内容更新: 2026-10-09
ChatGPT vs Gemini：公开评测分数对照
公开证据对照
先看共有测试，再自己验证
本页汇总双方共同出现在同一公开第三方评测中的结果，并标明精确模型版本与原始来源。条形图只比较同一测试内的分数，不能替代你用真实任务亲自试用。
ChatGPT vs Gemini：差异集中在哪
公开评测快照里的差异
- 指令遵循与真实代码修复：在 2026-09-29 抓取的公开快照里，有两项是 Gemini 领先的：LiveBench 指令遵循 gemini-3.8-flash-high 81.4 排全榜第 1（ChatGPT 75.6，第 8）；SWE-bench Verified 上 Gemini 侧提交（live-SWE-agent + Gemini 3 Pro Preview）修好 77.4%（第 4）。被标成 ChatGPT 的最高分 74.6% 来自 JoyCode + Claude 4 Sonnet + GPT-4.1，不是独立 ChatGPT 配置。
- 推理、数据与搜索类：其余分项 ChatGPT 全面领先：推理 92.7（第 1）对 Gemini 89.3（第 16）；数据分析 83.0（第 1）对 78.5（第 21）；Arena 搜索类 1257（第 1）对 1210（第 9）；代码偏好 1792（第 2）对 1593（第 23）。文本偏好例外：Gemini 1492（第 10）略高于 ChatGPT 1483（第 19）。
产品与使用条件的差异
- 访问与登录：Gemini 官网 gemini.google.com 需要Google 账号，中国大陆访问需相应网络条件；ChatGPT 同样需要非大陆地区的访问条件。两者的实测门槛相当。
- 产品定位：Gemini 与 Google 全家桶（搜索接地、Workspace、Android 端）整合最深，长上下文窗口大；ChatGPT 的插件与多模态生态更成熟。已有 Google 工作流的团队值得把 Gemini 放进同题实测。
- 价格与套餐：两边定价结构不同且经常调整，本页不引用具体数字。请在 Google One / Gemini 与 OpenAI 定价页（见下方官方来源）核对当前套餐与免费额度。
建议的同题实测任务
- 指令遵循：给一段含 5 条以上硬性格式要求的复杂提示词，核对谁一条不漏（Gemini 该分项第 1）
- 数据分析：给同一份带脏数据的表格，要求清洗思路 + 结论，核对谁的处理更可靠（ChatGPT 该分项第 1）
- 真实代码修复：把同一个未修复的报错分别交给两边，限定回答格式，核对谁的修复能直接跑通
怎么选：按你的任务落位
- 选 Gemini，如果：你在意指令遵循与搜索类场景，并依赖 Google 生态（Workspace、Search、Android）的衔接。
- 选 ChatGPT，如果：你需要覆盖更广的通用任务与成熟的插件、语音、图像工具链。
- 不要只看这一个指标：这不是一边倒的对局：Gemini 拿下了部分第一，ChatGPT 在多数类别保持前列。两者差距的任务依赖性强，必须按你的场景实测。
这不是一边倒的对局：Gemini 拿下了指令遵循第 1 和 SWE-bench 更高的组合成绩，ChatGPT 则在推理、数据分析与代码偏好上领先。结合你已有的生态（Google 全家桶或 OpenAI 工具链）同题实测，比看总分更有意义。
快照证据的抓取时间与原始来源见下方评测表。实测任务请在你自己的账号上运行；本页提供证据与任务设计，不代你下结论。
公开评测怎么说
下面只展示这些模型共同出现在同一公开评测类别里的结果。不同来源的分数不能相加，也不能据此宣布谁全面更好。
ChatGPT
7
在共有测试中分数更高的项目
Gemini
4
在共有测试中分数更高的项目
共有测试
11
不同来源的分数不能相加
Arena · 编程偏好
Arena 让用户在不知道模型身份的情况下选出更好的回答。Elo 越高，说明该类别里偏好票越多——并不等于产品的全面最优。
| 产品 | 精确模型版本 | 排名 | 成绩 | 指标 |
|---|---|---|---|---|
| ChatGPT | gpt-6-astra-max | 2 | 1788 Elo | Elo (Elo) |
| Gemini | gemini-4-argon-high | 9 | 1678 Elo | Elo (Elo) |
Arena · 搜索类偏好
Arena 让用户在不知道模型身份的情况下选出更好的回答。Elo 越高，说明该类别里偏好票越多——并不等于产品的全面最优。
| 产品 | 精确模型版本 | 排名 | 成绩 | 指标 |
|---|---|---|---|---|
| ChatGPT | gpt-5.6-sol-xhigh | 1 | 1257 Elo | Elo (Elo) |
| Gemini | gemini-3.1-pro-grounding | 9 | 1210 Elo | Elo (Elo) |
Arena · 通用对话偏好
Arena 让用户在不知道模型身份的情况下选出更好的回答。Elo 越高，说明该类别里偏好票越多——并不等于产品的全面最优。
| 产品 | 精确模型版本 | 排名 | 成绩 | 指标 |
|---|---|---|---|---|
| Gemini | gemini-4-argon-high | 1 | 1525 Elo | Elo (Elo) |
| ChatGPT | gpt-5.6-sol-xhigh | 20 | 1484 Elo | Elo (Elo) |
LiveBench · 智能体编程
LiveBench 用定期更新的客观题目给模型打分。类别分数越高，说明该类任务上的测量表现更好——并不构成通用总排名。
| 产品 | 精确模型版本 | 排名 | 成绩 | 指标 |
|---|---|---|---|---|
| Gemini | gemini-3.7-flash-high | 19 | 58.28 points | Category score (points) |
| ChatGPT | gpt-6-astra-max | 21 | 57.32 points | Category score (points) |
LiveBench · 编程任务
LiveBench 用定期更新的客观题目给模型打分。类别分数越高，说明该类任务上的测量表现更好——并不构成通用总排名。
| 产品 | 精确模型版本 | 排名 | 成绩 | 指标 |
|---|---|---|---|---|
| ChatGPT | gpt-5.6-sol-max | 7 | 83.94 points | Category score (points) |
| Gemini | gemini-3.7-flash-high | 29 | 78.89 points | Category score (points) |
LiveBench · 数据分析
LiveBench 用定期更新的客观题目给模型打分。类别分数越高，说明该类任务上的测量表现更好——并不构成通用总排名。
| 产品 | 精确模型版本 | 排名 | 成绩 | 指标 |
|---|---|---|---|---|
| ChatGPT | gpt-6-astra-max | 1 | 82.97 points | Category score (points) |
| Gemini | gemini-3.1-pro-preview-high | 23 | 78.54 points | Category score (points) |
LiveBench · 指令遵循
LiveBench 用定期更新的客观题目给模型打分。类别分数越高，说明该类任务上的测量表现更好——并不构成通用总排名。
| 产品 | 精确模型版本 | 排名 | 成绩 | 指标 |
|---|---|---|---|---|
| Gemini | gemini-3.8-flash-high | 1 | 81.41 points | Category score (points) |
| ChatGPT | gpt-6-astra-max | 8 | 75.58 points | Category score (points) |
LiveBench · 语言任务
LiveBench 用定期更新的客观题目给模型打分。类别分数越高，说明该类任务上的测量表现更好——并不构成通用总排名。
| 产品 | 精确模型版本 | 排名 | 成绩 | 指标 |
|---|---|---|---|---|
| ChatGPT | gpt-6.1-sol-max | 2 | 90.13 points | Category score (points) |
| Gemini | gemini-3.8-flash-high | 7 | 87.79 points | Category score (points) |
LiveBench · 数学
LiveBench 用定期更新的客观题目给模型打分。类别分数越高，说明该类任务上的测量表现更好——并不构成通用总排名。
| 产品 | 精确模型版本 | 排名 | 成绩 | 指标 |
|---|---|---|---|---|
| ChatGPT | gpt-6.1-sol-max | 3 | 96.83 points | Category score (points) |
| Gemini | gemini-3.7-flash-high | 21 | 93.47 points | Category score (points) |
LiveBench · 推理
LiveBench 用定期更新的客观题目给模型打分。类别分数越高，说明该类任务上的测量表现更好——并不构成通用总排名。
| 产品 | 精确模型版本 | 排名 | 成绩 | 指标 |
|---|---|---|---|---|
| ChatGPT | gpt-6-astra-max | 1 | 92.65 points | Category score (points) |
| Gemini | gemini-3.8-flash-high | 18 | 89.29 points | Category score (points) |
SWE-bench Verified · 真实软件问题修复
SWE-bench Verified 衡量 AI 编程系统修好真实 GitHub 问题的比例。解决率越高，说明在该次测试设置中修好的问题越多。
| 产品 | 精确模型版本 | 排名 | 成绩 | 指标 |
|---|---|---|---|---|
| Gemini | live-SWE-agent + Gemini 3 Pro Preview (2025-11-18) | 4 | 77.4% | Resolved (%) |
| ChatGPT | JoyCode + Claude 4 Sonnet + GPT-4.1 | 17 | 74.6% | Resolved (%) |
产品入口
亲自试用时可核对的事项
- 对你的真实任务，答案是否准确、完整，以及还需要多少人工修改。
- 当前套餐的配额、价格与地区可用性是否满足长期使用。
- 隐私条款、登录方式与团队协作是否符合你的工作要求。
更多有公开证据的模型对比
官方来源与核验时间
下列链接是本页产品身份与套餐信息的官方来源，最后核验于 2026-09-28。价格、可用模型、配额与地区限制可能变化，请在购买或部署前以官网为准。
- OpenAI ChatGPT plans and pricing - 2026-09-28
- Google Gemini plans - 2026-09-28
常见问题
本页是否给出绝对排名？
不会。本站只在公开测试条件、原始来源与审校方法可核验时，才呈现限定条件下的结论；不会发布脱离场景的“全面最优”名单。
价格和套餐信息是否最终有效？
页面会链接官方来源并标注核验日期。购买或部署前，请以提供方官网及你所在地区显示的价格与条款为准。
ModelAny 会保存提示词吗？
ModelAny 采用本地优先设计：草稿、设置与历史保留在浏览器本地；提示词仅发送到你选择的 AI 服务，不会上传到 ModelAny 自有服务器。
用同一提示词比较多个模型
ModelAny 是免费的浏览器扩展，源码公开可审阅，已在 Chrome 网上应用店 与 Microsoft Edge 加载项 上架。草稿、设置与历史保留在浏览器本地。
安装扩展