#23 Claude Opus 5
low- 成本
- $0.062
- 时间
- 30.2s
- 令牌
- 2,615 tok
Claude Opus 5 vs Google: Gemini 2.5 Flash
Claude Opus 5 (low) 平均分领先，为 8.6 vs 8.2。 Gemini 2.5 Flash (medium) benchmark 成本更低，为 $0.643 vs $1.121。 Claude Opus 5 (low) 更快，为 6.99s vs 21.18s，通过率为 80.3% vs 71.2%。
推荐模型Claude Opus 5 (low)它在这里得分最高（8.6），同时响应速度比Gemini 2.5 Flash (medium)快约 3.0 倍。
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-25
| 指标 | Claude Opus 5 Claude Opus 5 low | Gemini 2.5 Flash Gemini 2.5 Flash medium |
|---|---|---|
| 分数 | 8.6 | 8.2 |
| 排名 | #23 | #31 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.3 | 9.6 |
| 测试正确 | ||
| 尝试通过率 | 80.3% | 71.2% |
| 不稳定测试 | 2 | 1 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 6.593 | 4.286 |
| 总成本 | $1.121 | $0.643 |
| 输入价格 | $5.000 / 1M | $0.300 / 1M |
| 输出价格 | $25.000 / 1M | $2.500 / 1M |
| 总输入令牌 | 134,773 | 132,498 |
| 输出令牌 | 14,123 | 12,739 |
| 推理令牌 | 3,896 | 228,464 |
| 响应时间（平均） | 6.99s | 21.18s |
| 响应时间（最大） | 30.67s | 140.50s |
| 响应时间（总计） | 153.73s | 465.89s |
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#31 Gemini 2.5 Flash
medium
无效SVG
- 成本
- $0.000
- 时间
- 274.0s
- 令牌
- 0 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 5 | 10.0 | 10.0 | 100.0% | 0 | 4.32s | 834 | 1,008 | 376 | |
| Gemini 2.5 Flash | 8.4 | 10.0 | 75.0% | 0 | 6.30s | 492 | 255 | 10,233 |
| 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 5 | 7.8 | 7.4 | 77.8% | 1 | 6.70s | 10,590 | 2,442 | 760 | |
| Gemini 2.5 Flash | 7.8 | 10.0 | 66.7% | 0 | 41.01s | 6,669 | 543 | 32,303 |
| 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 5 | 10.0 | 10.0 | 100.0% | 0 | 21.05s | 97,363 | 6,024 | 911 | |
| Gemini 2.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 84.47s | 110,544 | 11,112 | 95,241 |
| 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 5 | 10.0 | 10.0 | 100.0% | 0 | 3.69s | 10,503 | 343 | 79 | |
| Gemini 2.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 4.06s | 7,257 | 279 | 2,325 |
| 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 5 | 2.9 | 7.2 | 11.1% | 1 | 8.89s | 975 | 2,447 | 987 | |
| Gemini 2.5 Flash | 5.9 | 7.2 | 55.6% | 1 | 37.34s | 633 | 18 | 80,702 |
| 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 5 | 10.0 | 10.0 | 100.0% | 0 | 3.76s | 708 | 293 | 0 | |
| Gemini 2.5 Flash | 4.8 | 10.0 | 0.0% | 0 | 4.86s | 486 | 92 | 1,899 |
| 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 5 | 10.0 | 10.0 | 100.0% | 0 | 4.13s | 909 | 242 | 146 | |
| Gemini 2.5 Flash | 9.8 | 10.0 | 100.0% | 0 | 2.62s | 615 | 69 | 1,203 |
| 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 5 | 10.0 | 10.0 | 100.0% | 0 | 4.23s | 894 | 607 | 300 | |
| Gemini 2.5 Flash | 7.7 | 10.0 | 66.7% | 0 | 3.18s | 558 | 126 | 2,499 |
| 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 5 | 10.0 | 10.0 | 100.0% | 0 | 9.03s | 11,739 | 354 | 0 | |
| Gemini 2.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 6.20s | 5,088 | 234 | 1,140 |
| 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 5 | 3.0 | 10.0 | 0.0% | 0 | 6.48s | 258 | 363 | 337 | |
| Gemini 2.5 Flash | 3.0 | 10.0 | 0.0% | 0 | 2.76s | 156 | 11 | 919 |
快速对比
切换对比组合
Gemini 2.5 FlashmediumvsMuse Spark 1.1lowClaude Opus 5lowvsMuse Spark 1.1mediumClaude Opus 5lowvsGPT-5.4mediumGemini 2.5 FlashmediumvsMuse Spark 1.1highClaude Opus 5lowvsQwen3.6 Max PreviewmediumGemini 2.5 FlashmediumvsGrok 4.5lowGemini 2.5 FlashmediumvsInklinghighGemini 2.5 FlashmediumvsGPT-5.2 ChatnoneGemini 2.5 FlashmediumvsGLM 5.2highClaude Opus 5lowvsGPT-5.2mediumClaude Opus 5lowvsGrok 4.5mediumGemini 2.5 FlashmediumvsKimi K3max