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 3.5 Flash

摘要

Claude Opus 4.8 vs Gemini 3.5 Flash benchmark 对比：Claude Opus 4.8 平均分领先，为 7.2 vs 7.0。 Claude Opus 4.8 benchmark 成本更低，为 $0.539 vs $1.079。 Claude Opus 4.8 更快，为 3.47s vs 9.93s，通过率为 61.9% vs 77.8%。

推荐模型: Claude Opus 4.8 - 它在这里得分最高（7.2），同时成本比Gemini 3.5 Flash低约 2.0 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 3.5 Flash Gemini 3.5 Flash none 发布日期: 2026-05-19
分数 7.2 7.0
排名 #57 #66
可靠性 10.0 10.0
一致性 9.2 8.9
测试正确
尝试通过率 61.9% 77.8%
不稳定测试 2 3
总运行次数 63 63
每个结果成本 4.485 7.190
总成本 $0.539 $1.079
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 67,104 13,843
输出令牌 8,107 117,518
推理令牌 0 0
响应时间（平均） 3.47s 9.93s
响应时间（最大） 17.73s 64.36s
响应时间（总计） 72.90s 178.68s

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

#66 Gemini 3.5 Flash

none
成本
$0.225
时间
125.5s
令牌
25,004 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 3.5 Flash 10.0 10.0 100.0% 0 2.53s 492 5,101 0
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 3.5 Flash 8.8 7.8 88.9% 1 34.69s 8,122 75,927 0
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 3.5 Flash 3.0 10.0 0.0% 0 0ms 0 0 0
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 3.5 Flash 6.5 10.0 50.0% 0 8.10s 2,781 5,895 0
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 3.5 Flash 7.6 7.2 77.8% 1 10.64s 633 17,910 0
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 3.5 Flash 10.0 10.0 100.0% 0 3.46s 486 1,620 0
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 3.5 Flash 9.8 10.0 100.0% 0 3.38s 615 3,928 0
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 3.5 Flash 10.0 10.0 100.0% 0 3.13s 558 4,640 0
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 3.5 Flash 3.0 10.0 0.0% 0 0ms 0 0 0
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 3.5 Flash 2.8 1.6 33.3% 1 4.87s 156 2,497 0

快速对比

切换对比组合

Gemini 3.5 FlashnonevsKimi K2.7 CodemediumClaude Opus 4.8nonevsGemma 4 26B A4Bmedium免费可用Gemini 3.5 FlashnonevsGLM 5.1mediumGemini 3.5 FlashnonevsStep 3.7 FlashhighClaude Opus 4.8nonevsGrok 4.20mediumClaude Opus 4.8nonevsStep 3.7 FlashhighClaude Opus 4.8nonevsGLM 5.1mediumClaude Opus 4.8nonevsGemini 3 Flash PreviewlowGemini 3.5 FlashnonevsQwen3.5-FlashmediumClaude Opus 4.8nonevsMiMo-V2.5-PromediumClaude Opus 4.8nonevsSeed-2.0-MinimediumGemini 3.5 FlashnonevsRing-2.6-1Tmedium