AI BENCHY 对比

Anthropic: Claude Opus 4.8 vs Google: Gemini 3.1 Flash Lite

摘要

Claude Opus 4.8 vs Gemini 3.1 Flash Lite benchmark 对比：Gemini 3.1 Flash Lite 平均分领先，为 7.8 vs 7.2。 Gemini 3.1 Flash Lite benchmark 成本更低，为 $0.071 vs $0.539。 Gemini 3.1 Flash Lite 更快，为 3.23s vs 3.47s，通过率为 61.9% vs 65.1%。

推荐模型: Gemini 3.1 Flash Lite - 它在这里得分最高（7.8），同时成本比Claude Opus 4.8低约 7.7 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-18

指标	Claude Opus 4.8 Claude Opus 4.8 none 发布日期: 2026-05-28	Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite medium 发布日期: 2026-05-08

指标	Claude Opus 4.8 Claude Opus 4.8 none 发布日期: 2026-05-28	Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite medium 发布日期: 2026-05-08
分数	7.2	7.8
排名	#57	#34
可靠性	10.0	10.0
一致性	9.2	9.2
测试正确
尝试通过率	61.9%	65.1%
不稳定测试	2	2
总运行次数	63	63
每个结果成本	4.485	0.539
总成本	$0.539	$0.071
输入价格	$5.000 / 1M	$0.250 / 1M
输出价格	$25.000 / 1M	$1.500 / 1M
总输入令牌	67,104	36,808
输出令牌	8,107	2,254
推理令牌	0	38,300
响应时间（平均）	3.47s	3.23s
响应时间（最大）	17.73s	10.87s
响应时间（总计）	72.90s	67.80s

生成展示

Hamster playing table tennis

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

#57 Claude Opus 4.8

none

成本: $0.053
时间: 22.0s
令牌: 2,253 tok

#34 Gemini 3.1 Flash Lite

medium

成本: $0.003
时间: 5.3s
令牌: 1,754 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	6.5	10.0	50.0%	0		3.40s	834	1,472	0
Gemini 3.1 Flash Lite	9.1	10.0	75.0%	0		2.39s	502	604	4,201

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	5.5	10.0	33.3%	0		3.29s	10,590	1,332	0
Gemini 3.1 Flash Lite	5.5	10.0	33.3%	0		3.81s	8,134	459	8,978

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	9.5	10.0	100.0%	0		17.73s	29,658	3,259	0
Gemini 3.1 Flash Lite	10.0	10.0	100.0%	0		10.87s	12,873	327	7,401

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	7.3	5.8	83.3%	1		1.77s	10,503	308	0
Gemini 3.1 Flash Lite	10.0	10.0	100.0%	0		2.60s	7,362	279	2,845

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	7.2	44.4%	1		1.66s	975	61	0
Gemini 3.1 Flash Lite	2.9	7.2	11.1%	1		3.16s	643	15	5,165

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		3.48s	708	230	0
Gemini 3.1 Flash Lite	10.0	10.0	100.0%	0		2.60s	488	84	1,142

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	9.9	10.0	100.0%	0		1.37s	909	95	0
Gemini 3.1 Flash Lite	9.9	10.0	100.0%	0		2.59s	623	75	3,320

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	7.7	10.0	66.7%	0		2.74s	894	783	0
Gemini 3.1 Flash Lite	7.6	7.2	77.8%	1		1.95s	568	165	2,450

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		5.35s	11,775	355	0
Gemini 3.1 Flash Lite	10.0	10.0	100.0%	0		4.55s	5,457	234	921

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		3.41s	258	212	0
Gemini 3.1 Flash Lite	3.0	10.0	0.0%	0		3.08s	158	12	1,877

快速对比

切换对比组合