导航
AI BENCHY
Advertise here

AI BENCHY 对比

Anthropic: Claude Opus 4.8 vs Google: Gemini 3.5 Flash

摘要

Claude Opus 4.8 (medium) vs Gemini 3.5 Flash (high) benchmark 对比：Gemini 3.5 Flash (high) 平均分领先，为 9.8 vs 8.8。 Claude Opus 4.8 (medium) benchmark 成本更低，为 $1.107 vs $1.115。 Gemini 3.5 Flash (high) 更快，为 8.84s vs 9.72s，通过率为 84.1% vs 96.8%。

推荐模型: Gemini 3.5 Flash (high) - 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：: 2026-07-10

指标 Claude Opus 4.8 Claude Opus 4.8 medium 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 8.8 9.8
排名 #15 #1
可靠性 10.0 10.0
一致性 9.6 9.6
测试正确
尝试通过率 84.1% 96.8%
不稳定测试 1 1
总运行次数 63 63
每个结果成本 6.512 5.575
总成本 $1.107 $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 61,007 37,594
输出令牌 26,495 1,975
推理令牌 5,901 115,638
响应时间（平均） 9.72s 8.84s
响应时间（最大） 38.03s 34.82s
响应时间（总计） 204.19s 185.57s

生成展示

Hamster playing table tennis

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

#15 Claude Opus 4.8

medium
成本
$0.057
时间
23.1s
令牌
2,412 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 3.95s 834 1,179 478
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 10.0 10.0 100.0% 0 15.33s 10,590 9,945 1,381
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 38.03s 23,561 5,260 1,588
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 7.1 5.6 83.3% 1 12.29s 10,503 481 312
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 14.59s 975 7,477 900
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 2.46s 708 237 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 10.0 10.0 100.0% 0 3.32s 909 373 320
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 3.95s 894 791 483
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 8.96s 11,775 301 225
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 6.14s 258 451 214
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

Gemini 3.5 FlashhighvsGPT-5.6 SollowClaude Opus 4.8mediumvsGPT-5.2 ChatnoneClaude Opus 4.8mediumvsGemini 3.5 FlashlowGemini 3.5 FlashhighvsQwen3.7 MaxmediumGemini 3.5 FlashhighvsGPT-5.6 SolmediumClaude Opus 4.8mediumvsGPT-5.5lowGemini 3.5 FlashhighvsGPT-5.5lowClaude Opus 4.8mediumvsGPT-5.6 SolhighClaude Opus 4.8mediumvsDeepSeek V4 FlashhighClaude Fable 5mediumvsGemini 3.5 FlashhighClaude Opus 4.8mediumvsGPT-5.6 TerrahighClaude Opus 4.8mediumvsGPT-5.6 Sollow