BenchLeader

Claude Opus 5 vs Gemini 3.5 Flash

完整资料:Claude Opus 5(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 14 个来源

截至 2026年11月16日,质量上 Claude Opus 5 领先 Gemini 3.5 Flash(BenchLeader Index 65.0 比 62.5)。不过,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 5 均领先。Gemini 3.5 Flash 输出更快(约 2 倍)。

要点(截至 2026年11月16日)

  • Claude Opus 5 的 BenchLeader Index 为 65.0,Gemini 3.5 Flash 为 62.5(BenchLeader,2026年11月16日)。
  • Claude Opus 5 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 5 输出更快(约 2 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 68 项基准测试中,Claude Opus 5 领先 63 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Claude Opus 5 的评分为 1691,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 5类别得分 67 比 60;Arena WebDev 1691 比 1500高
智能体与工具调用Claude Opus 5类别得分 64 比 63;τ³-Banking (AA) 42.1% 比 32.2%中
数学Claude Opus 5类别得分 70 比 58;FrontierMath Tiers 1–3 85.6% 比 62.8%高
推理Claude Opus 5类别得分 66 比 61;GPQA Diamond 93.9% 比 92.8%中
知识Claude Opus 5类别得分 65 比 63;MMLU-Pro 91.6% 比 89.5%中
长文档Claude Opus 5类别得分 64 比 61;AA-LCR v1.1 79.3% 比 73.3%中
图像及其他媒体Claude Opus 5类别得分 67 比 66;MMMU-Pro 84.7% 比 84.3%中
对话质量(人类偏好)Claude Opus 5Arena 投票 68 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Gemini 3.5 Flash首个回答 token 9.9 秒(Gemini 3.5 Flash (high))比 48.5 秒(Claude Opus 5 (max))–
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 (max) 领先:65.0 比 62.5。
  • Claude Opus 5 (max) 在智能体与工具、编程、人类偏好、知识、长上下文、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 2.2 倍(176 比 80 token/秒)。

概览

规格Claude Opus 5Gemini 3.5 Flash
提供商AnthropicGoogle
发布日期2026年7月24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 5 (max)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 5 (max)Gemini 3.5 Flash (high)领先者
推理66.160.6Claude Opus 5
编程67.059.5Claude Opus 5
智能体与工具63.862.8Claude Opus 5
数学69.857.7Claude Opus 5
知识65.263.3Claude Opus 5
指令遵循–74.4无法比较
人类偏好68.166.8Claude Opus 5
多模态67.266.2Claude Opus 5
长上下文64.361.2Claude Opus 5

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长上下文多模态人类偏好Claude Opus 5, 推理: 66.1Claude Opus 5, 编程: 67.0Claude Opus 5, 智能体与工具: 63.8Claude Opus 5, 数学: 69.8Claude Opus 5, 知识: 65.2Claude Opus 5, 长上下文: 64.3Claude Opus 5, 多模态: 67.2Claude Opus 5, 人类偏好: 68.1Gemini 3.5 Flash, 推理: 60.6Gemini 3.5 Flash, 编程: 59.5Gemini 3.5 Flash, 智能体与工具: 62.8Gemini 3.5 Flash, 数学: 57.7Gemini 3.5 Flash, 知识: 63.3Gemini 3.5 Flash, 长上下文: 61.2Gemini 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):指令遵循。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 68 项基准测试中,Claude Opus 5 领先 63 项,Gemini 3.5 Flash 领先 5 项。所有同时评测两者的综合评分都认为 Claude Opus 5 更强。

综合 IndexClaude Opus 5 (max)Gemini 3.5 Flash (high)领先者
BenchLeader Index65.062.5Claude Opus 5
Arena Text14891478Claude Opus 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 (max)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
每项基准测试任务成本(AA Index)$11.82–
每项任务输出 token(AA Index)118k–
其中推理部分73k–
每项任务耗时(AA Index)25 min–
输出速度80 tok/s176 tok/s
首次回答时间48.5 秒9.9 秒
完整回答耗时(最近一次测量 2026年11月13日)191.6 秒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 5 (max) 得分 65.0,首个回答 token 需 49 秒;Claude Opus 5 (high) 为 64.4(17 秒),Claude Opus 5 为 63.2(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 157 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 (max)Gemini 3.5 Flash (high)
BenchLeader IndexBenchLeader65.062.5
智能体与工具得分BenchLeader63.862.8
编程得分BenchLeader67.059.5
人类偏好得分BenchLeader68.166.8
知识得分BenchLeader65.263.3
长上下文得分BenchLeader64.361.2
数学得分BenchLeader69.857.7
多模态得分BenchLeader67.266.2
推理得分BenchLeader66.160.6
指令遵循得分BenchLeader–74.4
混合价格(美元/百万 token)BenchLeader$10.00$3.38
输出速度BenchLeader80 tok/s176 tok/s
首次回答时间BenchLeader48.5 秒9.9 秒
上下文窗口BenchLeader1,000,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub93.9%92.8%
SimpleBenchSimpleBench80.6%†76.7%†
Arena Hard PromptsArena (LMArena)15131496
LiveBench 1.0 ReasoningLiveBench91.2%82.0%
GPQA Diamond (AA)Artificial Analysis93.2%92.2%
Humanity's Last Exam (AA)Artificial Analysis54.9%42.7%
HLE-Diamond (AA)Artificial Analysis44.8%–
GPQA Diamond (Vals)Vals AI93.4%†92.7%
EnigmaEvalScale AI SEAL–25.4%
ARC-AGI-1ARC Prize97.5%92.5%
ARC-AGI-2ARC Prize90.4%72.1%
ARC-AGI-3ARC Prize30.2%†–
CritPtArtificial Analysis29.1%13.1%
CritPt v2 hard subset (AA)Artificial Analysis50.0%–
MysteryMechanismVals AI37.4%–
HLE-Diamond (Scale)Scale AI SEAL38.6%†–
Arena ExpertArena (LMArena)15301491
Chess PuzzlesEpoch AI Benchmarking Hub43.0%45.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub59.0%32.0%
LMCAEpoch AI Benchmarking Hub63.3%47.1%
DTBenchEpoch AI Benchmarking Hub97.6%94.7%
ForecastBenchForecastBench66.6%64.0%†
BTF-3Epoch AI Benchmarking Hub12.0%†–
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub–79.3%
SciCodeSciCode56.4%53.9%
显示全部 157 项基准测试
指标发布方Claude Opus 5 (max)Gemini 3.5 Flash (high)
编程
WeirdMLWeirdML91.8%62.6%
FrontierCodeCognition53.4%–
Arena CodingArena (LMArena)15281508
Arena WebDevArena (LMArena)16911500
LiveBench 1.0 CodingLiveBench81.5%78.2%
LiveCodeBenchVals AI89.0%87.6%
IOIVals AI84.3%–
SWE-bench (Vals)Vals AI97.0%†78.8%
Code MigrationVals AI57.5%26.8%
ProgramBenchVals AI3.0%0.0%
Vibe Code Bench 1-100Vals AI28.5%–
Vibe Code Bench v1.1Vals AI88.4%†48.7%
SWE Atlas v1.0: Codebase QnAScale AI SEAL63.2%†–
SWE Atlas v1.0: Test WritingScale AI SEAL62.2%†–
SWE-Bench Pro V2Scale AI SEAL99.4%†–
SWE-Bench Pro V2 HARDScale AI SEAL98.0%†–
MirrorCodeEpoch AI Benchmarking Hub87.8%–
Surface Evolver BenchEpoch AI Benchmarking Hub–58.1%†
DeepSWE v1.1Epoch AI Benchmarking Hub73.7%36.1%
CursorBenchCursor46.6%–
ALE-BenchEpoch AI Benchmarking Hub2164.6†911.0
FrontierSWEEpoch AI Benchmarking Hub52.0%–
WeirdML v3WeirdML19.0%†–
Terminal-Bench 4.0 (AA)Artificial Analysis49.0%6.6%
Terminal-Bench 2.1 (AA)Artificial Analysis89.1%78.7%
Startrise FrontendStartrise82.3%†–
GameBench 2 OverallDuelLab GameBench 276.5†49.4†
GameBench 2 by reasoning settingDuelLab GameBench 284.8†63.2
Design Arena WebsiteDesign Arena1304†1260†
FrontierCode 2.0 (AA)Artificial Analysis31.1%–
智能体与工具
Terminal-BenchTerminal-Bench52.1%–
OSWorld-Verified 2.0OSWorld31.4%–
APEX-AgentsMercor65.8%27.5%†
Arena AgentArena (LMArena)7.2–
LiveBench Agentic CodingLiveBench65.2%49.0%
Terminal-Bench HardArtificial Analysis–40.9%
τ²-Bench Telecom (AA)Artificial Analysis–95.3%
Terminal-Bench 2.1 (Vals)Vals AI84.6%†74.2%
MCP AtlasScale AI SEAL85.8%†83.6%
HiL-BenchScale AI SEAL57.0%†27.7%†
τ³-bench Bankingτ²-bench48.7%–
GDPval-AA v2.1Artificial Analysis17291211
τ³-Banking (AA)Artificial Analysis42.1%32.2%
ITBench SRE (AA)Artificial Analysis–40.4%
Analyst Agent (AA)Artificial Analysis53.8%45.0%
APEX-Agents (AA)Artificial Analysis–47.0%
CUA-benchVals AI9.0%–
CyberBenchVals AI65.4%–
Finance Agent v2Vals AI58.6%57.9%
Harvey's Legal Agent Benchmark v1Vals AI6.7%2.5%
Legal Research BenchVals AI55.3%30.8%
SkillsBenchVals AI60.4%52.7%
SREBenchVals AI12.2%–
Tax Agent BenchVals AI47.1%21.6%
Terminal-Bench 2.0 (Vals)Vals AI–67.4%
Terminal-Bench 4.0 (Vals)Vals AI53.5%6.1%
Terminal-Bench ScienceVals AI27.1%5.7%
Time Horizon Index: KSPVals AI18.8%–
Web Search IndexVals AI–37.0%
Arena SearchArena (LMArena)1213†–
Arena Agent Task CompletionArena (LMArena)10.2–
BALROGBALROG63.4%–
PostTrainBenchEpoch AI Benchmarking Hub35.7%†–
GBAEvalEpoch AI Benchmarking Hub79.6%†6.7%†
Vending-Bench 2Andon Labs11181.9†5396.4†
AutomationBenchArtificial Analysis56.6%42.1%
GDP.pdf (AA)Artificial Analysis21.6%19.8%
EnterpriseOps-GymArtificial Analysis47.5%50.1%
AA-Briefcase v1.1Artificial Analysis1654876
Design Arena AgenticDesign Arena1270†1174†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis28.6%–
DeepSec-Bench (AA)Artificial Analysis25.9%–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub85.6%62.8%
FrontierMath Tier 4Epoch AI Benchmarking Hub73.2%26.8%
OTIS Mock AIMEEpoch AI Benchmarking Hub98.9%95.6%
ProofBenchVals AI99.0%31.0%
LiveBench MathematicsLiveBench95.7%88.2%
AIME 2026MathArena–95.0%
HMMT February 2026MathArena–95.5%
MathArena ApexMathArena–32.3%
Arena MathsArena (LMArena)15151497
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub59.9%66.2%
LiveBench 1.0 Data AnalysisLiveBench74.5%64.9%
AA-Omniscience v1.1Artificial Analysis37.6–
MMLU-ProVals AI91.6%89.5%
LegalBenchVals AI87.0%83.6%
CorpFinVals AI73.2%†64.7%
TaxEvalVals AI75.1%†74.4%
BioMysteryBenchVals AI79.3%–
Excel Modeling BenchmarkVals AI73.6%63.5%
MedCodeVals AI63.6%55.8%
MedScribeVals AI91.0%76.6%
Public Benefits Bench v1.1Vals AI76.9%59.5%
Financial Coaching BenchVals AI–63.0%
DrugDiscoveryBenchScale AI SEAL53.7%50.0%
EBR-benchEpoch AI Benchmarking Hub45.7%4.8%
GDP.pdfEpoch AI Benchmarking Hub24.0%14.0%†
AA-Omniscience v1.1: accuracyArtificial Analysis60.9%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis40.6%–
FACTS ParametricGoogle48.8%†–
指令遵循
LiveBench LanguageLiveBench88.7%84.6%
LiveBench Instruction FollowingLiveBench63.8%75.6%
IFBenchArtificial Analysis–76.3%
Arena Instruction FollowingArena (LMArena)14941465
人类偏好
Arena TextArena (LMArena)14891478
EQ-Bench 4EQ-Bench1365†1077†
EQ-Bench Creative Writing v3EQ-Bench2135†–
Arena Creative WritingArena (LMArena)14731465
Arena Multi-turnArena (LMArena)14861480
Arena Longer QueriesArena (LMArena)15021483
多模态
Arena VisionArena (LMArena)1318†1308
MMMU-ProArtificial Analysis84.7%84.3%
MMMU-Pro (Vals)Vals AI89.9%88.3%
MortgageTaxVals AI72.1%†68.1%
Humanity's Sixth SenseScale AI SEAL30.5%32.6%
GeoBenchGeoBench–85.0%†
Blueprint-Bench 2Epoch AI Benchmarking Hub30.4%†33.6%†
Furniture AssemblyEpoch AI Benchmarking Hub60.8%–
长上下文
AA-LCR v1.1Artificial Analysis79.3%73.3%
Arena DocumentArena (LMArena)1486†1455
MLCRArtificial Analysis11.1%10.0%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub164.7†155.3†
LiveBench 1.0LiveBench80.1%74.6%
AA Intelligence Index v5.0.1Artificial Analysis44.2–
AA Intelligence Index v4.3.2Artificial Analysis50.832.6
AA Progress Index v1Artificial Analysis333.7305.1
Vals RSI IndexVals AI33.0%–
Vals Science IndexVals AI47.9%–
Vals Multimodal IndexVals AI73.9%†62.9%
安全与诚实
FORTRESSScale AI SEAL16.8%†–
DistressBenchScale AI SEAL70.2%†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

  • Claude Opus 5 (max):25 项新结果(LiveCodeBench, MMLU-Pro, IOI…)。
  • Claude Opus 5 (max):1 项新结果(GDPval-AA v2.1)。
  • Gemini 3.5 Flash (high):1 项新结果(GDPval-AA v2.1);1 项分数修订。
  • Gemini 3.5 Flash (high):3 项新结果(AIME 2026, HMMT February 2026, MathArena Apex)。
  • Claude Opus 5 (max):1 项新结果(MirrorCode)。
  • Claude Opus 5 (max):BenchLeader Index 65.5 → 65.0。
  • Claude Opus 5 (max):7 项新结果(AA Intelligence Index v5.0.1, HLE-Diamond (AA), AA-Omniscience v1.1…)。
  • Gemini 3.5 Flash (high):1 项分数修订。
  • Claude Opus 5 (max):1 项新结果(MirrorCode)。
  • Claude Opus 5 (max):1 项分数修订。

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 5 vs Gemini 3.5 Flash:常见问题

Claude Opus 5 比 Gemini 3.5 Flash 更好吗?
质量上 Claude Opus 5 (max) 领先:65.0 比 62.5。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 (max) 总体领先,但请结合你的用途查看各类别得分。
Claude Opus 5 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 5 还是 Gemini 3.5 Flash 更好?
Claude Opus 5 在编程方面得分更高(类别得分 67 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 5 为 1691,Gemini 3.5 Flash 为 1500。
Claude Opus 5 和 Gemini 3.5 Flash 哪个更快?
Gemini 3.5 Flash 输出更快(约 2 倍;输出 176 比 80 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Claude Opus 5 还是 Gemini 3.5 Flash 更好?
Claude Opus 5 在智能体任务方面得分更高(类别得分 64 比 63,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 τ³-Banking (AA) 上,Claude Opus 5 为 42.1%,Gemini 3.5 Flash 为 32.2%。
更多问题(4)
处理长文档哪个更好?
Claude Opus 5 在长上下文基准测试上得分更高(64 比 61)。两者都约为 1M token(Claude Opus 5 为 1,000,000,Gemini 3.5 Flash 为 1,048,576)。
哪个延迟更低?
Gemini 3.5 Flash 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 9.9 秒比 48.5 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 5 和 Gemini 3.5 Flash 的看法一致吗?
在两者都有结果的 68 项基准测试中,Claude Opus 5 领先 63 项,Gemini 3.5 Flash 领先 5 项。所有同时评测两者的综合评分都认为 Claude Opus 5 更强。
Claude Opus 5 是什么时候发布的?
Claude Opus 5 于 2026年7月24日 发布。