Gemini 4 Argon (High)：智能、性能与价格分析

# Gemini 4 Argon (high) - 智能、性能与价格分析 | Artificial Analysis 来源：https://artificialanalysis.ai/models/gemini-4-argon ## 智能能力（已更新） ### Artificial Analysis 智能指数（https://artificialanalysis.ai/evaluations/artificial-analysis-intelligence-index） Artificial Analysis 智能指数 v4.3.2 包含 10 项评测：AA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity's Last Exam、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1 Artificial Analysis 智能指数 v4.3.2 包含：AA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity's Last Exam、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1。有关更多详细信息，包括各项评测的拆解说明以及我们的测试运行方式，请参阅智能指数方法论（https://artificialanalysis.ai/methodology/intelligence-benchmarking）。 ### 按开源权重 / 专有模型划分的 Artificial Analysis 智能指数 Artificial Analysis 智能指数 v4.3.2 包含 10 项评测：AA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity's Last Exam、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1 Artificial Analysis 智能指数 v4.3.2 包含：AA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity's Last Exam、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1。有关更多详细信息，包括各项评测的拆解说明以及我们的测试运行方式，请参阅智能指数方法论（https://artificialanalysis.ai/methodology/intelligence-benchmarking）。 该指标表示模型权重是否可用。若商业使用受到条件限制，模型将被标记为"商业使用受限"；若许可证禁止商业使用，则被标记为"非商业用途"。 ## 能力指数（https://artificialanalysis.ai/models/capabilities） 衡量模型在特定能力和行业场景下的表现 ### 智能评测 由 Artificial Analysis 独立评测 · 数值越高越好 智能体知识型工作，(Elo-500)/2000 智能体真实世界工作任务，(Elo-500)/2000 智能体编程与终端使用 专业文档推理，全部通过率 终端环境下的智能体科学研究工作流 MLCR-AA（https://artificialanalysis.ai/evaluations/mlcr-aa） 医疗领域长上下文推理 尽管模型的智能能力通常可以跨用例迁移，但特定评测对某些用例可能更具相关性。 Artificial Analysis 智能指数 v4.3.2 包含：AA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity's Last Exam、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1。有关更多详细信息，包括各项评测的拆解说明以及我们的测试运行方式，请参阅智能指数方法论（https://artificialanalysis.ai/methodology/intelligence-benchmarking）。 ### AA-Briefcase v1.1（已更新） ### AA-Briefcase Elo AA-Briefcase v1.1 是由 Artificial Analysis 开发的智能体知识型工作基准测试。AA-Briefcase Elo 是一个综合指标，汇总了评分表通过率、分析质量 Elo 和呈现质量 Elo · 数值越高越好 AA-Briefcase Elo 是一个综合指标，聚合了分析质量 Elo、呈现质量 Elo 和评分表通过率，其中评分表表现通过合成头对头对战转化为 Elo 分数。Elo 分数及 95% 置信区间上下限均被限制在 0 以上。 ### AA-Omniscience ### AA-Omniscience 指数 AA-Omniscience 指数（数值越高越好）衡量知识可靠性与幻觉表现。它奖励正确答案、惩罚幻觉，并且对拒答不施加扣分。分数范围为 -100 到 100，其中 0 表示正确答案与错误答案数量相等，负分表示错误答案多于正确答案。 AA-Omniscience 指数（数值越高越好）衡量知识可靠性与幻觉表现。它奖励正确答案、惩罚幻觉，并且对拒答不施加扣分。分数范围为 -100 到 100，其中 0 表示正确答案与错误答案数量相等，负分表示错误答案多于正确答案。 ## 智能指数对比 ### 智能指数 vs. 每次智能指数任务成本 Artificial Analysis 智能指数 · Artificial Analysis 智能指数任务的加权平均成本（美元） 每次智能指数任务的加权平均成本。每项评测的成本根据输入、缓存命中、缓存写入、推理和回答的 token 价格计算，除以任务数量后，再按其在智能指数中的权重加权。 Artificial Analysis 智能指数 v4.3.2 包含：AA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity's Last Exam、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1。有关更多详细信息，包括各项评测的拆解说明以及我们的测试运行方式，请参阅智能指数方法论（https://artificialanalysis.ai/methodology/intelligence-benchmarking）。 ## Token 消耗 ### 每次智能指数任务的输出 Token 数 运行 Artificial Analysis 智能指数中一项任务所使用的平均输出 token 数量（加权） 每次智能指数任务所需的 token 数量。该数值通过将每项评测的输出 token 数乘以各基准测试在智能指数中的相对权重，然后除以任务数量（不计重复执行）计算得出。 ## 成本 ### 每次智能指数任务成本 Artificial Analysis 智能指数任务的加权平均成本（美元），按 token 类型细分 · 数值越低越好 每次智能指数任务的加权平均成本。每项评测的成本根据输入、缓存命中、缓存写入、推理和回答的 token 价格计算，除以任务数量后，再按其在智能指数中的权重加权。 ### 运行 Artificial Analysis 智能指数的总成本 运行 Artificial Analysis 智能指数中所有评测的总成本（美元） 运行 Artificial Analysis 智能指数中各项评测的成本，根据模型的输入、缓存命中、缓存写入、推理和回答的 token 价格以及各评测所使用的 token 数量计算得出（不计重复执行）。 ### 定价：缓存命中、输入与输出 价格（美元 / 百万 token） 针对已处理过的缓存提示词（previously processed）的每 token 价格，通常相比常规输入价格有显著折扣，以每百万 token 的美元价格表示。此处显示的是缓存命中价格；缓存写入和缓存存储单独计费，且各提供商之间存在差异——详情请参阅"各提供商的缓存定价"。 ## 上下文窗口 ### 上下文窗口 上下文窗口：token 上限 · 数值越高越好 更大的上下文窗口与 RAG（检索增强生成）LLM 工作流密切相关，此类工作流通常涉及对大量数据的推理与信息检索。 输入与输出 token 的合并最大数量。输出 token 通常有明显更低的上限（因模型而异）。