AI BENCHY 对比

Anthropic: Claude Sonnet 4.6 vs Google: Gemini 3 Flash Preview

摘要

Claude Sonnet 4.6 vs Gemini 3 Flash Preview benchmark 对比：Gemini 3 Flash Preview 平均分领先，为 7.4 vs 7.3。 Gemini 3 Flash Preview benchmark 成本更低，为 $0.111 vs $0.316。 Claude Sonnet 4.6 更快，为 5.04s vs 5.76s，通过率为 55.6% vs 79.4%。

推荐模型: Gemini 3 Flash Preview - 它在这里得分最高（7.4），同时成本比Claude Sonnet 4.6低约 2.9 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-12

指标	Claude Sonnet 4.6 Claude Sonnet 4.6 none 发布日期: 2026-02-17	Gemini 3 Flash Preview Gemini 3 Flash Preview low 发布日期: 2025-12-17

指标	Claude Sonnet 4.6 Claude Sonnet 4.6 none 发布日期: 2026-02-17	Gemini 3 Flash Preview Gemini 3 Flash Preview low 发布日期: 2025-12-17
分数	7.3	7.4
排名	#56	#53
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%	79.4%
不稳定测试	1	2
总运行次数	63	63
每个结果成本	2.870	0.689
总成本	$0.316	$0.111
输入价格	$3.000 / 1M	$0.500 / 1M
输出价格	$15.000 / 1M	$3.000 / 1M
总输入令牌	57,886	36,769
输出令牌	9,465	2,076
推理令牌	0	28,518
响应时间（平均）	5.04s	5.76s
响应时间（最大）	23.84s	14.72s
响应时间（总计）	70.60s	120.93s

Generation showcase

Hamster playing table tennis

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

#56 Claude Sonnet 4.6

none

Cost: $0.038
Time: 27.3s
Tokens: 2,598 tok

#53 Gemini 3 Flash Preview

low

Cost: $0.007
Time: 12.1s
Tokens: 2,289 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 Flash Preview	10.0	10.0	100.0%	0		3.48s	500	281	3,082

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 Flash Preview	5.8	7.2	44.4%	1		6.00s	8,122	456	7,421

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 Flash Preview	3.0	10.0	0.0%	0		3.27s	12,860	326	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 Flash Preview	10.0	10.0	100.0%	0		9.40s	7,261	279	3,656

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 Flash Preview	5.3	7.2	44.4%	1		8.05s	645	12	6,410

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 Flash Preview	10.0	10.0	100.0%	0		3.68s	492	120	981

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 Flash Preview	9.9	10.0	100.0%	0		7.02s	621	71	2,752

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 Flash Preview	10.0	10.0	100.0%	0		5.77s	562	288	3,168

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 Flash Preview	10.0	10.0	100.0%	0		4.99s	5,550	234	415

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 Flash Preview	10.0	10.0	100.0%	0		2.75s	156	9	633

快速对比

切换对比组合