AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs Google: Gemini 3.5 Flash

Сводка

Сравнение benchmark Claude Opus 4.8 vs Gemini 3.5 Flash: Gemini 3.5 Flash лидирует по среднему баллу: 9.1 vs 7.2. Claude Opus 4.8 имеет более низкую стоимость benchmark: $0.539 vs $0.582. Claude Opus 4.8 быстрее: 3.47s vs 4.94s, с долей успешных попыток 61.9% vs 87.3%.

Рекомендуемая модель: Gemini 3.5 Flash - У него самый высокий балл в этом сравнении (9.1) и лучший общий баланс стоимости и времени ответа среди всех 2 моделей.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-06-18

Метрика	Claude Opus 4.8 Claude Opus 4.8 none Релиз: 2026-05-28	Gemini 3.5 Flash Gemini 3.5 Flash medium Релиз: 2026-05-19

Метрика	Claude Opus 4.8 Claude Opus 4.8 none Релиз: 2026-05-28	Gemini 3.5 Flash Gemini 3.5 Flash medium Релиз: 2026-05-19
Оценка	7.2	9.1
Ранг	#57	#8
Надежность	10.0	10.0
Стабильность	9.2	9.6
Тестов верно
Доля успешных попыток	61.9%	87.3%
Нестабильные тесты	2	1
Всего запусков	63	63
Стоимость за результат	4.485	3.229
Общая стоимость	$0.539	$0.582
Цена входа	$5.000 / 1M	$1.500 / 1M
Цена выхода	$25.000 / 1M	$9.000 / 1M
Общее число входных токенов	67,104	36,936
Выходные токены	8,107	2,001
Токены рассуждений	0	56,408
Время ответа (среднее)	3.47s	4.94s
Время ответа (макс.)	17.73s	18.07s
Время ответа (суммарно)	72.90s	103.79s

Генерация showcase

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#57 Claude Opus 4.8

none

Стоимость: $0.053
Время: 22.0s
Токены: 2,253 tok

#8 Gemini 3.5 Flash

medium

Стоимость: $0.201
Время: 112.9s
Токены: 22,371 tok

Лучшие модели по оценке

Оценка vs общая стоимость

Время ответа (среднее)

Оценка vs Время ответа (среднее)

Общее число выходных токенов

Оценка vs Общее число выходных токенов

Разбивка по категориям

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	6.5	10.0	50.0%	0		3.40s	834	1,472	0
Gemini 3.5 Flash	10.0	10.0	100.0%	0		2.09s	492	171	3,385

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	5.5	10.0	33.3%	0		3.29s	10,590	1,332	0
Gemini 3.5 Flash	7.9	7.5	77.8%	1		12.63s	8,118	461	24,939

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	9.5	10.0	100.0%	0		17.73s	29,658	3,259	0
Gemini 3.5 Flash	10.0	10.0	100.0%	0		12.05s	12,873	351	7,807

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	7.3	5.8	83.3%	1		1.77s	10,503	308	0
Gemini 3.5 Flash	10.0	10.0	100.0%	0		4.07s	7,548	279	3,784

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	5.3	7.2	44.4%	1		1.66s	975	61	0
Gemini 3.5 Flash	7.7	10.0	66.7%	0		5.24s	633	12	8,047

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	10.0	10.0	100.0%	0		3.48s	708	230	0
Gemini 3.5 Flash	10.0	10.0	100.0%	0		2.52s	486	115	1,144

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	9.9	10.0	100.0%	0		1.37s	909	95	0
Gemini 3.5 Flash	9.9	10.0	100.0%	0		2.70s	615	71	2,855

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	7.7	10.0	66.7%	0		2.74s	894	783	0
Gemini 3.5 Flash	7.7	10.0	66.7%	0		2.38s	558	295	2,747

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	10.0	10.0	100.0%	0		5.35s	11,775	355	0
Gemini 3.5 Flash	10.0	10.0	100.0%	0		3.81s	5,457	234	455

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	3.0	10.0	0.0%	0		3.41s	258	212	0
Gemini 3.5 Flash	10.0	10.0	100.0%	0		2.75s	156	12	1,245

Быстрое сравнение

Сменить пару сравнения