导航
AI BENCHY
Advertise here

AI BENCHY 对比

Anthropic: Claude Opus 4.8 vs Google: Gemini 3 Flash Preview

摘要

Claude Opus 4.8 vs Gemini 3 Flash Preview (medium) benchmark 对比：Gemini 3 Flash Preview (medium) 平均分领先，为 9.6 vs 7.2。 Claude Opus 4.8 benchmark 成本更低，为 $0.539 vs $0.667。 Claude Opus 4.8 更快，为 3.48s vs 18.64s，通过率为 61.9% vs 98.4%。

推荐模型: Gemini 3 Flash Preview (medium) - 它在本次比较中得分最高（9.6），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 none 发布日期: 2026-05-28 Gemini 3 Flash Preview Gemini 3 Flash Preview medium 发布日期: 2025-12-17
分数 7.2 9.6
排名 #70 #2
可靠性 10.0 10.0
一致性 9.2 9.7
测试正确
尝试通过率 61.9% 98.4%
不稳定测试 2 1
总运行次数 63 63
每个结果成本 4.485 3.335
总成本 $0.539 $0.667
输入价格 $5.000 / 1M $0.500 / 1M
输出价格 $25.000 / 1M $3.000 / 1M
总输入令牌 67,104 37,017
输出令牌 8,107 2,006
推理令牌 0 214,153
响应时间（平均） 3.48s 18.64s
响应时间（最大） 17.73s 117.26s
响应时间（总计） 73.00s 391.35s

生成展示

Hamster playing table tennis

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

#70 Claude Opus 4.8

none
成本
$0.053
时间
22.0s
令牌
2,253 tok

#2 Gemini 3 Flash Preview

medium
成本
$0.010
时间
17.9s
令牌
3,236 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 Flash Preview 10.0 10.0 100.0% 0 3.88s 494 330 3,216
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 Flash Preview 8.6 7.6 88.9% 1 84.40s 8,122 462 161,084
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 Flash Preview 10.0 10.0 100.0% 0 22.42s 12,873 351 10,485
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 Flash Preview 10.0 10.0 100.0% 0 5.43s 7,548 279 4,893
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 1.70s 975 61 0
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 15.27s 633 12 21,684
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 Flash Preview 10.0 10.0 100.0% 0 5.19s 486 72 1,905
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 Flash Preview 10.0 10.0 100.0% 0 4.04s 615 72 2,709
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 Flash Preview 10.0 10.0 100.0% 0 4.05s 558 183 4,365
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 Flash Preview 10.0 10.0 100.0% 0 12.60s 5,532 234 1,487
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 Flash Preview 10.0 10.0 100.0% 0 5.50s 156 11 2,325

快速对比

切换对比组合

Claude Opus 4.8nonevsGemma 4 26B A4Bmedium免费可用Gemini 3 Flash PreviewmediumvsGPT-5.6 SollowClaude Opus 4.8nonevsGrok 4.20mediumClaude Opus 4.8nonevsStep 3.7 FlashhighClaude Opus 4.8nonevsGLM 5.1mediumClaude Opus 4.8nonevsGemini 3 Flash PreviewlowClaude Opus 4.8nonevsLaguna XS 2.1medium免费可用Claude Opus 4.8nonevsMiMo-V2.5-PromediumClaude Opus 4.8nonevsSeed-2.0-MinimediumClaude Opus 4.8nonevsKimi K2.7 CodemediumClaude Opus 4.8nonevsDeepSeek V3.2mediumGemini 3 Flash PreviewmediumvsGPT-5.6 Solhigh