Anthropic: Claude Sonnet 5 vs Google: Gemini 2.5 Flash

Claude Sonnet 5 (medium) 平均分领先，为 8.3 vs 8.2。 Gemini 2.5 Flash (medium) benchmark 成本更低，为 $0.643 vs $0.922。 Claude Sonnet 5 (medium) 更快，为 12.52s vs 21.18s，通过率为 80.3% vs 71.2%。

推荐模型Claude Sonnet 5 (medium)它在这里得分最高（8.3），同时响应速度比Gemini 2.5 Flash (medium)快约 1.7 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-17

指标	Claude Sonnet 5 Claude Sonnet 5 medium 发布日期: 2026-06-30	Gemini 2.5 Flash Gemini 2.5 Flash medium 发布日期: 2025-06-17

指标	Claude Sonnet 5 Claude Sonnet 5 medium 发布日期: 2026-06-30	Gemini 2.5 Flash Gemini 2.5 Flash medium 发布日期: 2025-06-17
分数	8.3	8.2
排名	#23	#25
可靠性	10.0	10.0
一致性	9.0	9.6
测试正确
尝试通过率	80.3%	71.2%
不稳定测试	3	1
总运行次数	66	66
每个结果成本	5.760	4.286
总成本	$0.922	$0.643
输入价格	$2.000 / 1M	$0.300 / 1M
输出价格	$10.000 / 1M	$2.500 / 1M
总输入令牌	145,956	132,498
输出令牌	52,333	12,739
推理令牌	10,874	228,464
响应时间（平均）	12.52s	21.18s
响应时间（最大）	66.71s	140.50s
响应时间（总计）	275.42s	465.89s

Hamster playing table tennis

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

#23 Claude Sonnet 5

medium

成本: $0.007
时间: 6.4s
令牌: 832 tok

#25 Gemini 2.5 Flash

medium

无效SVG

成本: $0.000
时间: 274.0s
令牌: 0 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 5	10.0	10.0	100.0%	0		3.80s	834	1,220	446
Gemini 2.5 Flash	8.4	10.0	75.0%	0		6.30s	492	255	10,233

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 5	9.0	7.9	88.9%	1		17.28s	10,590	13,153	2,379
Gemini 2.5 Flash	7.8	10.0	66.7%	0		41.01s	6,669	543	32,303

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 5	7.3	6.0	83.3%	1		51.86s	107,934	23,169	5,371
Gemini 2.5 Flash	10.0	10.0	100.0%	0		84.47s	110,544	11,112	95,241

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 5	10.0	10.0	100.0%	0		3.16s	10,503	312	0
Gemini 2.5 Flash	10.0	10.0	100.0%	0		4.06s	7,257	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	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 5	7.7	10.0	66.7%	0		20.38s	975	12,140	1,994
Gemini 2.5 Flash	5.9	7.2	55.6%	1		37.34s	633	18	80,702

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 5	4.8	3.2	33.3%	1		4.32s	708	264	0
Gemini 2.5 Flash	4.8	10.0	0.0%	0		4.86s	486	92	1,899

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 5	9.9	10.0	100.0%	0		3.10s	909	318	269
Gemini 2.5 Flash	9.8	10.0	100.0%	0		2.62s	615	69	1,203

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 5	7.7	10.0	66.7%	0		2.98s	894	407	121
Gemini 2.5 Flash	7.7	10.0	66.7%	0		3.18s	558	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	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 5	10.0	10.0	100.0%	0		10.70s	12,351	433	90
Gemini 2.5 Flash	10.0	10.0	100.0%	0		6.20s	5,088	234	1,140

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 5	3.0	10.0	0.0%	0		7.06s	258	917	204
Gemini 2.5 Flash	3.0	10.0	0.0%	0		2.76s	156	11	919

快速对比

切换对比组合

Gemini 2.5 FlashmediumvsMuse Spark 1.1low Claude Sonnet 5mediumvsMuse Spark 1.1low Claude Sonnet 5mediumvsGrok 4.5low Gemini 2.5 FlashmediumvsMuse Spark 1.1high Gemini 2.5 FlashmediumvsGrok 4.5low Gemini 2.5 FlashmediumvsGPT-5.2 Chatnone Gemini 2.5 FlashmediumvsGLM 5.2high Claude Sonnet 5mediumvsMuse Spark 1.1high Gemini 2.5 FlashmediumvsKimi K3max Claude Sonnet 5mediumvsGPT-5.2 Chatnone Gemini 2.5 FlashmediumvsGPT-5.6 Terrahigh Claude Sonnet 5mediumvsGLM 5.2high