自动展示选中模型的核心信息与各评测得分，可左右滑动查看完整表格。 当前对比 2 个模型的评测数据与核心参数。
每条轴代表一个评测领域的平均水平，并统一映射到 100 分雷达坐标。
相对优势: Agent能力评测 +17.7 / 相对落后: 编程与软件工程 -21.8
相对优势: 编程与软件工程 +21.8 / 相对落后: Agent能力评测 -17.7
计算口径：同一模型在同一 benchmark 下先平均当前模式范围内的所有分数，不取最高分；再按评测领域对这些 benchmark 分数求平均。只纳入至少两个模型有数据的 benchmark，缺项不按 0 分处理。
综合领先
GPT-5.4 · 69.96
单项最高
Gemini 3.1 Pro Preview · τ²-Bench - Telecom 99.30
模态覆盖
Gemini 3.1 Pro Preview · 4 种模态
正面对比
14
评测基准
5
领先项
8
落后项
-4.44
平均分差
完整列出各模型/模式的评测得分，便于横向比较。
14 项可对比评测得分汇总。每个模型展示最佳得分，模式在分数下方标注。
| 评测项 | Gemini 3.1 Pro Preview | GPT-5.4 |
|---|---|---|
ARC-AGI-2 综合评估 | 77.10思考水平·高 | 77.10常规模式 |
GPQA Diamond 综合评估 | 94.30思考水平·高 | 92.80思考水平·极高 |
HLE 综合评估 | 51.40思考水平·高 ｜ 工具 | 52.10思考水平·极高 ｜ 工具 |
LiveBench 综合评估 | 79.93思考水平·高 | 80.28深度思考模式 |
DeepSWE 编程与软件工程 | 12.00思考水平·高 ｜ 工具 | 52.00思考水平·极高 ｜ 工具 |
SWE-Bench Pro - Public 编程与软件工程 | 54.20思考水平·高 ｜ 工具 | 57.70思考水平·极高 |
τ²-Bench - Telecom Agent能力评测 | 99.30思考水平·高 ｜ 工具 | 98.90思考水平·极高 ｜ 工具 |
FrontierMath 数学推理 | 36.90思考水平·高 | 47.60思考水平·极高 |
16.70常规模式 | 27.10思考水平·极高 | |
BrowseComp AI Agent - 信息收集 | 85.90思考水平·高 ｜ 工具 | 82.70思考水平·极高 ｜ 工具 |
MCP-Atlas AI Agent - 工具使用 | 78.20思考水平·高 ｜ 工具 | 70.60思考水平·极高 ｜ 工具 |
OSWorld-Verified AI Agent - 工具使用 | 76.20开启思考 ｜ 工具 | 75.00思考水平·极高 ｜ 工具 |
Terminal Bench 2.0 AI Agent - 工具使用 | 68.50思考水平·高 ｜ 工具 | 75.10思考水平·极高 ｜ 工具 |
Pinch Bench OpenClaw智能体能力综合测评 | 86.70开启思考 ｜ 工具 | 90.50开启思考 ｜ 工具 |
输入输出 token 价格并排展示
是否 MoE、商业授权、模态支持等附加能力对比。
| 功能与规格 | Gemini 3.1 Pro PreviewGoogle Deep Mind | GPT-5.4OpenAI |
|---|---|---|
核心规格发布时间 | 2026-02-20 | 2026-03-05 |
上下文 | 1M | 1M |
最大输出 | 65536 | 128000 |
MoE 架构 | 不支持 | 不支持 |
开源与许可代码开源 | 未提供 | 未提供 |
权重开源 | 未提供 | 未提供 |
商业授权 | 不开源 | 不开源 |
模态支持文本 输入/输出 | / | / |
图片 输入/输出 | / | / |
音频 输入/输出 | / | 未提供 |
视频 输入/输出 | / | 未提供 |
资料来源论文 / 报告 | Gemini 3.1 Pro: A smarter model for your most complex tasks | Introducing GPT‑5.4 |
