BenchLeader

Gemini 4 Neon vs GPT-6 Astra

完整资料:Gemini 4 Neon(Google)和 GPT-6 Astra(OpenAI),包括全部基准测试、价格和排名。

更新于 · 数据来自 13 个来源

截至 2026年11月19日,Gemini 4 Neon 与 GPT-6 Astra 的质量不相上下(BenchLeader Index 67.3 比 66.9,在 ±3.3 的误差范围内)。Gemini 4 Neon 更便宜,对方的价格是它的 3.3 倍(每百万 token 混合价格 $6.00 比 $20.00)。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 2 倍)。

要点(截至 2026年11月19日)

  • Gemini 4 Neon 的 BenchLeader Index 为 67.3,GPT-6 Astra 为 66.9(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 Astra 每百万 token 混合价格为 $20.00(标价,2026年11月19日)。
  • Gemini 4 Neon 比 GPT-6 Astra 输出更快(约 2 倍;Artificial Analysis,7 日中位数,2026年11月19日)。
  • 在两者都有结果的 23 项基准测试中,Gemini 4 Neon 领先 20 项(BenchLeader,2026年11月19日)。
  • 在 Arena WebDev 上,Gemini 4 Neon 的评分为 1764,GPT-6 Astra 为 1763(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 72;Arena WebDev 1764 比 1763中
智能体与工具调用Gemini 4 Neon类别得分 76 比 66;Arena Agent 18.4 比 14.6高
推理均可类别得分 72 比 71;HLE-Diamond (AA) 68.4% 比 63.8%均可
知识Gemini 4 Neon类别得分 72 比 71;AA-Omniscience v1.1 53.8 比 42.4中
对话质量(人类偏好)Gemini 4 NeonArena 投票 72 比 66中
成本最低Gemini 4 Neon每百万 token 混合价格 $6.00 比 $20.00;智能体编程会话 $0.240 比 $0.800–
首次回答最快Gemini 4 Neon首个回答 token 40.6 秒(Gemini 4 Neon (high))比 180.8 秒(GPT-6 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

  • Gemini 4 Neon (high) 与 GPT-6 Astra (max) 的质量不相上下(67.3 比 66.9,在 ±3.3 的误差范围内)。
  • Gemini 4 Neon (high) 在智能体与工具、编程、人类偏好、知识、推理方面更强。
  • Gemini 4 Neon (high) 更便宜,对方的价格是它的 3.3 倍(每百万 token 混合价格 $6.00 比 $20.00)。
  • Gemini 4 Neon (high) 的输出速度是对方的 2.4 倍(101 比 42 token/秒)。

概览

规格Gemini 4 NeonGPT-6 Astra
提供商GoogleOpenAI
发布日期2026年11月18日2026年9月2日
上下文窗口(token)1,048,5761,050,000
对比时的配置Gemini 4 Neon (high)GPT-6 Astra (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$10.00 / $50.00 / $1.00

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 Astra (max)领先者
推理71.971.0持平
编程73.472.3Gemini 4 Neon
智能体与工具76.266.3Gemini 4 Neon
数学–70.3无法比较
知识72.371.1Gemini 4 Neon
人类偏好71.766.4Gemini 4 Neon
多模态–65.4无法比较
长上下文–65.0无法比较
综合–68.8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人类偏好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: 72.3Gemini 4 Neon, 人类偏好: 71.7GPT-6 Astra, 推理: 71.0GPT-6 Astra, 编程: 72.3GPT-6 Astra, 智能体与工具: 66.3GPT-6 Astra, 知识: 71.1GPT-6 Astra, 人类偏好: 66.4

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。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 23 项基准测试中,Gemini 4 Neon 领先 20 项,GPT-6 Astra 领先 3 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 Astra (max)领先者
BenchLeader Index67.366.9不相上下
AA Intelligence Index v5.0.159.656.9Gemini 4 Neon
Arena Text15191475Gemini 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 Astra (max)
每百万 token 混合价格$6.00$20.00
每百万 token 输入 / 输出$3.00 / $15.00$10.00 / $50.00
每百万 token 缓存输入$0.150$1.00
每项任务价格:聊天回复$0.0057$0.019
每项任务价格:总结一份 30 页的报告$0.045$0.150
每项任务价格:代码编辑$0.041$0.135
每项任务价格:智能体编程会话$0.240$0.800
每项任务价格:结构化信息提取$0.0090$0.030
智能体编程会话(输入大多命中缓存)$0.112$0.395
每项基准测试任务成本(AA Index)$3.74$6.24
每项任务输出 token(AA Index)90k52k
其中推理部分46k36k
每项任务耗时(AA Index)15 min21 min
输出速度101 tok/s42 tok/s
首次回答时间40.6 秒180.8 秒
完整回答耗时(最近一次测量 2026年11月13日)–533.7 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 Astra (max) 上花费 $6.24;完成同样的工作,Gemini 4 Neon (high) 输出的 token 是对方的 1.7 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 Astra (max) 得分 66.9,首个回答 token 需 181 秒;GPT-6 Astra 为 66.2(5 秒),GPT-6 Astra (high) 为 65.6(37 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 172 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 Astra (max)
BenchLeader IndexBenchLeader67.366.9
智能体与工具得分BenchLeader76.266.3
编程得分BenchLeader73.472.3
人类偏好得分BenchLeader71.766.4
知识得分BenchLeader72.371.1
推理得分BenchLeader71.971.0
综合得分BenchLeader–68.8
长上下文得分BenchLeader–65.0
数学得分BenchLeader–70.3
多模态得分BenchLeader–65.4
混合价格(美元/百万 token)BenchLeader$6.00$20.00
输出速度BenchLeader101 tok/s42 tok/s
首次回答时间BenchLeader40.6 秒180.8 秒
上下文窗口BenchLeader1,048,576 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub–95.8%
Humanity's Last ExamScale AI / CAIS–54.8%†
SimpleBenchSimpleBench–83.6%†
Arena Hard PromptsArena (LMArena)15461500
LiveBench 2.0 ReasoningLiveBench89.6%†92.7%
LiveBench 1.0 ReasoningLiveBench–92.7%
GPQA Diamond (AA)Artificial Analysis–96.1%
Humanity's Last Exam (AA)Artificial Analysis–54.7%
HLE-Diamond (AA)Artificial Analysis68.4%63.8%
ARC-AGI-1ARC Prize–97.5%
ARC-AGI-2ARC Prize–95.0%
ARC-AGI-3ARC Prize–98.6%
CritPtArtificial Analysis–31.7%
CritPt v2 hard subset (AA)Artificial Analysis59.0%70.5%
MysteryMechanismVals AI–53.1%
HLE-Diamond (Scale)Scale AI SEAL–60.6%†
Arena ExpertArena (LMArena)15411518
Chess PuzzlesEpoch AI Benchmarking Hub–74.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub–84.0%
LMCAEpoch AI Benchmarking Hub–64.1%†
DTBenchEpoch AI Benchmarking Hub–97.1%†
ForecastBenchForecastBench–66.6%†
BTF-3Epoch AI Benchmarking Hub–13.5%†
编程
SciCodeSciCode–56.5%
WeirdMLWeirdML–93.3%
显示全部 172 项基准测试
指标发布方Gemini 4 Neon (high)GPT-6 Astra (max)
编程
FrontierCodeCognition–53.3%
GSO-BenchGSO-Bench–79.4%†
Arena CodingArena (LMArena)15581548
Arena WebDevArena (LMArena)17641763
LiveBench 2.0 CodingLiveBench89.7%†87.5%
LiveBench 1.0 CodingLiveBench–80.4%
IOIVals AI–100.0%
Code MigrationVals AI–67.7%
Code Migration v1.1Vals AI–80.6%
ProgramBenchVals AI–5.5%
SWE-bench MultimodalVals AI–43.3%
Vibe Code Bench 1-100Vals AI–27.6%
Vibe Code Bench v1.1Vals AI–89.6%
SWE Atlas v1.0: Codebase QnAScale AI SEAL–59.1%†
SWE Atlas v1.0: RefactoringScale AI SEAL–59.0%†
SWE Atlas v1.0: Test WritingScale AI SEAL–50.7%†
SWE Atlas v1.1Scale AI SEAL–69.4%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–70.2%†
SWE Atlas v1.1: Test WritingScale AI SEAL–66.7%†
SWE Atlas v1.1: RefactoringScale AI SEAL–71.4%†
SWE-Bench Pro V2Scale AI SEAL–96.9%†
SWE-Bench Pro V2 HARDScale AI SEAL–90.2%†
MirrorCodeEpoch AI Benchmarking Hub–60.0%
DeepSWE v1.1Epoch AI Benchmarking Hub–73.2%
ALE-BenchEpoch AI Benchmarking Hub–2951.3
FrontierSWEEpoch AI Benchmarking Hub–65.5%
WeirdML v3WeirdML–42.2%†
Terminal-Bench 4.0 (AA)Artificial Analysis61.6%59.1%
Terminal-Bench 2.1 (AA)Artificial Analysis–88.4%
Startrise FrontendStartrise–79.9%†
GameBench 2 OverallDuelLab GameBench 2–88.8†
GameBench 2 by reasoning settingDuelLab GameBench 2–94.3†
Design Arena WebsiteDesign Arena–1343
FrontierCode 1.1 (AA)Artificial Analysis–47.0%
FrontierCode 2.0 (AA)Artificial Analysis43.3%42.4%
智能体与工具
Terminal-BenchTerminal-Bench–60.3%
Remote Labor IndexScale AI / CAIS–20.8%†
APEX-AgentsMercor–64.7%†
Arena AgentArena (LMArena)18.414.6
LiveBench Long AgenticLiveBench82.6%†74.7%
LiveBench BrowserLiveBench95.6%†91.3%
LiveBench Agentic CodingLiveBench–57.3%
Terminal-Bench 2.1 (Vals)Vals AI–87.3%
HiL-BenchScale AI SEAL–65.3%†
GDPval-AA v2.1, normalised scoreArtificial Analysis–53.7%
GDPval-AA v2.1Artificial Analysis–1587
τ³-Banking (AA)Artificial Analysis–41.4%
ITBench SRE (AA)Artificial Analysis–48.6%
Analyst Agent (AA)Artificial Analysis–51.3%
CUA-benchVals AI–19.2%
CyberBenchVals AI–41.1%
Finance Agent v2Vals AI–53.5%
Finance Agent v2.1Vals AI–60.4%
Harvey's Legal Agent Benchmark v1.1Vals AI–7.1%
Harvey's Legal Agent Benchmark v1Vals AI–5.4%
Legal Research BenchVals AI–39.4%
Robo-benchVals AI–23.3%
SREBenchVals AI–56.9%
Tax Agent BenchVals AI–20.7%
Terminal-Bench 4.0 (Vals)Vals AI–59.6%
Terminal-Bench ScienceVals AI–62.9%
Time Horizon Index: KSPVals AI–90.5%
Arena SearchArena (LMArena)–1245
Arena Agent Task CompletionArena (LMArena)19.214.9
BALROGBALROG–68.3%
PostTrainBenchEpoch AI Benchmarking Hub–41.9%
GBAEvalEpoch AI Benchmarking Hub–87.0%†
Vending-Bench 2Andon Labs–15514.7†
SpireClimbEpoch AI Benchmarking Hub–34.0%
AutomationBenchArtificial Analysis79.2%68.5%
GDP.pdf (AA)Artificial Analysis33.4%31.0%
Harvey LAB-AA v1.1Harvey–8.6%
AA-Briefcase v1.1Artificial Analysis16321569
GDPxGDPx by SemiAnalysis–9.6%
Design Arena AgenticDesign Arena–1394
RoboDojo (LLM as robot policy)RoboDojo–29.0†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis65.7%63.3%
CWE-Bench (AA)Artificial Analysis–63.3%
DeepSec-Bench (AA)Artificial Analysis–36.9%
CyberGym end-to-end (AA)Artificial Analysis–0.0%
MKA (AA)Artificial Analysis54.6%50.2%
FACTS SearchGoogle–93.3%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub–93.7%
FrontierMath Tier 4Epoch AI Benchmarking Hub–97.6%
OTIS Mock AIMEEpoch AI Benchmarking Hub–100.0%
ProofBenchVals AI–99.0%†
LiveBench MathematicsLiveBench–96.8%
Arena MathsArena (LMArena)–1478
FrontierMath ErdősEpoch AI Benchmarking Hub–2.9%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub–75.6%
LiveBench 2.0 Data AnalysisLiveBench85.3%†83.0%
LiveBench ResearchLiveBench94.5%†90.6%
LiveBench 1.0 Data AnalysisLiveBench–83.0%
AA-Omniscience v1.1Artificial Analysis53.842.4
PRBench FinanceScale AI SEAL–47.5%†
PRBench LegalScale AI SEAL–48.4%†
BioMysteryBenchVals AI–79.3%
Excel Modeling BenchmarkVals AI–71.7%
Excel Modeling Benchmark v1.1Vals AI–72.7%
MedCodeVals AI–48.5%
MedScribeVals AI–87.9%
Financial Coaching BenchVals AI–67.5%
Immigration BenchVals AI–67.7%
DrugDiscoveryBenchScale AI SEAL–68.7%
EBR-benchEpoch AI Benchmarking Hub–76.2%
GDP.pdfEpoch AI Benchmarking Hub–50.4%
AA-Omniscience v1.1: accuracyArtificial Analysis59.4%61.6%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis86.1%50.2%
HealthBench Professional (AA)OpenAI–66.0%
FACTS ParametricGoogle–83.8%†
指令遵循
LiveBench LanguageLiveBench–89.4%
LiveBench Instruction FollowingLiveBench–75.6%
Arena Instruction FollowingArena (LMArena)15221473
人类偏好
Arena TextArena (LMArena)15191475
EQ-Bench Creative Writing v3EQ-Bench–2177†
Arena Creative WritingArena (LMArena)15141449
Arena Multi-turnArena (LMArena)15291482
Arena Longer QueriesArena (LMArena)15211484
多模态
Arena VisionArena (LMArena)–1279
LiveBench DesignLiveBench81.5%†80.0%
MMMU-ProArtificial Analysis–86.9%
Humanity's Sixth SenseScale AI SEAL75.9%†53.6%
Blueprint-Bench 2Epoch AI Benchmarking Hub–49.7%†
Furniture AssemblyEpoch AI Benchmarking Hub–80.0%
VIALS-AAHandshake AI–62.7%
Code2Video-AAArtificial Analysis–1427
AA-3DArtificial Analysis–1168
FACTS MultimodalGoogle–55.2%†
长上下文
AA-LCR v1.1Artificial Analysis–80.7%
Arena DocumentArena (LMArena)–1474
MLCRArtificial Analysis28.9%41.7%
FACTS GroundingGoogle–80.1%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–169.2†
LiveBench 2.0LiveBench87.4%†84.3%
LiveBench 1.0LiveBench–82.2%
AA Intelligence Index v5.0.1Artificial Analysis59.656.9
AA Intelligence Index v4.3.2Artificial Analysis–52.7
AA Progress Index v1Artificial Analysis–349.6
Vals IndexVals AI–65.0
Vals Finance IndexVals AI–55.6%
Vals RSI IndexVals AI–27.1%
Vals Science IndexVals AI–65.1%
Vals Router IndexVals AI–65.0%†
Vals Legal IndexVals AI–68.4%
AA Cyber IndexArtificial Analysis–33.4
安全与诚实
FORTRESSScale AI SEAL–12.1%†
DistressBenchScale AI SEAL–74.3%†

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 Astra (max):3 项分数修订。
  • Gemini 4 Neon (high):首批结果。
  • GPT-6 Astra (max):BenchLeader Index 67.4 → 66.7。
  • GPT-6 Astra (max):2 项分数修订。
  • GPT-6 Astra (max):2 项分数修订。
  • GPT-6 Astra (max):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • GPT-6 Astra (max):1 项分数修订。
  • GPT-6 Astra (max):1 项新结果(PostTrainBench);2 项分数修订。
  • GPT-6 Astra (max):1 项新结果(MirrorCode);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 Neon vs GPT-6 Astra:常见问题

Gemini 4 Neon 比 GPT-6 Astra 更好吗?
Gemini 4 Neon (high) 与 GPT-6 Astra (max) 的质量不相上下(67.3 比 66.9,在 ±3.3 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19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 Neon 和 GPT-6 Astra 哪个更便宜?价格会变吗?
目前 Gemini 4 Neon 更便宜:每百万 token $6.00 比 $20.00(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 Astra 更好?
Gemini 4 Neon 在编程方面得分更高(类别得分 73 比 72,50 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 Astra 为 1763。
Gemini 4 Neon 和 GPT-6 Astra 哪个更快?
Gemini 4 Neon 输出更快(约 2 倍;输出 101 比 42 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 Astra 更好?
Gemini 4 Neon 在智能体任务方面得分更高(类别得分 76 比 66,50 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 Astra 为 14.6。
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 Astra 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 180.8 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 Astra 的看法一致吗?
在两者都有结果的 23 项基准测试中,Gemini 4 Neon 领先 20 项,GPT-6 Astra 领先 3 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。