Arena 数据：Gemini 4 Carbon 在高难任务中成本优势显著
Arena.ai 最新数据显示，Google DeepMind 的 Gemini 4 Carbon 模型在复杂长程任务中的成本扩展性优于竞争对手。随着任务难度增加，GPT-6 Astra 和 Claude Opus 5.5 的相对成本分别升至 3.4 倍和 3.9 倍，而 Gemini 4 Carbon 能保持更稳定的单位任务成本，为开发者提供显著的预算节省空间。
报道正文
Arena.ai (@arena) · 2026-11-04 17
@GoogleDeepMind 的模型在成本扩展性方面优于竞争对手。
Gemini 4 Carbon 是最佳例证。随着任务难度增加，所有竞争对手相对于 Carbon 的成本都在上升。
对于典型任务，@OpenAI 的 GPT-6 Astra 成本是 Carbon 的 3.4 倍，@AnthropicAI 的 Claude Opus 5.5 成本是其 3.9 倍，而 GPT-6.1 Sol 则是更便宜的选择，约为 Carbon 成本的 0.54 倍（即一半左右）。
在最昂贵的 5% 会话中，Carbon 相对于这三款模型的定位有所改善。Opus 的成本差距扩大至 4.2 倍，Astra 相对于 Carbon 的成本大致翻倍，而 Sol 的价格优势则缩小。
这进而可以转化为现实世界任务中的显著节省，例如构建 Android 安全应用——这是我们的 Agent Arena 用户委托给其智能体执行的众多长周期任务之一。
↳ 引用 @arena (Arena.ai): 随着任务复杂度的提升，@GoogleDeepMind 和 @XiaomiMiMo 成为 Agent Arena 中的最大赢家。
在低成本任务上，@OpenAI 和 @AnthropicAI 占据了 11 个前沿席位中的 10 个。但在最昂贵的 5% 会话中，它们仅占据 7 席。空出的席位由 Google 的 Gemini 4 Argon 以及小米的 MiMo-V2.6 Flash 和 Pro 获得。
这些变化至关重要，因为在来自 Agent Arena 的真实用例中，单次会话成本达到或超过 100 美元的情况并不罕见。仅在最近两周内，就有超过 1,000 次会话突破了这一门槛，选择非最优模型可能会对最终账单产生实质性影响。
