AI BENCHY Compare
Anthropic: Claude Opus 4.6 vs Google: Gemini 2.5 Flash
ベンチマークは AI BENCHY テストスイートから次の日時に生成: 2026-05-22
| 指標 | Claude Opus 4.6 Claude Opus 4.6 medium | Gemini 2.5 Flash Gemini 2.5 Flash medium |
|---|---|---|
| スコア | 7.2 | 7.7 |
| 順位 | #63 | #36 |
| 信頼性 | 10.0 | 10.0 |
| 一貫性 | 9.1 | 9.6 |
| 正解テスト | ||
| 試行ごとの合格率 | 63.3% | 68.3% |
| 不安定なテスト | 2 | 1 |
| 総実行回数 | 60 | 60 |
| 結果あたりのコスト | 15.798 | 2.750 |
| 合計コスト | $1.896 | $0.358 |
| ???? | $5.000 / 1M | $0.300 / 1M |
| ???? | $25.000 / 1M | $2.500 / 1M |
| 出力トークン | 42,253 | 1,924 |
| 推論トークン | 23,561 | 137,255 |
| 応答時間（平均） | 25.44s | 15.69s |
| 応答時間（最大） | 83.40s | 95.48s |
| 応答時間（合計） | 330.70s | 313.76s |
スコア vs 総コスト
応答時間（平均）
スコア vs 応答時間（平均）
合計出力トークン
スコア vs 合計出力トークン
カテゴリ内訳
| 反AIトリック | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 6.4 | 5.8 | 66.7% | 2 | 7.45s | 986 | 1,071 | |
| Gemini 2.5 Flash | 8.4 | 10.0 | 75.0% | 0 | 6.30s | 255 | 10,233 |
| コーディング | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 7.2 | 9.8 | 50.0% | 0 | 29.37s | 7,865 | 3,675 | |
| Gemini 2.5 Flash | 6.6 | 10.0 | 50.0% | 0 | 54.56s | 537 | 24,413 |
| 複合 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 76.66s | 8,178 | 5,194 | |
| Gemini 2.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 28.44s | 303 | 11,922 |
| データ解析と抽出 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 7.37s | 691 | 757 | |
| Gemini 2.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 4.06s | 279 | 2,325 |
| ドメイン特化 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 3.0 | 10.0 | 0.0% | 0 | 83.40s | 14,642 | 8,687 | |
| Gemini 2.5 Flash | 5.9 | 7.2 | 55.6% | 1 | 37.34s | 18 | 80,702 |
| 汎用知能 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 5.04s | 188 | 292 | |
| Gemini 2.5 Flash | 4.8 | 10.0 | 0.0% | 0 | 4.86s | 92 | 1,899 |
| 指示追従 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 2.43s | 266 | 467 | |
| Gemini 2.5 Flash | 9.8 | 10.0 | 100.0% | 0 | 2.62s | 69 | 1,203 |
| パズル解決 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 7.7 | 10.0 | 66.7% | 0 | 4.60s | 531 | 637 | |
| Gemini 2.5 Flash | 7.7 | 10.0 | 66.7% | 0 | 3.94s | 126 | 2,499 |
| ツール呼び出し | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 9.73s | 861 | 329 | |
| Gemini 2.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 6.20s | 234 | 1,140 |
| 雑学 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 3.0 | 10.0 | 0.0% | 0 | 63.24s | 8,045 | 2,452 | |
| Gemini 2.5 Flash | 3.0 | 10.0 | 0.0% | 0 | 2.76s | 11 | 919 |
クイック比較
比較ペアを切り替え
Claude Opus 4.6mediumvsRing-2.6-1TnoneGemini 2.5 FlashmediumvsGPT-5.2 ChatnoneClaude Opus 4.6mediumvsQwen3.6 Max PreviewnoneClaude Opus 4.6mediumvsDeepSeek V4 Flashhigh無料で利用可能Gemini 2.5 FlashmediumvsQwen3.7 MaxnoneClaude Opus 4.6mediumvsGPT-5.3 ChatnoneClaude Opus 4.6mediumvsGemini 3.1 Flash LitelowClaude Opus 4.6mediumvsGemini 3.1 Flash Lite PreviewnoneGemini 2.5 FlashmediumvsGPT-5.3 ChatnoneDeepSeek V4 Flashhigh無料で利用可能vsGemini 2.5 FlashmediumClaude Opus 4.6mediumvsGPT-5.2 ChatnoneClaude Opus 4.6mediumvsGemini 3.1 Flash Lite Previewlow