AI BENCHY 对比
Anthropic: Claude Sonnet 4.6 vs Google: Gemini 2.5 Flash
比较:
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-03-03
| 指标 | Anthropic: Claude Sonnet 4.6 none 发布日期: 2026-02-17 | Google: Gemini 2.5 Flash medium 发布日期: 2025-06-17 |
|---|---|---|
| 排名 | #22 | #16 |
| 平均分 | 6.36 | 7.05 |
| 一致性 | 9.50 | 9.39 |
| 每个结果成本 | 1.325 | 2.762 |
| 总成本 | $0.106 | $0.249 |
| 测试正确 | ||
| 尝试通过率 | 59.5% | 69.1% |
| 不稳定测试 | 1 | 1 |
| 输出令牌 | 2,637 | 975 |
| 推理令牌 | 0 | 96,701 |
分数 vs 总成本
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 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|
| Anthropic: Claude Sonnet 4.6 | 4.00 | 10.00 | 33.3% | 0 | 1,199 | 0 | |
| Google: Gemini 2.5 Flash | 7.33 | 10.00 | 66.7% | 0 | 249 | 8,832 |
| 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 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|
| Anthropic: Claude Sonnet 4.6 | 10.00 | 10.00 | 100.0% | 0 | 252 | 0 | |
| Google: Gemini 2.5 Flash | 9.88 | 10.00 | 100.0% | 0 | 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 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|
| Anthropic: Claude Sonnet 4.6 | 7.00 | 10.00 | 66.7% | 0 | 54 | 0 | |
| Google: Gemini 2.5 Flash | 4.00 | 7.21 | 55.6% | 1 | 18 | 80,702 |
| 指令遵循 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|
| Anthropic: Claude Sonnet 4.6 | 5.50 | 10.00 | 50.0% | 0 | 90 | 0 | |
| Google: Gemini 2.5 Flash | 7.00 | 9.91 | 50.0% | 0 | 69 | 1,203 |
| Puzzle Solving | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|
| Anthropic: Claude Sonnet 4.6 | 5.00 | 7.68 | 44.4% | 1 | 595 | 0 | |
| Google: Gemini 2.5 Flash | 7.00 | 10.00 | 66.7% | 0 | 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 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|
| Anthropic: Claude Sonnet 4.6 | 10.00 | 10.00 | 100.0% | 0 | 447 | 0 | |
| Google: Gemini 2.5 Flash | 10.00 | 10.00 | 100.0% | 0 | 234 | 1,140 |
快速对比
切换对比组合
Claude Sonnet 4.6nonevsGrok 4.1 FastmediumClaude Sonnet 4.6nonevsKimi K2.5mediumGemini 2.5 FlashmediumvsGPT-5.3 ChatnoneClaude Sonnet 4.6nonevsSeed-2.0-MinimediumGemini 2.5 FlashmediumvsGPT-5.2 ChatnoneClaude Sonnet 4.6nonevsMiMo-V2-FlashmediumClaude Sonnet 4.6nonevsQwen3.5-122B-A10BmediumClaude Sonnet 4.6nonevsQwen3.5-35B-A3BmediumClaude Sonnet 4.6nonevsGPT-5 NanomediumClaude Sonnet 4.6nonevsGemini 3.1 Flash Lite PreviewmediumClaude Sonnet 4.6nonevsQwen3.5-FlashmediumClaude Sonnet 4.6nonevsGPT-5.2medium