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：Gemini 3.1 Flash Lite 平均分领先，为 7.8 vs 7.3。 Gemini 3.1 Flash Lite benchmark 成本更低，为 $0.071 vs $0.316。 Gemini 3.1 Flash Lite 更快，为 3.23s vs 5.04s，通过率为 55.6% vs 65.1%。

推荐模型: Gemini 3.1 Flash Lite - 它在这里得分最高（7.8），同时成本比Claude Sonnet 4.6低约 4.5 倍。

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 none 发布日期: 2026-02-17	Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite medium 发布日期: 2026-05-08

指标	Claude Sonnet 4.6 Claude Sonnet 4.6 none 发布日期: 2026-02-17	Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite medium 发布日期: 2026-05-08
分数	7.3	7.8
排名	#55	#34
可靠性	10.0	10.0
一致性	9.7	9.2
测试正确
尝试通过率	55.6%	65.1%
不稳定测试	1	2
总运行次数	63	63
每个结果成本	2.870	0.539
总成本	$0.316	$0.071
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	57,886	36,808
输出令牌	9,465	2,254
推理令牌	0	38,300
响应时间（平均）	5.04s	3.23s
响应时间（最大）	23.84s	10.87s
响应时间（总计）	70.60s	67.80s

生成展示

Hamster playing table tennis

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

#55 Claude Sonnet 4.6

none

成本: $0.038
时间: 27.3s
令牌: 2,598 tok

#34 Gemini 3.1 Flash Lite

medium

成本: $0.003
时间: 5.3s
令牌: 1,754 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	4.8	10.0	25.0%	0		2.94s	636	1,214	0
Gemini 3.1 Flash Lite	9.1	10.0	75.0%	0		2.39s	502	604	4,201

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	5.5	10.0	33.3%	0		5.19s	8,522	2,127	0
Gemini 3.1 Flash Lite	5.5	10.0	33.3%	0		3.81s	8,134	459	8,978

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	9.5	10.0	100.0%	0		23.84s	26,024	3,766	0
Gemini 3.1 Flash Lite	10.0	10.0	100.0%	0		10.87s	12,873	327	7,401

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		3.43s	8,574	252	0
Gemini 3.1 Flash Lite	10.0	10.0	100.0%	0		2.60s	7,362	279	2,845

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	7.7	10.0	66.7%	0		3.54s	759	413	0
Gemini 3.1 Flash Lite	2.9	7.2	11.1%	1		3.16s	643	15	5,165

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	6.1	3.1	66.7%	1		2.56s	513	192	0
Gemini 3.1 Flash Lite	10.0	10.0	100.0%	0		2.60s	488	84	1,142

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	6.5	10.0	50.0%	0		1.96s	690	90	0
Gemini 3.1 Flash Lite	9.9	10.0	100.0%	0		2.59s	623	75	3,320

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	7.7	10.0	66.7%	0		2.53s	663	533	0
Gemini 3.1 Flash Lite	7.6	7.2	77.8%	1		1.95s	568	165	2,450

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		4.11s	11,301	447	0
Gemini 3.1 Flash Lite	10.0	10.0	100.0%	0		4.55s	5,457	234	921

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		4.67s	204	431	0
Gemini 3.1 Flash Lite	3.0	10.0	0.0%	0		3.08s	158	12	1,877

快速对比

切换对比组合