AI BENCHY 对比
Anthropic: Claude Opus 4.7 vs Google: Gemini 3.5 Flash
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-19
| 指标 | Claude Opus 4.7 Claude Opus 4.7 medium | Gemini 3.5 Flash Gemini 3.5 Flash medium |
|---|---|---|
| 分数 | 8.9 | 9.2 |
| 排名 | #7 | #5 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 10.0 | 10.0 |
| 测试正确 | ||
| 尝试通过率 | 84.2% | 89.5% |
| 不稳定测试 | 0 | 0 |
| 总运行次数 | 57 | 57 |
| 每个结果成本 | 2.802 | 2.307 |
| 总成本 | $0.449 | $0.393 |
| ???? | $5.000 / 1M | $1.500 / 1M |
| ???? | $25.000 / 1M | $9.000 / 1M |
| 输出令牌 | 5,399 | 1,971 |
| 推理令牌 | 1,341 | 36,659 |
| 响应时间（平均） | 3.46s | 3.90s |
| 响应时间（最大） | 21.45s | 12.05s |
| 响应时间（总计） | 62.29s | 74.13s |
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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.7 | 8.3 | 10.0 | 75.0% | 0 | 1.85s | 348 | 0 | |
| Gemini 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 2.09s | 171 | 3,385 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.7 | 10.0 | 10.0 | 100.0% | 0 | 6.41s | 1,141 | 257 | |
| Gemini 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 8.22s | 431 | 5,190 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.7 | 10.0 | 10.0 | 100.0% | 0 | 21.45s | 2,369 | 1,084 | |
| Gemini 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 12.05s | 351 | 7,807 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.7 | 10.0 | 10.0 | 100.0% | 0 | 2.37s | 324 | 0 | |
| Gemini 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 4.07s | 279 | 3,784 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.7 | 7.7 | 10.0 | 66.7% | 0 | 1.17s | 51 | 0 | |
| Gemini 3.5 Flash | 7.7 | 10.0 | 66.7% | 0 | 5.24s | 12 | 8,047 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.7 | 10.0 | 10.0 | 100.0% | 0 | 2.87s | 256 | 0 | |
| Gemini 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 2.52s | 115 | 1,144 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.7 | 10.0 | 10.0 | 100.0% | 0 | 1.57s | 114 | 0 | |
| Gemini 3.5 Flash | 9.9 | 10.0 | 100.0% | 0 | 2.70s | 71 | 2,855 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.7 | 10.0 | 10.0 | 100.0% | 0 | 2.51s | 399 | 0 | |
| Gemini 3.5 Flash | 7.7 | 10.0 | 66.7% | 0 | 2.38s | 295 | 2,747 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.7 | 10.0 | 10.0 | 100.0% | 0 | 4.17s | 373 | 0 | |
| Gemini 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 3.81s | 234 | 455 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.7 | 3.0 | 10.0 | 0.0% | 0 | 2.25s | 24 | 0 | |
| Gemini 3.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 2.75s | 12 | 1,245 |
快速对比
切换对比组合
Claude Opus 4.7mediumvsGPT-5.5lowClaude Opus 4.7mediumvsGemini 3 Flash PreviewlowClaude Opus 4.7mediumvsGemini 3.5 FlashnoneGemini 3.5 FlashmediumvsGPT-5.5lowClaude Opus 4.7mediumvsGemini 3.5 FlashhighClaude Opus 4.7mediumvsGemini 3.5 FlashlowClaude Opus 4.7mediumvsGemini 3.5 FlashminimalClaude Opus 4.7mediumvsGemini 3 Flash PreviewnoneClaude Opus 4.7mediumvsGemini 3.1 Flash Lite PreviewlowClaude Opus 4.7mediumvsGemini 3.1 Flash Lite PreviewnoneClaude Opus 4.7mediumvsGPT-5.2 ChatnoneClaude Opus 4.7mediumvsGemini 3.1 Flash Litelow