BenchLeader

Gemini 4 Hydrogen vs GPT-6 Sol

完整资料:Gemini 4 Hydrogen(Google)和 GPT-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-6 Sol 的质量不相上下(BenchLeader Index 63.4 比 62.6,在 ±3.7 的误差范围内)。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)。在两者都有成绩的所有类别中,Gemini 4 Hydrogen 均领先。Gemini 4 Hydrogen 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-6 Sol 为 62.6(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 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 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 21 项基准测试中,Gemini 4 Hydrogen 领先 18 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Gemini 4 Hydrogen 的评分为 1704,GPT-6 Sol 为 1673(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Gemini 4 Hydrogen类别得分 69 比 66;Arena WebDev 1704 比 1673中
智能体与工具调用Gemini 4 Hydrogen类别得分 62 比 59;Terminal-Bench 56.4% 比 50.3%中
数学均可类别得分 68 比 68;Arena Maths 1495 比 1440均可
推理Gemini 4 Hydrogen类别得分 70 比 66;HLE-Diamond (AA) 54.9% 比 45.2%中
知识Gemini 4 Hydrogen类别得分 69 比 61;AA-Omniscience v1.1 43.7 比 21.4高
对话质量(人类偏好)Gemini 4 HydrogenArena 投票 68 比 64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 36.9 秒(GPT-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-6 Sol (max) 的质量不相上下(63.4 比 62.6,在 ±3.7 的误差范围内)。
  • Gemini 4 Hydrogen (high) 在智能体与工具、编程、人类偏好、知识、推理方面更强。
  • GPT-6 Sol (max) 在数学方面更强。
  • 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 1.3 倍(170 比 127 token/秒)。

概览

规格Gemini 4 HydrogenGPT-6 Sol
提供商GoogleOpenAI
发布日期2026年11月12日2026年9月22日
上下文窗口(token)1,048,5761,050,000
对比时的配置Gemini 4 Hydrogen (high)GPT-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$2.00 / $10.00 / $0.200

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 Sol (max)领先者
推理69.666.0Gemini 4 Hydrogen
编程68.866.3Gemini 4 Hydrogen
智能体与工具61.758.8Gemini 4 Hydrogen
数学67.868.0持平
知识68.560.6Gemini 4 Hydrogen
人类偏好68.264.2Gemini 4 Hydrogen
多模态–60.6无法比较
长上下文–66.6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 Sol, 推理: 66.0GPT-6 Sol, 编程: 66.3GPT-6 Sol, 智能体与工具: 58.8GPT-6 Sol, 数学: 68.0GPT-6 Sol, 知识: 60.6GPT-6 Sol, 人类偏好: 64.2

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 18 项,GPT-6 Sol 领先 3 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-6 Sol (max)领先者
BenchLeader Index63.462.6不相上下
AA Intelligence Index v5.0.150.844.2Gemini 4 Hydrogen
Arena Text14901457Gemini 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 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$0.200
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$0.079
每项基准测试任务成本(AA Index)$1.87$2.47
每项任务输出 token(AA Index)85k54k
其中推理部分48k35k
每项任务耗时(AA Index)8 min7 min
输出速度170 tok/s127 tok/s
首次回答时间16.2 秒36.9 秒
完整回答耗时(最近一次测量 2026年11月13日)63.3 秒143.8 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 Sol (max) 上花费 $2.47;完成同样的工作,Gemini 4 Hydrogen (high) 输出的 token 是对方的 1.6 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 Sol (max) 得分 62.6,首个回答 token 需 37 秒;GPT-6 Sol (xhigh) 为 58.4(19 秒),GPT-6 Sol (high) 为 58.1(6 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 129 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 Sol (max)
BenchLeader IndexBenchLeader63.462.6
智能体与工具得分BenchLeader61.758.8
编程得分BenchLeader68.866.3
人类偏好得分BenchLeader68.264.2
知识得分BenchLeader68.560.6
数学得分BenchLeader67.868.0
推理得分BenchLeader69.666.0
长上下文得分BenchLeader–66.6
多模态得分BenchLeader–60.6
混合价格(美元/百万 token)BenchLeader$3.00$4.00
输出速度BenchLeader170 tok/s127 tok/s
首次回答时间BenchLeader16.2 秒36.9 秒
上下文窗口BenchLeader1,048,576 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub–94.3%
SimpleBenchSimpleBench–73.1%†
Arena Hard PromptsArena (LMArena)15141483
LiveBench 2.0 ReasoningLiveBench88.6%†–
LiveBench 1.0 ReasoningLiveBench–88.7%
Humanity's Last Exam (AA)Artificial Analysis–47.9%
HLE-Diamond (AA)Artificial Analysis54.9%45.2%
ARC-AGI-1ARC Prize–95.5%
ARC-AGI-2ARC Prize–89.6%
ARC-AGI-3ARC Prize–23.0%
CritPtArtificial Analysis–30.9%
CritPt v2 hard subset (AA)Artificial Analysis61.5%66.5%
MysteryMechanismVals AI–30.2%
HLE-Diamond (Scale)Scale AI SEAL–33.8%†
Arena ExpertArena (LMArena)15421496
Chess PuzzlesEpoch AI Benchmarking Hub–56.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub–56.0%
LMCAEpoch AI Benchmarking Hub–59.1%
DTBenchEpoch AI Benchmarking Hub–97.3%
编程
SciCodeSciCode–57.6%
FrontierCodeCognition–49.3%
Arena CodingArena (LMArena)15181521
Arena WebDevArena (LMArena)17041673
LiveBench 2.0 CodingLiveBench78.5%†–
LiveBench 1.0 CodingLiveBench–81.8%
显示全部 129 项基准测试
指标发布方Gemini 4 Hydrogen (high)GPT-6 Sol (max)
编程
IOIVals AI–82.6%
Code MigrationVals AI–57.2%
ProgramBenchVals AI–2.0%
Vibe Code Bench v1.1Vals AI87.8%†87.8%
MirrorCodeEpoch AI Benchmarking Hub–48.9%
ALE-BenchEpoch AI Benchmarking Hub–2462
WeirdML v3WeirdML–19.7%†
Terminal-Bench 4.0 (AA)Artificial Analysis54.0%43.9%
GameBench 2 OverallDuelLab GameBench 2–73.0†
GameBench 2 by reasoning settingDuelLab GameBench 2–79.4†
Design Arena WebsiteDesign Arena1320†1290†
FrontierCode 2.0 (AA)Artificial Analysis36.3%35.6%
智能体与工具
Terminal-BenchTerminal-Bench56.4%50.3%
APEX-AgentsMercor–54.3%
Arena AgentArena (LMArena)–6.9
LiveBench Long AgenticLiveBench61.8%†–
LiveBench BrowserLiveBench77.1%†–
LiveBench Agentic CodingLiveBench–52.9%
Terminal-Bench 2.1 (Vals)Vals AI–83.2%
GDPval-AA v2.1Artificial Analysis–1514
ITBench SRE (AA)Artificial Analysis–49.4%
CyberBenchVals AI–78.0%
Finance Agent v2Vals AI–49.0%
Finance Agent v2.1Vals AI65.1%†–
Harvey's Legal Agent Benchmark v1.1Vals AI11.3%†–
Harvey's Legal Agent Benchmark v1Vals AI–1.7%
Legal Research BenchVals AI53.9%†28.9%
SREBenchVals AI–30.5%
Tax Agent BenchVals AI52.3%†15.0%
Terminal-Bench 4.0 (Vals)Vals AI54.0%†44.4%
Terminal-Bench ScienceVals AI–30.0%
Arena SearchArena (LMArena)–1229
Arena Agent Task CompletionArena (LMArena)–4.5
Vending-Bench 2Andon Labs–14427.9†
SpireClimbEpoch AI Benchmarking Hub–9.2%
AutomationBenchArtificial Analysis74.4%61.6%
GDP.pdf (AA)Artificial Analysis30.0%25.2%
Harvey LAB-AA v1.1Harvey–3.6%
AA-Briefcase v1.1Artificial Analysis14971476
Design Arena AgenticDesign Arena1262†1218†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis41.4%30.0%
CWE-Bench (AA)Artificial Analysis–64.2%
DeepSec-Bench (AA)Artificial Analysis–46.3%
CyberGym end-to-end (AA)Artificial Analysis–0.0%
FACTS SearchGoogle–92.7%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub–89.8%
FrontierMath Tier 4Epoch AI Benchmarking Hub–90.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub–100.0%
ProofBenchVals AI–83.0%†
LiveBench MathematicsLiveBench–96.4%
Arena MathsArena (LMArena)14951440
FrontierMath ErdősEpoch AI Benchmarking Hub–1.5%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub–60.7%
LiveBench 2.0 Data AnalysisLiveBench83.2%†–
LiveBench ResearchLiveBench86.8%†–
LiveBench 1.0 Data AnalysisLiveBench–81.2%
AA-Omniscience v1.1Artificial Analysis43.721.4
PRBench LegalScale AI SEAL–38.6%†
BioMysteryBenchVals AI–74.8%
Excel Modeling BenchmarkVals AI–71.5%
Excel Modeling Benchmark v1.1Vals AI75.8%†–
MedCodeVals AI–47.1%
MedScribeVals AI–82.0%
Public Benefits Bench v1.1Vals AI–56.6%
Financial Coaching BenchVals AI–62.6%
EBR-benchEpoch AI Benchmarking Hub–53.3%
GDP.pdfEpoch AI Benchmarking Hub–26.4%
AA-Omniscience v1.1: accuracyArtificial Analysis48.2%51.1%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis91.3%39.1%
HealthBench Professional (AA)OpenAI–62.3%
FACTS ParametricGoogle–76.1%†
指令遵循
LiveBench LanguageLiveBench–85.3%
LiveBench Instruction FollowingLiveBench–68.6%
Arena Instruction FollowingArena (LMArena)15031449
人类偏好
Arena TextArena (LMArena)14901457
EQ-Bench Creative Writing v3EQ-Bench–2126†
Arena Creative WritingArena (LMArena)14921428
Arena Multi-turnArena (LMArena)14761468
Arena Longer QueriesArena (LMArena)15141466
多模态
Arena VisionArena (LMArena)–1233
LiveBench DesignLiveBench77.3%†–
MMMU-ProArtificial Analysis–83.0%
Humanity's Sixth SenseScale AI SEAL–31.2%
Blueprint-Bench 2Epoch AI Benchmarking Hub–36.9%†
Furniture AssemblyEpoch AI Benchmarking Hub–58.3%
AA-3DArtificial Analysis–1131
FACTS MultimodalGoogle–43.9%†
长上下文
AA-LCR v1.1Artificial Analysis–83.7%
MLCRArtificial Analysis21.1%†33.9%
FACTS GroundingGoogle–83.3%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–163.8†
LiveBench 2.0LiveBench77.0%†–
LiveBench 1.0LiveBench–79.3%
AA Intelligence Index v5.0.1Artificial Analysis50.844.2
AA Intelligence Index v4.3.2Artificial Analysis–47.6
AA Progress Index v1Artificial Analysis–334
Vals IndexVals AI68.5†–
Vals Finance IndexVals AI66.1%†–
Vals RSI IndexVals AI–28.1%
Vals Science IndexVals AI–45.0%
Vals Legal IndexVals AI73.6%†–
AA Cyber IndexArtificial Analysis–36.8
安全与诚实
FORTRESSScale AI SEAL–13.5%†
DistressBenchScale AI SEAL–68.0%†

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 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-6 Sol (max):1 项新结果(MirrorCode)。
  • GPT-6 Sol (max):BenchLeader Index 63.5 → 62.9。
  • GPT-6 Sol (max):2 项分数修订。
  • GPT-6 Sol (max):1 项分数修订。
  • GPT-6 Sol (max):1 项分数修订。
  • GPT-6 Sol (max):6 项新结果(AA Intelligence Index v5.0.1, AA-Omniscience v1.1, CritPt v2 hard subset (AA)…)。
  • GPT-6 Sol (max):1 项分数修订。
  • GPT-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-6 Sol:常见问题

Gemini 4 Hydrogen 比 GPT-6 Sol 更好吗?
Gemini 4 Hydrogen (high) 与 GPT-6 Sol (max) 的质量不相上下(63.4 比 62.6,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-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 $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 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)。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 Sol 为 1673。
Gemini 4 Hydrogen 和 GPT-6 Sol 哪个更快?
Gemini 4 Hydrogen 输出更快(约 1.5 倍;输出 170 比 127 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 Sol 更好?
Gemini 4 Hydrogen 在智能体任务方面得分更高(类别得分 62 比 59,50 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 Sol 为 50.3%。
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 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 36.9 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 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 18 项,GPT-6 Sol 领先 3 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。