BenchLeader

Claude Opus 4.7 vs Gemini 3.7 Flash

完整资料:Claude Opus 4.7(Anthropic)和 Gemini 3.7 Flash(Google),包括全部基准测试、价格和排名。

更新于 · 数据来自 12 个来源

截至 2026年11月16日,Claude Opus 4.7 与 Gemini 3.7 Flash 的质量不相上下(BenchLeader Index 63.1 比 62.1,在 ±5.1 的误差范围内)。Gemini 3.7 Flash 更便宜,对方的价格是它的 6.7 倍(每百万 token 混合价格 $1.50 比 $10.00)。看重智能体与工具(68 比 49)和数学(67 比 63)选 Claude Opus 4.7;看重推理(68 比 64)和编程(62 比 61)选 Gemini 3.7 Flash。Claude Opus 4.7 的首次回答更快(1.0 秒 比 2.2 秒)。Gemini 3.7 Flash 的输出更快(约 1.5 倍)。

要点(截至 2026年11月16日)

  • Claude Opus 4.7 的 BenchLeader Index 为 63.1,Gemini 3.7 Flash 为 62.1(BenchLeader,2026年11月16日)。
  • Claude Opus 4.7 每百万 token 混合价格为 $10.00(标价,2026年11月16日)。
  • Gemini 3.7 Flash 每百万 token 混合价格为 $1.50(标价,2026年11月16日)。
  • Gemini 3.7 Flash 比 Claude Opus 4.7 输出更快(约 1.5 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 15 项基准测试中,Claude Opus 4.7 领先 10 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Claude Opus 4.7 的评分为 1555,Gemini 3.7 Flash 为 1588(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Gemini 3.7 Flash类别得分 62 比 61;Arena WebDev 1588 比 1555中
智能体与工具调用Claude Opus 4.7类别得分 68 比 49;Terminal-Bench 80.2% 比 12.4%高
数学Claude Opus 4.7类别得分 67 比 63;Arena Maths 1490 比 1502中
推理Gemini 3.7 Flash类别得分 68 比 64;Arena Hard Prompts 1510 比 1519中
图像及其他媒体均可类别得分 67 比 67;Arena Vision 1319 比 1313均可
对话质量(人类偏好)均可Arena 投票 67 比 68均可
成本最低Gemini 3.7 Flash每百万 token 混合价格 $1.50 比 $10.00;智能体编程会话 $0.060 比 $0.400–
首次回答最快Claude Opus 4.7首个回答 token 1.0 秒(Claude Opus 4.7)比 2.2 秒(Gemini 3.7 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 4.7 与 Gemini 3.7 Flash (high) 的质量不相上下(63.1 比 62.1,在 ±5.1 的误差范围内)。
  • Claude Opus 4.7 在智能体与工具、数学方面更强。
  • Gemini 3.7 Flash (high) 在编程、人类偏好、多模态、推理方面更强。
  • Gemini 3.7 Flash (high) 更便宜,对方的价格是它的 6.7 倍(每百万 token 混合价格 $1.50 比 $10.00)。
  • Gemini 3.7 Flash (high) 的输出速度是对方的 2.0 倍(95 比 48 token/秒)。

概览

规格Claude Opus 4.7Gemini 3.7 Flash
提供商AnthropicGoogle
发布日期2026年4月16日2026年8月13日
上下文窗口(token)1,000,0001,048,576
对比时的配置Claude Opus 4.7Gemini 3.7 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$0.750 / $3.75 / $0.075

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 4.7Gemini 3.7 Flash (high)领先者
推理63.667.8Gemini 3.7 Flash
编程60.962.3Gemini 3.7 Flash
智能体与工具67.948.9Claude Opus 4.7
数学66.762.6Claude Opus 4.7
知识–65.9无法比较
人类偏好67.368.1持平
多模态67.167.2持平
长上下文–65.5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推理编程智能体与工具数学多模态人类偏好Claude Opus 4.7, 推理: 63.6Claude Opus 4.7, 编程: 60.9Claude Opus 4.7, 智能体与工具: 67.9Claude Opus 4.7, 数学: 66.7Claude Opus 4.7, 多模态: 67.1Claude Opus 4.7, 人类偏好: 67.3Gemini 3.7 Flash, 推理: 67.8Gemini 3.7 Flash, 编程: 62.3Gemini 3.7 Flash, 智能体与工具: 48.9Gemini 3.7 Flash, 数学: 62.6Gemini 3.7 Flash, 多模态: 67.2Gemini 3.7 Flash, 人类偏好: 68.1

未绘制(测得的模型少于两个):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 15 项基准测试中,Claude Opus 4.7 领先 10 项,Gemini 3.7 Flash 领先 5 项。所有同时评测两者的综合评分都认为 Claude Opus 4.7 更强。

综合 IndexClaude Opus 4.7Gemini 3.7 Flash (high)领先者
BenchLeader Index63.162.1不相上下
Arena Text14941489Claude Opus 4.7

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 4.7Gemini 3.7 Flash (high)
每百万 token 混合价格$10.00$1.50
每百万 token 输入 / 输出$5.00 / $25.00$0.750 / $3.75
每百万 token 缓存输入$0.500$0.075
每项任务价格:聊天回复$0.0095$0.0014
每项任务价格:总结一份 30 页的报告$0.075$0.011
每项任务价格:代码编辑$0.068$0.010
每项任务价格:智能体编程会话$0.400$0.060
每项任务价格:结构化信息提取$0.015$0.0023
智能体编程会话(输入大多命中缓存)$0.198$0.030
输出速度48 tok/s95 tok/s
首次回答时间1.0 秒2.2 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 4.7 得分 63.1,首个回答 token 需 1 秒;Claude Opus 4.7 (high) 为 60.0(1 秒),Claude Opus 4.7 (max) 为 59.7(15 秒)。Gemini 3.7 Flash (high) 得分 62.1,首个回答 token 需 2 秒;Gemini 3.7 Flash (medium) 为 60.1(2 秒),Gemini 3.7 Flash (low) 为 57.3(2 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 130 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 4.7Gemini 3.7 Flash (high)
BenchLeader IndexBenchLeader63.162.1
智能体与工具得分BenchLeader67.948.9
编程得分BenchLeader60.962.3
人类偏好得分BenchLeader67.368.1
数学得分BenchLeader66.762.6
多模态得分BenchLeader67.167.2
推理得分BenchLeader63.667.8
知识得分BenchLeader–65.9
长上下文得分BenchLeader–65.5
混合价格(美元/百万 token)BenchLeader$10.00$1.50
输出速度BenchLeader48 tok/s95 tok/s
首次回答时间BenchLeader1.0 秒2.2 秒
上下文窗口BenchLeader1,000,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub86.4%†94.8%
Humanity's Last ExamScale AI / CAIS36.2%–
SimpleBenchSimpleBench61.7%–
Arena Hard PromptsArena (LMArena)15191510
LiveBench 1.0 ReasoningLiveBench87.2%†87.8%
GPQA Diamond (AA)Artificial Analysis91.4%†94.5%
Humanity's Last Exam (AA)Artificial Analysis42.3%†47.9%
GPQA Diamond (Vals)Vals AI90.2%†93.9%
Kagi LLM BenchmarkKagi LLM Benchmark73.3%–
ARC-AGI-1ARC Prize–95.5%
ARC-AGI-2ARC Prize–84.6%
ARC-AGI-3ARC Prize0.2%†–
CritPtArtificial Analysis12.0%†14.3%
Arena ExpertArena (LMArena)15341519
Chess PuzzlesEpoch AI Benchmarking Hub41.0%†66.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub13.0%37.0%
LMCAEpoch AI Benchmarking Hub52.2%†50.4%
DTBenchEpoch AI Benchmarking Hub94.7%†96.8%
ForecastBenchForecastBench62.8%66.2%
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub83.5%†–
SciCodeSciCode54.5%†57.2%
WeirdMLWeirdML76.4%–
FrontierCodeCognition38.5%43.6%†
GSO-BenchGSO-Bench44.1%–
Arena CodingArena (LMArena)15471520
显示全部 130 项基准测试
指标发布方Claude Opus 4.7Gemini 3.7 Flash (high)
编程
Arena WebDevArena (LMArena)15551588
LiveBench 1.0 CodingLiveBench82.1%†78.9%
SciCode (AA)Artificial Analysis–57.2%
LiveCodeBenchVals AI85.1%†88.7%
IOIVals AI–67.8%
SWE-bench (Vals)Vals AI82.0%†80.8%
Code MigrationVals AI43.9%†34.8%
ProgramBenchVals AI0.0%†0.0%
Vibe Code Bench v1.1Vals AI71.0%†70.4%
SWE Atlas v1.0: Codebase QnAScale AI SEAL40.3%–
SWE Atlas v1.0: RefactoringScale AI SEAL48.6%–
SWE Atlas v1.0: Test WritingScale AI SEAL38.5%–
MirrorCodeEpoch AI Benchmarking Hub31.1%†41.1%
DeepSWE v1.1Epoch AI Benchmarking Hub–65.3%
ALE-BenchEpoch AI Benchmarking Hub1323.0904.3
FrontierSWEEpoch AI Benchmarking Hub–20.3%
Terminal-Bench 4.0 (AA)Artificial Analysis–13.6%
Terminal-Bench 2.1 (AA)Artificial Analysis83.2%†85.8%
Design Arena WebsiteDesign Arena–1295†
智能体与工具
Terminal-BenchTerminal-Bench80.2%12.4%
OSWorld-Verified 2.0OSWorld18.2%†–
Remote Labor IndexScale AI / CAIS–5.0%†
APEX-AgentsMercor49.2%†67.8%†
Arena AgentArena (LMArena)–-2.2
LiveBench Agentic CodingLiveBench50.7%†58.3%
Terminal-Bench HardArtificial Analysis51.5%†–
τ²-Bench Telecom (AA)Artificial Analysis88.6%†–
Terminal-Bench 2.1 (Vals)Vals AI68.5%†77.5%
MCP AtlasScale AI SEAL79.1%†–
HiL-BenchScale AI SEAL41.7%–
τ³-bench Bankingτ²-bench40.2%†–
GDPval-AA v2.1Artificial Analysis1361†1404
τ³-Banking (AA)Artificial Analysis34.6%†32.8%
ITBench SRE (AA)Artificial Analysis46.7%†–
Analyst Agent (AA)Artificial Analysis43.8%†60.0%
CyberBenchVals AI–43.8%
Finance Agent v2Vals AI51.5%†59.0%
Harvey's Legal Agent Benchmark v1Vals AI6.7%†8.8%
Legal Research BenchVals AI38.5%†34.6%
SkillsBenchVals AI–65.9%
SREBenchVals AI–4.6%
Tax Agent BenchVals AI23.7%†22.8%
Terminal-Bench 2.0 (Vals)Vals AI68.5%†–
Terminal-Bench 4.0 (Vals)Vals AI–12.1%
Terminal-Bench ScienceVals AI–7.1%
Arena SearchArena (LMArena)1210–
Arena Agent Task CompletionArena (LMArena)–-3.5
PostTrainBenchEpoch AI Benchmarking Hub24.3%†–
ExploitBenchEpoch AI Benchmarking Hub26.5%–
GBAEvalEpoch AI Benchmarking Hub43.8%–
Vending-Bench 2Andon Labs10936.8–
AutomationBenchArtificial Analysis–62.0%
GDP.pdf (AA)Artificial Analysis–23.6%
EnterpriseOps-GymArtificial Analysis–50.4%†
AA-Briefcase v1.1Artificial Analysis1252†1115
Design Arena AgenticDesign Arena–1222†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub70.2%†71.6%
FrontierMath Tier 4Epoch AI Benchmarking Hub31.7%†36.6%
OTIS Mock AIMEEpoch AI Benchmarking Hub86.7%†97.2%
ProofBenchVals AI54.0%†58.0%†
LiveBench MathematicsLiveBench92.8%†93.5%
AIME (Vals)Vals AI96.3%–
AIME 2026MathArena95.8%†–
HMMT February 2026MathArena93.9%†–
MathArena ApexMathArena40.6%†–
Arena MathsArena (LMArena)14901502
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub51.7%†69.2%
LiveBench 1.0 Data AnalysisLiveBench78.3%†68.0%
MMLU-ProVals AI89.9%†90.1%
LegalBenchVals AI85.3%†87.3%
CorpFinVals AI66.1%†–
TaxEvalVals AI75.3%†74.7%
CaseLaw v2Vals AI68.4%–
Excel Modeling BenchmarkVals AI63.7%†71.3%
MedCodeVals AI54.9%†53.4%
MedScribeVals AI83.0%†83.9%
EBR-benchEpoch AI Benchmarking Hub19.1%†–
GDP.pdfEpoch AI Benchmarking Hub21.0%†23.8%
指令遵循
LiveBench LanguageLiveBench77.9%†85.5%
LiveBench Instruction FollowingLiveBench66.7%†79.9%
IFBenchArtificial Analysis58.6%†–
Arena Instruction FollowingArena (LMArena)14931486
人类偏好
Arena TextArena (LMArena)14941489
EQ-Bench 4EQ-Bench1293–
EQ-Bench Creative Writing v3EQ-Bench19151720†
Arena Creative WritingArena (LMArena)14821487
Arena Multi-turnArena (LMArena)15141490
Arena Longer QueriesArena (LMArena)15081501
多模态
Arena VisionArena (LMArena)13191313
MMMU-ProArtificial Analysis78.8%†85.5%
MMMU-Pro (Vals)Vals AI85.5%†89.0%
MortgageTaxVals AI70.3%†66.7%
Humanity's Sixth SenseScale AI SEAL–39.8%
Blueprint-Bench 2Epoch AI Benchmarking Hub24.5%–
Furniture AssemblyEpoch AI Benchmarking Hub33.3%†26.7%
长上下文
AA-LCR v1.1Artificial Analysis78.7%†81.7%
Arena DocumentArena (LMArena)14941468
MLCRArtificial Analysis–12.2%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub157.4158.4†
LiveBench 1.0LiveBench76.5%†78.8%
AA Intelligence Index v4.3.2Artificial Analysis40.7†39.1
AA Progress Index v1Artificial Analysis312.5†317.4
Vals RSI IndexVals AI19.1%†18.3%
Vals Multimodal IndexVals AI67.4%†–
安全与诚实
DistressBenchScale AI SEAL–69.0%†

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。

变化

  • Gemini 3.7 Flash (high):2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Gemini 3.7 Flash (high):BenchLeader Index 62.6 → 62.1。
  • Gemini 3.7 Flash (high):1 项分数修订。
  • Gemini 3.7 Flash (high):1 项新结果(Arena Document)。
  • Claude Opus 4.7:1 项分数修订。
  • Gemini 3.7 Flash (high):1 项新结果(MirrorCode)。
  • Gemini 3.7 Flash (high):1 项新结果(AA Progress Index v1)。
  • Claude Opus 4.7:1 项分数修订。
  • Claude Opus 4.7:1 项新结果(Harvey's Legal Agent Benchmark v1)。
  • Gemini 3.7 Flash (high):2 项新结果(Harvey's Legal Agent Benchmark v1, Vals RSI Index)。

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 4.7 vs Gemini 3.7 Flash:常见问题

Claude Opus 4.7 比 Gemini 3.7 Flash 更好吗?
Claude Opus 4.7 与 Gemini 3.7 Flash (high) 的质量不相上下(63.1 比 62.1,在 ±5.1 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 4.7 和 Gemini 3.7 Flash 哪个更便宜?价格会变吗?
目前 Gemini 3.7 Flash 更便宜:每百万 token $1.50 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 4.7 还是 Gemini 3.7 Flash 更好?
Gemini 3.7 Flash 在编程方面得分更高(类别得分 62 比 61,50 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 4.7 为 1555,Gemini 3.7 Flash 为 1588。
Claude Opus 4.7 和 Gemini 3.7 Flash 哪个更快?
Gemini 3.7 Flash 输出更快(约 1.5 倍;输出 95 比 48 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Claude Opus 4.7 还是 Gemini 3.7 Flash 更好?
Claude Opus 4.7 在智能体任务方面得分更高(类别得分 68 比 49,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 Terminal-Bench 上,Claude Opus 4.7 为 80.2%,Gemini 3.7 Flash 为 12.4%。
更多问题(4)
处理长文档哪个更好?
两者都约为 1M token(Claude Opus 4.7 为 1,000,000,Gemini 3.7 Flash 为 1,048,576)。
哪个延迟更低?
Claude Opus 4.7 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 1.0 秒比 2.2 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 4.7 和 Gemini 3.7 Flash 的看法一致吗?
在两者都有结果的 15 项基准测试中,Claude Opus 4.7 领先 10 项,Gemini 3.7 Flash 领先 5 项。所有同时评测两者的综合评分都认为 Claude Opus 4.7 更强。
Gemini 3.7 Flash 是什么时候发布的?
Gemini 3.7 Flash 于 2026年8月13日 发布。