BenchLeader

Claude Sonnet 5.5 vs Gemini 3.8 Flash

完整资料:Claude Sonnet 5.5(Anthropic)和 Gemini 3.8 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,质量上 Claude Sonnet 5.5 领先 Gemini 3.8 Flash(BenchLeader Index 64.2 比 60.2)。不过,Gemini 3.8 Flash 更便宜,对方的价格是它的 2.7 倍(每百万 token 混合价格 $1.50 比 $4.00)。看重编程(70 比 52)和推理(68 比 59)选 Claude Sonnet 5.5;看重智能体与工具(75 比 71)选 Gemini 3.8 Flash。Gemini 3.8 Flash 的首次回答更快(14.8 秒 比 290.5 秒)。Claude Sonnet 5.5 的输出更快。Gemini 3.8 Flash 的现价有效至 2026年12月31日,之后为 $3.00。

要点(截至 2026年11月16日)

  • Claude Sonnet 5.5 的 BenchLeader Index 为 64.2,Gemini 3.8 Flash 为 60.2(BenchLeader,2026年11月16日)。
  • Claude Sonnet 5.5 每百万 token 混合价格为 $4.00(标价,2026年11月16日)。
  • Gemini 3.8 Flash 每百万 token 混合价格为 $1.50(截至 2026年12月31日,之后为 $3.00)(https://ai.google.dev/gemini-api/docs/pricing,2026年10月20日 核实)。
  • Claude Sonnet 5.5 比 Gemini 3.8 Flash 输出更快(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 Sonnet 5.5 领先 23 项(BenchLeader,2026年11月16日)。

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 Sonnet 5.5类别得分 70 比 52;FrontierCode 2.0 (AA) 41.7% 比 16.5%高
智能体与工具调用Gemini 3.8 Flash类别得分 75 比 71;GDPval-AA v2.1, normalised score 46.1% 比 66.9%中
推理Claude Sonnet 5.5类别得分 68 比 59;HLE-Diamond (AA) 53.3% 比 29.1%高
知识均可类别得分 57 比 58;AA-Omniscience v1.1 30.5 比 23.7均可
长文档均可类别得分 66 比 67;AA-LCR v1.1 82.7% 比 84.0%均可
成本最低Gemini 3.8 Flash每百万 token 混合价格 $1.50 比 $4.00;智能体编程会话 $0.060 比 $0.160;2027年1月1日 起:$3.00 比 $4.00–
首次回答最快Gemini 3.8 Flash首个回答 token 14.8 秒(Gemini 3.8 Flash (medium))比 290.5 秒(Claude Sonnet 5.5 (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 Sonnet 5.5 (max) 领先:64.2 比 60.2。
  • Claude Sonnet 5.5 (max) 在编程、推理方面更强。
  • Gemini 3.8 Flash (medium) 在智能体与工具、知识、长上下文方面更强。
  • 截至 2026年12月31日,Gemini 3.8 Flash (medium) 更便宜,对方的价格是它的 2.7 倍(每百万 token 混合价格 $1.50 比 $4.00);自 2027年1月1日 起为 $3.00 比 $4.00。
  • Claude Sonnet 5.5 (max) 的输出速度是对方的 1.3 倍(152 比 116 token/秒)。

概览

规格Claude Sonnet 5.5Gemini 3.8 Flash
提供商AnthropicGoogle
发布日期2026年9月28日2026年9月2日
上下文窗口(token)1,000,0001,048,576
对比时的配置Claude Sonnet 5.5 (max)Gemini 3.8 Flash (medium)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$2.00 / $10.00 / $0.100$0.750 / $3.75 / $0.075
已公布的价格调整暂无公布自 2027年1月1日 起为 $1.50 / $7.50

上限、可用性和已公布的价格均来自厂商官方页面: ai.google.dev 定价页 (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 Sonnet 5.5 (max)Gemini 3.8 Flash (medium)领先者
推理67.858.7Claude Sonnet 5.5
编程70.251.6Claude Sonnet 5.5
智能体与工具70.575.0Gemini 3.8 Flash
数学71.3–无法比较
知识57.457.7持平
多模态–66.7无法比较
长上下文66.066.7持平
综合63.0–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知识长上下文Claude Sonnet 5.5, 推理: 67.8Claude Sonnet 5.5, 编程: 70.2Claude Sonnet 5.5, 智能体与工具: 70.5Claude Sonnet 5.5, 知识: 57.4Claude Sonnet 5.5, 长上下文: 66.0Gemini 3.8 Flash, 推理: 58.7Gemini 3.8 Flash, 编程: 51.6Gemini 3.8 Flash, 智能体与工具: 75.0Gemini 3.8 Flash, 知识: 57.7Gemini 3.8 Flash, 长上下文: 66.7

未绘制(测得的模型少于两个):数学, 指令遵循, 多模态, 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 25 项基准测试中,Claude Sonnet 5.5 领先 23 项,Gemini 3.8 Flash 领先 2 项。第三方来源看法不一:Claude Sonnet 5.5 在 BenchLeader Index、AA Intelligence Index v5.0.1和Vals Index 上领先;Gemini 3.8 Flash 在 Arena Text 上领先。

综合 IndexClaude Sonnet 5.5 (max)Gemini 3.8 Flash (medium)领先者
BenchLeader Index64.260.2Claude Sonnet 5.5
AA Intelligence Index v5.0.154.530.1Claude Sonnet 5.5
Vals Index70.856.0†Claude Sonnet 5.5
Arena Text1473†1497Gemini 3.8 Flash

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 Sonnet 5.5 (max)Gemini 3.8 Flash (medium)
每百万 token 混合价格(截至 2026年12月31日)$4.00$1.50
每百万 token 输入 / 输出$2.00 / $10.00$0.750 / $3.75
自 2027年1月1日 起每百万 token 混合价格$4.00$3.00
自 2027年1月1日 起每百万 token 输入 / 输出$2.00 / $10.00$1.50 / $7.50
每百万 token 缓存输入$0.100$0.075
每项任务价格:聊天回复$0.0038$0.0014
每项任务价格:总结一份 30 页的报告$0.030$0.011
每项任务价格:代码编辑$0.027$0.010
每项任务价格:智能体编程会话$0.160$0.060
每项任务价格:结构化信息提取$0.0060$0.0023
智能体编程会话(输入大多命中缓存)$0.074$0.030
每项基准测试任务成本(AA Index)$10.02$6.26
每项任务输出 token(AA Index)285k82k
其中推理部分206k47k
每项任务耗时(AA Index)31 min12 min
输出速度152 tok/s116 tok/s
首次回答时间290.5 秒14.8 秒
完整回答耗时(最近一次测量 2026年11月13日)487.7 秒41.8 秒

按 token 计价不等于按任务计价:在 Artificial Analysis 的 Intelligence Index 中,一项平均任务在 Claude Sonnet 5.5 (max) 上花费 $10.02,在 Gemini 3.8 Flash (medium) 上花费 $6.26;完成同样的工作,Claude Sonnet 5.5 (max) 输出的 token 是对方的 3.5 倍,这是只看 token 单价看不出来的。

每个模型都按其排名最高的推理强度设置进行对比。Claude Sonnet 5.5 (max) 得分 64.2,首个回答 token 需 291 秒;Claude Sonnet 5.5 (xhigh) 为 62.5(27 秒),Claude Sonnet 5.5 (high) 为 59.5(9 秒)。Gemini 3.8 Flash (medium) 得分 60.2,首个回答 token 需 15 秒;Gemini 3.8 Flash (high) 为 59.4(20 秒),Gemini 3.8 Flash 为 56.4(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 178 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 Sonnet 5.5 (max)Gemini 3.8 Flash (medium)
BenchLeader IndexBenchLeader64.260.2
智能体与工具得分BenchLeader70.575.0
编程得分BenchLeader70.251.6
综合得分BenchLeader63.0–
知识得分BenchLeader57.457.7
长上下文得分BenchLeader66.066.7
数学得分BenchLeader71.3–
推理得分BenchLeader67.858.7
多模态得分BenchLeader–66.7
混合价格(美元/百万 token)BenchLeader$4.00$1.50
输出速度BenchLeader152 tok/s116 tok/s
首次回答时间BenchLeader290.5 秒14.8 秒
上下文窗口BenchLeader1,000,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub95.6%95.4%†
Humanity's Last ExamScale AI / CAIS46.1%†44.5%†
SimpleBenchSimpleBench75.9%†82.4%†
Arena Hard PromptsArena (LMArena)1499†1518†
LiveBench 2.0 ReasoningLiveBench91.6%89.3%†
LiveBench 1.0 ReasoningLiveBench91.6%89.3%†
GPQA Diamond (AA)Artificial Analysis–93.5%
Humanity's Last Exam (AA)Artificial Analysis55.0%42.1%
HLE-Diamond (AA)Artificial Analysis53.3%29.1%
GPQA Diamond (Vals)Vals AI–94.4%†
ARC-AGI-1ARC Prize96.5%97.5%
ARC-AGI-2ARC Prize83.9%†82.9%
ARC-AGI-3ARC Prize72.4%†24.2%
CritPtArtificial Analysis31.4%12.3%
CritPt v2 hard subset (AA)Artificial Analysis59.0%45.0%
MysteryMechanismVals AI49.1%36.5%†
HLE-Diamond (Scale)Scale AI SEAL37.5%†34.3%†
Arena ExpertArena (LMArena)1512†1527†
Chess PuzzlesEpoch AI Benchmarking Hub59.0%58.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub65.0%47.0%†
LMCAEpoch AI Benchmarking Hub68.3%52.9%
DTBenchEpoch AI Benchmarking Hub97.3%94.9%
编程
SciCodeSciCode61.0%55.1%
WeirdMLWeirdML–84.8%†
FrontierCodeCognition52.1%†41.2%
显示全部 178 项基准测试
指标发布方Claude Sonnet 5.5 (max)Gemini 3.8 Flash (medium)
编程
Arena CodingArena (LMArena)1517†1531†
Arena WebDevArena (LMArena)1772†1584†
LiveBench 2.0 CodingLiveBench77.2%73.3%†
LiveBench 1.0 CodingLiveBench91.4%72.5%†
LiveCodeBenchVals AI–89.5%†
IOIVals AI83.1%56.9%†
SWE-bench (Vals)Vals AI–80.0%†
Code MigrationVals AI69.8%36.5%†
Code Migration v1.1Vals AI86.9%38.6%†
ProgramBenchVals AI6.5%1.0%†
SWE-bench MultimodalVals AI58.3%40.8%†
Vibe Code Bench 1-100Vals AI–18.8%†
Vibe Code Bench v1.1Vals AI92.4%78.7%†
SWE Atlas v1.0: Codebase QnAScale AI SEAL–47.0%†
SWE Atlas v1.0: RefactoringScale AI SEAL–44.8%†
SWE Atlas v1.0: Test WritingScale AI SEAL–53.7%†
SWE Atlas v1.1Scale AI SEAL68.3%†57.3%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL74.2%†45.2%†
SWE Atlas v1.1: Test WritingScale AI SEAL67.8%†71.1%†
SWE Atlas v1.1: RefactoringScale AI SEAL62.9%†55.7%†
SWE-Bench Pro V2Scale AI SEAL95.8%†94.9%†
SWE-Bench Pro V2 HARDScale AI SEAL70.6%†58.8%†
MirrorCodeEpoch AI Benchmarking Hub97.8%38.9%†
Surface Evolver BenchEpoch AI Benchmarking Hub–76.9%†
DeepSWE v1.1Epoch AI Benchmarking Hub–71.0%
CursorBenchCursor55.5%37.3%
ALE-BenchEpoch AI Benchmarking Hub1819.1†1269.7†
FrontierSWEEpoch AI Benchmarking Hub61.9%19.6%†
WeirdML v3WeirdML19.9%†7.4%†
Terminal-Bench 4.0 (AA)Artificial Analysis63.6%19.7%
Terminal-Bench 2.1 (AA)Artificial Analysis–83.9%
Startrise FrontendStartrise75.9%†64.6%†
GameBench 2 OverallDuelLab GameBench 260.4†59.0†
GameBench 2 by reasoning settingDuelLab GameBench 291.4†59.7
Design Arena WebsiteDesign Arena1309†1291†
FrontierCode 1.1 (AA)Artificial Analysis45.8%37.1%
FrontierCode 2.0 (AA)Artificial Analysis41.7%16.5%
智能体与工具
Terminal-BenchTerminal-Bench63.9%18.2%†
Remote Labor IndexScale AI / CAIS–5.8%†
APEX-AgentsMercor75.5%64.3%†
Arena AgentArena (LMArena)162.3†
LiveBench Long AgenticLiveBench63.4%16.5%†
LiveBench BrowserLiveBench89.3%45.1%†
LiveBench Agentic CodingLiveBench56.3%54.2%†
Terminal-Bench 2.1 (Vals)Vals AI83.2%†81.3%†
HiL-BenchScale AI SEAL–41.5%†
GDPval-AA v2.1, normalised scoreArtificial Analysis66.9%46.1%
GDPval-AA v2.1Artificial Analysis18381432
τ³-Banking (AA)Artificial Analysis–45.8%
ITBench SRE (AA)Artificial Analysis–52.5%†
Analyst Agent (AA)Artificial Analysis57.5%46.3%†
CUA-benchVals AI–4.2%†
CyberBenchVals AI59.6%43.8%†
Finance Agent v2Vals AI58.1%61.4%†
Finance Agent v2.1Vals AI67.3%65.8%†
Harvey's Legal Agent Benchmark v1.1Vals AI10.4%12.1%†
Harvey's Legal Agent Benchmark v1Vals AI2.9%10.0%†
Legal Research BenchVals AI48.1%38.9%†
SkillsBenchVals AI–58.0%†
SREBenchVals AI30.1%11.1%†
Tax Agent BenchVals AI42.0%32.1%†
Terminal-Bench 4.0 (Vals)Vals AI64.1%19.7%†
Terminal-Bench ScienceVals AI47.1%8.6%†
Time Horizon Index: KSPVals AI–18.8%†
Arena Agent Task CompletionArena (LMArena)19.51.3†
Vending-Bench 2Andon Labs11165.3†5093.8†
SpireClimbEpoch AI Benchmarking Hub1.3%–
AutomationBenchArtificial Analysis71.8%60.9%
GDP.pdf (AA)Artificial Analysis25.8%22.8%
Harvey LAB-AA v1.1Harvey2.8%0.0%†
AA-Briefcase v1.1Artificial Analysis18161183
GDPxGDPx by SemiAnalysis8.2%–
Design Arena AgenticDesign Arena1293†1225†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis53.3%10.5%
CWE-Bench (AA)Artificial Analysis–52.5%†
DeepSec-Bench (AA)Artificial Analysis–14.5%†
CyberGym end-to-end (AA)Artificial Analysis–8.4%†
MKA (AA)Artificial Analysis52.0%35.3%†
FACTS SearchGoogle86.8%†80.4%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub88.8%68.4%†
FrontierMath Tier 4Epoch AI Benchmarking Hub80.5%21.9%†
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%98.9%†
ProofBenchVals AI100.0%48.0%†
LiveBench MathematicsLiveBench96.1%91.6%†
Arena MathsArena (LMArena)1486†1519†
FrontierMath ErdősEpoch AI Benchmarking Hub2.9%0.0%†
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub46.5%69.7%†
LiveBench 2.0 Data AnalysisLiveBench59.5%54.0%†
LiveBench ResearchLiveBench88.0%79.4%†
LiveBench 1.0 Data AnalysisLiveBench59.5%54.0%†
AA-Omniscience v1.1Artificial Analysis30.523.7
MMLU-ProVals AI–90.2%†
LegalBenchVals AI–87.0%†
TaxEvalVals AI–74.5%†
PRBench FinanceScale AI SEAL–49.5%†
PRBench LegalScale AI SEAL–48.9%†
BioMysteryBenchVals AI81.1%62.2%†
ClaimBenchVals AI100.0%–
Excel Modeling BenchmarkVals AI75.7%72.2%†
Excel Modeling Benchmark v1.1Vals AI75.9%72.9%†
MedCodeVals AI52.9%48.1%†
MedScribeVals AI91.1%84.5%†
Public Benefits Bench v1.1Vals AI67.2%65.3%†
Access to Justice BenchmarkVals AI74.9%67.1%†
Financial Coaching BenchVals AI74.9%66.3%†
Immigration BenchVals AI69.0%63.4%†
GDP.pdfEpoch AI Benchmarking Hub31.4%23.4%
AA-Omniscience v1.1: accuracyArtificial Analysis51.5%49.6%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis56.7%48.5%
HealthBench Professional (AA)OpenAI63.0%51.7%†
FACTS ParametricGoogle35.1%†78.7%†
指令遵循
LiveBench LanguageLiveBench78.0%87.8%†
LiveBench Instruction FollowingLiveBench56.8%81.4%†
Arena Instruction FollowingArena (LMArena)1482†1492†
人类偏好
Arena TextArena (LMArena)1473†1497†
EQ-Bench Creative Writing v3EQ-Bench–1744†
Arena Creative WritingArena (LMArena)1464†1488†
Arena Multi-turnArena (LMArena)1469†1505†
Arena Longer QueriesArena (LMArena)1491†1511†
多模态
Arena VisionArena (LMArena)1284†1317†
LiveBench DesignLiveBench81.3%69.7%†
MMMU-ProArtificial Analysis–84.2%
MMMU-Pro (Vals)Vals AI–89.1%†
MortgageTaxVals AI–65.3%†
SAGEVals AI88.0%88.2%†
AudioMCScale AI SEAL–60.4%†
AudioMC (text output)Scale AI SEAL–60.4%†
Humanity's Sixth SenseScale AI SEAL–41.6%†
GeoBenchGeoBench–86.0%†
Blueprint-Bench 2Epoch AI Benchmarking Hub39.3%†38.6%†
Furniture AssemblyEpoch AI Benchmarking Hub75.0%31.7%†
VIALS-AAHandshake AI59.6%41.0%†
Code2Video-AAArtificial Analysis1443899†
AA-3DArtificial Analysis1204974†
FACTS MultimodalGoogle50.4%†57.6%†
长上下文
AA-LCR v1.1Artificial Analysis82.7%84.0%
Arena DocumentArena (LMArena)–1469†
MLCRArtificial Analysis41.7%12.8%
FACTS GroundingGoogle62.5%†68.2%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub166.6†158.8†
LiveBench 2.0LiveBench77.0%57.3%†
LiveBench 1.0LiveBench75.7%75.8%†
AA Intelligence Index v5.0.1Artificial Analysis54.530.1
AA Intelligence Index v4.3.2Artificial Analysis5639.8
AA Progress Index v1Artificial Analysis350.5319.1
Vals IndexVals AI70.856.0†
Vals Finance IndexVals AI64.5%60.5%†
Vals RSI IndexVals AI–19.9%†
Vals Science IndexVals AI59.1%35.8%†
Vals Router IndexVals AI69.0%†56.0%†
Vals Legal IndexVals AI68.0%69.8%†
AA Cyber IndexArtificial Analysis–25.1†
安全与诚实
DistressBenchScale AI SEAL74.6%†70.7%†

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 3.8 Flash:标价将调整为每百万 token 输入 $1.50 / 输出 $7.50(已公布)。
  • Claude Sonnet 5.5 (max):36 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Gemini 3.8 Flash (medium):1 项分数修订。
  • Claude Sonnet 5.5 (max):BenchLeader Index 65.1 → 64.6。
  • Claude Sonnet 5.5 (max):1 项新结果(MirrorCode)。
  • Claude Sonnet 5.5 (max):2 项分数修订。
  • Claude Sonnet 5.5 (max):1 项分数修订。
  • Claude Sonnet 5.5 (max):1 项分数修订。
  • Gemini 3.8 Flash (medium):2 项分数修订。
  • Claude Sonnet 5.5 (max):1 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 Sonnet 5.5 vs Gemini 3.8 Flash:常见问题

Claude Sonnet 5.5 比 Gemini 3.8 Flash 更好吗?
质量上 Claude Sonnet 5.5 (max) 领先:64.2 比 60.2。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 Sonnet 5.5 (max) 总体领先,但请结合你的用途查看各类别得分。
Claude Sonnet 5.5 和 Gemini 3.8 Flash 哪个更便宜?价格会变吗?
目前 Gemini 3.8 Flash 更便宜:每百万 token $1.50 比 $4.00(按每 1 个输出 token 对应 3 个输入 token 混合计算)。Gemini 3.8 Flash 的现价有效至 2026年12月31日,之后为 $3.00。
编程用 Claude Sonnet 5.5 还是 Gemini 3.8 Flash 更好?
Claude Sonnet 5.5 在编程方面得分更高(类别得分 70 比 52,50 为平均水平)。在两者共同的最主要编程基准测试 FrontierCode 2.0 (AA) 上,Claude Sonnet 5.5 为 41.7%,Gemini 3.8 Flash 为 16.5%。
Claude Sonnet 5.5 和 Gemini 3.8 Flash 哪个更快?
Claude Sonnet 5.5 输出更快(输出 152 比 116 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Claude Sonnet 5.5 还是 Gemini 3.8 Flash 更好?
Gemini 3.8 Flash 在智能体任务方面得分更高(类别得分 75 比 71,50 为平均水平)。
更多问题(4)
处理长文档哪个更好?
两者在长上下文基准测试上持平(66 比 67)。两者都约为 1M token(Claude Sonnet 5.5 为 1,000,000,Gemini 3.8 Flash 为 1,048,576)。
哪个延迟更低?
Gemini 3.8 Flash 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 14.8 秒比 290.5 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 Sonnet 5.5 和 Gemini 3.8 Flash 的看法一致吗?
在两者都有结果的 25 项基准测试中,Claude Sonnet 5.5 领先 23 项,Gemini 3.8 Flash 领先 2 项。第三方来源看法不一:Claude Sonnet 5.5 在 BenchLeader Index、AA Intelligence Index v5.0.1和Vals Index 上领先;Gemini 3.8 Flash 在 Arena Text 上领先。
Claude Sonnet 5.5 是什么时候发布的?
Claude Sonnet 5.5 于 2026年9月28日 发布。