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 4.8 vs Google: Gemini 3 Flash Preview

摘要

Claude Opus 4.8 vs Gemini 3 Flash Preview benchmark 对比：Gemini 3 Flash Preview 平均分领先，为 9.6 vs 7.7。 Gemini 3 Flash Preview benchmark 成本更低，为 $0.667 vs $1.270。 Claude Opus 4.8 更快，为 10.83s vs 18.64s，通过率为 79.4% vs 98.4%。

推荐模型: Gemini 3 Flash Preview - 它在这里得分最高（9.6），同时成本比Claude Opus 4.8低约 1.9 倍。

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 Flash Preview Gemini 3 Flash Preview medium 发布日期: 2025-12-17
分数 7.7 9.6
排名 #38 #2
可靠性 10.0 10.0
一致性 8.8 9.7
测试正确
尝试通过率 79.4% 98.4%
不稳定测试 3 1
总运行次数 63 63
每个结果成本 8.466 3.335
总成本 $1.270 $0.667
输入价格 $5.000 / 1M $0.500 / 1M
输出价格 $25.000 / 1M $3.000 / 1M
总输入令牌 60,946 37,017
输出令牌 31,771 2,006
推理令牌 6,831 214,153
响应时间（平均） 10.83s 18.64s
响应时间（最大） 127.97s 117.26s
响应时间（总计） 227.39s 391.35s

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

#2 Gemini 3 Flash Preview

medium
成本
$0.010
时间
17.9s
令牌
3,236 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 Flash Preview 10.0 10.0 100.0% 0 3.88s 494 330 3,216
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 Flash Preview 8.6 7.6 88.9% 1 84.40s 8,122 462 161,084
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 Flash Preview 10.0 10.0 100.0% 0 22.42s 12,873 351 10,485
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 Flash Preview 10.0 10.0 100.0% 0 5.43s 7,548 279 4,893
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 Flash Preview 10.0 10.0 100.0% 0 15.27s 633 12 21,684
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 Flash Preview 10.0 10.0 100.0% 0 5.19s 486 72 1,905
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 Flash Preview 10.0 10.0 100.0% 0 4.04s 615 72 2,709
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 Flash Preview 10.0 10.0 100.0% 0 4.05s 558 183 4,365
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 Flash Preview 10.0 10.0 100.0% 0 12.60s 5,532 234 1,487
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 Flash Preview 10.0 10.0 100.0% 0 5.50s 156 11 2,325

快速对比

切换对比组合

Claude Opus 4.8lowvsQwen3.5-122B-A10BmediumClaude Opus 4.8lowvsKimi K2.6medium免费可用Claude Opus 4.8lowvsGrok 4.3mediumClaude Opus 4.8lowvsGemini 3.1 Flash LitemediumClaude Opus 4.8lowvsQwen3.5 Plus 2026-04-20mediumClaude Opus 4.8lowvsGemini 3.1 Flash Lite PreviewmediumClaude Opus 4.8lowvsQwen3.6 PlusmediumClaude Opus 4.8lowvsMiniMax M3mediumClaude Opus 4.8lowvsDeepSeek V4 ProhighClaude Opus 4.8lowvsGrok Build 0.1mediumClaude Opus 4.8lowvsQwen3.5-27BmediumClaude Opus 4.8lowvsKimi K2.5medium