39.0%45.4%
智能体与工具
Terminal-BenchTerminal-Bench56.4%†62.1%
APEX-AgentsMercor78.0%†–
Arena AgentArena (LMArena)13.5†15.2
LiveBench Long AgenticLiveBench61.8%70.8%
LiveBench BrowserLiveBench77.1%93.0%
HiL-BenchScale AI SEAL55.3%†–
Analyst Agent (AA)Artificial Analysis–62.5%
Finance Agent v2.1Vals AI65.1%60.8%
Harvey's Legal Agent Benchmark v1.1Vals AI11.3%16.3%
Legal Research BenchVals AI53.9%42.8%
Robo-benchVals AI–32.7%
Tax Agent BenchVals AI52.3%21.8%
Terminal-Bench 4.0 (Vals)Vals AI54.0%63.1%
Terminal-Bench ScienceVals AI–71.4%
Arena Agent Task CompletionArena (LMArena)15.7†12.4
Vending-Bench 2Andon Labs14549.5†–
SpireClimbEpoch AI Benchmarking Hub7.7%41.3%
AutomationBenchArtificial Analysis76.1%77.3%
GDP.pdf (AA)Artificial Analysis27.6%29.8%
Harvey LAB-AA v1.1Harvey–15.0%
EnterpriseOps-GymArtificial Analysis–29.9%
AA-Briefcase v1.1Artificial Analysis15681643
Design Arena AgenticDesign Arena1266†1304
Terminal-Bench-Science 0.1 (AA)Artificial Analysis49.5%78.1%
CWE-Bench (AA)Artificial Analysis–65.0%
DeepSec-Bench (AA)Artificial Analysis–46.8%
CyberGym end-to-end (AA)Artificial Analysis–0.0%
MKA (AA)Artificial Analysis–52.7%
FACTS SearchGoogle93.6%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub88.1%92.6%
FrontierMath Tier 4Epoch AI Benchmarking Hub87.8%100.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%100.0%
Autoform-HardVals AI64.3%87.5%
Arena MathsArena (LMArena)1504†–
FrontierMath ErdősEpoch AI Benchmarking Hub–10.3%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub70.9%78.5%
LiveBench 2.0 Data AnalysisLiveBench83.2%84.1%
LiveBench ResearchLiveBench86.8%91.5%
AA-Omniscience v1.1Artificial Analysis46.350
PRBench FinanceScale AI SEAL52.3%†–
PRBench LegalScale AI SEAL53.1%†43.1%†
BioMysteryBenchVals AI–80.7%
Excel Modeling Benchmark v1.1Vals AI75.8%76.0%
DrugDiscoveryBenchScale AI SEAL69.1%†65.5%†
EBR-benchEpoch AI Benchmarking Hub70.5%92.4%
AA-Omniscience v1.1: accuracyArtificial Analysis50.5%68.6%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis91.5%40.9%
FACTS ParametricGoogle76.7%†–
指令遵循
MultiChallengeScale AI SEAL80.6%†73.2%†
Arena Instruction FollowingArena (LMArena)1499†–
人类偏好
Arena TextArena (LMArena)1490†–
Arena Creative WritingArena (LMArena)1491†–
Arena Multi-turnArena (LMArena)1480†–
Arena Longer QueriesArena (LMArena)1511†–
多模态
LiveBench DesignLiveBench77.3%82.8%
MMMU-ProArtificial Analysis–89.5%
Humanity's Sixth SenseScale AI SEAL63.4%63.2%†
Furniture AssemblyEpoch AI Benchmarking Hub57.5%89.2%
VIALS-AAHandshake AI–65.8%
AA-3DArtificial Analysis–1318
FACTS MultimodalGoogle63.1%†–
长上下文
MLCRArtificial Analysis21.1%39.4%
FACTS GroundingGoogle78.7%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–174.2†
LiveBench 2.0LiveBench77.0%84.9%
AA Intelligence Index v5.0.1Artificial Analysis53.962.1
Vals IndexVals AI68.567.7
Vals Finance IndexVals AI66.1%57.3%
Vals RSI IndexVals AI–29.0%
Vals Science IndexVals AI–68.4%
Vals Legal IndexVals AI73.6%69.7%
AA Cyber IndexArtificial Analysis–37.3
安全与诚实
FORTRESSScale AI SEAL17.5%†–

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。

变化

  • GPT-6.2 Astra (max):BenchLeader Index 67.8 → 68.9。
  • Gemini 4 Hydrogen (xhigh):1 项新结果(Humanity's Sixth Sense)。
  • GPT-6.2 Astra (max):6 项新结果(VIALS-AA, Arena WebDev, Arena Agent…)。
  • Gemini 4 Hydrogen (xhigh):BenchLeader Index 60.8 → 63.7。
  • GPT-6.2 Astra (max):BenchLeader Index 67.2 → 67.8。
  • Gemini 4 Hydrogen (xhigh):10 项新结果(GPQA Diamond, FrontierMath Tiers 1–3, FrontierMath Tier 4…)。
  • GPT-6.2 Astra (max):2 项新结果(MKA (AA), Terminal-Bench)。
  • Gemini 4 Hydrogen (xhigh):BenchLeader Index 61.8 → 60.8。
  • Gemini 4 Hydrogen (xhigh):2 项新结果(CursorBench, ALE-Bench)。
  • Gemini 4 Hydrogen (xhigh):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。

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-6.2 Astra:常见问题

GPT-6.2 Astra 比 Gemini 4 Hydrogen 更好吗?
质量上 GPT-6.2 Astra (max) 领先:68.9 比 63.6。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月19日,GPT-6.2 Astra (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-6.2 Astra 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 $16.00(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-6.2 Astra 更好?
GPT-6.2 Astra 在编程方面得分更高(类别得分 76 比 68,50 为平均水平)。在两者共同的最主要编程基准测试 FrontierCode 2.0 (AA) 上,Gemini 4 Hydrogen 为 39.0%,GPT-6.2 Astra 为 45.4%。
Gemini 4 Hydrogen 和 GPT-6.2 Astra 哪个更快?
Gemini 4 Hydrogen 输出更快(3 倍以上;输出 168 比 49 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-6.2 Astra 为 1,050,000)。
更多问题(3)
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 47.3 秒比 202.7 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-6.2 Astra 的看法一致吗?
在两者都有结果的 40 项基准测试中,Gemini 4 Hydrogen 领先 6 项,GPT-6.2 Astra 领先 33 项,1 项持平。第三方来源看法不一:Gemini 4 Hydrogen 在 Vals Index 上领先;GPT-6.2 Astra 在 BenchLeader Index和AA Intelligence Index v5.0.1 上领先。
GPT-6.2 Astra 是什么时候发布的?
GPT-6.2 Astra 于 2026年11月17日 发布。