Gemini 4 对标 Claude 和 GPT:每一档该拿哪几款模型来比?
把每款 Gemini 4 模型和对应的 Claude、GPT 模型放在一张表里:官方价格、上下文、默认推理档位、Artificial Analysis 单任务成本、幻觉率、免费层和 Ofox 可用性。
最高档里,与 Gemini 4 Carbon 竞争的是 Claude Fable 5.2 和 GPT-6.2 Astra。Gemini 4 Neon 对标 Claude Opus 5.5 和 GPT-6.2 Sol。Gemini 4 Hydrogen 对标 Claude Sonnet 5.5 和 GPT-6.1 Terra。在低价档,Google 对应 Claude Haiku 5.5 和 GPT-6 Luna 的是 Gemini 3.5 Flash-Lite,而不是 Hydrogen。Gemini 4 Argon 与 Carbon 同价,并且已经不在 Google 的选型指南里,可以把它当作旧款。其中两组对标是 Google 在模型卡里自己定的,另外两组是我们根据价格和定位推断的,下文逐行标明。
在各模型的默认推理档位下,上面三档呈现同一个规律:在 Artificial Analysis 的 AA-Omniscience 测试中,Gemini 模型是本组幻觉率最低的,而且领先幅度很大。在 Neon 档和 Hydrogen 档,它在默认档位下的 Intelligence Index 分数也最高,但每完成一个任务的花费通常比 OpenAI 模型高,原因是 Gemini 的默认档位会花更多思考 token。
本页是我们 Gemini 4 对比系列的总览。文中每个数字都来自下方链接的某篇完整对比文章,或者来自这些文章所用的同一批 Artificial Analysis(AA)数据,获取日期为 2026 年 11 月 19 日。本页由 Ofox 发布,表中大多数模型都能通过 Ofox 调用,Gemini 4 Carbon 和 Gemini 4 Neon 除外。我们没有为本页做新的测试。文中称为“我们的测试”的结果来自系列中的其他文章,那些文章写明了测了什么、怎么测。
各档如何对应,每组对标是谁定的
| 档位 | Anthropic | OpenAI | 对标由谁确定 | |
|---|---|---|---|---|
| 最难的任务 | Gemini 4 Carbon | Claude Fable 5.2 | GPT-6.2 Astra | 我们的推断。Google 的 Carbon 模型卡拿 Carbon 与 GPT-6 Astra、Claude Opus 5.5 和 Claude Fable 5.1 对比。Fable 5.2(11 月 9 日)和 GPT-6.2 Astra(11 月 17 日)是这两条产品线的当前版本,标价都是 $8/$40 |
| 中高档,高频复杂任务 | Gemini 4 Neon | Claude Opus 5.5 | GPT-6.2 Sol | Google。Neon 模型卡(英文)对比的正是这三款 |
| 日常编程和智能体 | Gemini 4 Hydrogen | Claude Sonnet 5.5 | GPT-6.1 Terra | Google。Hydrogen 模型卡(英文)对比的正是这三款 |
| 大批量低价 | Gemini 3.5 Flash-Lite | Claude Haiku 5.5 | GPT-6 Luna | 我们的推断,依据是价格和各厂商自己的定位。Google 的 Hydrogen 指南建议保留 3.5 Flash-Lite,用于“大批量分类、路由和亚秒级延迟目标”。Anthropic 称 Haiku 5.5 是为“分类、抽取和路由等大批量、对延迟敏感的任务”而打造 |
| 旧款 | Gemini 4 Argon | — | — | Google 的选型页面(英文)现在只介绍 Carbon、Neon 和 Hydrogen。Argon 仍在提供服务,没有停用日期 |
读这张对应表时,有两个细节要注意。
Opus 5.5 出现在两张 Google 模型卡上。Google 的 Carbon 卡(结果“截至 2026 年 10 月”)和 Neon 卡(11 月)都收录了 Opus 5.5。从 12 月 1 日起,Carbon 的标价与 Opus 5.5 相同($4/$20)。我们把 Opus 放在 Neon 档,一是因为 Google 正是围绕这组对比推出 Neon,二是因为 Anthropic 自己的产品线把 Fable 5.2 排在 Opus 之上。如果你的预算就是 Opus 的价格,Carbon 和 Neon 都应该比一比。
Hydrogen 不是低价模型。它是 Google 默认的通用模型。按每百万 token $1.50/$7.50 计,它是 Haiku 5.5 和 Luna 短提示词费率的 15 倍。Hydrogen、Haiku 5.5 与 Luna 对比说明了这笔溢价买到了什么,又买不到什么。
另一个陷阱是旧的基准测试表。标着“GPT-6 Astra”或“Fable 5.1”的列,说的不是 GPT-6.2 Astra 或 Fable 5.2。各篇对比文章都原样保留每个来源印出的版本标签。
总表
所有价格都是厂商自己的 Standard 标价,单位为每百万 token 美元,先输入后输出,核对日期 2026 年 11 月 19 日。表中每款模型的输出都包含思考 token。AA 数据对应“AA 列所用推理档位”一栏写明的档位。除两款模型外,这一档位都是厂商文档写明的 API 默认值。OpenAI 没有为 GPT-6.2 Astra 和 Sol 写明默认值,所以这两款我们展示的是 AA 的 medium 结果,并在该行注明。括号里是模型在最高档位下的 AA 分数。AA 的单任务成本,是用每款模型在 Intelligence Index v5.0.1 上消耗的 token 乘以该模型的标价算出来的。幻觉率取自 AA-Omniscience:答错的回答占全部非正确回答的比例,越低越好。
| 模型 | 价格 输入 / 输出 | 上下文 | AA 列所用推理档位 | 该档位 AA 指数(最高档) | 该档位 AA 单任务成本 | 该档位幻觉率 | 免费 API 层 | Ofox 上架(11 月 19 日) |
|---|---|---|---|---|---|---|---|---|
| Gemini 4 Carbon | 11 月 30 日前 $2 / $10;12 月 1 日起 $4 / $20 | 1,048,576(共享) | medium | 58.3 (60.0) | 按 12 月费率 $6.59(按 11 月费率约 $3.29) | 4.2% | 无 | 否 |
| Claude Fable 5.2 | $8 / $40 | 1M | high | 61.8 (64.6) | $9.08 | 58.0% | 无 | 是 |
| GPT-6.2 Astra | $8 / $40;输入超过 272K 时更高 | 1,050,000(输入 922K) | medium(OpenAI 未写明默认值)¹ | 57.0 (62.1) | $1.62 | 54.1% | 无 | 是 |
| Gemini 4 Neon | $3 / $15 | 1,048,576(共享) | high | 59.6 (61.4) | $3.74 | 13.9% | 无 | 否 |
| Claude Opus 5.5 | $4 / $20 | 1M | medium | 48.2 (59.1) | $2.45 | 66.9% | 无 | 是 |
| GPT-6.2 Sol | $2 / $10;输入超过 272K 时更高 | 1,050,000(输入 922K) | medium(OpenAI 未写明默认值)¹ | 52.7 (57.3) | $0.41 | 61.1% | 无 | 是 |
| Gemini 4 Hydrogen | $1.50 / $7.50 | 1,048,576(共享) | high | 50.8 (53.9) | $1.87 | 8.7% | 有 | 是 |
| Claude Sonnet 5.5 | $2 / $10 | 1M | high | 41.5 (54.5) | $1.64 | 63.6% | 无 | 是 |
| GPT-6.1 Terra | $1 / $5;超过 272K 时 $2 / $7.50 | 1,050,000(输入 922K) | medium | 38.2 (51.3) | $0.17 | 39.6% | 无 | 是 |
| Gemini 3.5 Flash-Lite | $0.30 / $2.50 | 1,048,576(输入) | 默认 minimal;AA 只列出一个未标档位的版本 | 11.7 | $0.69² | 我们提取的 AA 数据中没有 | 有 | 是 |
| Claude Haiku 5.5 | $0.10 / $0.50;提示词超过 100K 时 $0.50 / $2.50 | 1M | medium | 24.6 (36.5) | $0.092 | 40.4% | 无 | 是 |
| GPT-6 Luna | $0.10 / $0.50;超过 272K 时 $0.20 / $0.75 | 1,050,000(输入 922K) | medium | 18.5 (27.9) | $0.042 | 85.3% | 无 | 是 |
| Gemini 4 Argon(旧款) | 11 月 30 日前 $2 / $10;12 月 1 日起 $4 / $20 | 1,048,576(共享) | medium | 47.6 (50.4) | 按 11 月费率 $4.31³ | 15.4% | 无 | 是 |
¹ OpenAI 的 GPT-6.2 Astra、Sol 模型页和推理指南(2026 年 11 月 19 日核对)都没有写明这两款模型的默认推理强度,只说 API 会拒绝 none。指南把 medium 写为 GPT-6.1 Sol、GPT-6 Sol 和 GPT-6 Luna 的默认值,Terra 和 Luna 的模型页也标着 medium (default)。为了让各行可比,我们把两款 6.2 模型放在 medium 展示,但这只是 AA 的 medium 结果,不是文档写明的默认值。在 high 档位,AA 给出的数据是:Astra 60.1 分、单任务 $2.07、幻觉率 58.1%;Sol 54.9 分、单任务 $0.56、幻觉率 60.0%。调用这两款模型时,请显式设置 reasoning.effort,这样才知道哪一行数据适用于你。
² AA 自己的明细显示,Flash-Lite 的 $0.69 大部分是其测试框架中的缓存写入费用,所以不能代表一次简短请求的花费。在我们系列文章的分类测试中,一次 20 条的请求按标价在 Flash-Lite 上约 $0.0025,在 Hydrogen 上是 $0.019。
³ AA 给 Argon 用的是当前的 $2/$10,给 Carbon 用的却是 12 月的 $4/$20。12 月 1 日起,Carbon 和 Argon 的每一项费率都正好翻倍,所以我们估算 Argon 默认档位按 12 月费率约为每任务 $8.62,Carbon 按 11 月费率约为 $3.29。这两个数字是我们根据 AA 数据算出来的,不是 AA 给出的。Argon 这一行用的是 AA 的 medium 条目,即 Argon 的 API 默认值。人们通常引用的 AA Argon 主条目(指数 50.4、幻觉率 4.3%、单任务 $4.97),在 AA 页面数据中的标签是“Gemini 4 Argon (High)”。
来源(均为英文)。价格、上下文和默认值:Google 的价格页和模型指南,Anthropic 的模型概览和价格页,OpenAI 的 GPT-6.2 Astra、GPT-6.2 Sol、GPT-6.1 Terra 和 GPT-6 Luna 模型页,均于 2026 年 11 月 19 日核对。AA 数据:artificialanalysis.ai 上的各模型页面,原始页面数据保存于 2026 年 11 月 19 日(UTC 约 03:20–03:35)。Ofox 可用性:2026 年 11 月 19 日调用 GET https://api.ofox.io/v1/models,返回 137 个模型。Ofox 的价格见各模型页链接,本文不再重复。
逐档解读这张表
按 token 计价:Google 处在中间,最低档除外
在上面三档里,Gemini 模型的标价落在 Anthropic 和 OpenAI 之间:
- 最高档:11 月 30 日前,Carbon 的每 token 价格是 Fable 5.2 和 GPT-6.2 Astra 的四分之一,12 月 1 日起是一半。
- 中高档:Neon($3/$15)是 Opus 5.5 的 75%,是 GPT-6.2 Sol 的 1.5 倍。
- 日常档:Hydrogen($1.50/$7.50)是 Sonnet 5.5 的 75%,是 GPT-6.1 Terra 的 1.5 倍。
- 低价档:Flash-Lite 是三者中最贵的,输入价是 Haiku 5.5 和 Luna 的 3 倍,输出价是 5 倍。
长提示词会改变这些比例。请求的提示词超过 100K token 时,Haiku 5.5 的费率涨到五倍。OpenAI 模型在输入超过 272K token 后收费更高。表中的 Gemini 模型在整个上下文窗口内都是同一个费率。我们的 Haiku 5.5 100K 计价指南详细讲了这条分界线。
按完成一个任务计费:默认档位改变了排序
按 token 计价不等于每件工作的实际花费。下面是总表中各模型在默认档位下的 AA Intelligence Index 单任务成本:
| 档位 | AA 单任务最便宜 | 居中 | 最贵 |
|---|---|---|---|
| 最高档 | GPT-6.2 Astra medium 下 $1.62¹(high 下 $2.07) | Carbon $6.59(11 月约 $3.29) | Fable 5.2 $9.08 |
| 中高档 | GPT-6.2 Sol medium 下 $0.41¹(high 下 $0.56) | Opus 5.5 $2.45 | Neon $3.74 |
| 日常档 | GPT-6.1 Terra $0.17 | Sonnet 5.5 $1.64 | Hydrogen $1.87 |
| 低价档 | GPT-6 Luna $0.042 | Haiku 5.5 $0.092 | (Flash-Lite $0.69,不可比²) |
每一档里,按 AA 任务算最便宜的都是 OpenAI 模型,Astra 和 Sol 即使在 high 档位仍然最便宜。Neon 和 Hydrogen 的每 token 价格比 Anthropic 低,按任务算却是本档最贵的。原因在默认档位:Neon 和 Hydrogen 出厂默认 high 思考,Anthropic 为 Opus 5.5 写明的默认值是 medium,Terra 的文档默认值是 medium(两款 6.2 模型也按 medium 展示)。Gemini 的默认档位会花更多 token,在中高档和日常档,它的得分也更高。默认档位下,Neon 比 Opus 5.5 高 11.4 个指数点,Hydrogen 比 Sonnet 5.5 高 9.3 个。
这是默认值之间的比较,不是同等推理强度的比较。在最高档位下,差距会缩小:Opus 5.5 在 max 下达到 59.1,Neon 在 xhigh 下是 61.4;Sonnet 5.5 在 max 下达到 54.5,略高于 Hydrogen 在 xhigh 下的 53.9。如果默认档位的思考量超过任务所需,怎样把 Gemini 模型调低一档,见我们的 Gemini 4 思考级别指南。
幻觉率:Gemini 更常选择不回答
默认档位下,四款 Gemini 4 模型的 AA-Omniscience 幻觉率在 4.2% 到 15.4% 之间。表中每一款 Claude 和 GPT 模型都在 39.6% 到 85.3% 之间。这是数据里最明显的跨厂商差异。不过,它衡量的是模型在不知道答案时答错的频率,不是答对的频率。Gemini 模型更常拒答。AA 的准确率数据显示了另一面:默认档位下,Fable 5.2 答对 77.2%,Carbon 答对 48.9%。如果答错比不答更糟,Gemini 的特点更有利。如果你需要尽可能多的正确答案,而且反正会逐一核对,Claude 模型答出来的更多。完整的 Gemini 4 幻觉率对比按思考级别拆开分析。
免费层和接入方式
这组模型里只有 Google 提供免费 API 层,而且只覆盖 Hydrogen 和 Flash-Lite。Carbon、Neon 和 Argon 只能在付费层使用。Anthropic 和 OpenAI 的价格页对这里的任何模型都没有列出免费层。Google 标明免费层的内容会被用于改进其产品,限额因项目而异。详见 Gemini 4 免费 API 层指南。
2026 年 11 月 19 日,表中 13 款模型有 11 款在 Ofox 上架,Gemini 4 Carbon 和 Gemini 4 Neon 没有。要用这两款,需要用付费层 key 直接调用 Google 的 Gemini API。其余模型都可以通过同一个 OpenAI 兼容端点调用。Hydrogen、Argon 和 3.5 Flash-Lite 的模型页还列出了 Gemini 协议(2026 年 11 月 19 日核对),所以这三款也可以走 Ofox 的 Gemini 原生路由。
按任务挑选
下面这些起点来自系列文章里的证据,每行都写明证据类型。在切换生产环境的默认模型之前,请先用你自己的任务跑一遍。
| 你的任务 | 首选 | 次选 | 证据 |
|---|---|---|---|
| 基于扫描图纸、图表和密集文件写长报告或做审计 | Gemini 4 Carbon | Claude Fable 5.2:如果多出的几分比约 6 倍的账单更重要(MKA 论文) | Google DeepMind MKA 论文:Fable 5.2 与 Carbon 的差距没有统计显著性;AA MKA 榜单 |
| 最难的智能体编程和研究,最看重最高分 | Claude Fable 5.2 | GPT-6.2 Astra(high 或 max) | AA 指数:Fable 5.2 在 max 下 64.6;Anthropic 发布时的对比表 |
| 推理难度高,但每个任务要快、要便宜 | GPT-6.2 Astra | Gemini 4 Neon | AA:Astra high 60.1 分,每任务 $2.07、5.9 分钟 |
| 成本适中的复杂编程和知识工作,要求幻觉率低 | Gemini 4 Neon | Claude Opus 5.5(终端操作多的工作) | Neon 模型卡(19 行中领先 16 行);默认档位下 AA 幻觉率 13.9% |
| 终端和高难度软件任务,一两分都很重要 | Claude Opus 5.5 | Gemini 4 Neon | Google 的 Neon 表:Opus 在 Terminal-Bench 4.1 和 FrontierCode 2.0 上领先 |
| 预算有限的大批量编程智能体、CI 修复、日常 PR | GPT-6.2 Sol 或 GPT-6.1 Terra | Claude Sonnet 5.5 | AA 单任务成本;我们 30 次调用的日常编程测试 |
| 输出长度和稳定性重要的小型日常编程任务 | Claude Sonnet 5.5 | GPT-6.1 Terra | 我们的测试:Sonnet 同一任务的两次运行相差不到一秒 |
| 需要视频或音频输入的日常智能体,或免费做原型 | Gemini 4 Hydrogen | Gemini 3.5 Flash-Lite | Google 模型卡(文本、图像、音频、视频输入);免费层 |
| 按规则表做分类、路由、抽取 | GPT-6 Luna 或 Claude Haiku 5.5 | 要最低延迟选 Gemini 3.5 Flash-Lite | 我们的分类测试:Luna 和 Haiku 都是 20/20,成本分别是 Hydrogen 的 1/46 和 1/24 |
| 256K 到 1M token、需要推理而不只是检索的上下文 | Gemini 4 Neon 或 Carbon | GPT-6.2 Sol(超过 272K 后涨价) | Google 模型卡:GraphWalks 95.2%(Neon)、96.2%(Carbon) |
| 已在 Argon 上稳定通过检查的现有应用 | 12 月 1 日前继续用 Argon,之后测试 Neon | Hydrogen | Argon 12 月 1 日涨到 $4/$20;Neon 是 $3/$15 |
整个系列反复出现两种路由思路。对简单、可核验的工作,先全部交给低价模型,失败的再升级到中档模型。怎样给这种方案算账,见我们的按正确结果计算成本指南。对困难的工作,从你以为需要的档位往下降一档开始,只有没通过验收检查的任务才往上升。Google 自己的指南也说,在“更快的模型卡住时”选 Carbon。
各篇对比的要点
Carbon、Claude Fable 5.2 与 GPT-6.2 Astra
在 Google DeepMind 包含 200 道多模态知识任务的 MKA 基准上,Fable 5.2 比 Carbon 高 2.22 分。论文自己的 bootstrap 检验无法证明这个差距不为零,而 Fable 每个任务的花费是 Carbon 的 6.26 倍。对上 GPT-6.2 Astra,Carbon 的性价比就弱了:在 AA 的 Intelligence Index 上,high 档的 Astra 与 high 档的 Carbon 打平(60.1 对 60.0),成本约为 Carbon 11 月成本的一半,每个任务用时 5.9 分钟,Carbon 是 37.2 分钟。Carbon 的位置在于密集的视觉文档和超长上下文,最好在费率翻倍之前用。完整对比。
Neon、Claude Opus 5.5 与 GPT-6.2 Sol
在 Google 自己 19 行的对比表里,Neon 领先 16 行,Opus 5.5 领先 2 行,Sol 领先 1 行。AA 的数据也显示,在各自的最高档位下,Neon 是三者中指数最高的(61.4、59.1、57.3),幻觉率也低得多。在 max 档位下,Sol 完成每个 AA 指数任务花 $1.01、8.5 分钟,Neon 是 $6.44、21.5 分钟,Opus 是 $10.04、24.5 分钟。Neon 在 SWE-sweep 上的 39.0% 主要来自 Google 的 Antigravity 测试框架。在共用的 Mini-SWE 框架下,它领先 Sol 1.2 分。完整对比。
Hydrogen、Claude Sonnet 5.5 与 GPT-6.1 Terra
我们的 30 次测试调用全部通过:五个日常任务,三款模型,每款各跑两次。正确率拉不开差距,成本和延迟拉开了:延迟中位数 Hydrogen 8.4 秒、Sonnet 4.2 秒、Terra 3.8 秒;每款十次调用按标价计算的成本分别是 $0.102、$0.054 和 $0.019。Hydrogen 输出的 token 最多,大部分是思考。Google 的模型卡显示 Hydrogen 在十行中领先七行,Sonnet 在终端和计算机操作类任务上领先。完整对比。
Hydrogen、Claude Haiku 5.5 与 GPT-6 Luna
这一篇回答 Hydrogen 算不算低价模型。答案是不算。在我们一批 20 条客服消息的分类测试中,Hydrogen、Haiku 5.5 和 Luna 两次都是 20/20,而 Hydrogen 的花费约为 Haiku 的 24 倍、Luna 的 46 倍。给 Hydrogen 请求 low 思考,在那条提示词上几乎没有改变它的 token 用量,而且响应里看不出这个档位是否生效。Gemini 3.5 Flash-Lite 最快,每次运行错一条。Hydrogen 的溢价适合更难的多步骤工作、音频和视频输入,以及长提示词。完整对比。
Google 产品线内部:Neon 与 Carbon
Neon 是 Google 为复杂工作推荐的默认选择,Carbon 是升级选项。默认档位下,AA 测得 Neon 59.6 分、Carbon 58.3 分,Neon 用时约为一半。11 月 30 日前,Carbon 的每 token 价格更低;12 月 1 日起,Neon 更低。Carbon 在研究级物理(CritPt)上仍然领先,默认档位的幻觉率也更低。完整对比。
只在 Gemini 4 里选
如果你只在 Google 的模型里挑,我们的 Gemini 4 模型选型指南按任务讲了 Hydrogen、Argon 和 Carbon,并说明了 Neon 的位置。12 月涨价指南说明 Carbon 和 Argon 涨价对现有账单意味着什么。
Argon 现在的位置
Gemini 4 Argon 于 2026 年 10 月 13 日正式发布(GA),Google 当时在发布说明里称它是处理复杂编程、智能体、数学和科学任务最强的模型。此后有三件事变了。Hydrogen 接手了日常工作,有免费层,价格也更低。Neon 于 11 月 18 日推出,以 $3/$15 面向复杂工作。Google 的选型页面现在只列 Carbon、Neon 和 Hydrogen。Argon 仍然出现在 Google 的模型、价格和弃用页面上,弃用页面也没有公布停用日期。它在 Ofox 上也仍然可以调用。
从 12 月 1 日起,Argon 的价格是 $4/$20,与 Carbon 相同,每 token 比 Neon 贵三分之一。默认档位下,AA 给 Argon 打出 47.6 分,Neon 是 59.6 分;Argon 默认档位的幻觉率(15.4%)也略差于 Neon(13.9%)。常被引用的 Argon 4.3% 是它 high 档位的数字。如果某个 Argon 应用今天能通过检查,就没有必要匆忙迁移。不过,在 12 月账单到来之前,请用同样的用例测一测 Neon(只能走 Google API)和 Hydrogen(Ofox 上也有)。Argon 迁移到 Neon 指南讲了怎么做这次测试。我们的 Argon 与 GPT-6 Astra、Claude Opus 基准对比和 Argon API 价格两篇文章,记录了这款模型此前的定位。
用一个 key 跨厂商测试模型
表中除 Carbon 和 Neon 外的每款模型,都可以通过 Ofox 的 OpenAI 兼容端点调用,所以跨厂商比较各档模型,只需要改模型 ID。下面是系列文章测试时用的请求结构:
from openai import OpenAI
import os
client = OpenAI(base_url="https://api.ofox.io/v1", api_key=os.environ["OFOX_API_KEY"])
tier = {
"everyday": ["google/gemini-4-hydrogen", "anthropic/claude-sonnet-5.5", "openai/gpt-6.1-terra"],
"budget": ["google/gemini-3.5-flash-lite", "anthropic/claude-haiku-5.5", "openai/gpt-6-luna"],
}
for model in tier["everyday"]:
r = client.chat.completions.create(
model=model,
max_tokens=32000,
messages=[{"role": "user", "content": "<你的一个真实任务>"}],
)
print(model, r.usage.prompt_tokens, r.usage.completion_tokens)
记录输入 token、输出 token、延迟,以及答案是否通过你的检查。然后乘以各厂商的标价,或者模型页上的 Ofox 费率。不要只按 max_tokens 或每 token 价格比较模型:在我们的一次测试中,同一个提示词在 Fable 5.2 上算出 301 个输入 token,在 GPT-6.2 Astra 上是 212 个;同样通过检查的答案,不同模型的输出 token 相差十倍以上(同一个抽取任务上,Hydrogen 最多 1,145 个,Terra 是 79 到 83 个)。部分 OpenAI 模型页(例如 GPT-6.1 Terra 的)写明工具调用需要使用 Responses API,所以 GPT 模型的工具调用测试请走 /v1/responses。客户端配置见 Ofox 的接入指南。
调用失败时,先查清原因,不要急着怪模型。模型 ID 写错和参数错误是常见原因。我们的 Gemini 4 API 报错指南覆盖 Gemini 4 请求失败。其他厂商见 OpenAI 模型找不到报错指南(英文)、Claude API 529/429 报错排查和 429 重试指南。Ofox 的错误处理指南和限流文档列出了网关自身的错误码和限制。
这张对照表的局限
- 四组对标中有两组是我们定的。Neon 和 Hydrogen 的对比组合由 Google 选定。Carbon 档和低价档是我们根据价格和定位做的判断,而且 Google 的 Carbon 卡用的是竞品的旧版本。
- 默认档位不等于同等推理强度。总表按每款模型出厂时的状态比较。默认值不同时(Gemini
high,Claude 或 OpenAImedium),成本和分数的差异有一部分来自这个设定。 - 两款 OpenAI 模型的默认值没有文档说明。OpenAI 没有写明 GPT-6.2 Astra 和 Sol 的默认推理强度。这两行展示的是 AA 的
medium结果,high数据见脚注 1。 - AA 是某一天、某一套测试框架的结果。它的指数由一组高难度评测构成。指数低不代表低价模型做不好简单、要求明确的工作,我们的分类测试已经说明了这一点。AA 会重测模型、更新页面,做决定前请重新核对。
- 价格会变。Carbon 和 Argon 将于 2026 年 12 月 1 日翻倍。本文所有内容核对于 2026 年 11 月 19 日。
相关文档
- Ofox 接入指南:OpenAI 和 Anthropic 兼容客户端
- Ofox Gemini 原生 API:适用于 Ofox 上架的 Gemini 模型(不包括 Carbon 和 Neon)
- 错误处理和限流
- Ofox 价格与计费文档;各模型价格见总表中链接的模型页


