AI BENCHY 对比
Anthropic: Claude Sonnet 4.6 vs Google: Gemini 2.5 Flash
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-01
| 指标 | Claude Sonnet 4.6 Claude Sonnet 4.6 none | Gemini 2.5 Flash Gemini 2.5 Flash none |
|---|---|---|
| 分数 | 7.0 | 6.4 |
| 排名 | #78 | #95 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.7 | 9.6 |
| 测试正确 | ||
| 尝试通过率 | 58.3% | 48.3% |
| 不稳定测试 | 1 | 1 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 2.782 | 0.159 |
| 总成本 | $0.306 | $0.015 |
| 输入价格 | $3.000 / 1M | $0.300 / 1M |
| 输出价格 | $15.000 / 1M | $2.500 / 1M |
| 输出令牌 | 9,450 | 1,764 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 5.27s | 889ms |
| 响应时间（最大） | 23.84s | 4.39s |
| 响应时间（总计） | 68.50s | 17.79s |
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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Sonnet 4.6 | 4.8 | 10.0 | 25.0% | 0 | 2.94s | 1,214 | 0 | |
| Gemini 2.5 Flash | 3.0 | 10.0 | 0.0% | 0 | 582ms | 102 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Sonnet 4.6 | 6.8 | 10.0 | 50.0% | 0 | 6.73s | 2,112 | 0 | |
| Gemini 2.5 Flash | 6.8 | 10.0 | 50.0% | 0 | 810ms | 477 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Sonnet 4.6 | 9.5 | 10.0 | 100.0% | 0 | 23.84s | 3,766 | 0 | |
| Gemini 2.5 Flash | 3.0 | 10.0 | 0.0% | 0 | 4.39s | 366 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Sonnet 4.6 | 10.0 | 10.0 | 100.0% | 0 | 3.43s | 252 | 0 | |
| Gemini 2.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 652ms | 279 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Sonnet 4.6 | 7.7 | 10.0 | 66.7% | 0 | 3.54s | 413 | 0 | |
| Gemini 2.5 Flash | 5.9 | 7.2 | 55.6% | 1 | 495ms | 12 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Sonnet 4.6 | 6.1 | 3.1 | 66.7% | 1 | 2.56s | 192 | 0 | |
| Gemini 2.5 Flash | 5.0 | 10.0 | 0.0% | 0 | 615ms | 78 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Sonnet 4.6 | 6.5 | 10.0 | 50.0% | 0 | 1.96s | 90 | 0 | |
| Gemini 2.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 590ms | 72 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Sonnet 4.6 | 7.7 | 10.0 | 66.7% | 0 | 2.53s | 533 | 0 | |
| Gemini 2.5 Flash | 7.7 | 10.0 | 66.7% | 0 | 604ms | 132 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Sonnet 4.6 | 10.0 | 10.0 | 100.0% | 0 | 4.11s | 447 | 0 | |
| Gemini 2.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 1.91s | 234 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Sonnet 4.6 | 3.0 | 10.0 | 0.0% | 0 | 4.67s | 431 | 0 | |
| Gemini 2.5 Flash | 3.0 | 10.0 | 0.0% | 0 | 1.15s | 12 | 0 |
快速对比
切换对比组合
DeepSeek V4 ProhighvsGemini 2.5 FlashnoneClaude Sonnet 4.6nonevsSeed-2.0-MinimediumClaude Sonnet 4.6nonevsMiMo-V2-FlashmediumClaude Sonnet 4.6nonevsGrok 4.20mediumClaude Sonnet 4.6nonevsStep 3.7 FlashhighClaude Sonnet 4.6nonevsMimo V2 OmnimediumClaude Sonnet 4.6nonevsDeepSeek V3.2mediumGemini 2.5 FlashnonevsMercury 2mediumClaude Sonnet 4.6nonevsGPT-5 MinimediumClaude Sonnet 4.6nonevsGPT-5.4 NanomediumClaude Sonnet 4.6nonevsRing-2.6-1TmediumGemini 2.5 FlashnonevsQwen3.6 27Bmedium