AI BENCHY Compare
Anthropic: Claude Opus 4.6 vs Google: Gemini 3.1 Flash Lite
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: 2026-05-19
| 指標 | Claude Opus 4.6 Claude Opus 4.6 medium | Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite minimal |
|---|---|---|
| スコア | 7.4 | 6.8 |
| 順位 | #57 | #75 |
| 信頼性 | 10.0 | 10.0 |
| 一貫性 | 9.1 | 8.7 |
| 正解テスト | ||
| 試行ごとの合格率 | 66.7% | 59.7% |
| 不安定なテスト | 2 | 3 |
| 総実行回数 | 57 | 57 |
| 結果あたりのコスト | 14.243 | 0.111 |
| 合計コスト | $1.710 | $0.012 |
| ???? | $5.000 / 1M | $0.250 / 1M |
| ???? | $25.000 / 1M | $1.500 / 1M |
| 出力トークン | 37,874 | 2,457 |
| 推論トークン | 21,390 | 0 |
| 応答時間（平均） | 24.59s | 1.41s |
| 応答時間（最大） | 83.40s | 4.49s |
| 応答時間（合計） | 295.08s | 26.72s |
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 3.1 Flash Lite | 8.3 | 10.0 | 75.0% | 0 | 1.10s | 639 | 0 |
| 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 | 10.0 | 10.0 | 100.0% | 0 | 23.11s | 3,486 | 1,504 | |
| Gemini 3.1 Flash Lite | 10.0 | 10.0 | 100.0% | 0 | 1.31s | 636 | 0 |
| 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 3.1 Flash Lite | 3.0 | 10.0 | 0.0% | 0 | 2.53s | 357 | 0 |
| 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 3.1 Flash Lite | 10.0 | 10.0 | 100.0% | 0 | 1.04s | 279 | 0 |
| 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 3.1 Flash Lite | 2.9 | 7.2 | 11.1% | 1 | 1.02s | 15 | 0 |
| 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 3.1 Flash Lite | 4.0 | 10.0 | 0.0% | 0 | 791ms | 63 | 0 |
| 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 3.1 Flash Lite | 10.0 | 10.0 | 100.0% | 0 | 932ms | 72 | 0 |
| 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 3.1 Flash Lite | 6.0 | 4.6 | 66.7% | 2 | 2.15s | 153 | 0 |
| 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 3.1 Flash Lite | 10.0 | 10.0 | 100.0% | 0 | 3.51s | 234 | 0 |
| 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 3.1 Flash Lite | 3.0 | 10.0 | 0.0% | 0 | 724ms | 9 | 0 |
クイック比較
比較ペアを切り替え
Gemini 3.1 Flash LiteminimalvsKimi K2.5mediumGemini 3.1 Flash LiteminimalvsGPT-5 MinimediumGemini 3.1 Flash LiteminimalvsQwen3.6 27BmediumGemini 3.1 Flash LiteminimalvsGrok 4.20mediumDeepSeek V4 ProhighvsGemini 3.1 Flash LiteminimalGemini 3.1 Flash LiteminimalvsGPT-5.5noneClaude Opus 4.6mediumvsQwen3.6 Max PreviewnoneClaude Opus 4.6mediumvsRing-2.6-1TnoneClaude Opus 4.6mediumvsDeepSeek V4 Flashhigh無料で利用可能Claude Opus 4.6mediumvsGPT-5.3 ChatnoneClaude Opus 4.6mediumvsGemini 3.1 Flash LitelowClaude Opus 4.6mediumvsGPT-5.2 Chatnone