BenchLeader

Gemini 4 Neon vs GPT-6.1 Terra

完整资料:Gemini 4 Neon(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19日,质量上 Gemini 4 Neon 领先 GPT-6.1 Terra(BenchLeader Index 67.3 比 63.2)。不过,GPT-6.1 Terra 更便宜,对方的价格是它的 3.0 倍(每百万 token 混合价格 $2.00 比 $6.00)。在两者都有成绩的所有类别中,Gemini 4 Neon 均领先。Gemini 4 Neon 输出更快(约 1.5 倍)。

要点(截至 2026年11月19日)

  • Gemini 4 Neon 的 BenchLeader Index 为 67.3,GPT-6.1 Terra 为 63.2(BenchLeader,2026年11月19日)。
  • Gemini 4 Neon 每百万 token 混合价格为 $6.00(标价,2026年11月19日)。
  • GPT-6.1 Terra 每百万 token 混合价格为 $2.00(标价,2026年11月19日)。
  • Gemini 4 Neon 比 GPT-6.1 Terra 输出更快(约 1.5 倍;Artificial Analysis,7 日中位数,2026年11月19日)。
  • 在两者都有结果的 16 项基准测试中,Gemini 4 Neon 领先 14 项(BenchLeader,2026年11月19日)。
  • 在 Arena WebDev 上,Gemini 4 Neon 的评分为 1764,GPT-6.1 Terra 为 1683(LMArena,截至 2026年11月19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 Neon类别得分 73 比 68;Arena WebDev 1764 比 1683中
智能体与工具调用Gemini 4 Neon类别得分 76 比 62;Arena Agent 18.4 比 10.5高
推理Gemini 4 Neon类别得分 72 比 67;HLE-Diamond (AA) 68.4% 比 47.3%中
知识Gemini 4 Neon类别得分 72 比 61;AA-Omniscience v1.1 53.8 比 29.6高
对话质量(人类偏好)–只有 Gemini 4 Neon 有 Arena 评分(类别得分 72)无法比较
成本最低GPT-6.1 Terra每百万 token 混合价格 $2.00 比 $6.00;智能体编程会话 $0.080 比 $0.240–
首次回答最快Gemini 4 Neon首个回答 token 40.6 秒(Gemini 4 Neon (high))比 159.4 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

  • 质量上 Gemini 4 Neon (high) 领先:67.3 比 63.2。
  • Gemini 4 Neon (high) 在智能体与工具、编程、知识、推理方面更强。
  • GPT-6.1 Terra (max) 更便宜,对方的价格是它的 3.0 倍(每百万 token 混合价格 $2.00 比 $6.00)。
  • Gemini 4 Neon (high) 的输出速度是对方的 1.6 倍(101 比 65 token/秒)。

概览

规格Gemini 4 NeonGPT-6.1 Terra
提供商GoogleOpenAI
发布日期2026年11月18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 Neon (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)$3.00 / $15.00 / $0.150$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 Neon (high)GPT-6.1 Terra (max)领先者
推理71.967.2Gemini 4 Neon
编程73.468.0Gemini 4 Neon
智能体与工具76.262.1Gemini 4 Neon
数学–71.2无法比较
知识72.360.6Gemini 4 Neon
人类偏好71.7–无法比较
多模态–66.8无法比较
长上下文–66.0无法比较
综合–62.6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知识Gemini 4 Neon, 推理: 71.9Gemini 4 Neon, 编程: 73.4Gemini 4 Neon, 智能体与工具: 76.2Gemini 4 Neon, 知识: 72.3GPT-6.1 Terra, 推理: 67.2GPT-6.1 Terra, 编程: 68.0GPT-6.1 Terra, 智能体与工具: 62.1GPT-6.1 Terra, 知识: 60.6

未绘制(测得的模型少于两个):数学, 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 16 项基准测试中,Gemini 4 Neon 领先 14 项,GPT-6.1 Terra 领先 2 项。所有同时评测两者的综合评分都认为 Gemini 4 Neon 更强。

综合 IndexGemini 4 Neon (high)GPT-6.1 Terra (max)领先者
BenchLeader Index67.363.2Gemini 4 Neon
AA Intelligence Index v5.0.159.651.3Gemini 4 Neon

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 Neon (high)GPT-6.1 Terra (max)
每百万 token 混合价格$6.00$2.00
每百万 token 输入 / 输出$3.00 / $15.00$1.00 / $5.00
每百万 token 缓存输入$0.150$0.050
每项任务价格:聊天回复$0.0057$0.0019
每项任务价格:总结一份 30 页的报告$0.045$0.015
每项任务价格:代码编辑$0.041$0.013
每项任务价格:智能体编程会话$0.240$0.080
每项任务价格:结构化信息提取$0.0090$0.0030
智能体编程会话(输入大多命中缓存)$0.112$0.037
每项基准测试任务成本(AA Index)$3.74$0.961
每项任务输出 token(AA Index)90k60k
其中推理部分46k39k
每项任务耗时(AA Index)15 min15 min
输出速度101 tok/s65 tok/s
首次回答时间40.6 秒159.4 秒
完整回答耗时(最近一次测量 2026年11月13日)–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 Neon (high) 上花费 $3.74,在 GPT-6.1 Terra (max) 上花费 $0.961;完成同样的工作,Gemini 4 Neon (high) 输出的 token 是对方的 1.5 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 Neon (high) 得分 67.3,首个回答 token 需 41 秒;Gemini 4 Neon (xhigh) 为 64.3(57 秒)。GPT-6.1 Terra (max) 得分 63.2,首个回答 token 需 159 秒;GPT-6.1 Terra (xhigh) 为 59.4(32 秒),GPT-6.1 Terra (high) 为 59.0(12 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 91 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 Neon (high)GPT-6.1 Terra (max)
BenchLeader IndexBenchLeader67.363.2
智能体与工具得分BenchLeader76.262.1
编程得分BenchLeader73.468.0
人类偏好得分BenchLeader71.7–
知识得分BenchLeader72.360.6
推理得分BenchLeader71.967.2
综合得分BenchLeader–62.6
长上下文得分BenchLeader–66.0
数学得分BenchLeader–71.2
多模态得分BenchLeader–66.8
混合价格(美元/百万 token)BenchLeader$6.00$2.00
输出速度BenchLeader101 tok/s65 tok/s
首次回答时间BenchLeader40.6 秒159.4 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)1546–
LiveBench 2.0 ReasoningLiveBench89.6%†88.7%
Humanity's Last Exam (AA)Artificial Analysis–46.3%
HLE-Diamond (AA)Artificial Analysis68.4%47.3%
CritPtArtificial Analysis–28.0%
CritPt v2 hard subset (AA)Artificial Analysis59.0%68.0%
HLE-Diamond (Scale)Scale AI SEAL–35.7%†
Arena ExpertArena (LMArena)1541–
Mystery Game PuzzlesEpoch AI Benchmarking Hub–74.0%
编程
SciCodeSciCode–55.1%
Arena CodingArena (LMArena)1558–
Arena WebDevArena (LMArena)17641683
LiveBench 2.0 CodingLiveBench89.7%†89.2%
Vibe Code Bench v1.1Vals AI–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 Analysis61.6%55.6%
GameBench 2 OverallDuelLab GameBench 2–81.1†
显示全部 91 项基准测试
指标发布方Gemini 4 Neon (high)GPT-6.1 Terra (max)
编程
GameBench 2 by reasoning settingDuelLab GameBench 2–85.9†
Design Arena WebsiteDesign Arena–1286†
FrontierCode 1.1 (AA)Artificial Analysis–36.0%
FrontierCode 2.0 (AA)Artificial Analysis43.3%42.3%
智能体与工具
Terminal-BenchTerminal-Bench–53.3%
APEX-AgentsMercor–68.3%
Arena AgentArena (LMArena)18.410.5
LiveBench Long AgenticLiveBench82.6%†55.3%
LiveBench BrowserLiveBench95.6%†93.1%
HiL-BenchScale AI SEAL–68.0%†
GDPval-AA v2.1Artificial Analysis–1476
Finance Agent v2.1Vals AI–56.0%
Harvey's Legal Agent Benchmark v1.1Vals AI–1.7%
Legal Research BenchVals AI–26.0%
Tax Agent BenchVals AI–17.1%
Terminal-Bench 4.0 (Vals)Vals AI–49.5%
Arena Agent Task CompletionArena (LMArena)19.28.5
Vending-Bench 2Andon Labs–9107.5†
SpireClimbEpoch AI Benchmarking Hub–22.3%
AutomationBenchArtificial Analysis79.2%60.2%
GDP.pdf (AA)Artificial Analysis33.4%28.6%
AA-Briefcase v1.1Artificial Analysis16321399
GDPxGDPx by SemiAnalysis–8.5%
Design Arena AgenticDesign Arena–1176†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis65.7%57.6%
MKA (AA)Artificial Analysis54.6%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%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub–57.3%
LiveBench 2.0 Data AnalysisLiveBench85.3%†82.3%
LiveBench ResearchLiveBench94.5%†79.1%
AA-Omniscience v1.1Artificial Analysis53.829.6
Excel Modeling Benchmark v1.1Vals AI–73.3%
DrugDiscoveryBenchScale AI SEAL–58.1%†
EBR-benchEpoch AI Benchmarking Hub–78.1%
AA-Omniscience v1.1: accuracyArtificial Analysis59.4%47.6%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis86.1%65.5%
FACTS ParametricGoogle–70.8%†
指令遵循
MultiChallengeScale AI SEAL–74.2%†
Arena Instruction FollowingArena (LMArena)1522–
人类偏好
Arena TextArena (LMArena)1519–
Arena Creative WritingArena (LMArena)1514–
Arena Multi-turnArena (LMArena)1529–
Arena Longer QueriesArena (LMArena)1521–
多模态
LiveBench DesignLiveBench81.5%†79.7%
MMMU-ProArtificial Analysis–84.7%
Humanity's Sixth SenseScale AI SEAL75.9%†–
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 Analysis28.9%30.6%
FACTS GroundingGoogle–84.2%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–167.7†
LiveBench 2.0LiveBench87.4%†78.6%
AA Intelligence Index v5.0.1Artificial Analysis59.651.3
AA Intelligence Index v4.3.2Artificial Analysis–48.1
AA Progress Index v1Artificial Analysis–345.2
Vals IndexVals AI–60.5
Vals Finance IndexVals AI–53.3%
Vals Legal IndexVals AI–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。

DuelLab GameBench 2, release gb2-20261114-ca113f475f5e (https://benchmarks.duellab.org/releases/gb2-20261114-ca113f475f5e/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

变化

  • Gemini 4 Neon (high):13 项新结果(MLCR, MKA (AA), Arena Text…)。
  • GPT-6.1 Terra (max):3 项分数修订。
  • Gemini 4 Neon (high):首批结果。
  • GPT-6.1 Terra (max):BenchLeader Index 64.1 → 63.5。
  • GPT-6.1 Terra (max):2 项分数修订。
  • 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。
  • 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)。

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 Neon vs GPT-6.1 Terra:常见问题

Gemini 4 Neon 比 GPT-6.1 Terra 更好吗?
质量上 Gemini 4 Neon (high) 领先:67.3 比 63.2。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月19日,Gemini 4 Neon (high) 总体领先,但请结合你的用途查看各类别得分。
Gemini 4 Neon 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 $6.00(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 Neon 还是 GPT-6.1 Terra 更好?
Gemini 4 Neon 在编程方面得分更高(类别得分 73 比 68,50 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 Neon 为 1764,GPT-6.1 Terra 为 1683。
Gemini 4 Neon 和 GPT-6.1 Terra 哪个更快?
Gemini 4 Neon 输出更快(约 1.5 倍;输出 101 比 65 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Gemini 4 Neon 还是 GPT-6.1 Terra 更好?
Gemini 4 Neon 在智能体任务方面得分更高(类别得分 76 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 Arena Agent 上,Gemini 4 Neon 为 18.4,GPT-6.1 Terra 为 10.5。
更多问题(4)
处理长文档哪个更好?
两者都约为 1.1M token(Gemini 4 Neon 为 1,048,576,GPT-6.1 Terra 为 1,050,000)。
哪个延迟更低?
Gemini 4 Neon 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 40.6 秒比 159.4 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 Neon 和 GPT-6.1 Terra 的看法一致吗?
在两者都有结果的 16 项基准测试中,Gemini 4 Neon 领先 14 项,GPT-6.1 Terra 领先 2 项。所有同时评测两者的综合评分都认为 Gemini 4 Neon 更强。
Gemini 4 Neon 是什么时候发布的?
Gemini 4 Neon 于 2026年11月18日 发布。