AI BENCHY Compare
Anthropic: Claude Sonnet 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: 2026-05-08
| 指標 | Claude Sonnet 4.6 Claude Sonnet 4.6 medium | Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite low |
|---|---|---|
| スコア | 7.8 | 7.6 |
| 順位 | #35 | #44 |
| 信頼性 | 10.0 | 10.0 |
| 一貫性 | 9.6 | 9.2 |
| 正解テスト | ||
| 試行ごとの合格率 | 70.2% | 68.4% |
| 不安定なテスト | 1 | 2 |
| 総実行回数 | 57 | 57 |
| 結果あたりのコスト | 9.515 | 0.203 |
| 合計コスト | $1.237 | $0.025 |
| ???? | $3.000 / 1M | $0.250 / 1M |
| ???? | $15.000 / 1M | $1.500 / 1M |
| 出力トークン | 45,505 | 2,702 |
| 推論トークン | 28,370 | 8,596 |
| 応答時間（平均） | 14.25s | 1.92s |
| 応答時間（最大） | 46.35s | 5.66s |
| 応答時間（合計） | 156.71s | 36.49s |
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 Sonnet 4.6 | 6.5 | 10.0 | 50.0% | 0 | 2.98s | 1,046 | 1,093 | |
| Gemini 3.1 Flash Lite | 7.3 | 6.2 | 75.0% | 2 | 1.84s | 1,013 | 1,548 |
| 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 Sonnet 4.6 | 10.0 | 10.0 | 100.0% | 0 | 35.76s | 6,894 | 2,097 | |
| Gemini 3.1 Flash Lite | 10.0 | 10.0 | 100.0% | 0 | 1.46s | 441 | 408 |
| 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 Sonnet 4.6 | 10.0 | 10.0 | 100.0% | 0 | 46.35s | 5,871 | 3,962 | |
| Gemini 3.1 Flash Lite | 3.0 | 10.0 | 0.0% | 0 | 4.48s | 348 | 975 |
| 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 Sonnet 4.6 | 10.0 | 10.0 | 100.0% | 0 | 13.90s | 649 | 742 | |
| Gemini 3.1 Flash Lite | 10.0 | 10.0 | 100.0% | 0 | 1.44s | 291 | 697 |
| 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 Sonnet 4.6 | 2.9 | 7.2 | 11.1% | 1 | 0ms | 25,790 | 16,919 | |
| Gemini 3.1 Flash Lite | 5.3 | 10.0 | 33.3% | 0 | 1.52s | 15 | 1,214 |
| 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 Sonnet 4.6 | 10.0 | 10.0 | 100.0% | 0 | 4.94s | 256 | 433 | |
| Gemini 3.1 Flash Lite | 4.0 | 10.0 | 0.0% | 0 | 1.37s | 69 | 438 |
| 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 Sonnet 4.6 | 10.0 | 10.0 | 100.0% | 0 | 2.61s | 318 | 552 | |
| Gemini 3.1 Flash Lite | 10.0 | 10.0 | 100.0% | 0 | 1.52s | 72 | 760 |
| 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 Sonnet 4.6 | 10.0 | 10.0 | 100.0% | 0 | 4.80s | 589 | 635 | |
| Gemini 3.1 Flash Lite | 10.0 | 10.0 | 100.0% | 0 | 1.40s | 210 | 1,191 |
| 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 Sonnet 4.6 | 10.0 | 10.0 | 100.0% | 0 | 7.48s | 655 | 351 | |
| Gemini 3.1 Flash Lite | 10.0 | 10.0 | 100.0% | 0 | 5.66s | 234 | 945 |
| 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 Sonnet 4.6 | 3.0 | 10.0 | 0.0% | 0 | 30.09s | 3,437 | 1,586 | |
| Gemini 3.1 Flash Lite | 3.0 | 10.0 | 0.0% | 0 | 1.46s | 9 | 420 |
クイック比較
比較ペアを切り替え
Gemini 3.1 Flash LitelowvsStep 3.5 FlashmediumGemini 3.1 Flash LitelowvsQwen3.5-FlashmediumGemini 3.1 Flash LitelowvsKimi K2.6mediumGemini 3.1 Flash LitelowvsGPT-5.3 ChatnoneGemini 3.1 Flash LitelowvsGPT-5.2 ChatnoneGemini 3.1 Flash LitelowvsGLM 5.1mediumDeepSeek V4 FlashhighvsGemini 3.1 Flash LitelowClaude Sonnet 4.6mediumvsGemini 3.1 Flash Lite PreviewlowClaude Sonnet 4.6mediumvsGemini 3 Flash PreviewnoneGemini 3.1 Flash LitelowvsGLM 5V TurbomediumGemini 3.1 Flash LitelowvsQwen3.6 FlashmediumClaude Sonnet 4.6mediumvsGemini 3.1 Flash Lite Previewnone