BenchLeader

Gemini 4 Argon

其他搜索名称:Gemini Argon

推理强度
质量第 8 / 339 名
65.3Index
前 10%
较中位数 +15.1
价格第 207 / 255 名
$4.00每百万 token
最贵的四分之一
中位数的 4.7 倍
速度第 142 / 216 名
66token/秒
低于中位数
中位数的 0.8 倍
性价比第 200 / 255 名
16.3分/$
后四分之一
中位数的 0.3 倍

性价比更高: GPT-6.1 Terra $2.00/M 即可获得 Index 64.1,价格只有一半。

没有比它更便宜且得分更高的已排名模型:它位于价格前沿上。

截至 2026年11月16日,Gemini 4 Argon(Google)在 BenchLeader Index 上得分 65.3(在 608 个已排名配置中前 25 名)。表现最好的是人类偏好(72),最弱的是智能体与工具(59)。API 价格为输入每百万 token $2.00、输出每百万 token $10.00(按 3:1 混合为 $4.00),有效至 2026年11月30日,之后为 $4.00 / $20.00(混合 $8.00)。输出速度约为 66 token/秒(Artificial Analysis)。发布于 2026年9月30日,2026年10月13日起正式可用。

要点(截至 2026年11月16日)

  • Gemini 4 Argon 的 API 价格为输入每百万 token $2.00、输出每百万 token $10.00(按 3:1 混合为 $4.00),有效至 2026年11月30日,之后为 $4.00 / $20.00(混合 $8.00)(标价,2026年11月16日)。
  • Gemini 4 Argon 的输出速度约为 66 token/秒(Artificial Analysis,2026年11月16日)。
  • Gemini 4 Argon 于 2026年9月30日发布(Google)。

详细说明:Gemini 4 Argon 是 Google 的闭源推理模型,发布于 2026年9月30日。其最佳配置(推理强度 high)在 BenchLeader Index 上得分 65.3 ±2.6,在 608 个配置中排第 20 名,位居前 25。关键在于这个“±”:另有 69 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,人类偏好得分最高(72),智能体与工具最低(59)。按混合价格计,每百万 token $4.00,属于已排名模型中最贵的一档。该价格有效至 2026年11月30日,之后为 $8.00。输出速度为 66 token/秒,首次回答需 45.7 秒,比大多数模型慢。它已在 5 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。最近一次测量:2026年11月11日。

混合价格
$4.00/M
输入 $2.00 · 输出 $10.00
来源:Artificial Analysis
输出速度
66 tok/s
由 Artificial Analysis 测量
首次回答
46 s
首 token 4.93 s
上下文
1.0M
来源:models.dev
完整回答
122 s
最近一次测量 2026年11月13日
单任务成本
$4.97
每项任务 29 min,AA Index
单任务 token 数
116k
其中 59% 为推理
发布日期
2026年9月30日
各类别得分虚线 = 平均模型(50)。每 15 分为一个标准差。
  1. 综合 Index65
  2. 推理70
  3. 编程67
  4. 智能体与工具59
  5. 数学70
  6. 知识72
  7. 人类偏好72
  8. 长上下文65
  9. 综合64

嵌入这个排名

更多徽章样式
[![Gemini 4 Argon on BenchLeader: 综合第 9 名](https://www.benchleader.com/badge/gemini-4-argon.svg?style=compact)](https://www.benchleader.com/models/gemini-4-argon)

粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。

Google 发布新模型时邮件通知我

进入排名时再通知一次,每周一另有每周回顾。

选择提供商和邮件类型

不同推理强度的配置

同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。

推理强度Index排名速度首次回答聊天回复成本类别
minimal––34 tok/s4.93 s$0.0038
low––34 tok/s4.93 s$0.0038推理 58
medium61.6#6261 tok/s13 s$0.0038编程 57 · 知识 67 · 长上下文 64 · 多模态 71 · 推理 67
high最佳65.3#2066 tok/s46 s$0.0038智能体与工具 59 · 编程 67 · 综合 64 · 人类偏好 72 · 知识 72 · 长上下文 65 · 数学 70 · 推理 70
未说明64.4#2734 tok/s4.93 s$0.0038智能体与工具 69 · 人类偏好 56 · 指令遵循 74 · 知识 59 · 数学 77 · 推理 78

Index 走势

2026年10月2日 至 2026年11月16日
606672
  • high
  • 默认

Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。

基准测试结果

查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。

推理

基准测试lowmediumhigh默认来源趋势
GPQA Diamond––96.4%#2–Epoch AI Benchmarking Hub
SimpleBench推理强度未说明–––91.7%#3SimpleBench
Arena Hard Prompts––1545#2–Arena (LMArena)
LiveBench 2.0 Reasoning不计入 Index––95.1%#1–LiveBench
Humanity's Last Exam (AA)不计入 Index–49.9%#3257.1%#10–Artificial Analysis
HLE-Diamond (AA)–42.5%#3656.7%#18–Artificial Analysis
ARC-AGI-176.5%#13798.5%#198.5%#1–ARC Prize
ARC-AGI-242.1%#12487.1%#3191.3%#16–ARC Prize
ARC-AGI-397.5%#997.3%#1097.3%#10–ARC Prize
CritPt不计入 Index–23.1%#6127.1%#39–Artificial Analysis
CritPt v2 hard subset (AA)–53.5%#3852.5%#39–Artificial Analysis
MysteryMechanism不计入 Index––45.5%#7–Vals AI
HLE-Diamond (Scale)不计入 Index推理强度未说明–––53.2%#4Scale AI SEAL
Arena Expert不计入 Index––1549#3–Arena (LMArena)
Chess Puzzles不计入 Index––59.0%#12–Epoch AI Benchmarking Hub
Mystery Game Puzzles不计入 Index––64.0%#8–Epoch AI Benchmarking Hub
LMCA不计入 Index62.9%#3062.9%#3163.7%#24–Epoch AI Benchmarking Hub
DTBench不计入 Index97.6%#1097.3%#1497.3%#14–Epoch AI Benchmarking Hub

编程

基准测试minimallowmediumhigh默认来源趋势
SciCode–––61.8%#7–SciCode
FrontierCode––47.5%#12––Cognition
Arena Coding–––1553#2–Arena (LMArena)
Arena WebDev–––1681#13–Arena (LMArena)
LiveBench 2.0 Coding不计入 Index–––85.7%#6–LiveBench
SciCode (AA)不计入 Index––58.9%#2261.8%#7–Artificial Analysis
IOI–––100.0%#1–Vals AI
Code Migration不计入 Index–––68.2%#2–Vals AI
Code Migration v1.1不计入 Index–––70.8%#7–Vals AI
ProgramBench不计入 Index–––2.5%#8–Vals AI
SWE-bench Multimodal不计入 Index–––56.0%#5–Vals AI
Vibe Code Bench 1-100不计入 Index–––21.2%#9–Vals AI
Vibe Code Bench v1.1不计入 Index–––91.9%#3–Vals AI
SWE Atlas v1.1不计入 Index推理强度未说明––––70.1%#5Scale AI SEAL
SWE Atlas v1.1: Codebase QnA不计入 Index推理强度未说明––––65.3%#16Scale AI SEAL
SWE Atlas v1.1: Test Writing不计入 Index推理强度未说明––––77.8%#2Scale AI SEAL
SWE Atlas v1.1: Refactoring不计入 Index推理强度未说明––––67.1%#5Scale AI SEAL
SWE-Bench Pro V2不计入 Index–––99.2%#2–Scale AI SEAL
SWE-Bench Pro V2 HARD不计入 Index–––92.2%#3–Scale AI SEAL
MirrorCode不计入 Index–––58.9%#16–Epoch AI Benchmarking Hub
CursorBench不计入 Index48.8%#2250.6%#1952.8%#1552.9%#14–Cursor
ALE-Bench不计入 Index–1705.4#16–2100.1#10–Epoch AI Benchmarking Hub
FrontierSWE不计入 Index–––55.0%#7–Epoch AI Benchmarking Hub
WeirdML v3不计入 Index–––20.3%#6–WeirdML
Terminal-Bench 4.0 (AA)不计入 Index––55.0%#1957.1%#13–Artificial Analysis
GameBench 2 Overall不计入 Index跨设置––––81.7#6DuelLab GameBench 2
GameBench 2 by reasoning setting不计入 Index–79.2#2376.6#2689.2#10–DuelLab GameBench 2
Design Arena Website不计入 Index推理强度未说明––––1316#15Design Arena
FrontierCode 1.1 (AA)不计入 Index–––43.5%#28–Artificial Analysis
FrontierCode 2.0 (AA)––25.0%#5425.7%#50–Artificial Analysis

智能体与工具

基准测试mediumhigh默认来源趋势
Terminal-Bench–55.5%#29–Terminal-Bench
Remote Labor Index推理强度未说明––17.1%#5Scale AI / CAIS
APEX-Agents推理强度未说明––82.4%#2Mercor
Arena Agent–10.7#9–Arena (LMArena)
LiveBench Long Agentic不计入 Index–58.5%#9–LiveBench
LiveBench Browser不计入 Index–82.8%#8–LiveBench
Terminal-Bench 2.1 (Vals)–57.7%#43–Vals AI
MCP Atlas推理强度未说明––90.7%#1Scale AI SEAL
HiL-Bench推理强度未说明––62.0%#8Scale AI SEAL
GDPval-AA v2.1, normalised score不计入 Index–56.2%#21–Artificial Analysis
GDPval-AA v2.1不计入 Index1578#471634#29–Artificial Analysis
Analyst Agent (AA)不计入 Index–48.8%#13–Artificial Analysis
CUA-bench不计入 Index–4.8%#8–Vals AI
CyberBench不计入 Index–77.9%#3–Vals AI
Finance Agent v2不计入 Index–65.4%#1–Vals AI
Finance Agent v2.1不计入 Index–67.7%#3–Vals AI
Harvey's Legal Agent Benchmark v1.1不计入 Index–27.1%#1–Vals AI
Harvey's Legal Agent Benchmark v1不计入 Index–19.6%#6–Vals AI
Legal Research Bench不计入 Index–54.8%#5–Vals AI
Robo-bench不计入 Index–0.8%#6–Vals AI
SREBench不计入 Index–44.3%#3–Vals AI
Tax Agent Bench不计入 Index–49.2%#5–Vals AI
Terminal-Bench 4.0 (Vals)不计入 Index–57.6%#9–Vals AI
Terminal-Bench Science不计入 Index–44.3%#6–Vals AI
Time Horizon Index: KSP不计入 Index–52.5%#4–Vals AI
Arena Agent Task Completion不计入 Index–13.2#7–Arena (LMArena)
PostTrainBench不计入 Index–40.4%#4–Epoch AI Benchmarking Hub
Vending-Bench 2不计入 Index推理强度未说明––13718.2#4Andon Labs
AutomationBench不计入 Index75.8%#677.5%#3–Artificial Analysis
GDP.pdf (AA)不计入 Index25.6%#4121.8%#73–Artificial Analysis
Harvey LAB-AA v1.1不计入 Index–3.9%#14–Harvey
AA-Briefcase v1.1不计入 Index1467#631485#55–Artificial Analysis
GDPx不计入 Index–7.3%#10–GDPx by SemiAnalysis
Design Arena Agentic不计入 Index推理强度未说明––1274#16Design Arena
Terminal-Bench-Science 0.1 (AA)不计入 Index48.6%#2352.9%#18–Artificial Analysis
MKA (AA)不计入 Index–51.3%#5–Artificial Analysis
FACTS Search不计入 Index推理强度未说明––89.9%#9Google

数学

基准测试high默认来源趋势
FrontierMath Tiers 1–386.0%#13–Epoch AI Benchmarking Hub
FrontierMath Tier 478.0%#18–Epoch AI Benchmarking Hub
OTIS Mock AIME100.0%#1–Epoch AI Benchmarking Hub
ProofBench推理强度未说明–99.0%#5Vals AI
ArXivMath不计入 Index84.4%#3–MathArena
BrokenArXiv不计入 Index47.9%#7–MathArena
Arena Maths1536#1–Arena (LMArena)
FrontierMath Erdős不计入 Index1.5%#6–Epoch AI Benchmarking Hub

知识

基准测试mediumhigh默认来源趋势
SimpleQA Verified–76.0%#3–Epoch AI Benchmarking Hub
LiveBench 2.0 Data Analysis不计入 Index–85.2%#2–LiveBench
LiveBench Research不计入 Index–86.8%#11–LiveBench
AA-Omniscience v1.141.1#2346.1#11–Artificial Analysis
LegalBench–88.3%#3–Vals AI
PRBench Finance推理强度未说明––49.9%#11Scale AI SEAL
PRBench Legal推理强度未说明––49.4%#13Scale AI SEAL
BioMysteryBench不计入 Index–76.3%#7–Vals AI
Excel Modeling Benchmark不计入 Index–75.2%#4–Vals AI
Excel Modeling Benchmark v1.1不计入 Index–74.8%#8–Vals AI
MedCode不计入 Index–58.8%#3–Vals AI
MedScribe不计入 Index–87.4%#17–Vals AI
Public Benefits Bench v1.1不计入 Index–69.8%#7–Vals AI
Access to Justice Benchmark不计入 Index–68.5%#19–Vals AI
Financial Coaching Bench不计入 Index–73.1%#13–Vals AI
Immigration Bench不计入 Index–68.1%#9–Vals AI
DrugDiscoveryBench不计入 Index–65.4%#3–Scale AI SEAL
EBR-bench不计入 Index–64.8%#6–Epoch AI Benchmarking Hub
GDP.pdf不计入 Index–28.4%#11–Epoch AI Benchmarking Hub
AA-Omniscience v1.1: accuracy不计入 Index49.0%#3748.3%#41–Artificial Analysis
AA-Omniscience v1.1: non-hallucination不计入 Index84.6%#895.7%#2–Artificial Analysis
HealthBench Professional (AA)不计入 Index–55.0%#15–OpenAI
FACTS Parametric不计入 Index推理强度未说明––72.2%#10Google

指令遵循

基准测试high默认来源趋势
MultiChallenge推理强度未说明–78.7%#2Scale AI SEAL
Arena Instruction Following不计入 Index1528#1–Arena (LMArena)

人类偏好

基准测试high默认来源趋势
Arena Text1522#2–Arena (LMArena)
EQ-Bench 4推理强度未说明–1236#12EQ-Bench
EQ-Bench Creative Writing v3不计入 Index推理强度未说明–1758#29EQ-Bench
Arena Creative Writing不计入 Index1523#1–Arena (LMArena)
Arena Multi-turn不计入 Index1545#2–Arena (LMArena)
Arena Longer Queries不计入 Index1544#1–Arena (LMArena)

多模态

基准测试mediumhigh默认来源趋势
LiveBench Design不计入 Index–69.2%#28–LiveBench
MMMU-Pro88.3%#2––Artificial Analysis
SAGE不计入 Index–89.5%#4–Vals AI
AudioMC不计入 Index–58.4%#3–Scale AI SEAL
AudioMC (text output)不计入 Index–58.4%#3–Scale AI SEAL
Humanity's Sixth Sense不计入 Index–55.4%#3–Scale AI SEAL
Blueprint-Bench 2不计入 Index推理强度未说明––54.5%#2Epoch AI Benchmarking Hub
Furniture Assembly不计入 Index–72.5%#8–Epoch AI Benchmarking Hub
VIALS-AA不计入 Index–59.6%#6–Handshake AI
Code2Video-AA不计入 Index–1259#6–Artificial Analysis
AA-3D不计入 Index–1147#5–Artificial Analysis
FACTS Multimodal不计入 Index推理强度未说明––54.2%#5Google

长上下文

基准测试mediumhigh默认来源趋势
AA-LCR v1.178.3%#12779.7%#100–Artificial Analysis
MLCR不计入 Index–13.9%#97–Artificial Analysis
FACTS Grounding不计入 Index推理强度未说明––73.3%#10Google

综合

基准测试mediumhigh默认来源趋势
Epoch Capabilities Index不计入 Index推理强度未说明––166.5#9Epoch AI Benchmarking Hub
LiveBench 2.0–77.7%#8–LiveBench
AA Intelligence Index v5.0.1不计入 Index47.6#2950.4#22–Artificial Analysis
AA Intelligence Index v4.3.2不计入 Index–52.6#10–Artificial Analysis
AA Progress Index v1不计入 Index–341.8#18–Artificial Analysis
Vals Index不计入 Index–69.4#5–Vals AI
Vals Finance Index不计入 Index–66.0%#3–Vals AI
Vals RSI Index不计入 Index–30.6%#5–Vals AI
Vals Science Index不计入 Index–55.4%#6–Vals AI
Vals Router Index不计入 Index推理强度未说明––69.2%#1Vals AI
Vals Legal Index不计入 Index–76.8%#2–Vals AI

安全与诚实

基准测试默认来源趋势
DistressBench不计入 Index68.6%#30Scale AI SEAL

GameBench 2 Overall: 81.7. GameBench 2, best reasoning setting (High): 89.2. 仅供参考,不计入 BenchLeader Index。

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.

优势所在

在所有已测配置中,这个配置排名前五的基准测试。

API 价格:在哪里调用

通过 OpenRouter 提供这个模型的所有提供商:吞吐量和首 token 延迟基于过去 30 分钟的实时流量测得,价格为各提供商自己的报价。紫色标出每列的最佳值。

提供商速度首 token输入 $/M输出 $/M上下文量化
Google AI Studio40 tok/s7.25 s$1.00$5.001.0M–
Google Vertex35 tok/s5.16 s$2.20$11.001.0M–
Google Vertex35 tok/s4.53 s$2.00$10.001.0M–
Google Vertex21 tok/s4.11 s$3.60$18.001.0M–
Google AI Studio21 tok/s5.64 s$3.60$18.001.0M–
Google AI Studio18 tok/s9.90 s$2.00$10.001.0M–

使用情况

Gemini 4 Argon 的实际使用量,依据公开这类数据的网关报告。使用情况不计入 Index。使用最多的模型和提供商

OpenRouter,过去一周
#34
token 份额 0.43%
可用性,72 小时
99.7%
OpenRouter,全部提供商
工具调用错误率,7 天
0.82%
占工具调用
OpenRouter 每日 token 数(2026年10月17日 至 2026年11月15日):共 4.43T,环比上周 −22%。

过去 30 天的典型请求:每次请求 41.4k token、每个输出 token 对应 42 个输入 token、74% 的输入来自缓存、36% 的输出为推理内容、每次请求 0.26 次工具调用。

在 OpenRouter 上向它发送 token 最多的应用:Hermes Agent (452B)、Claude Code (209B)、omp (155B)、pi (110B)、Brandon asks offline replay (85.6B)。

Vercel AI Gateway 上的提供商吞吐量首 token在线率,1 天
Google AI Studio93 tok/s4.45 s99.99%
Google Vertex74 tok/s6.88 s99.98%

来源: 使用情况: OpenRouter 排名 · Vercel AI Gateway, CC BY 4.0 · 数据截至 2026年11月16日。

价格历史

上述价格(每百万 token)在每个变动日的数值。

$0.00$5.50$11.00$16.50$22.0026年10月26年11月
输入 输出
当前:输入 $2.00 · 输出 $10.00

一项任务的成本

根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存,价格为每百万 token $0.100。未计入推理 token。

工作负载输入 / 输出 token成本使用缓存耗时
聊天回复400 / 300$0.0038$0.003250.2 s
总结一份 30 页的报告12,000 / 600$0.030$0.01354.8 s
代码编辑6,000 / 1,500$0.027$0.0181.1 min
智能体编程会话60,000 / 4,000$0.160$0.0741.8 min
结构化信息提取2,000 / 200$0.0060$0.003248.7 s

包含该模型的编程套餐

可以使用 Gemini 4 Argon 的订阅套餐,列出各自的用量限制和单项任务成本。

Google 的更多模型

本月新上线

将 Gemini 4 Argon 与以下模型对比

另请参阅

嵌入或引用

在模型卡片或 README 中展示 Gemini 4 Argon 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。

[![Gemini 4 Argon on BenchLeader: 综合第 9 名](https://www.benchleader.com/badge/gemini-4-argon.svg)](https://www.benchleader.com/models/gemini-4-argon)

引用本页

排名每天都会变化,因此引用时需注明数据日期。APA 格式:

BenchLeader. (2026, November 16). Gemini 4 Argon on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/gemini-4-argon

BibTeX:

@misc{benchleader_gemini_4_argon_20261116,
  author       = {{BenchLeader}},
  title        = {{Gemini 4 Argon on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/gemini-4-argon}},
  note         = {Data as of 2026-11-16}
}

全部徽章样式、可嵌入的前 10 名小组件,以及如何引用 Index

常见问题

Gemini 4 Argon 的基准测试得分是多少?
截至 2026年11月16日,Gemini 4 Argon(推理强度 high)的 BenchLeader Index 为 65.3 ±2.6(前 25 名)。最强的是人类偏好(72),最弱的是智能体与工具(59)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
Gemini 4 Argon 排名第几?
截至 2026年11月16日,Gemini 4 Argon(推理强度 high)在 608 个已排名配置中排第 20 名(前 25 名)。另有 69 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
Gemini 4 Argon 每百万 token 的价格是多少?
截至 2026年11月16日,Gemini 4 Argon 的价格为输入每百万 token $2.00、输出每百万 token $10.00,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $4.00。这是有效至 2026年11月30日的首发价格,之后混合价格为 $8.00。标价最近一次变动是在 2026年11月12日。
Gemini 4 Argon 比 Gemini 3.8 Flash 更好吗?
截至 2026年11月16日,Gemini 3.8 Flash(推理强度 medium)与 Gemini 4 Argon(推理强度 high)的质量不相上下(BenchLeader Index 60.2 比 65.3,在 ±5.5 的误差范围内),可根据价格、速度和你看重的类别来选择。逐项基准测试的详细对比见对比页面。
Gemini 4 Argon 是什么时候发布的?
Google 于 2026年9月30日发布了 Gemini 4 Argon。BenchLeader 收录了它在 5 种推理强度设置下的结果。

数据截至 2026年11月16日。 对比这些配置

引用格式:BenchLeader,《Gemini 4 Argon:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/gemini-4-argon。