跳到正文

Gemini 4 Argon

数据来源:AIHOT

← 模型榜
Google

上线日期: 2026-09-30 · 上下文: 104.9万 Token

71.7

综合排名 9

官方 API 价格 ¥ / 百万 Token

输入
¥26.66 ($4)
输出
¥133.32 ($20)
缓存命中
¥1.33 ($0.2)

标准价;官网限时价格持续至 2026-11-30(含当天)为输入 $2、输出 $10、缓存命中 $0.10/百万 Token。

标准价;官网限时价格持续至 2026-11-30(含当天)为输入 $2、输出 $10、缓存命中 $0.10/百万 Token。

官方价格页 ↗

领域能力

榜单名次评分评测数
综合971.751
编程1169.115
科研1272.514
专业办公374.312
知识问答773.37

编程 · 69.1

评测机构公布的成绩折算分原榜名次核实日期备注
ProgramBench ↗

只给能运行的程序和说明、不给源码,重写出行为一致的程序,用隐藏测试核对。

Vals AI2.5%77.282026-11-18
备注

通过率低于 5%,只说明“至多这么强”。代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

FrontierSWE v2 ↗

每次最多给 20 小时,完成编程、性能优化或科研计算这类大任务。

Proximal Labs56.2%74.572026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Terminal-Bench 4.0 ↗

在终端完成软件、科研等复杂任务,再由各题的测试检查结果。

Vals AI57.6%74.1112026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Terminal-Bench 4.0 ↗

在终端完成软件、科研等复杂任务,再由各题的测试检查结果;官方榜为每个模型指定 Agent,通常是厂商自家的。

Terminal-Bench55.5%73.4162026-11-18
备注

代表配置:High 推理 · Antigravity CLI。评测方为每个模型指定 Agent(通常是厂商自家的);按预先固定的推理档位优先级选择,成绩归到基础模型。

Terminal-Bench 4.0 ↗

在终端完成软件、科研等复杂任务,再由各题的测试检查结果。

Artificial Analysis57.1%72.4192026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Vibe Code Bench v1.1 ↗

按一份需求从零搭出网页应用,再在浏览器里按验收步骤逐项检查功能。

Vals AI91.9%72.332026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Code Migration v1.1 ↗

把现有程序改写成另一种编程语言,用隐藏测试检查行为是否一致。

Vals AI70.8%71.772026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

WeirdML v3 ↗

面对陌生数据,弄清问题并做出机器学习或数据分析方案。

Håvard Tveit Ihle19.6%69.482026-11-18
备注

代表配置:High 推理 · gemini_cli。评测方为每个模型指定 Agent(通常是厂商自家的);按预先固定的推理档位优先级选择,成绩归到基础模型。

TapTap Maker ↗

在真实游戏引擎里用 Lua 写出能跑起来的游戏功能,由引擎实际运行判对错。

TapTap Maker83.2%68.672026-11-18
备注

代表配置:High 推理 · pi。评测方为每个模型指定 Agent(通常是厂商自家的);按预先固定的推理档位优先级选择,成绩归到基础模型。

MirrorCode ↗

看不到源码,只能运行原程序、读文档,用另一种语言把整个程序重写出来。

Epoch AI58.9%66.7172026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

FrontierCode 2.0 ↗

在真实开源仓库里改代码,看改动能不能达到维护者愿意合并的水平。

Cognition27.6%66.4452026-11-18
备注

代表配置:High 推理 · Devin CLI。评测方为每个模型指定 Agent(通常是厂商自家的);按预先固定的推理档位优先级选择,成绩归到基础模型。

FrontierCode 2.0 ↗

在真实开源仓库里改代码,看改动能不能达到维护者愿意合并的水平。

Artificial Analysis25.7%65.2612026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

SciCode ↗

把物理、化学、生物等科研问题写成能运行、算得对的计算代码。

Artificial Analysis61.8%64.872026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

APEX-SWE ↗

在工程环境里连接并部署服务,或根据故障日志和监控信息排查问题。

Mercor49.2%63.2182026-11-18
备注

代表配置:High 推理 · terminus-2 · apex-swe:terminus-2。该来源对所有模型使用同一受控系统;按预先固定的推理档位优先级选择,配置明细保留,成绩归到基础模型。

CyberBench Patch v1.1 ↗

修开源项目的安全漏洞,检查能否编译、拦住原攻击并保留正常行为。

Vals AI85.7%62.8142026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

科研 · 72.5

评测机构公布的成绩折算分原榜名次核实日期备注
Terminal-Bench Science ↗

在命令行里走完一段科研流程:处理数据、跑分析、得出结果。

Vals AI44.3%77.882026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Terminal-Bench Science ↗

在命令行里走完一段科研流程:处理数据、跑分析、得出结果。

Artificial Analysis52.9%77.2262026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

致知 · 逻辑月榜 ↗

个人长期维护的难题榜:用中文出的逻辑、数学、空间和编程题,看模型能不能想清楚。

llm201466.5%76.652026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

ARC-AGI-2 ↗

从几个网格图案的例子中找出变换规则,再解一道新题。

ARC Prize91.3%75.8212026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

MysteryMechanism ↗

自己设计实验,去推断一套隐藏的规律。

Vals AI45.5%75.882026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Mystery Game Puzzles ↗

看文字描述的游戏局面,找出最好的下一步。

Epoch AI64.0%75.292026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

FrontierMath T1–3 ↗

解数学家原创的高难数学题,给出可以核对的答案。

Epoch AI86.0%73.1142026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Chess Puzzles ↗

看文字写成的国际象棋棋局,找出正确的一步,由象棋引擎核对。

Epoch AI59.0%71.9132026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Humanity's Last Exam ↗

数学、科学、人文等几十个学科的专家级难题,不借助工具直接作答。

Artificial Analysis57.1%71.8102026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

CritPt v2 Hard ↗

修订版研究级物理题里较难的 40 道,可以写代码辅助演算。

Artificial Analysis52.5%70.3492026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

BioMysteryBench ↗

分析真实的生物数据,推断出背后的生物学答案。

Vals AI76.3%70.392026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

CritPt ↗

物理研究前沿的原创难题,要一步步推导出准确答案。

Artificial Analysis27.1%69.3392026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

司南 · 推理 ↗

逻辑、数量、空间与物理推理,以及批判性思维。

OpenCompass80.0%66.962026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

司南 · 抽象 ↗

考查注意与扫描、语言理解、识别相关信息和抽象概念。

OpenCompass67.5%61.8172026-11-18
备注

这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

专业办公 · 74.3

评测机构公布的成绩折算分原榜名次核实日期备注
APEX-Agents ↗

投行、咨询和法律里的长任务,看模型当助手能不能把一件完整的工作做完。

Mercor82.4%85.122026-11-18
备注

这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:High 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent。该来源对所有模型使用同一受控系统;按预先固定的推理档位优先级选择,配置明细保留,成绩归到基础模型。

Harvey 法律 Agent 基准 v1.1 ↗

处理法律资料,交付 Word、Excel、幻灯片等能直接审阅的文件。

Vals AI27.1%84.312026-11-18
备注

这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

TaxAgentBench ↗

回答税务专业问题,要查到税法依据并注明出处。

Vals AI49.2%79.152026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

τ³-Banking ↗

扮演银行客服跟模拟客户对话:查政策、找产品、改账户。

Mercor58.1%77.222026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

AutomationBench-AA ↗

在模拟办公软件中处理业务流程,按完成目标和守规情况评分。

Artificial Analysis77.5%75.932026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Legal Research Bench ↗

像律师一样查法规和判例,写出有出处的结论。

Vals AI54.8%75.452026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Excel Modeling v1.1 ↗

在 Excel 里搭财务模型:在模板上补全,或者从零建表。

Vals AI74.8%71.792026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Finance Agent v2.1 ↗

金融分析师的日常工作:查公司财报、做计算和分析。

Vals AI67.7%71.532026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

AA-Analyst Agent ↗

分析数据、回答 14 个领域的专业问题,同一题跑五次都对才算通过。

Artificial Analysis48.8%69.5222026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Harvey LAB-AA v1.1 ↗

读法律资料并完成文书,逐项评分,有重大捏造则该题记零。

Artificial Analysis3.9%67.9242026-11-18
备注

通过率低于 5%,只说明“至多这么强”。代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

GDPval-AA ↗

按几十种职业的真实工作出题,比如写报告、做表格,由裁判两两比较产出质量。

Artificial Analysis1,633.567.3302026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

AA-Briefcase ↗

完成办公项目里写报告、做表格这类长任务,按细则和成果质量评分。

Artificial Analysis1,485.167632026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

MedCode ↗

读住院记录,给出标准的医疗诊断编码。

Vals AI58.8%—32026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

知识问答 · 73.3

评测机构公布的成绩折算分原榜名次核实日期备注
SimpleQA Verified ↗

一句话就能答的事实问题,看答得对不对。

Epoch AI76.0%83.642026-11-18
备注

这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

AA-Omniscience v1.1 ↗

各领域的事实问答,答错倒扣、不会可以不答,看模型知道多少、会不会乱编。

Artificial Analysis46.181.2142026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

NYT Connections 扩展版 ↗

把一组英文词按隐藏的类别分好,里面混着故意误导的干扰词。

Lech Mazur98.6%7922026-11-18
备注

通过率高于 95%,只说明“至少这么强”。代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

BullshitBench v2 ↗

问题里藏着错误前提,看模型能不能指出来,而不是顺着编下去。

BullshitBench65.0%74.1582026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

司南 · 知识 ↗

应用科学、日常生活、自然科学和人文社科等方面的知识题。

OpenCompass66.0%60.6162026-11-18
备注

这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

MLCR-AA ↗

读很长的医疗记录回答问题,答案要完整且不能违背原始记录。

Artificial Analysis13.9%541092026-11-18
备注

这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

AA-LCR ↗

读很长的文档,回答要把多处信息串起来才能答的问题。

Artificial Analysis79.7%53.51012026-11-18
备注

这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

真人盲选 · 73.2

评测机构公布的成绩折算分原榜名次核实日期备注
Arena Text ↗

真人匿名比较两个模型的回答,投票选出更好的回答。

LMArena1,521.77822026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Arena WebDev ↗

真人匿名比较两个模型做出来的网页,选更好的那个。

LMArena1,679.169.8152026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

还没有成绩的评测

  • LiveBench · 编程综合
  • LiveBench · 推理与数学
  • LiveBench · 数据分析
  • LiveBench · 语言与指令

最近的新闻

11-17AA-PersonalityBench:Gemini 4 Argon 隐喻性最强Artificial Analysis

11-17Trajectory Labs 实验:约 40 个 Gemini 4 Argon 智能体越权攻击 Epoch AI 真实网站并互相分享漏洞IT之家·人工智能

11-13Google 工程师演示用 Gemini 4 Argon 加 Z3 约束求解器捕获 Go 模糊测试漏掉的边界 bugGoogle Developers Blog

11-12Gemini 4 Argon 加速 Gemini Robotics 2.5 开发Google

11-10Google DeepMind:Gemini 4 Argon 辅助构建 Gemini Robotics 2.5,缩短数月训练时间Google DeepMind

11-07Gemini 4 Argon 打造冲浪时钟原型Google