AI BENCHY 对比

Anthropic: Claude Opus 4.8 vs Google: Gemini 3.5 Flash

摘要

Claude Opus 4.8 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 $1.270。 Gemini 3.5 Flash 更快，为 8.84s vs 10.83s，通过率为 79.4% vs 96.8%。

推荐模型: Gemini 3.5 Flash - 它在本次比较中得分最高（9.8），并且在全部 2 个模型中兼顾成本和响应时间最好。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-30

指标	Claude Opus 4.8 Claude Opus 4.8 low 发布日期: 2026-05-28	Gemini 3.5 Flash Gemini 3.5 Flash high 发布日期: 2026-05-19

指标	Claude Opus 4.8 Claude Opus 4.8 low 发布日期: 2026-05-28	Gemini 3.5 Flash Gemini 3.5 Flash high 发布日期: 2026-05-19
分数	7.7	9.8
排名	#38	#1
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%	96.8%
不稳定测试	3	1
总运行次数	63	63
每个结果成本	8.466	5.575
总成本	$1.270	$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	60,946	37,594
输出令牌	31,771	1,975
推理令牌	6,831	115,638
响应时间（平均）	10.83s	8.84s
响应时间（最大）	127.97s	34.82s
响应时间（总计）	227.39s	185.57s

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

#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 4.8	10.0	10.0	100.0%	0		3.30s	834	793	371
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 4.8	6.6	4.6	77.8%	2		7.58s	10,590	3,637	809
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 4.8	9.8	10.0	100.0%	0		20.84s	23,500	2,216	1,081
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 4.8	6.3	5.8	66.7%	1		2.27s	10,503	310	0
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 4.8	5.3	10.0	33.3%	0		45.53s	975	23,311	3,908
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 4.8	10.0	10.0	100.0%	0		2.55s	708	231	0
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 4.8	9.8	10.0	100.0%	0		2.78s	909	111	221
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 4.8	10.0	10.0	100.0%	0		3.01s	894	592	184
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 4.8	10.0	10.0	100.0%	0		6.85s	11,775	370	35
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 4.8	3.0	10.0	0.0%	0		5.48s	258	200	222
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