导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 对比

Anthropic: Claude Opus 4.6 vs Google: Gemini 3.5 Flash

摘要

Claude Opus 4.6 vs Gemini 3.5 Flash benchmark 对比：Gemini 3.5 Flash 平均分领先，为 9.8 vs 7.7。 Gemini 3.5 Flash benchmark 成本更低，为 $1.115 vs $2.053。 Gemini 3.5 Flash 更快，为 8.84s vs 25.89s，通过率为 61.9% vs 96.8%。

推荐模型: Gemini 3.5 Flash - 它在这里得分最高（9.8），同时成本比Claude Opus 4.6低约 1.8 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-02

指标 Claude Opus 4.6 Claude Opus 4.6 medium 发布日期: 2026-02-05 Gemini 3.5 Flash Gemini 3.5 Flash high 发布日期: 2026-05-19
分数 7.7 9.8
排名 #40 #1
可靠性 10.0 10.0
一致性 8.8 9.6
测试正确
尝试通过率 61.9% 96.8%
不稳定测试 3 1
总运行次数 63 63
每个结果成本 17.103 5.575
总成本 $2.053 $1.115
输入价格 $5.000 / 1M $1.500 / 1M
输出价格 $25.000 / 1M $9.000 / 1M
总输入令牌 53,227 37,594
输出令牌 47,446 1,975
推理令牌 24,000 115,638
响应时间（平均） 25.89s 8.84s
响应时间（最大） 83.40s 34.82s
响应时间（总计） 362.49s 185.57s

生成展示

Hamster playing table tennis

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

#40 Claude Opus 4.6

medium
无效SVG
成本
$0.000
时间
300.0s
令牌
0 tok

#1 Gemini 3.5 Flash

high
成本
$0.208
时间
118.2s
令牌
23,158 tok

按分数排名的模型

分数 vs 总成本

响应时间（平均）

分数 vs 响应时间（平均）

总输出令牌

分数 vs 总输出令牌

类别细分

反AI技巧 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 6.4 5.8 66.7% 2 7.45s 840 986 1,071
Gemini 3.5 Flash 10.0 10.0 100.0% 0 2.57s 492 174 4,997
编程 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 5.7 7.1 44.4% 1 30.10s 8,522 13,057 4,121
Gemini 3.5 Flash 10.0 10.0 100.0% 0 22.96s 8,118 456 47,129
综合 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 10.0 10.0 100.0% 0 76.66s 20,685 8,178 5,194
Gemini 3.5 Flash 10.0 10.0 100.0% 0 22.37s 12,873 351 16,323
数据解析与提取 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 10.0 10.0 100.0% 0 7.37s 8,676 691 757
Gemini 3.5 Flash 10.0 10.0 100.0% 0 6.43s 7,548 279 8,466
领域专项 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 3.0 10.0 0.0% 0 83.40s 674 14,642 8,687
Gemini 3.5 Flash 7.6 7.2 77.8% 1 14.09s 633 12 24,721
通用智能 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 10.0 10.0 100.0% 0 5.04s 564 188 292
Gemini 3.5 Flash 10.0 10.0 100.0% 0 3.63s 486 115 1,650
指令遵循 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 10.0 10.0 100.0% 0 2.43s 792 266 467
Gemini 3.5 Flash 10.0 10.0 100.0% 0 3.35s 615 70 3,799
谜题求解 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 7.7 10.0 66.7% 0 4.71s 816 532 630
Gemini 3.5 Flash 10.0 10.0 100.0% 0 3.23s 558 241 4,940
工具调用 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 10.0 10.0 100.0% 0 9.73s 11,454 861 329
Gemini 3.5 Flash 9.8 10.0 100.0% 0 4.96s 6,115 265 1,608
常识问答 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 3.0 10.0 0.0% 0 63.24s 204 8,045 2,452
Gemini 3.5 Flash 10.0 10.0 100.0% 0 3.94s 156 12 2,005

快速对比

切换对比组合

Claude Opus 4.6mediumvsStep 3.7 FlashlowClaude Opus 4.6mediumvsDeepSeek V4 ProhighClaude Opus 4.6mediumvsGPT-5.3 ChatnoneClaude Opus 4.6mediumvsGemini 3 Flash PreviewlowGemini 3.5 FlashhighvsQwen3.7 MaxmediumGemini 3.5 FlashhighvsGPT-5.5lowClaude Opus 4.6mediumvsDeepSeek V4 PrononeClaude Opus 4.6mediumvsQwen3.7 PlusnoneClaude Opus 4.6mediumvsDeepSeek V4 FlashhighClaude Opus 4.6mediumvsGLM 5.2noneClaude Opus 4.6mediumvsStep 3.7 FlashhighClaude Fable 5mediumvsGemini 3.5 Flashhigh