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 (low) benchmark 对比：Gemini 3.5 Flash (low) 平均分领先，为 9.2 vs 8.8。 Gemini 3.5 Flash (low) benchmark 成本更低，为 $0.349 vs $1.107。 Gemini 3.5 Flash (low) 更快，为 3.27s vs 9.72s，通过率为 84.1% vs 90.5%。

推荐模型: Gemini 3.5 Flash (low) - 它在这里得分最高（9.2），同时成本比Claude Opus 4.8 (medium)低约 3.2 倍。

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 low 发布日期: 2026-05-19
分数 8.8 9.2
排名 #15 #8
可靠性 10.0 10.0
一致性 9.6 10.0
测试正确
尝试通过率 84.1% 90.5%
不稳定测试 1 0
总运行次数 63 63
每个结果成本 6.512 1.834
总成本 $1.107 $0.349
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 36,938
输出令牌 26,495 2,033
推理令牌 5,901 30,519
响应时间（平均） 9.72s 3.27s
响应时间（最大） 38.03s 9.05s
响应时间（总计） 204.19s 68.65s

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

#8 Gemini 3.5 Flash

low
成本
$0.068
时间
39.1s
令牌
7,588 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 2.52s 494 209 2,536
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 7.8 10.0 66.7% 0 6.71s 8,118 458 13,420
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 6.44s 12,873 351 3,050
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 1.81s 7,548 279 1,164
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 7.7 10.0 66.7% 0 3.39s 633 12 4,538
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 2.27s 486 119 916
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 9.9 10.0 100.0% 0 1.86s 615 71 1,652
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 2.35s 558 288 2,150
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 10.0 10.0 100.0% 0 3.27s 5,457 234 403
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 1.88s 156 12 690

快速对比

切换对比组合

Claude Fable 5mediumvsGemini 3.5 FlashlowGemini 3.5 FlashlowvsGPT-5.6 SolhighGemini 3.5 FlashlowvsGPT-5.6 SolmediumGemini 3.5 FlashlowvsQwen3.7 MaxmediumGemini 3.5 FlashlowvsGPT-5.5mediumGemini 3.5 FlashlowvsGPT-5.3-CodexmediumClaude Opus 4.8mediumvsGPT-5.2 ChatnoneGemini 3.5 FlashlowvsQwen3.6 Max PreviewmediumClaude Opus 4.8mediumvsGPT-5.5lowClaude Opus 4.8mediumvsGPT-5.6 SolhighClaude Opus 4.7mediumvsGemini 3.5 FlashlowClaude Opus 4.8mediumvsDeepSeek V4 Flashhigh