AI BENCHY 对比

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

摘要

Gemini 3 Flash Preview (medium) 平均分领先，为 9.6 vs 7.3。 Claude Sonnet 4.6 benchmark 成本更低，为 $0.316 vs $0.667。 Claude Sonnet 4.6 更快，为 5.04s vs 18.64s，通过率为 55.6% vs 98.4%。

推荐模型Gemini 3 Flash Preview (medium)它在本次比较中得分最高（9.6），并且在全部 2 个模型中兼顾成本和响应时间最好。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-14

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 medium 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 medium 发布日期: 2025-12-17
分数	7.3	9.6
排名	#71	#2
可靠性	10.0	10.0
一致性	9.7	9.7
测试正确
尝试通过率	55.6%	98.4%
不稳定测试	1	1
总运行次数	63	63
每个结果成本	2.870	3.335
总成本	$0.316	$0.667
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	37,017
输出令牌	9,465	2,006
推理令牌	0	214,153
响应时间（平均）	5.04s	18.64s
响应时间（最大）	23.84s	117.26s
响应时间（总计）	70.60s	391.35s

生成展示

Hamster playing table tennis

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

#71 Claude Sonnet 4.6

none

成本: $0.038
时间: 27.3s
令牌: 2,598 tok

#2 Gemini 3 Flash Preview

medium

成本: $0.010
时间: 17.9s
令牌: 3,236 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

类别:

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		3.88s	494	330	3,216

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	8.6	7.6	88.9%	1		84.40s	8,122	462	161,084

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	10.0	10.0	100.0%	0		22.42s	12,873	351	10,485

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		5.43s	7,548	279	4,893

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	10.0	10.0	100.0%	0		15.27s	633	12	21,684

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		5.19s	486	72	1,905

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	10.0	10.0	100.0%	0		4.04s	615	72	2,709

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		4.05s	558	183	4,365

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		12.60s	5,532	234	1,487

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		5.50s	156	11	2,325

快速对比

切换对比组合