BenchLeader

Claude Opus 4.6 vs Gemini 3.5 Flash

完整资料:Claude Opus 4.6(Anthropic)和 Gemini 3.5 Flash(Google),包括全部基准测试、价格和排名。

更新于 · 数据来自 11 个来源

截至 2026年11月16日,Claude Opus 4.6 与 Gemini 3.5 Flash 的质量不相上下(BenchLeader Index 62.5 比 62.5,在 ±3.7 的误差范围内)。Gemini 3.5 Flash 更便宜,对方的价格是它的 3.0 倍(每百万 token 混合价格 $3.38 比 $10.00)。在两者都有成绩的所有类别中,Claude Opus 4.6 均领先。Gemini 3.5 Flash 输出更快(3 倍以上)。

要点(截至 2026年11月16日)

  • Claude Opus 4.6 的 BenchLeader Index 为 62.5,Gemini 3.5 Flash 为 62.5(BenchLeader,2026年11月16日)。
  • Claude Opus 4.6 每百万 token 混合价格为 $10.00(标价,2026年11月16日)。
  • Gemini 3.5 Flash 每百万 token 混合价格为 $3.38(标价,2026年11月16日)。
  • Gemini 3.5 Flash 比 Claude Opus 4.6 输出更快(3 倍以上;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 25 项基准测试中,Claude Opus 4.6 领先 19 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Claude Opus 4.6 的评分为 1547,Gemini 3.5 Flash 为 1500(LMArena,截至 2026年11月16日 的公布数据)。

按用途怎么选

推荐模型的数值列在前面。类别得分采用 BenchLeader 标尺(50 为模型平均水平,15 分为一个标准差)。领先半个标准差及以上为“高”置信度;相差不到 1 分则视为“均可”。

用途推荐理由置信度
编程Claude Opus 4.6类别得分 62 比 60;Arena WebDev 1547 比 1500中
数学Claude Opus 4.6类别得分 63 比 58;AIME 2026 96.7% 比 95.0%中
推理Claude Opus 4.6类别得分 65 比 61;Arena Hard Prompts 1530 比 1496中
图像及其他媒体均可类别得分 67 比 66;Arena Vision 1316 比 1308均可
对话质量(人类偏好)Claude Opus 4.6Arena 投票 70 比 67中
成本最低Gemini 3.5 Flash每百万 token 混合价格 $3.38 比 $10.00;智能体编程会话 $0.126 比 $0.400–
首次回答最快Claude Opus 4.6首个回答 token 1.1 秒(Claude Opus 4.6 (high))比 9.9 秒(Gemini 3.5 Flash (high))–
低预算大批量两者都不选通常更小的模型更合适:便宜好用的大模型、最快的大模型–

主要差异

  • Claude Opus 4.6 (high) 与 Gemini 3.5 Flash (high) 的质量不相上下(62.5 比 62.5,在 ±3.7 的误差范围内)。
  • Claude Opus 4.6 (high) 在编程、人类偏好、数学、多模态、推理方面更强。
  • Gemini 3.5 Flash (high) 更便宜,对方的价格是它的 3.0 倍(每百万 token 混合价格 $3.38 比 $10.00)。
  • Gemini 3.5 Flash (high) 的输出速度是对方的 5.0 倍(176 比 35 token/秒)。

概览

规格Claude Opus 4.6Gemini 3.5 Flash
提供商AnthropicGoogle
发布日期2026年2月5日2026年5月19日
上下文窗口(token)1,000,0001,048,576
对比时的配置Claude Opus 4.6 (high)Gemini 3.5 Flash (high)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$5.00 / $25.00 / $0.500$1.50 / $9.00 / $0.150

逐类别对比

类别得分采用 BenchLeader 标尺:50 为参评模型的平均水平,15 分为一个标准差。差距不到 1 分视为持平。

类别Claude Opus 4.6 (high)Gemini 3.5 Flash (high)领先者
推理65.060.6Claude Opus 4.6
编程62.259.5Claude Opus 4.6
智能体与工具–62.8无法比较
数学63.457.7Claude Opus 4.6
知识–63.3无法比较
指令遵循–74.4无法比较
人类偏好69.866.8Claude Opus 4.6
多模态66.766.2持平
长上下文–61.2无法比较

同一图表对比

各领域采用与 Index 相同的标尺,平均模型为 50 分。单击某个领域可查看构成它的基准测试。 可从列表中最多选择 5 个模型。

2550 avg75推理编程数学多模态人类偏好Claude Opus 4.6, 推理: 65.0Claude Opus 4.6, 编程: 62.2Claude Opus 4.6, 数学: 63.4Claude Opus 4.6, 多模态: 66.7Claude Opus 4.6, 人类偏好: 69.8Gemini 3.5 Flash, 推理: 60.6Gemini 3.5 Flash, 编程: 59.5Gemini 3.5 Flash, 数学: 57.7Gemini 3.5 Flash, 多模态: 66.2Gemini 3.5 Flash, 人类偏好: 66.8

未绘制(测得的模型少于两个):智能体与工具, 知识, 指令遵循, 长上下文。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 25 项基准测试中,Claude Opus 4.6 领先 19 项,Gemini 3.5 Flash 领先 4 项,2 项持平。所有同时评测两者的综合评分都认为 Claude Opus 4.6 更强。

综合 IndexClaude Opus 4.6 (high)Gemini 3.5 Flash (high)领先者
BenchLeader Index62.562.5不相上下
Arena Text15031478Claude Opus 4.6

各发布方使用各自的任务、评测框架和推理强度设置,因此总体结论可能不同;BenchLeader 将它们统一到同一标尺上。† 表示同一模型在另一推理强度设置下的测量值(发布方未测试本页对比的设置)。

价格、速度与延迟

标价按每 1 个输出 token 对应 3 个输入 token 混合计算。每项任务的价格采用方法论页面中的 token 数量。每项基准测试任务的成本、token 数和耗时均为实测值,取自 Artificial Analysis 整个 Intelligence Index 测试的平均值。

指标Claude Opus 4.6 (high)Gemini 3.5 Flash (high)
每百万 token 混合价格$10.00$3.38
每百万 token 输入 / 输出$5.00 / $25.00$1.50 / $9.00
每百万 token 缓存输入$0.500$0.150
每项任务价格:聊天回复$0.0095$0.0033
每项任务价格:总结一份 30 页的报告$0.075$0.023
每项任务价格:代码编辑$0.068$0.022
每项任务价格:智能体编程会话$0.400$0.126
每项任务价格:结构化信息提取$0.015$0.0048
智能体编程会话(输入大多命中缓存)$0.198$0.065
输出速度35 tok/s176 tok/s
首次回答时间1.1 秒9.9 秒
完整回答耗时(最近一次测量 2026年11月13日)–27.6 秒

每个模型都按其排名最高的推理强度设置进行对比。Claude Opus 4.6 (high) 得分 62.5,首个回答 token 需 1 秒;Claude Opus 4.6 为 62.1(1 秒),Claude Opus 4.6 (无推理) 为 58.4(2 秒)。Gemini 3.5 Flash (high) 得分 62.5,首个回答 token 需 10 秒;Gemini 3.5 Flash (medium) 为 61.8(9 秒),Gemini 3.5 Flash (minimal) 为 55.6(3 秒)。推理强度越高,回答前思考越久:得分更高,但等待更长、计费 token 也更多。 推理强度如何影响得分和成本

全部基准测试

共 152 项基准测试,按类别分组;点击名称可查看该排行榜及领先模型。† 表示同一模型在另一推理强度设置下的测量值,仅供参考,不计入胜场。

指标发布方Claude Opus 4.6 (high)Gemini 3.5 Flash (high)
BenchLeader IndexBenchLeader62.562.5
编程得分BenchLeader62.259.5
人类偏好得分BenchLeader69.866.8
数学得分BenchLeader63.457.7
多模态得分BenchLeader66.766.2
推理得分BenchLeader65.060.6
智能体与工具得分BenchLeader–62.8
指令遵循得分BenchLeader–74.4
知识得分BenchLeader–63.3
长上下文得分BenchLeader–61.2
混合价格(美元/百万 token)BenchLeader$10.00$3.38
输出速度BenchLeader35 tok/s176 tok/s
首次回答时间BenchLeader1.1 秒9.9 秒
上下文窗口BenchLeader1,000,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub90.5%†92.8%
Humanity's Last ExamScale AI / CAIS19.0%†–
SimpleBenchSimpleBench67.6%†76.7%†
Arena Hard PromptsArena (LMArena)15301496
LiveBench 1.0 ReasoningLiveBench88.7%82.0%
GPQA Diamond (AA)Artificial Analysis84.0%†92.2%
Humanity's Last Exam (AA)Artificial Analysis19.1%†42.7%
GPQA Diamond (Vals)Vals AI89.7%†92.7%
EnigmaEvalScale AI SEAL–25.4%
Kagi LLM BenchmarkKagi LLM Benchmark72.4%†–
ARC-AGI-1ARC Prize94.0%92.5%
ARC-AGI-2ARC Prize69.2%72.1%
ARC-AGI-3ARC Prize0.5%†–
CritPtArtificial Analysis2.8%†13.1%
Arena ExpertArena (LMArena)15441491
Chess PuzzlesEpoch AI Benchmarking Hub21.0%†45.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub15.0%†32.0%
CL-benchEpoch AI Benchmarking Hub20.7%†–
CL-bench LifeEpoch AI Benchmarking Hub17.0%–
LMCAEpoch AI Benchmarking Hub55.8%†47.1%
DTBenchEpoch AI Benchmarking Hub91.2%†94.7%
ForecastBenchForecastBench63.1%†64.0%†
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub78.7%†79.3%
SciCodeSciCode–53.9%
WeirdMLWeirdML78.0%62.6%
显示全部 152 项基准测试
指标发布方Claude Opus 4.6 (high)Gemini 3.5 Flash (high)
编程
FrontierCodeCognition26.6%†–
GSO-BenchGSO-Bench41.2%–
Arena CodingArena (LMArena)15471508
Arena WebDevArena (LMArena)15471500
LiveBench 1.0 CodingLiveBench78.2%78.2%
LiveCodeBenchVals AI84.7%†87.6%
SWE-bench (Vals)Vals AI78.2%†78.8%
SWE-Bench ProScale AI SEAL51.9%†–
SWE-bench Verified (bash only)SWE-bench75.6%†–
SWE-bench Multilingual (bash only)SWE-bench72.0%†–
SWE-bench Verified (any scaffold)SWE-bench75.6%†–
Code MigrationVals AI–26.8%
ProgramBenchVals AI–0.0%
Vibe Code Bench v1.1Vals AI57.6%†48.7%
SWE-Bench Pro (private)Scale AI SEAL47.1%†–
SWE Atlas v1.0: Codebase QnAScale AI SEAL33.3%†–
SWE Atlas v1.0: RefactoringScale AI SEAL35.6%†–
SWE Atlas v1.0: Test WritingScale AI SEAL36.7%†–
MirrorCodeEpoch AI Benchmarking Hub33.3%†–
Surface Evolver BenchEpoch AI Benchmarking Hub–58.1%†
DeepSWE v1.1Epoch AI Benchmarking Hub–36.1%
ALE-BenchEpoch AI Benchmarking Hub996.5†911.0
AlgoTuneAlgoTune1.5–
Terminal-Bench 4.0 (AA)Artificial Analysis–6.6%
Terminal-Bench 2.1 (AA)Artificial Analysis–78.7%
GameBench 2 OverallDuelLab GameBench 2–49.4†
GameBench 2 by reasoning settingDuelLab GameBench 2–63.2
Design Arena WebsiteDesign Arena1283†1260†
智能体与工具
Terminal-BenchTerminal-Bench79.8%†–
CybenchCybench93.0%†–
Remote Labor IndexScale AI / CAIS4.2%†–
APEX-AgentsMercor46.3%†27.5%†
LiveBench Agentic CodingLiveBench49.0%49.0%
Terminal-Bench HardArtificial Analysis48.5%†40.9%
τ²-Bench Telecom (AA)Artificial Analysis84.8%†95.3%
Terminal-Bench 2.1 (Vals)Vals AI–74.2%
MCP AtlasScale AI SEAL76.8%†83.6%
HiL-BenchScale AI SEAL38.3%†27.7%†
τ³-bench Bankingτ²-bench27.3%†–
GDPval-AA v2.1Artificial Analysis–1211
τ³-Banking (AA)Artificial Analysis–32.2%
ITBench SRE (AA)Artificial Analysis–40.4%
Analyst Agent (AA)Artificial Analysis–45.0%
APEX-Agents (AA)Artificial Analysis33.0%†47.0%
Finance Agent v2Vals AI–57.9%
Harvey's Legal Agent Benchmark v1Vals AI–2.5%
Legal Research BenchVals AI–30.8%
SkillsBenchVals AI–52.7%
Tax Agent BenchVals AI–21.6%
Terminal-Bench 2.0 (Vals)Vals AI58.4%†67.4%
Terminal-Bench 4.0 (Vals)Vals AI–6.1%
Terminal-Bench ScienceVals AI–5.7%
Web Search IndexVals AI–37.0%
Arena SearchArena (LMArena)1222†–
DeepResearch BenchDeepResearch Bench55.3%–
METR Time HorizonsMETR78.9%†–
GBAEvalEpoch AI Benchmarking Hub44.1%†6.7%†
Vending-Bench 2Andon Labs8017.6†5396.4†
AutomationBenchArtificial Analysis–42.1%
GDP.pdf (AA)Artificial Analysis–19.8%
EnterpriseOps-GymArtificial Analysis–50.1%
AA-Briefcase v1.1Artificial Analysis–876
Design Arena AgenticDesign Arena1196†1174†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub66.0%†62.8%
FrontierMath Tier 4Epoch AI Benchmarking Hub26.8%†26.8%
OTIS Mock AIMEEpoch AI Benchmarking Hub94.4%†95.6%
ProofBenchVals AI50.0%†31.0%
LiveBench MathematicsLiveBench89.3%88.2%
AIME (Vals)Vals AI95.6%†–
AIME 2026MathArena96.7%95.0%
HMMT February 2026MathArena96.2%95.5%
USAMO 2026MathArena47.0%–
MathArena ApexMathArena34.5%32.3%
Arena MathsArena (LMArena)15161497
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub47.0%†66.2%
LiveBench 1.0 Data AnalysisLiveBench69.9%64.9%
MMLU-ProVals AI89.1%†89.5%
LegalBenchVals AI85.3%†83.6%
CorpFinVals AI67.0%†64.7%
TaxEvalVals AI76.0%†74.4%
MedQAVals AI95.4%†–
PRBench FinanceScale AI SEAL53.3%†–
PRBench LegalScale AI SEAL52.3%†–
MultiNRCScale AI SEAL48.3%†–
CaseLaw v2Vals AI62.1%†–
Excel Modeling BenchmarkVals AI–63.5%
MedCodeVals AI49.1%†55.8%
MedScribeVals AI86.7%†76.6%
Public Benefits Bench v1.1Vals AI–59.5%
Financial Coaching BenchVals AI–63.0%
DrugDiscoveryBenchScale AI SEAL27.7%†50.0%
EBR-benchEpoch AI Benchmarking Hub12.7%†4.8%
GDP.pdfEpoch AI Benchmarking Hub–14.0%†
Global-MMLU-Lite (AA)Artificial Analysis90.6%†–
指令遵循
LiveBench LanguageLiveBench83.3%84.6%
LiveBench Instruction FollowingLiveBench63.3%75.6%
IFBenchArtificial Analysis44.6%†76.3%
MultiChallengeScale AI SEAL56.0%†–
TutorBenchScale AI SEAL53.5%†–
Arena Instruction FollowingArena (LMArena)15111465
人类偏好
Arena TextArena (LMArena)15031478
EQ-Bench 4EQ-Bench1210†1077†
EQ-Bench Creative Writing v3EQ-Bench1810†–
Arena Creative WritingArena (LMArena)14991465
Arena Multi-turnArena (LMArena)15171480
Arena Longer QueriesArena (LMArena)15221483
多模态
Arena VisionArena (LMArena)13161308
MMMU-ProArtificial Analysis72.5%†84.3%
VISTAScale AI SEAL45.5%†–
MMMU-Pro (Vals)Vals AI83.9%†88.3%
MortgageTaxVals AI68.5%†68.1%
Humanity's Sixth SenseScale AI SEAL–32.6%
VTBScale AI SEAL27.5%†–
GeoBenchGeoBench–85.0%†
Blueprint-Bench 2Epoch AI Benchmarking Hub–33.6%†
Furniture AssemblyEpoch AI Benchmarking Hub28.3%†–
长上下文
AA-LCR v1.1Artificial Analysis67.0%†73.3%
Arena DocumentArena (LMArena)14971455
MLCRArtificial Analysis–10.0%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub156.3†155.3†
LiveBench 1.0LiveBench74.5%74.6%
AA Intelligence Index v4.3.2Artificial Analysis26.4†32.6
AA Progress Index v1Artificial Analysis274.5†305.1
Vals Multimodal IndexVals AI–62.9%
安全与诚实
FORTRESSScale AI SEAL20.5%†–
MASKScale AI SEAL96.3%†–
DistressBenchScale AI SEAL–66.9%†

数据截至 2026年11月16日。对比的是每个模型的最佳配置;每项分数的来源链接都在模型页面上。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

变化

  • Gemini 3.5 Flash (high):1 项新结果(GDPval-AA v2.1);1 项分数修订。
  • Claude Opus 4.6 (high):BenchLeader Index 63.0 → 62.5。
  • Gemini 3.5 Flash (high):3 项新结果(AIME 2026, HMMT February 2026, MathArena Apex)。
  • Gemini 3.5 Flash (high):1 项分数修订。
  • Gemini 3.5 Flash (high):BenchLeader Index 63.2 → 62.6。
  • Gemini 3.5 Flash (high):1 项新结果(AA Progress Index v1)。
  • Gemini 3.5 Flash (high):价格 $3.69/M → $2.98/M。
  • Gemini 3.5 Flash (high):1 项新结果(Harvey's Legal Agent Benchmark v1)。
  • Gemini 3.5 Flash (high):1 项分数修订。
  • Claude Opus 4.6 (high):1 项新结果(USAMO 2026)。

排行榜: 综合最佳大模型 · 最适合智能体的大模型 · 便宜好用的大模型

Claude Opus 4.6 vs Gemini 3.5 Flash:常见问题

Claude Opus 4.6 比 Gemini 3.5 Flash 更好吗?
Claude Opus 4.6 (high) 与 Gemini 3.5 Flash (high) 的质量不相上下(62.5 比 62.5,在 ±3.7 的误差范围内)。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,两者差距在误差范围内,请结合你的用途查看各类别得分。
Claude Opus 4.6 和 Gemini 3.5 Flash 哪个更便宜?价格会变吗?
目前 Gemini 3.5 Flash 更便宜:每百万 token $3.38 比 $10.00(按每 1 个输出 token 对应 3 个输入 token 混合计算)。两者均未公布价格调整。
编程用 Claude Opus 4.6 还是 Gemini 3.5 Flash 更好?
Claude Opus 4.6 在编程方面得分更高(类别得分 62 比 60,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,Claude Opus 4.6 为 1547,Gemini 3.5 Flash 为 1500。
Claude Opus 4.6 和 Gemini 3.5 Flash 哪个更快?
Gemini 3.5 Flash 输出更快(3 倍以上;输出 176 比 35 token/秒,Artificial Analysis 7 日中位数)。
处理长文档哪个更好?
两者都约为 1M token(Claude Opus 4.6 为 1,000,000,Gemini 3.5 Flash 为 1,048,576)。
更多问题(3)
哪个延迟更低?
Claude Opus 4.6 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 1.1 秒比 9.9 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
第三方基准测试对 Claude Opus 4.6 和 Gemini 3.5 Flash 的看法一致吗?
在两者都有结果的 25 项基准测试中,Claude Opus 4.6 领先 19 项,Gemini 3.5 Flash 领先 4 项,2 项持平。所有同时评测两者的综合评分都认为 Claude Opus 4.6 更强。
Gemini 3.5 Flash 是什么时候发布的?
Gemini 3.5 Flash 于 2026年5月19日 发布。