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 9.1 vs 7.7。 Gemini 3.5 Flash benchmark 成本更低，为 $0.582 vs $1.270。 Gemini 3.5 Flash 更快，为 4.94s vs 10.83s，通过率为 79.4% vs 87.3%。

推荐模型: Gemini 3.5 Flash - 它在这里得分最高（9.1），同时成本比Claude Opus 4.8低约 2.2 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 3.5 Flash Gemini 3.5 Flash medium 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 medium 发布日期: 2026-05-19
分数	7.7	9.1
排名	#38	#8
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%	87.3%
不稳定测试	3	1
总运行次数	63	63
每个结果成本	8.466	3.229
总成本	$1.270	$0.582
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	36,936
输出令牌	31,771	2,001
推理令牌	6,831	56,408
响应时间（平均）	10.83s	4.94s
响应时间（最大）	127.97s	18.07s
响应时间（总计）	227.39s	103.79s

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

#8 Gemini 3.5 Flash

medium

成本: $0.201
时间: 112.9s
令牌: 22,371 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		2.09s	492	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	7.9	7.5	77.8%	1		12.63s	8,118	461	24,939

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		12.05s	12,873	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		4.07s	7,548	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	7.7	10.0	66.7%	0		5.24s	633	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		2.52s	486	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	9.9	10.0	100.0%	0		2.70s	615	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	7.7	10.0	66.7%	0		2.38s	558	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	10.0	10.0	100.0%	0		3.81s	5,457	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		2.75s	156	12	1,245

快速对比

切换对比组合