AI BENCHY 对比

Anthropic: Claude Opus 4.8 vs Google: Gemini 2.5 Flash

摘要

Claude Opus 4.8 vs Gemini 2.5 Flash benchmark 对比：Gemini 2.5 Flash 平均分领先，为 8.2 vs 7.7。 Gemini 2.5 Flash benchmark 成本更低，为 $0.379 vs $1.270。 Claude Opus 4.8 更快，为 10.83s vs 15.49s，通过率为 79.4% vs 69.8%。

推荐模型: Gemini 2.5 Flash - 它在这里得分最高（8.2），同时成本比Claude Opus 4.8低约 3.4 倍。

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

指标	Claude Opus 4.8 Claude Opus 4.8 low 发布日期: 2026-05-28	Gemini 2.5 Flash Gemini 2.5 Flash medium 发布日期: 2025-06-17

指标	Claude Opus 4.8 Claude Opus 4.8 low 发布日期: 2026-05-28	Gemini 2.5 Flash Gemini 2.5 Flash medium 发布日期: 2025-06-17
分数	7.7	8.2
排名	#38	#24
可靠性	10.0	10.0
一致性	8.8	9.6
测试正确
尝试通过率	79.4%	69.8%
不稳定测试	3	1
总运行次数	63	63
每个结果成本	8.466	2.701
总成本	$1.270	$0.379
输入价格	$5.000 / 1M	$0.300 / 1M
输出价格	$25.000 / 1M	$2.500 / 1M
总输入令牌	60,946	34,476
输出令牌	31,771	1,930
推理令牌	6,831	145,145
响应时间（平均）	10.83s	15.49s
响应时间（最大）	127.97s	95.48s
响应时间（总计）	227.39s	325.39s

生成展示

Hamster playing table tennis

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

#38 Claude Opus 4.8

low

成本: $0.031
时间: 14.1s
令牌: 1,345 tok

#24 Gemini 2.5 Flash

medium

无效SVG

成本: $0.000
时间: 274.0s
令牌: 0 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 4.8	10.0	10.0	100.0%	0		3.30s	834	793	371
Gemini 2.5 Flash	8.4	10.0	75.0%	0		6.30s	492	255	10,233

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 4.8	6.6	4.6	77.8%	2		7.58s	10,590	3,637	809
Gemini 2.5 Flash	7.8	10.0	66.7%	0		41.01s	6,669	543	32,303

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 4.8	9.8	10.0	100.0%	0		20.84s	23,500	2,216	1,081
Gemini 2.5 Flash	10.0	10.0	100.0%	0		28.44s	12,522	303	11,922

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 4.8	6.3	5.8	66.7%	1		2.27s	10,503	310	0
Gemini 2.5 Flash	10.0	10.0	100.0%	0		4.06s	7,257	279	2,325

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 4.8	5.3	10.0	33.3%	0		45.53s	975	23,311	3,908
Gemini 2.5 Flash	5.9	7.2	55.6%	1		37.34s	633	18	80,702

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 4.8	10.0	10.0	100.0%	0		2.55s	708	231	0
Gemini 2.5 Flash	4.8	10.0	0.0%	0		4.86s	486	92	1,899

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 4.8	9.8	10.0	100.0%	0		2.78s	909	111	221
Gemini 2.5 Flash	9.8	10.0	100.0%	0		2.62s	615	69	1,203

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 4.8	10.0	10.0	100.0%	0		3.01s	894	592	184
Gemini 2.5 Flash	7.7	10.0	66.7%	0		3.18s	558	126	2,499

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 4.8	10.0	10.0	100.0%	0		6.85s	11,775	370	35
Gemini 2.5 Flash	10.0	10.0	100.0%	0		6.20s	5,088	234	1,140

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 4.8	3.0	10.0	0.0%	0		5.48s	258	200	222
Gemini 2.5 Flash	3.0	10.0	0.0%	0		2.76s	156	11	919

快速对比

切换对比组合