AI BENCHY 对比

Anthropic: Claude Opus 4.8 vs Google: Gemma 4 31B

摘要

Claude Opus 4.8 vs Gemma 4 31B benchmark 对比：Claude Opus 4.8 平均分领先，为 7.2 vs 6.3。 Gemma 4 31B benchmark 成本更低，为 $0.033 vs $0.539。 Claude Opus 4.8 更快，为 3.47s vs 56.55s，通过率为 61.9% vs 69.8%。

推荐模型: Claude Opus 4.8 - 它在这里得分最高（7.2），同时响应速度比Gemma 4 31B快约 16.3 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	Gemma 4 31B Gemma 4 31B medium 发布日期: 2026-04-02 免费可用

指标	Claude Opus 4.8 Claude Opus 4.8 none 发布日期: 2026-05-28	Gemma 4 31B Gemma 4 31B medium 发布日期: 2026-04-02 免费可用
分数	7.2	6.3
排名	#57	#88
可靠性	10.0	10.0
一致性	9.2	9.4
测试正确
尝试通过率	61.9%	69.8%
不稳定测试	2	1
总运行次数	63	63
每个结果成本	4.485	0.257
总成本	$0.539	$0.033
输入价格	$5.000 / 1M	$0.120 / 1M
输出价格	$25.000 / 1M	$0.350 / 1M
总输入令牌	67,104	17,957
输出令牌	8,107	22,356
推理令牌	0	65,726
响应时间（平均）	3.47s	56.55s
响应时间（最大）	17.73s	437.40s
响应时间（总计）	72.90s	1074.41s

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

#88 Gemma 4 31B

medium

成本: $0.002
时间: 45.7s
令牌: 2,696 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
Gemma 4 31B	10.0	10.0	100.0%	0		12.89s	816	962	2,046

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
Gemma 4 31B	4.3	5.8	22.2%	1		219.76s	5,568	11,098	33,212

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
Gemma 4 31B	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
Gemma 4 31B	10.0	10.0	100.0%	0		21.11s	8,334	1,822	2,951

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
Gemma 4 31B	7.7	10.0	66.7%	0		38.48s	876	4,349	8,985

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
Gemma 4 31B	10.0	10.0	100.0%	0		9.57s	567	105	888

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
Gemma 4 31B	10.0	10.0	100.0%	0		12.76s	777	533	2,035

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
Gemma 4 31B	9.9	10.0	100.0%	0		26.91s	801	1,795	5,595

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
Gemma 4 31B	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
Gemma 4 31B	3.0	10.0	0.0%	0		90.14s	218	1,692	10,014

快速对比

切换对比组合