AI BENCHY 对比

Anthropic: Claude Sonnet 4.6 vs Google: Gemini 3.1 Flash Lite

摘要

Claude Sonnet 4.6 vs Gemini 3.1 Flash Lite benchmark 对比：Claude Sonnet 4.6 平均分领先，为 7.8 vs 6.4。 Gemini 3.1 Flash Lite benchmark 成本更低，为 $0.028 vs $1.418。 Gemini 3.1 Flash Lite 更快，为 1.89s vs 17.06s，通过率为 65.1% vs 61.9%。

推荐模型: Gemini 3.1 Flash Lite - 它提供了最佳整体取舍：得分有竞争力（6.4），成本低于Claude Sonnet 4.6，响应时间也较均衡。

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

指标	Claude Sonnet 4.6 Claude Sonnet 4.6 medium 发布日期: 2026-02-17	Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite low 发布日期: 2026-05-08

指标	Claude Sonnet 4.6 Claude Sonnet 4.6 medium 发布日期: 2026-02-17	Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite low 发布日期: 2026-05-08
分数	7.8	6.4
排名	#31	#85
可靠性	10.0	10.0
一致性	9.1	9.3
测试正确
尝试通过率	65.1%	61.9%
不稳定测试	2	2
总运行次数	63	63
每个结果成本	10.904	0.227
总成本	$1.418	$0.028
输入价格	$3.000 / 1M	$0.250 / 1M
输出价格	$15.000 / 1M	$1.500 / 1M
总输入令牌	49,112	36,892
输出令牌	54,703	2,732
推理令牌	29,970	9,260
响应时间（平均）	17.06s	1.89s
响应时间（最大）	46.35s	5.66s
响应时间（总计）	221.83s	39.62s

生成展示

Hamster playing table tennis

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

#31 Claude Sonnet 4.6

medium

无效SVG

成本: $0.000
时间: 300.0s
令牌: 0 tok

#85 Gemini 3.1 Flash Lite

low

成本: $0.003
时间: 4.0s
令牌: 1,479 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 Sonnet 4.6	6.5	10.0	50.0%	0		2.98s	789	1,046	1,093
Gemini 3.1 Flash Lite	7.3	6.2	75.0%	2		1.84s	500	1,013	1,548

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 Sonnet 4.6	5.7	6.6	44.4%	1		33.29s	6,995	16,089	3,686
Gemini 3.1 Flash Lite	5.5	10.0	33.3%	0		1.53s	8,132	471	1,072

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 Sonnet 4.6	10.0	10.0	100.0%	0		46.35s	18,351	5,871	3,962
Gemini 3.1 Flash Lite	3.0	10.0	0.0%	0		4.48s	12,870	348	975

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 Sonnet 4.6	10.0	10.0	100.0%	0		13.90s	8,676	649	742
Gemini 3.1 Flash Lite	10.0	10.0	100.0%	0		1.44s	7,453	291	697

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 Sonnet 4.6	2.9	7.2	11.1%	1		0ms	471	25,790	16,919
Gemini 3.1 Flash Lite	5.3	10.0	33.3%	0		1.52s	639	15	1,214

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 Sonnet 4.6	10.0	10.0	100.0%	0		4.94s	564	256	433
Gemini 3.1 Flash Lite	4.0	10.0	0.0%	0		1.37s	492	69	438

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 Sonnet 4.6	10.0	10.0	100.0%	0		2.61s	792	318	552
Gemini 3.1 Flash Lite	10.0	10.0	100.0%	0		1.52s	619	72	760

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 Sonnet 4.6	10.0	10.0	100.0%	0		5.31s	816	592	646
Gemini 3.1 Flash Lite	10.0	10.0	100.0%	0		1.40s	570	210	1,191

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 Sonnet 4.6	10.0	10.0	100.0%	0		7.48s	11,454	655	351
Gemini 3.1 Flash Lite	10.0	10.0	100.0%	0		5.66s	5,457	234	945

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 Sonnet 4.6	3.0	10.0	0.0%	0		30.09s	204	3,437	1,586
Gemini 3.1 Flash Lite	3.0	10.0	0.0%	0		1.46s	160	9	420

快速对比

切换对比组合