BenchLeader

Claude Sonnet 5.5 vs Gemini 3 Pro

完整资料:Claude Sonnet 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 Sonnet 5.5 领先 Gemini 3 Pro(BenchLeader Index 64.2 比 60.0)。两者价格相近(每百万 token 混合价格 $4.00 比 $4.50)。在两者都有成绩的所有类别中,Claude Sonnet 5.5 均领先。

要点(截至 2026年11月16日)

  • Claude Sonnet 5.5 的 BenchLeader Index 为 64.2,Gemini 3 Pro 为 60.0(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 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 5 项基准测试中,Claude Sonnet 5.5 领先 4 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 58高
智能体与工具调用Claude Sonnet 5.5类别得分 71 比 62;Terminal-Bench 63.9% 比 69.4%高
数学Claude Sonnet 5.5类别得分 71 比 54;OTIS Mock AIME 100.0% 比 91.4%高
推理Claude Sonnet 5.5类别得分 68 比 63;GPQA Diamond 95.6% 比 92.6%中
知识Claude Sonnet 5.5类别得分 57 比 56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 Sonnet 5.5 (max) 领先:64.2 比 60.0。
  • Claude Sonnet 5.5 (max) 在智能体与工具、编程、知识、数学、推理方面更强。
  • 两者价格相近(每百万 token 混合价格 $4.00)。

概览

规格Claude Sonnet 5.5Gemini 3 Pro
提供商AnthropicGoogle
发布日期2026年9月28日2025年11月18日
上下文窗口(token)1,000,000–
对比时的配置Claude Sonnet 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)$2.00 / $10.00 / $0.100–

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 Pro领先者
推理67.862.6Claude Sonnet 5.5
编程70.257.8Claude Sonnet 5.5
智能体与工具70.561.7Claude Sonnet 5.5
数学71.354.0Claude Sonnet 5.5
知识57.455.9Claude Sonnet 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–65.6无法比较
长上下文66.0–无法比较
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数学知识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, 数学: 71.3Claude Sonnet 5.5, 知识: 57.4Gemini 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: 55.9

未绘制(测得的模型少于两个):指令遵循, 长上下文, 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 5 项基准测试中,Claude Sonnet 5.5 领先 4 项,Gemini 3 Pro 领先 1 项。第三方来源看法不一:Claude Sonnet 5.5 在 BenchLeader Index 上领先;Gemini 3 Pro 在 Arena Text 上领先。

综合 IndexClaude Sonnet 5.5 (max)Gemini 3 Pro领先者
BenchLeader Index64.260.0Claude Sonnet 5.5
Arena Text1473†1486Gemini 3 Pro

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 Pro
每百万 token 混合价格$4.00–
每百万 token 输入 / 输出$2.00 / $10.00– / –
每百万 token 缓存输入$0.100–
每项任务价格:聊天回复$0.0038–
每项任务价格:总结一份 30 页的报告$0.030–
每项任务价格:代码编辑$0.027–
每项任务价格:智能体编程会话$0.160–
每项任务价格:结构化信息提取$0.0060–
智能体编程会话(输入大多命中缓存)$0.074–
每项基准测试任务成本(AA Index)$10.02–
每项任务输出 token(AA Index)285k–
其中推理部分206k–
每项任务耗时(AA Index)31 min–
输出速度152 tok/s–
首次回答时间290.5 秒–
完整回答耗时(最近一次测量 2026年11月13日)487.7 秒–

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 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 213 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 Pro
BenchLeader IndexBenchLeader64.260.0
智能体与工具得分BenchLeader70.561.7
编程得分BenchLeader70.257.8
综合得分BenchLeader63.0–
知识得分BenchLeader57.455.9
长上下文得分BenchLeader66.0–
数学得分BenchLeader71.354.0
推理得分BenchLeader67.862.6
人类偏好得分BenchLeader–67.7
指令遵循得分BenchLeader–61.1
多模态得分BenchLeader–65.6
混合价格(美元/百万 token)BenchLeader$4.00–
输出速度BenchLeader152 tok/s–
首次回答时间BenchLeader290.5 秒–
上下文窗口BenchLeader1,000,000 token–
推理
GPQA DiamondEpoch AI Benchmarking Hub95.6%92.6%
Humanity's Last ExamScale AI / CAIS46.1%†37.5%
SimpleBenchSimpleBench75.9%†76.4%
Arena Hard PromptsArena (LMArena)1499†1502
LiveBench 2.0 ReasoningLiveBench91.6%–
LiveBench 1.0 ReasoningLiveBench91.6%–
GPQA Diamond (AA)Artificial Analysis–90.8%†
Humanity's Last Exam (AA)Artificial Analysis55.0%39.7%†
HLE-Diamond (AA)Artificial Analysis53.3%–
GPQA Diamond (Vals)Vals AI–91.7%†
Kagi LLM BenchmarkKagi LLM Benchmark–80.1%
GPQA Diamond (HELM)HELM Capabilities–80.3%
ARC-AGI-1ARC Prize96.5%75.0%
ARC-AGI-2ARC Prize83.9%†31.1%
ARC-AGI-3ARC Prize72.4%†–
CritPtArtificial Analysis31.4%9.1%†
CritPt v2 hard subset (AA)Artificial Analysis59.0%–
MysteryMechanismVals AI49.1%–
SciPredictScale AI SEAL–25.3%
HLE-Diamond (Scale)Scale AI SEAL37.5%†–
Arena ExpertArena (LMArena)1512†1499
Chess PuzzlesEpoch AI Benchmarking Hub59.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub65.0%–
CL-benchEpoch AI Benchmarking Hub–15.8%
LMCAEpoch AI Benchmarking Hub68.3%–
显示全部 213 项基准测试
指标发布方Claude Sonnet 5.5 (max)Gemini 3 Pro
推理
DTBenchEpoch AI Benchmarking Hub97.3%–
ForecastBenchForecastBench–65.0%
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub–72.9%
SciCodeSciCode61.0%–
WeirdMLWeirdML–69.9%
FrontierCodeCognition52.1%†–
GSO-BenchGSO-Bench–18.6%
Arena CodingArena (LMArena)1517†1517
Arena WebDevArena (LMArena)1772†1441
LiveBench 2.0 CodingLiveBench77.2%–
LiveBench 1.0 CodingLiveBench91.4%–
LiveCodeBenchVals AI–86.4%
IOIVals AI83.1%–
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 AI69.8%–
Code Migration v1.1Vals AI86.9%–
ProgramBenchVals AI6.5%–
SWE-bench MultimodalVals AI58.3%–
Vibe Code Bench v1.1Vals AI92.4%14.3%†
SWE-Bench Pro (private)Scale AI SEAL–17.9%
SWE Atlas v1.1Scale AI SEAL68.3%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL74.2%†–
SWE Atlas v1.1: Test WritingScale AI SEAL67.8%†–
SWE Atlas v1.1: RefactoringScale AI SEAL62.9%†–
SWE-Bench Pro V2Scale AI SEAL95.8%†–
SWE-Bench Pro V2 HARDScale AI SEAL70.6%†–
MirrorCodeEpoch AI Benchmarking Hub97.8%–
CursorBenchCursor55.5%–
ALE-BenchEpoch AI Benchmarking Hub1819.1†1176.8
AlgoTuneAlgoTune–1.8
FrontierSWEEpoch AI Benchmarking Hub61.9%–
WeirdML v3WeirdML19.9%†–
Terminal-Bench 4.0 (AA)Artificial Analysis63.6%–
Startrise FrontendStartrise75.9%†–
GameBench 2 OverallDuelLab GameBench 260.4†–
GameBench 2 by reasoning settingDuelLab GameBench 291.4†–
Design Arena WebsiteDesign Arena1309†1244
FrontierCode 1.1 (AA)Artificial Analysis45.8%–
FrontierCode 2.0 (AA)Artificial Analysis41.7%–
LiveCodeBench (AA)Artificial Analysis–91.8%†
智能体与工具
Terminal-BenchTerminal-Bench63.9%69.4%
GDPvalOpenAI–40.3%
Remote Labor IndexScale AI / CAIS–1.3%
APEX-AgentsMercor75.5%–
Arena AgentArena (LMArena)16–
LiveBench Long AgenticLiveBench63.4%–
LiveBench BrowserLiveBench89.3%–
LiveBench Agentic CodingLiveBench56.3%–
Terminal-Bench HardArtificial Analysis–41.7%†
τ²-Bench Telecom (AA)Artificial Analysis–87.1%†
Terminal-Bench 2.1 (Vals)Vals AI83.2%†–
MCP AtlasScale AI SEAL–70.3%
BFCL OverallBerkeley Function Calling Leaderboard–72.5%
τ²-benchτ²-bench–82.5%†
τ³-bench Bankingτ²-bench–18.0%†
GDPval-AA v2.1, normalised scoreArtificial Analysis66.9%–
GDPval-AA v2.1Artificial Analysis1838–
Analyst Agent (AA)Artificial Analysis57.5%–
CyberBenchVals AI59.6%–
Finance Agent v2Vals AI58.1%–
Finance Agent v2.1Vals AI67.3%–
Harvey's Legal Agent Benchmark v1.1Vals AI10.4%–
Harvey's Legal Agent Benchmark v1Vals AI2.9%–
Legal Research BenchVals AI48.1%–
Poker AgentVals AI–1078.9%
SREBenchVals AI30.1%–
Tax Agent BenchVals AI42.0%–
Terminal-Bench 2.0 (Vals)Vals AI–55.1%†
Terminal-Bench 4.0 (Vals)Vals AI64.1%–
Terminal-Bench ScienceVals AI47.1%–
Arena SearchArena (LMArena)–1201
Arena Agent Task CompletionArena (LMArena)19.5–
BALROGBALROG–58.1%
DeepResearch BenchDeepResearch Bench–46.3%†
METR Time HorizonsMETR–71.0%
Vending-Bench 2Andon Labs11165.3†5478.2
SpireClimbEpoch AI Benchmarking Hub1.3%–
AutomationBenchArtificial Analysis71.8%–
GDP.pdf (AA)Artificial Analysis25.8%–
Harvey LAB-AA v1.1Harvey2.8%–
AA-Briefcase v1.1Artificial Analysis1816–
GDPxGDPx by SemiAnalysis8.2%–
Design Arena AgenticDesign Arena1293†1080
Terminal-Bench-Science 0.1 (AA)Artificial Analysis53.3%–
MKA (AA)Artificial Analysis52.0%–
FACTS SearchGoogle86.8%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub88.8%–
FrontierMath Tier 4Epoch AI Benchmarking Hub80.5%–
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%91.4%
ProofBenchVals AI100.0%20.0%
LiveBench MathematicsLiveBench96.1%–
AIME (Vals)Vals AI–96.7%†
MGSMVals AI–93.9%†
AIME 2026MathArena–91.7%
HMMT February 2026MathArena–86.4%
MathArena ApexMathArena–23.4%
Omni-MATH (HELM)HELM Capabilities–55.6%
MATH 500Vals AI–96.4%†
Arena MathsArena (LMArena)1486†1475
FrontierMath ErdősEpoch AI Benchmarking Hub2.9%–
AIME 2025 (AA)Artificial Analysis–95.7%†
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub46.5%–
LiveBench 2.0 Data AnalysisLiveBench59.5%–
LiveBench ResearchLiveBench88.0%–
LiveBench 1.0 Data AnalysisLiveBench59.5%–
AA-Omniscience v1.1Artificial Analysis30.5–
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 SEAL–40.6%
MultiNRCScale AI SEAL–59.0%
MMLU-Pro (HELM)HELM Capabilities–90.3%
BioMysteryBenchVals AI81.1%–
CaseLaw v2Vals AI–53.1%†
ClaimBenchVals AI100.0%–
Excel Modeling BenchmarkVals AI75.7%–
Excel Modeling Benchmark v1.1Vals AI75.9%–
MedCodeVals AI52.9%52.2%†
MedScribeVals AI91.1%72.0%†
Public Benefits Bench v1.1Vals AI67.2%–
Access to Justice BenchmarkVals AI74.9%–
Financial Coaching BenchVals AI74.9%–
Immigration BenchVals AI69.0%–
GDP.pdfEpoch AI Benchmarking Hub31.4%–
AA-Omniscience v1.1: accuracyArtificial Analysis51.5%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis56.7%–
Global-MMLU-Lite (AA)Artificial Analysis–92.2%†
HealthBench Professional (AA)OpenAI63.0%–
FACTS ParametricGoogle35.1%†–
指令遵循
LiveBench LanguageLiveBench78.0%–
LiveBench Instruction FollowingLiveBench56.8%–
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)1482†1473
人类偏好
Arena TextArena (LMArena)1473†1486
EQ-Bench Creative Writing v3EQ-Bench–1524
Arena Creative WritingArena (LMArena)1464†1484
Arena Multi-turnArena (LMArena)1469†1495
Arena Longer QueriesArena (LMArena)1491†1491
多模态
Arena VisionArena (LMArena)1284†1305
LiveBench DesignLiveBench81.3%–
MMMU-ProArtificial Analysis–80.2%†
VISTAScale AI SEAL–51.5%
MMMU-Pro (Vals)Vals AI–87.5%†
MortgageTaxVals AI–69.1%†
SAGEVals AI88.0%–
AudioMCScale AI SEAL–54.6%†
AudioMC (text output)Scale AI SEAL–54.6%†
VTBScale AI SEAL–26.9%
GeoBenchGeoBench–84.0%
VPCTEpoch AI Benchmarking Hub–91.0%
Blueprint-Bench 2Epoch AI Benchmarking Hub39.3%†–
Furniture AssemblyEpoch AI Benchmarking Hub75.0%–
VIALS-AAHandshake AI59.6%–
Code2Video-AAArtificial Analysis1443–
AA-3DArtificial Analysis1204–
FACTS MultimodalGoogle50.4%†–
长上下文
AA-LCR v1.1Artificial Analysis82.7%76.0%†
Arena DocumentArena (LMArena)–1451
MLCRArtificial Analysis41.7%–
FACTS GroundingGoogle62.5%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub166.6†153.0
LiveBench 2.0LiveBench77.0%–
LiveBench 1.0LiveBench75.7%–
AA Intelligence Index v5.0.1Artificial Analysis54.5–
AA Intelligence Index v4.3.2Artificial Analysis5628.0†
AA Progress Index v1Artificial Analysis350.5290.7†
Vals IndexVals AI70.8–
HELM Capabilities meanHELM Capabilities–79.9%
Vals Finance IndexVals AI64.5%–
Vals Science IndexVals AI59.1%–
Vals Router IndexVals AI69.0%†–
Vals Legal IndexVals AI68.0%–
安全与诚实
FORTRESSScale AI SEAL–41.7%
MASKScale AI SEAL–42.6%
PropensityBenchScale AI SEAL–52.9%
DistressBenchScale AI SEAL74.6%†–
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 Sonnet 5.5 (max):36 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Gemini 3 Pro: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。
  • Gemini 3 Pro:1 项新结果(Arena Search)。
  • Claude Sonnet 5.5 (max):1 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。
  • Claude Sonnet 5.5 (max):1 项新结果(MirrorCode)。

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 Pro:常见问题

Claude Sonnet 5.5 比 Gemini 3 Pro 更好吗?
质量上 Claude Sonnet 5.5 (max) 领先:64.2 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 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 Pro 哪个更便宜?价格会变吗?
目前 Claude Sonnet 5.5 更便宜:每百万 token $4.00 比 $4.50(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 Sonnet 5.5 还是 Gemini 3 Pro 更好?
Claude Sonnet 5.5 在编程方面得分更高(类别得分 70 比 58,50 为平均水平)。
智能体和工具调用用 Claude Sonnet 5.5 还是 Gemini 3 Pro 更好?
Claude Sonnet 5.5 在智能体任务方面得分更高(类别得分 71 比 62,50 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 Sonnet 5.5 为 63.9%,Gemini 3 Pro 为 69.4%。
第三方基准测试对 Claude Sonnet 5.5 和 Gemini 3 Pro 的看法一致吗?
在两者都有结果的 5 项基准测试中,Claude Sonnet 5.5 领先 4 项,Gemini 3 Pro 领先 1 项。第三方来源看法不一:Claude Sonnet 5.5 在 BenchLeader Index 上领先;Gemini 3 Pro 在 Arena Text 上领先。
更多问题(1)
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。