BenchLeader

Claude Opus 5.5 vs Gemini 3 Pro

完整资料:Claude Opus 5.5(Anthropic)和 Gemini 3 Pro(Google),包括全部基准测试、价格和排名。

更新于 · 数据来自 19 个来源

截至 2026年11月16日,质量上 Claude Opus 5.5 领先 Gemini 3 Pro(BenchLeader Index 68.4 比 60.0)。不过,Gemini 3 Pro 更便宜,对方的价格是它的 1.8 倍(每百万 token 混合价格 $4.50 比 $8.00)。在两者都有成绩的所有类别中,Claude Opus 5.5 均领先。

要点(截至 2026年11月16日)

  • Claude Opus 5.5 的 BenchLeader Index 为 68.4,Gemini 3 Pro 为 60.0(BenchLeader,2026年11月16日)。
  • Claude Opus 5.5 每百万 token 混合价格为 $8.00(标价,2026年11月16日)。
  • Gemini 3 Pro 每百万 token 混合价格为 $4.50(标价,2026年11月16日)。
  • 在两者都有结果的 8 项基准测试中,Claude Opus 5.5 领先 6 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Claude Opus 5.5 的评分为 1815,Gemini 3 Pro 为 1441(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 5.5类别得分 79 比 58;Arena WebDev 1815 比 1441高
智能体与工具调用均可类别得分 61 比 62;Terminal-Bench 65.8% 比 69.4%均可
数学Claude Opus 5.5类别得分 73 比 54;OTIS Mock AIME 100.0% 比 91.4%高
推理Claude Opus 5.5类别得分 72 比 63;ARC-AGI-2 91.7% 比 31.1%高
知识Claude Opus 5.5类别得分 73 比 56高
图像及其他媒体Claude Opus 5.5类别得分 70 比 66中
对话质量(人类偏好)–只有 Gemini 3 Pro 有 Arena 评分(类别得分 68)无法比较
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

  • 质量上 Claude Opus 5.5 (max) 领先:68.4 比 60.0。
  • Claude Opus 5.5 (max) 在编程、知识、数学、多模态、推理方面更强。
  • Gemini 3 Pro 在智能体与工具方面更强。
  • Gemini 3 Pro 更便宜,对方的价格是它的 1.8 倍(每百万 token 混合价格 $4.50 比 $8.00)。

概览

规格Claude Opus 5.5Gemini 3 Pro
提供商AnthropicGoogle
发布日期2026年9月22日2025年11月18日
上下文窗口(token)1,000,000–
最大输出(token)128,000 (up to 300K on the Message Batches API (beta))–
输入类型文本、图像–
推理强度设置low, medium, high, xhigh, max–
对比时的配置Claude Opus 5.5 (max)Gemini 3 Pro
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$4.00 / $20.00 / $0.200–
API 模型 IDclaude-opus-5-5–
使用渠道Claude API, Amazon Bedrock, Google Cloud, Microsoft Foundry–

上限、可用性和已公布的价格均来自厂商官方页面: platform.claude.com (2026年10月20日 核实)。其余内容均来自当日数据。

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 5.5 (max)Gemini 3 Pro领先者
推理72.162.6Claude Opus 5.5
编程78.857.8Claude Opus 5.5
智能体与工具61.361.7持平
数学73.254.0Claude Opus 5.5
知识72.555.9Claude Opus 5.5
指令遵循–61.1无法比较
人类偏好–67.7无法比较
多模态70.265.6Claude Opus 5.5
长上下文67.1–无法比较
综合70.2–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推理编程智能体与工具数学知识多模态Claude Opus 5.5, 推理: 72.1Claude Opus 5.5, 编程: 78.8Claude Opus 5.5, 智能体与工具: 61.3Claude Opus 5.5, 数学: 73.2Claude Opus 5.5, 知识: 72.5Claude Opus 5.5, 多模态: 70.2Gemini 3 Pro, 推理: 62.6Gemini 3 Pro, 编程: 57.8Gemini 3 Pro, 智能体与工具: 61.7Gemini 3 Pro, 数学: 54.0Gemini 3 Pro, 知识: 55.9Gemini 3 Pro, 多模态: 65.6

未绘制(测得的模型少于两个):指令遵循, 长上下文, 人类偏好。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 8 项基准测试中,Claude Opus 5.5 领先 6 项,Gemini 3 Pro 领先 2 项。所有同时评测两者的综合评分都认为 Claude Opus 5.5 更强。

综合 IndexClaude Opus 5.5 (max)Gemini 3 Pro领先者
BenchLeader Index68.460.0Claude Opus 5.5
Arena Text1507†1486Claude Opus 5.5

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 5.5 (max)Gemini 3 Pro
每百万 token 混合价格$8.00–
每百万 token 输入 / 输出$4.00 / $20.00– / –
每百万 token 缓存输入$0.200–
每项任务价格:聊天回复$0.0076–
每项任务价格:总结一份 30 页的报告$0.060–
每项任务价格:代码编辑$0.054–
每项任务价格:智能体编程会话$0.320–
每项任务价格:结构化信息提取$0.012–
智能体编程会话(输入大多命中缓存)$0.149–
每项基准测试任务成本(AA Index)$10.04–
每项任务输出 token(AA Index)173k–
其中推理部分120k–
每项任务耗时(AA Index)25 min–
输出速度116 tok/s–
首次回答时间380.2 秒–
完整回答耗时(最近一次测量 2026年11月13日)711.4 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 5.5 (max) 得分 68.4,首个回答 token 需 380 秒;Claude Opus 5.5 (high) 为 66.0(26 秒),Claude Opus 5.5 (xhigh) 为 65.4(78 秒)。Gemini 3 Pro 得分 60.0;Gemini 3 Pro (high) 为 60.0。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 229 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 5.5 (max)Gemini 3 Pro
BenchLeader IndexBenchLeader68.460.0
智能体与工具得分BenchLeader61.361.7
编程得分BenchLeader78.857.8
综合得分BenchLeader70.2–
知识得分BenchLeader72.555.9
长上下文得分BenchLeader67.1–
数学得分BenchLeader73.254.0
多模态得分BenchLeader70.265.6
推理得分BenchLeader72.162.6
人类偏好得分BenchLeader–67.7
指令遵循得分BenchLeader–61.1
混合价格(美元/百万 token)BenchLeader$8.00–
输出速度BenchLeader116 tok/s–
首次回答时间BenchLeader380.2 秒–
上下文窗口BenchLeader1,000,000 token–
推理
GPQA DiamondEpoch AI Benchmarking Hub90.6%92.6%
Humanity's Last ExamScale AI / CAIS–37.5%
SimpleBenchSimpleBench88.4%†76.4%
Arena Hard PromptsArena (LMArena)1530†1502
LiveBench 2.0 ReasoningLiveBench92.2%–
LiveBench 1.0 ReasoningLiveBench92.2%–
GPQA Diamond (AA)Artificial Analysis–90.8%†
Humanity's Last Exam (AA)Artificial Analysis61.4%39.7%†
HLE-Diamond (AA)Artificial Analysis67.9%–
GPQA Diamond (Vals)Vals AI–91.7%†
Kagi LLM BenchmarkKagi LLM Benchmark–80.1%
GPQA Diamond (HELM)HELM Capabilities–80.3%
ARC-AGI-1ARC Prize97.5%75.0%
ARC-AGI-2ARC Prize91.7%31.1%
CritPtArtificial Analysis31.7%9.1%†
CritPt v2 hard subset (AA)Artificial Analysis68.0%–
MysteryMechanismVals AI49.5%–
SciPredictScale AI SEAL–25.3%
HLE-Diamond (Scale)Scale AI SEAL55.0%†–
Arena ExpertArena (LMArena)1545†1499
Chess PuzzlesEpoch AI Benchmarking Hub67.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub71.0%–
CL-benchEpoch AI Benchmarking Hub–15.8%
LMCAEpoch AI Benchmarking Hub68.2%–
DTBenchEpoch AI Benchmarking Hub98.9%–
显示全部 229 项基准测试
指标发布方Claude Opus 5.5 (max)Gemini 3 Pro
推理
ForecastBenchForecastBench–65.0%
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub–72.9%
SciCodeSciCode66.9%–
WeirdMLWeirdML–69.9%
FrontierCodeCognition54.6%†–
GSO-BenchGSO-Bench–18.6%
Arena CodingArena (LMArena)1548†1517
Arena WebDevArena (LMArena)18151441
LiveBench 2.0 CodingLiveBench87.1%–
LiveBench 1.0 CodingLiveBench89.3%–
LiveCodeBenchVals AI–86.4%
IOIVals AI95.1%–
SWE-bench (Vals)Vals AI–76.4%†
SWE-Bench ProScale AI SEAL–43.3%
SWE-bench Verified (bash only)SWE-bench–74.2%
SWE-bench Multilingual (bash only)SWE-bench–68.7%
SWE-bench Verified (any scaffold)SWE-bench–77.4%
Code MigrationVals AI66.7%–
Code Migration v1.1Vals AI81.0%–
ProgramBenchVals AI18.5%–
SWE-bench MultimodalVals AI70.2%–
Vibe Code Bench 1-100Vals AI30.4%†–
Vibe Code Bench v1.1Vals AI90.3%14.3%†
Vibe Code Bench 1-100 v1.1Vals AI30.9%–
SWE-Bench Pro (private)Scale AI SEAL–17.9%
SWE Atlas v1.1Scale AI SEAL77.4%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL77.4%†–
SWE Atlas v1.1: Test WritingScale AI SEAL77.8%†–
SWE Atlas v1.1: RefactoringScale AI SEAL77.1%†–
MirrorCodeEpoch AI Benchmarking Hub95.6%–
CursorBenchCursor57.8%–
ALE-BenchEpoch AI Benchmarking Hub2147.4†1176.8
AlgoTuneAlgoTune–1.8
FrontierSWEEpoch AI Benchmarking Hub62.3%–
WeirdML v3WeirdML31.2%†–
Terminal-Bench 4.0 (AA)Artificial Analysis59.6%–
Startrise FrontendStartrise80.2%†–
GameBench 2 OverallDuelLab GameBench 287.6†–
GameBench 2 by reasoning settingDuelLab GameBench 294.8†–
Design Arena WebsiteDesign Arena1326†1244
FrontierCode 1.1 (AA)Artificial Analysis52.2%–
FrontierCode 2.0 (AA)Artificial Analysis46.4%–
LiveCodeBench (AA)Artificial Analysis–91.8%†
智能体与工具
Terminal-BenchTerminal-Bench65.8%69.4%
GDPvalOpenAI–40.3%
Remote Labor IndexScale AI / CAIS21.3%†1.3%
APEX-AgentsMercor73.5%–
Arena AgentArena (LMArena)19.5–
LiveBench Long AgenticLiveBench72.8%–
LiveBench BrowserLiveBench88.4%–
LiveBench Agentic CodingLiveBench71.7%–
Terminal-Bench HardArtificial Analysis–41.7%†
τ²-Bench Telecom (AA)Artificial Analysis–87.1%†
Terminal-Bench 2.1 (Vals)Vals AI87.6%†–
MCP AtlasScale AI SEAL85.4%†70.3%
HiL-BenchScale AI SEAL59.0%†–
BFCL OverallBerkeley Function Calling Leaderboard–72.5%
τ²-benchτ²-bench–82.5%†
τ³-bench Bankingτ²-bench–18.0%†
GDPval-AA v2.1, normalised scoreArtificial Analysis68.3%–
GDPval-AA v2.1Artificial Analysis1866–
ITBench SRE (AA)Artificial Analysis38.2%–
Analyst Agent (AA)Artificial Analysis56.3%–
CUA-benchVals AI14.0%–
CyberBenchVals AI55.4%–
Finance Agent v2Vals AI58.6%–
Finance Agent v2.1Vals AI67.8%–
Harvey's Legal Agent Benchmark v1.1Vals AI9.2%–
Harvey's Legal Agent Benchmark v1Vals AI3.8%–
Legal Research BenchVals AI50.5%–
Poker AgentVals AI–1078.9%
Robo-benchVals AI14.6%–
SREBenchVals AI33.6%–
Tax Agent BenchVals AI44.5%–
Terminal-Bench 2.0 (Vals)Vals AI–55.1%†
Terminal-Bench 4.0 (Vals)Vals AI65.2%–
Terminal-Bench ScienceVals AI47.1%–
Time Horizon Index: KSPVals AI91.3%–
Web Search IndexVals AI53.8%–
Arena SearchArena (LMArena)1213†1201
Arena Agent Task CompletionArena (LMArena)20.7–
BALROGBALROG–58.1%
DeepResearch BenchDeepResearch Bench–46.3%†
PostTrainBenchEpoch AI Benchmarking Hub43.8%–
METR Time HorizonsMETR–71.0%
Vending-Bench 2Andon Labs9235.3†5478.2
SpireClimbEpoch AI Benchmarking Hub5.8%–
AutomationBenchArtificial Analysis69.5%–
GDP.pdf (AA)Artificial Analysis26.2%–
Harvey LAB-AA v1.1Harvey4.2%–
AA-Briefcase v1.1Artificial Analysis1801–
GDPxGDPx by SemiAnalysis12.0%–
Design Arena AgenticDesign Arena1339†1080
Terminal-Bench-Science 0.1 (AA)Artificial Analysis59.0%–
CWE-Bench (AA)Artificial Analysis58.3%–
DeepSec-Bench (AA)Artificial Analysis26.9%–
CyberGym end-to-end (AA)Artificial Analysis0.8%–
MKA (AA)Artificial Analysis53.0%–
FACTS SearchGoogle88.4%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub91.2%–
FrontierMath Tier 4Epoch AI Benchmarking Hub95.0%–
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%91.4%
ProofBenchVals AI100.0%20.0%
LiveBench MathematicsLiveBench97.1%–
AIME (Vals)Vals AI–96.7%†
MGSMVals AI–93.9%†
AIME 2026MathArena–91.7%
HMMT February 2026MathArena–86.4%
MathArena ApexMathArena–23.4%
ArXivMathMathArena82.6%†–
BrokenArXivMathArena77.3%†–
Omni-MATH (HELM)HELM Capabilities–55.6%
MATH 500Vals AI–96.4%†
Arena MathsArena (LMArena)1514†1475
FrontierMath ErdősEpoch AI Benchmarking Hub2.9%–
AIME 2025 (AA)Artificial Analysis–95.7%†
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub72.2%–
LiveBench 2.0 Data AnalysisLiveBench80.3%–
LiveBench ResearchLiveBench88.9%–
LiveBench 1.0 Data AnalysisLiveBench80.3%–
AA-Omniscience v1.1Artificial Analysis48.1–
MMLU-ProVals AI–90.1%
LegalBenchVals AI–87.0%†
CorpFinVals AI–63.7%†
TaxEvalVals AI–72.6%†
MedQAVals AI–96.0%†
PRBench FinanceScale AI SEAL–39.2%
PRBench LegalScale AI SEAL47.6%†40.6%
MultiNRCScale AI SEAL–59.0%
MMLU-Pro (HELM)HELM Capabilities–90.3%
BioMysteryBenchVals AI79.3%–
CaseLaw v2Vals AI–53.1%†
ClaimBenchVals AI100.0%–
Excel Modeling BenchmarkVals AI75.9%–
Excel Modeling Benchmark v1.1Vals AI75.8%–
MedCodeVals AI49.8%52.2%†
MedScribeVals AI91.4%72.0%†
Public Benefits Bench v1.1Vals AI70.6%–
Access to Justice BenchmarkVals AI73.8%–
Financial Coaching BenchVals AI76.2%–
Immigration BenchVals AI72.1%–
EBR-benchEpoch AI Benchmarking Hub71.4%–
GDP.pdfEpoch AI Benchmarking Hub30.6%–
AA-Omniscience v1.1: accuracyArtificial Analysis65.5%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis49.7%–
Global-MMLU-Lite (AA)Artificial Analysis–92.2%†
HealthBench Professional (AA)OpenAI59.9%–
FACTS ParametricGoogle58.7%†–
指令遵循
LiveBench LanguageLiveBench86.3%–
LiveBench Instruction FollowingLiveBench65.7%–
IFBenchArtificial Analysis–70.4%†
MultiChallengeScale AI SEAL–65.7%
TutorBenchScale AI SEAL–53.7%
IFEval (HELM)HELM Capabilities–87.6%
WildBench (HELM)HELM Capabilities–85.9%
Arena Instruction FollowingArena (LMArena)1518†1473
人类偏好
Arena TextArena (LMArena)1507†1486
EQ-Bench 4EQ-Bench1340†–
EQ-Bench Creative Writing v3EQ-Bench2051†1524
Arena Creative WritingArena (LMArena)1517†1484
Arena Multi-turnArena (LMArena)1502†1495
Arena Longer QueriesArena (LMArena)1520†1491
多模态
Arena VisionArena (LMArena)1324†1305
LiveBench DesignLiveBench83.3%–
MMMU-ProArtificial Analysis87.7%80.2%†
VISTAScale AI SEAL–51.5%
MMMU-Pro (Vals)Vals AI–87.5%†
MortgageTaxVals AI–69.1%†
SAGEVals AI91.3%–
AudioMCScale AI SEAL–54.6%†
AudioMC (text output)Scale AI SEAL–54.6%†
Humanity's Sixth SenseScale AI SEAL44.6%†–
VTBScale AI SEAL–26.9%
GeoBenchGeoBench–84.0%
VPCTEpoch AI Benchmarking Hub–91.0%
Blueprint-Bench 2Epoch AI Benchmarking Hub51.2%†–
Furniture AssemblyEpoch AI Benchmarking Hub83.3%–
VIALS-AAHandshake AI61.5%–
Code2Video-AAArtificial Analysis1536–
AA-3DArtificial Analysis1202–
FACTS MultimodalGoogle56.4%†–
长上下文
AA-LCR v1.1Artificial Analysis84.7%76.0%†
Arena DocumentArena (LMArena)–1451
MLCRArtificial Analysis27.8%–
FACTS GroundingGoogle62.5%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub168.5†153.0
LiveBench 2.0LiveBench83.4%–
LiveBench 1.0LiveBench83.2%–
AA Intelligence Index v5.0.1Artificial Analysis59.1–
AA Intelligence Index v4.3.2Artificial Analysis57.628.0†
AA Progress Index v1Artificial Analysis350290.7†
Vals IndexVals AI70.1–
HELM Capabilities meanHELM Capabilities–79.9%
Vals Finance IndexVals AI65.3%–
Vals RSI IndexVals AI37.3%–
Vals Science IndexVals AI58.6%–
Vals Router IndexVals AI64.2%†–
Vals Legal IndexVals AI72.4%–
AA Cyber IndexArtificial Analysis28.7–
安全与诚实
FORTRESSScale AI SEAL5.8%41.7%
MASKScale AI SEAL–42.6%
PropensityBenchScale AI SEAL–52.9%
DistressBenchScale AI SEAL75.6%†–
元数据
AA Openness IndexArtificial Analysis–5.6†

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

  • Claude Opus 5.5 (max):38 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Gemini 3 Pro:1 项分数修订。
  • Claude Opus 5.5 (max):1 项新结果(PostTrainBench);1 项分数修订。
  • Claude Opus 5.5 (max):1 项新结果(MirrorCode);1 项分数修订。
  • Claude Opus 5.5 (max):BenchLeader Index 69.3 → 68.8。
  • Claude Opus 5.5 (max):2 项分数修订。
  • Claude Opus 5.5 (max):1 项分数修订。
  • Gemini 3 Pro:1 项新结果(Arena Search)。
  • Claude Opus 5.5 (max):1 项分数修订。
  • Claude Opus 5.5 (max):2 项分数修订。

排行榜: 综合最佳大模型 · 最适合编程的大模型 · 最适合智能体的大模型 · 便宜好用的大模型

Claude Opus 5.5 vs Gemini 3 Pro:常见问题

Claude Opus 5.5 比 Gemini 3 Pro 更好吗?
质量上 Claude Opus 5.5 (max) 领先:68.4 比 60.0。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,Claude Opus 5.5 (max) 总体领先,但请结合你的用途查看各类别得分。
Claude Opus 5.5 和 Gemini 3 Pro 哪个更便宜?价格会变吗?
目前 Gemini 3 Pro 更便宜:每百万 token $4.50 比 $8.00(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 5.5 还是 Gemini 3 Pro 更好?
Claude Opus 5.5 在编程方面得分更高(类别得分 79 比 58,50 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 5.5 为 1815,Gemini 3 Pro 为 1441。
智能体和工具调用用 Claude Opus 5.5 还是 Gemini 3 Pro 更好?
两者在智能体任务方面持平(类别得分 61 比 62)。在两者共同的最主要智能体与工具基准测试 Terminal-Bench 上,Claude Opus 5.5 为 65.8%,Gemini 3 Pro 为 69.4%。
第三方基准测试对 Claude Opus 5.5 和 Gemini 3 Pro 的看法一致吗?
在两者都有结果的 8 项基准测试中,Claude Opus 5.5 领先 6 项,Gemini 3 Pro 领先 2 项。所有同时评测两者的综合评分都认为 Claude Opus 5.5 更强。
更多问题(1)
Claude Opus 5.5 是什么时候发布的?
Claude Opus 5.5 于 2026年9月22日 发布。