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 Neon | GPT-6.1 Terra |
|---|---|---|
| 提供商 | OpenAI | |
| 发布日期 | 2026年11月18日 | 2026年10月26日 |
| 上下文窗口(token) | 1,048,576 | 1,050,000 |
| 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 | 71.9 | 67.2 | Gemini 4 Neon |
| 编程 | 73.4 | 68.0 | Gemini 4 Neon |
| 智能体与工具 | 76.2 | 62.1 | Gemini 4 Neon |
| 数学 | – | 71.2 | 无法比较 |
| 知识 | 72.3 | 60.6 | Gemini 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。
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。
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 Index | Gemini 4 Neon (high) | GPT-6.1 Terra (max) | 领先者 |
|---|---|---|---|
| BenchLeader Index | 67.3 | 63.2 | Gemini 4 Neon |
| AA Intelligence Index v5.0.1 | 59.6 | 51.3 | Gemini 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) | 90k | 60k |
| 其中推理部分 | 46k | 39k |
| 每项任务耗时(AA Index) | 15 min | 15 min |
| 输出速度 | 101 tok/s | 65 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 Index | BenchLeader | 67.3 | 63.2 |
| 智能体与工具得分 | BenchLeader | 76.2 | 62.1 |
| 编程得分 | BenchLeader | 73.4 | 68.0 |
| 人类偏好得分 | BenchLeader | 71.7 | – |
| 知识得分 | BenchLeader | 72.3 | 60.6 |
| 推理得分 | BenchLeader | 71.9 | 67.2 |
| 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 | BenchLeader | 101 tok/s | 65 tok/s |
| 首次回答时间 | BenchLeader | 40.6 秒 | 159.4 秒 |
| 上下文窗口 | BenchLeader | 1,048,576 token | 1,050,000 token |
| 推理 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | – | 94.3% |
| SimpleBench | SimpleBench | – | 72.2%† |
| Arena Hard Prompts | Arena (LMArena) | 1546 | – |
| LiveBench 2.0 Reasoning | LiveBench | 89.6%† | 88.7% |
| Humanity's Last Exam (AA) | Artificial Analysis | – | 46.3% |
| HLE-Diamond (AA) | Artificial Analysis | 68.4% | 47.3% |
| CritPt | Artificial Analysis | – | 28.0% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 59.0% | 68.0% |
| HLE-Diamond (Scale) | Scale AI SEAL | – | 35.7%† |
| Arena Expert | Arena (LMArena) | 1541 | – |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | – | 74.0% |
| 编程 | |||
| SciCode | SciCode | – | 55.1% |
| Arena Coding | Arena (LMArena) | 1558 | – |
| Arena WebDev | Arena (LMArena) | 1764 | 1683 |
| LiveBench 2.0 Coding | LiveBench | 89.7%† | 89.2% |
| Vibe Code Bench v1.1 | Vals AI | – | 84.0% |
| SWE Atlas v1.1 | Scale AI SEAL | – | 57.7%† |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | – | 54.0%† |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | – | 63.3%† |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | – | 55.7%† |
| MirrorCode | Epoch AI Benchmarking Hub | – | 76.7% |
| ALE-Bench | Epoch AI Benchmarking Hub | – | 2608.8 |
| WeirdML v3 | WeirdML | – | 28.1%† |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 61.6% | 55.6% |
| GameBench 2 Overall | DuelLab 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 setting | DuelLab GameBench 2 | – | 85.9† |
| Design Arena Website | Design Arena | – | 1286† |
| FrontierCode 1.1 (AA) | Artificial Analysis | – | 36.0% |
| FrontierCode 2.0 (AA) | Artificial Analysis | 43.3% | 42.3% |
| 智能体与工具 | |||
| Terminal-Bench | Terminal-Bench | – | 53.3% |
| APEX-Agents | Mercor | – | 68.3% |
| Arena Agent | Arena (LMArena) | 18.4 | 10.5 |
| LiveBench Long Agentic | LiveBench | 82.6%† | 55.3% |
| LiveBench Browser | LiveBench | 95.6%† | 93.1% |
| HiL-Bench | Scale AI SEAL | – | 68.0%† |
| GDPval-AA v2.1 | Artificial Analysis | – | 1476 |
| Finance Agent v2.1 | Vals AI | – | 56.0% |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | – | 1.7% |
| Legal Research Bench | Vals AI | – | 26.0% |
| Tax Agent Bench | Vals AI | – | 17.1% |
| Terminal-Bench 4.0 (Vals) | Vals AI | – | 49.5% |
| Arena Agent Task Completion | Arena (LMArena) | 19.2 | 8.5 |
| Vending-Bench 2 | Andon Labs | – | 9107.5† |
| SpireClimb | Epoch AI Benchmarking Hub | – | 22.3% |
| AutomationBench | Artificial Analysis | 79.2% | 60.2% |
| GDP.pdf (AA) | Artificial Analysis | 33.4% | 28.6% |
| AA-Briefcase v1.1 | Artificial Analysis | 1632 | 1399 |
| GDPx | GDPx by SemiAnalysis | – | 8.5% |
| Design Arena Agentic | Design Arena | – | 1176† |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 65.7% | 57.6% |
| MKA (AA) | Artificial Analysis | 54.6% | 43.8% |
| FACTS Search | – | 92.7%† | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | – | 90.9% |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | – | 92.7% |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | – | 100.0% |
| 知识 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | – | 57.3% |
| LiveBench 2.0 Data Analysis | LiveBench | 85.3%† | 82.3% |
| LiveBench Research | LiveBench | 94.5%† | 79.1% |
| AA-Omniscience v1.1 | Artificial Analysis | 53.8 | 29.6 |
| Excel Modeling Benchmark v1.1 | Vals AI | – | 73.3% |
| DrugDiscoveryBench | Scale AI SEAL | – | 58.1%† |
| EBR-bench | Epoch AI Benchmarking Hub | – | 78.1% |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 59.4% | 47.6% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 86.1% | 65.5% |
| FACTS Parametric | – | 70.8%† | |
| 指令遵循 | |||
| MultiChallenge | Scale AI SEAL | – | 74.2%† |
| Arena Instruction Following | Arena (LMArena) | 1522 | – |
| 人类偏好 | |||
| Arena Text | Arena (LMArena) | 1519 | – |
| Arena Creative Writing | Arena (LMArena) | 1514 | – |
| Arena Multi-turn | Arena (LMArena) | 1529 | – |
| Arena Longer Queries | Arena (LMArena) | 1521 | – |
| 多模态 | |||
| LiveBench Design | LiveBench | 81.5%† | 79.7% |
| MMMU-Pro | Artificial Analysis | – | 84.7% |
| Humanity's Sixth Sense | Scale AI SEAL | 75.9%† | – |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | – | 42.1%† |
| Furniture Assembly | Epoch AI Benchmarking Hub | – | 79.2% |
| VIALS-AA | Handshake AI | – | 60.3% |
| FACTS Multimodal | – | 48.8%† | |
| 长上下文 | |||
| AA-LCR v1.1 | Artificial Analysis | – | 82.7% |
| MLCR | Artificial Analysis | 28.9% | 30.6% |
| FACTS Grounding | – | 84.2%† | |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | – | 167.7† |
| LiveBench 2.0 | LiveBench | 87.4%† | 78.6% |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 59.6 | 51.3 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | – | 48.1 |
| AA Progress Index v1 | Artificial Analysis | – | 345.2 |
| Vals Index | Vals AI | – | 60.5 |
| Vals Finance Index | Vals AI | – | 53.3% |
| Vals Legal Index | Vals AI | – | 58.8% |
| 安全与诚实 | |||
| FORTRESS | Scale AI SEAL | – | 18.2%† |
| DistressBench | Scale 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)。
相关对比
- Gemini 4 Neon vs Claude Fable 5.2
- Gemini 4 Neon vs GPT-6.2 Astra
- Gemini 4 Neon vs Gemini 4 Carbon
- GPT-6.1 Terra vs Claude Fable 5.2
- GPT-6.1 Terra vs GPT-6.2 Astra
- GPT-6.1 Terra vs Gemini 4 Carbon
- GPT-6.1 Terra vs Claude Opus 5.5
- Gemini 4 Hydrogen vs GPT-6.1 Terra
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。