AI BENCHY Compare
Anthropic: Claude Opus 4.8 vs Google: Gemini 3.5 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: 2026-05-28
| 指標 | Claude Opus 4.8 Claude Opus 4.8 medium | Gemini 3.5 Flash Gemini 3.5 Flash minimal |
|---|---|---|
| スコア | 8.7 | 7.9 |
| 順位 | #12 | #26 |
| 信頼性 | 10.0 | 10.0 |
| 一貫性 | 9.6 | 9.6 |
| 正解テスト | ||
| 試行ごとの合格率 | 83.3% | 71.7% |
| 不安定なテスト | 1 | 1 |
| 総実行回数 | 60 | 60 |
| 結果あたりのコスト | 6.285 | 0.734 |
| 合計コスト | $1.006 | $0.103 |
| 入力価格 | $5.000 / 1M | $1.500 / 1M |
| 出力価格 | $25.000 / 1M | $9.000 / 1M |
| 出力トークン | 23,201 | 5,271 |
| 推論トークン | 5,901 | 0 |
| 応答時間（平均） | 9.34s | 1.58s |
| 応答時間（最大） | 38.03s | 5.51s |
| 応答時間（合計） | 186.84s | 31.55s |
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 4.8 | 10.0 | 10.0 | 100.0% | 0 | 3.95s | 1,179 | 478 | |
| Gemini 3.5 Flash | 6.5 | 10.0 | 50.0% | 0 | 892ms | 405 | 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 4.8 | 10.0 | 10.0 | 100.0% | 0 | 14.97s | 6,651 | 1,381 | |
| Gemini 3.5 Flash | 7.0 | 9.8 | 50.0% | 0 | 3.39s | 3,450 | 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 4.8 | 9.8 | 10.0 | 100.0% | 0 | 38.03s | 5,260 | 1,588 | |
| Gemini 3.5 Flash | 3.0 | 10.0 | 0.0% | 0 | 3.56s | 404 | 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 4.8 | 7.1 | 5.6 | 83.3% | 1 | 12.29s | 481 | 312 | |
| Gemini 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 1.66s | 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 4.8 | 5.3 | 10.0 | 33.3% | 0 | 14.15s | 7,477 | 900 | |
| Gemini 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 899ms | 12 | 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 4.8 | 10.0 | 10.0 | 100.0% | 0 | 2.46s | 237 | 0 | |
| Gemini 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 922ms | 117 | 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 4.8 | 10.0 | 10.0 | 100.0% | 0 | 3.32s | 373 | 320 | |
| Gemini 3.5 Flash | 6.4 | 5.8 | 66.7% | 1 | 893ms | 76 | 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 4.8 | 10.0 | 10.0 | 100.0% | 0 | 3.95s | 791 | 483 | |
| Gemini 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 1.45s | 282 | 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 4.8 | 10.0 | 10.0 | 100.0% | 0 | 8.96s | 301 | 225 | |
| Gemini 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 2.79s | 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 4.8 | 3.0 | 10.0 | 0.0% | 0 | 6.14s | 451 | 214 | |
| Gemini 3.5 Flash | 3.0 | 10.0 | 0.0% | 0 | 1.76s | 12 | 0 |
クイック比較
比較ペアを切り替え
Gemini 3.5 FlashminimalvsQwen3.5-27BmediumClaude Opus 4.8mediumvsGemini 3 Flash PreviewlowGemini 3.5 FlashminimalvsQwen3.7 MaxnoneGemini 3.5 FlashminimalvsGPT-5.4mediumGemini 3.5 FlashminimalvsGLM 5 TurbomediumGemini 3.5 FlashminimalvsGPT-5.2 ChatnoneSeed-2.0-LitemediumvsGemini 3.5 FlashminimalGemini 3.5 FlashminimalvsQwen3.5 Plus 2026-02-15mediumGemini 3.5 FlashminimalvsQwen3.6 35B A3BmediumGemini 3.5 FlashminimalvsGrok 4.3mediumGemini 3.5 FlashminimalvsQwen3.6 PlusmediumClaude Opus 4.8mediumvsGemini 3.5 Flashnone