BenchLeader

Gemini 4 Neon vs GPT-6 Sol

完整资料:Gemini 4 Neon(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19日,质量上 Gemini 4 Neon 领先 GPT-6 Sol(BenchLeader Index 67.3 比 62.4)。不过,GPT-6 Sol 更便宜,对方的价格是它的 1.5 倍(每百万 token 混合价格 $4.00 比 $6.00)。在两者都有成绩的所有类别中,Gemini 4 Neon 均领先。

要点(截至 2026年11月19日)

  • Gemini 4 Neon 的 BenchLeader Index 为 67.3,GPT-6 Sol 为 62.4(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 Sol 每百万 token 混合价格为 $4.00(标价,2026年11月19日)。
  • 在两者都有结果的 22 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 Sol 为 1674(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 66;Arena WebDev 1764 比 1674高
智能体与工具调用Gemini 4 Neon类别得分 76 比 60;Arena Agent 18.4 比 6.5高
推理Gemini 4 Neon类别得分 72 比 65;HLE-Diamond (AA) 68.4% 比 45.2%中
知识Gemini 4 Neon类别得分 72 比 60;AA-Omniscience v1.1 53.8 比 21.4高
对话质量(人类偏好)Gemini 4 NeonArena 投票 72 比 64高
成本最低GPT-6 Sol每百万 token 混合价格 $4.00 比 $6.00;智能体编程会话 $0.160 比 $0.240–
首次回答最快均可首个回答 token 40.6 秒(Gemini 4 Neon (high))比 39.1 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

  • 质量上 Gemini 4 Neon (high) 领先:67.3 比 62.4。
  • 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。
  • GPT-6 Sol (max) 更便宜,对方的价格是它的 1.5 倍(每百万 token 混合价格 $4.00 比 $6.00)。

概览

规格Gemini 4 NeonGPT-6 Sol
提供商GoogleOpenAI
发布日期2026年11月18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 Neon (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)$3.00 / $15.00 / $0.150$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 Neon (high)GPT-6 Sol (max)领先者
推理71.964.9Gemini 4 Neon
编程73.465.5Gemini 4 Neon
智能体与工具76.260.3Gemini 4 Neon
数学–67.8无法比较
知识72.359.9Gemini 4 Neon
人类偏好71.764.2Gemini 4 Neon
多模态–60.5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 Sol, 推理: 64.9GPT-6 Sol, 编程: 65.5GPT-6 Sol, 智能体与工具: 60.3GPT-6 Sol, 知识: 59.9GPT-6 Sol, 人类偏好: 64.2

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 22 项基准测试中,Gemini 4 Neon 领先 20 项,GPT-6 Sol 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 Sol (max)领先者
BenchLeader Index67.362.4Gemini 4 Neon
AA Intelligence Index v5.0.159.644.2Gemini 4 Neon
Arena Text15191458Gemini 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 Sol (max)
每百万 token 混合价格$6.00$4.00
每百万 token 输入 / 输出$3.00 / $15.00$2.00 / $10.00
每百万 token 缓存输入$0.150$0.200
每项任务价格:聊天回复$0.0057$0.0038
每项任务价格:总结一份 30 页的报告$0.045$0.030
每项任务价格:代码编辑$0.041$0.027
每项任务价格:智能体编程会话$0.240$0.160
每项任务价格:结构化信息提取$0.0090$0.0060
智能体编程会话(输入大多命中缓存)$0.112$0.079
每项基准测试任务成本(AA Index)$3.74$2.47
每项任务输出 token(AA Index)90k54k
其中推理部分46k35k
每项任务耗时(AA Index)15 min8 min
输出速度101 tok/s115 tok/s
首次回答时间40.6 秒39.1 秒
完整回答耗时(最近一次测量 2026年11月13日)–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 Neon (high) 上花费 $3.74,在 GPT-6 Sol (max) 上花费 $2.47;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 Sol (max) 得分 62.4,首个回答 token 需 39 秒;GPT-6 Sol (xhigh) 为 58.2(14 秒),GPT-6 Sol (high) 为 57.8(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 124 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 Sol (max)
BenchLeader IndexBenchLeader67.362.4
智能体与工具得分BenchLeader76.260.3
编程得分BenchLeader73.465.5
人类偏好得分BenchLeader71.764.2
知识得分BenchLeader72.359.9
推理得分BenchLeader71.964.9
长上下文得分BenchLeader–66.6
数学得分BenchLeader–67.8
多模态得分BenchLeader–60.5
混合价格(美元/百万 token)BenchLeader$6.00$4.00
输出速度BenchLeader101 tok/s115 tok/s
首次回答时间BenchLeader40.6 秒39.1 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)15461484
LiveBench 2.0 ReasoningLiveBench89.6%†–
LiveBench 1.0 ReasoningLiveBench–88.7%
Humanity's Last Exam (AA)Artificial Analysis–47.9%
HLE-Diamond (AA)Artificial Analysis68.4%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 Analysis59.0%66.5%
MysteryMechanismVals AI–30.2%
HLE-Diamond (Scale)Scale AI SEAL–33.8%†
Arena ExpertArena (LMArena)15411497
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%
ForecastBenchForecastBench–66.3%†
编程
SciCodeSciCode–57.6%
FrontierCodeCognition–49.3%
Arena CodingArena (LMArena)15581520
Arena WebDevArena (LMArena)17641674
LiveBench 2.0 CodingLiveBench89.7%†–
显示全部 124 项基准测试
指标发布方Gemini 4 Neon (high)GPT-6 Sol (max)
编程
LiveBench 1.0 CodingLiveBench–81.8%
IOIVals AI–82.6%
Code MigrationVals AI–57.2%
ProgramBenchVals AI–2.0%
Vibe Code Bench v1.1Vals AI–87.8%
MirrorCodeEpoch AI Benchmarking Hub–48.9%
ALE-BenchEpoch AI Benchmarking Hub–2462
WeirdML v3WeirdML–19.7%†
Terminal-Bench 4.0 (AA)Artificial Analysis61.6%43.9%
GameBench 2 OverallDuelLab GameBench 2–73.0†
GameBench 2 by reasoning settingDuelLab GameBench 2–79.2†
Design Arena WebsiteDesign Arena–1288†
FrontierCode 2.0 (AA)Artificial Analysis43.3%35.6%
智能体与工具
Terminal-BenchTerminal-Bench–50.3%
APEX-AgentsMercor–54.3%
Arena AgentArena (LMArena)18.46.5
LiveBench Long AgenticLiveBench82.6%†–
LiveBench BrowserLiveBench95.6%†–
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%
Harvey's Legal Agent Benchmark v1Vals AI–1.7%
Legal Research BenchVals AI–28.9%
SREBenchVals AI–30.5%
Tax Agent BenchVals AI–15.0%
Terminal-Bench 4.0 (Vals)Vals AI–44.4%
Terminal-Bench ScienceVals AI–30.0%
Arena SearchArena (LMArena)–1229
Arena Agent Task CompletionArena (LMArena)19.23.9
Vending-Bench 2Andon Labs–14427.9†
SpireClimbEpoch AI Benchmarking Hub–9.2%
AutomationBenchArtificial Analysis79.2%61.6%
GDP.pdf (AA)Artificial Analysis33.4%25.2%
Harvey LAB-AA v1.1Harvey–3.6%
AA-Briefcase v1.1Artificial Analysis16321476
Design Arena AgenticDesign Arena–1207†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis65.7%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%
MKA (AA)Artificial Analysis54.6%–
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)–1444
FrontierMath ErdősEpoch AI Benchmarking Hub–1.5%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub–60.7%
LiveBench 2.0 Data AnalysisLiveBench85.3%†–
LiveBench ResearchLiveBench94.5%†–
LiveBench 1.0 Data AnalysisLiveBench–81.2%
AA-Omniscience v1.1Artificial Analysis53.821.4
PRBench LegalScale AI SEAL–38.6%†
BioMysteryBenchVals AI–74.8%
Excel Modeling BenchmarkVals AI–71.5%
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%
AA-Omniscience v1.1: accuracyArtificial Analysis59.4%51.1%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis86.1%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)15221448
人类偏好
Arena TextArena (LMArena)15191458
EQ-Bench Creative Writing v3EQ-Bench–2126†
Arena Creative WritingArena (LMArena)15141427
Arena Multi-turnArena (LMArena)15291468
Arena Longer QueriesArena (LMArena)15211466
多模态
Arena VisionArena (LMArena)–1233
LiveBench DesignLiveBench81.5%†–
MMMU-ProArtificial Analysis–83.0%
Humanity's Sixth SenseScale AI SEAL75.9%†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 Analysis28.9%33.9%
FACTS GroundingGoogle–83.3%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–163.8†
LiveBench 2.0LiveBench87.4%†–
LiveBench 1.0LiveBench–79.3%
AA Intelligence Index v5.0.1Artificial Analysis59.644.2
AA Intelligence Index v4.3.2Artificial Analysis–47.6
AA Progress Index v1Artificial Analysis–334
Vals RSI IndexVals AI–28.1%
Vals Science IndexVals AI–45.0%
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…)。
  • Gemini 4 Neon (high):首批结果。
  • GPT-6 Sol (max):BenchLeader Index 62.9 → 62.1。
  • GPT-6 Sol (max):2 项分数修订。
  • GPT-6 Sol (max):1 项新结果(GDPval-AA v2.1)。
  • 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。

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 Sol:常见问题

Gemini 4 Neon 比 GPT-6 Sol 更好吗?
质量上 Gemini 4 Neon (high) 领先:67.3 比 62.4。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 Sol 哪个更便宜?价格会变吗?
目前 GPT-6 Sol 更便宜:每百万 token $4.00 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 Sol 更好?
Gemini 4 Neon 在编程方面得分更高(类别得分 73 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 Neon 为 1764,GPT-6 Sol 为 1674。
Gemini 4 Neon 和 GPT-6 Sol 哪个更快?
GPT-6 Sol 输出更快(输出 115 比 101 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 Sol 更好?
Gemini 4 Neon 在智能体任务方面得分更高(类别得分 76 比 60,50 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 Sol 为 6.5。
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 Sol 为 1,050,000)。
哪个延迟更低?
GPT-6 Sol 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 39.1 秒比 40.6 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 Sol 的看法一致吗?
在两者都有结果的 22 项基准测试中,Gemini 4 Neon 领先 20 项,GPT-6 Sol 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。