Anthropic: Claude Opus 4.8 vs Google: Gemini 3.6 Flash

Gemini 3.6 Flash (high) 平均分领先，为 9.7 vs 8.8。 Gemini 3.6 Flash (high) benchmark 成本更低，为 $1.785 vs $1.931。 Claude Opus 4.8 (medium) 更快，为 12.49s vs 14.88s，通过率为 84.9% vs 98.5%。

推荐模型Gemini 3.6 Flash (high)它在本次比较中得分最高（9.7），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：: 2026-07-21

指标	Claude Opus 4.8 Claude Opus 4.8 medium 发布日期: 2026-05-28	Gemini 3.6 Flash Gemini 3.6 Flash high 发布日期: 2026-07-21

指标	Claude Opus 4.8 Claude Opus 4.8 medium 发布日期: 2026-05-28	Gemini 3.6 Flash Gemini 3.6 Flash high 发布日期: 2026-07-21
分数	8.8	9.7
排名	#17	#2
可靠性	10.0	10.0
一致性	9.6	9.6
测试正确
尝试通过率	84.9%	98.5%
不稳定测试	1	1
总运行次数	66	66
每个结果成本	10.724	8.497
总成本	$1.931	$1.785
输入价格	$5.000 / 1M	$1.500 / 1M
输出价格	$25.000 / 1M	$7.500 / 1M
总输入令牌	138,451	87,819
输出令牌	40,766	5,750
推理令牌	9,075	214,596
响应时间（平均）	12.49s	14.88s
响应时间（最大）	70.54s	88.00s
响应时间（总计）	274.72s	327.37s

Hamster playing table tennis

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

#17 Claude Opus 4.8

medium

成本: $0.057
时间: 23.1s
令牌: 2,412 tok

#2 Gemini 3.6 Flash

high

成本: $0.069
时间: 44.0s
令牌: 9,251 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

类别:

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 3.6 Flash	10.0	10.0	100.0%	0		2.55s	516	165	4,817

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 3.6 Flash	10.0	10.0	100.0%	0		26.73s	8,136	448	60,606

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	9.9	10.0	100.0%	0		54.29s	101,005	19,531	4,762
Gemini 3.6 Flash	10.0	10.0	100.0%	0		56.32s	63,258	4,197	80,634

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 3.6 Flash	10.0	10.0	100.0%	0		5.20s	7,269	279	6,641

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 3.6 Flash	10.0	10.0	100.0%	0		25.97s	651	12	43,940

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 3.6 Flash	10.0	10.0	100.0%	0		3.35s	492	118	1,610

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 3.6 Flash	9.9	10.0	100.0%	0		3.94s	627	71	4,203

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 3.6 Flash	10.0	10.0	100.0%	0		3.04s	576	224	4,194

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 3.6 Flash	10.0	10.0	100.0%	0		9.76s	6,132	225	4,509

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 3.6 Flash	4.7	1.6	66.7%	1		5.96s	162	11	3,442

快速对比

切换对比组合

Claude Opus 4.8mediumvsGrok 4.5high Claude Opus 4.8mediumvsGemini 3.5 Flashlow Gemini 3.6 FlashhighvsGPT-5.6 Sollow Gemini 3.6 FlashhighvsGPT-5.6 Solmedium Gemini 3.6 FlashhighvsGPT-5.5low Claude Opus 4.8mediumvsGrok 4.5low Claude Opus 4.8mediumvsGPT-5.5low Claude Opus 4.8mediumvsGPT-5.6 Solhigh Claude Opus 4.8mediumvsGemini 3.6 Flashlow Gemini 3.6 FlashhighvsQwen3.7 Maxmedium Claude Opus 4.8mediumvsMuse Spark 1.1low Claude Opus 4.8mediumvsGPT-5.6 Sollow