Claude Sonnet 4.5vsGemini 2.5-Pro
在 23 个共同 benchmark 中，Claude Sonnet 4.5 整体领先：Claude Sonnet 4.5 领先 14 项，Gemini 2.5-Pro 领先 7 项，持平 2 项，平均分差 +6.21。
Claude Sonnet 4.5
Anthropic · 2025-09-30 · 聊天大模型
Gemini 2.5-Pro
Google Deep Mind · 2025-06-05 · 推理大模型
Claude Sonnet 4.514 项(61%)持平2(30%)7 项Gemini 2.5-Pro
评测分数
按能力类目分组，每组内按分差大小排列；共 23 项。
General Knowledge
Claude Sonnet 4.5 领先 5/6| 评测项 | Claude Sonnet 4.5 | Gemini 2.5-Pro | 分差 |
|---|---|---|---|
| ARC-AGI | 63.7032 / 65 | 3747 / 65 | +26.70 |
| HLE | 33.6067 / 157 | 21.6097 / 157 | +12 |
| ARC-AGI-2 | 13.6035 / 59 | 4.9044 / 59 | +8.70 |
| LiveBench | 78.264 / 52 | 71.9213 / 52 | +6.34 |
| GPQA Diamond | 83.4058 / 178 | 86.4041 / 178 | -3 |
| MMLU Pro | 887 / 126 | 8620 / 126 | +2 |
Math and Reasoning
Gemini 2.5-Pro 领先 3/5| 评测项 | Claude Sonnet 4.5 | Gemini 2.5-Pro | 分差 |
|---|---|---|---|
| IMO-ProofBench | 27.108 / 16 | 55.203 / 16 | -28.10 |
| IMO-ProofBench Advanced | 4.806 / 8 | 17.604 / 8 | -12.80 |
| AIME2025 | 1001 / 106 | 8843 / 106 | +12 |
| FrontierMath | 5.2038 / 60 | 1123 / 60 | -5.80 |
| FrontierMath - Tier 4 | 2.1056 / 80Normal (No Tools) | 2.1056 / 80Normal (No Tools) | 持平 |
Agent Level Benchmark
Claude Sonnet 4.5 领先 2/2| 评测项 | Claude Sonnet 4.5 | Gemini 2.5-Pro | 分差 |
|---|---|---|---|
| τ²-Bench - Telecom | 985 / 35 | 5432 / 35 | +44 |
| Terminal Bench Hard | 338 / 13 | 2512 / 13 | +8 |
AI Agent - Tool Usage
Claude Sonnet 4.5 领先 2/2| 评测项 | Claude Sonnet 4.5 | Gemini 2.5-Pro | 分差 |
|---|---|---|---|
| Terminal-Bench | 503 / 35 | 25.3028 / 35 | +24.70 |
| Terminal Bench 2.0 | 42.8041 / 46 | 32.6046 / 46 | +10.20 |
Coding and Software Engineer
胶着 2/2| 评测项 | Claude Sonnet 4.5 | Gemini 2.5-Pro | 分差 |
|---|---|---|---|
| SWE-bench Verified | 826 / 108 | 67.2068 / 108 | +14.80 |
| LiveCodeBench | 7147 / 120 | 77.1034 / 120 | -6.10 |
AI Agent - Information Search
Claude Sonnet 4.5 领先 1/1| 评测项 | Claude Sonnet 4.5 | Gemini 2.5-Pro | 分差 |
|---|---|---|---|
| BrowseComp | 24.1043 / 45 | 7.8044 / 45 | +16.30 |
Instruction Following
Claude Sonnet 4.5 领先 1/1| 评测项 | Claude Sonnet 4.5 | Gemini 2.5-Pro | 分差 |
|---|---|---|---|
| IF Bench | 57.3021 / 29 | 4928 / 29 | +8.30 |
Long Context
胶着 1/1| 评测项 | Claude Sonnet 4.5 | Gemini 2.5-Pro | 分差 |
|---|---|---|---|
| AA-LCR | 668 / 13 | 668 / 13 | 持平 |
Multimodal Understanding
Gemini 2.5-Pro 领先 1/1| 评测项 | Claude Sonnet 4.5 | Gemini 2.5-Pro | 分差 |
|---|---|---|---|
| MMMU | 77.8014 / 28 | 829 / 28 | -4.20 |
Productivity Knowledge
Claude Sonnet 4.5 领先 1/1| 评测项 | Claude Sonnet 4.5 | Gemini 2.5-Pro | 分差 |
|---|---|---|---|
| GDPval-AA | 3916 / 21 | 2221 / 21 | +17 |
常识推理
Gemini 2.5-Pro 领先 1/1| 评测项 | Claude Sonnet 4.5 | Gemini 2.5-Pro | 分差 |
|---|---|---|---|
| Simple Bench | 54.309 / 27 | 62.402 / 27 | -8.10 |
规格对比
| 字段 | Claude Sonnet 4.5 | Gemini 2.5-Pro |
|---|---|---|
| 发布机构 | Anthropic | Google Deep Mind |
| 发布时间 | 2025-09-30 | 2025-06-05 |
| 模型类型 | 聊天大模型 | 推理大模型 |
| 架构 | 稠密模型 | 稠密模型 |
| 参数规模 | 暂无数据 | 暂无数据 |
| 上下文长度 | 1000K | 1000K |
| 最大输出 | 64K | 64K |
小结
- Claude Sonnet 4.5在以下类目领先:General Knowledge (5/6)、Agent Level Benchmark (2/2)、AI Agent - Tool Usage (2/2)、AI Agent - Information Search (1/1)、Instruction Following (1/1)、Productivity Knowledge (1/1)
- Gemini 2.5-Pro在以下类目领先:Math and Reasoning (3/5)、Multimodal Understanding (1/1)、常识推理 (1/1)
- 胶着类目:Coding and Software Engineer、Long Context
23 个共同 benchmark 上，Claude Sonnet 4.5 平均高出 6.21 分。
单项差距最大的 benchmark：τ²-Bench - Telecom — Claude Sonnet 4.5 98，Gemini 2.5-Pro 54（分差 +44）。
本页正文由结构化模型、价格与 benchmark 数据生成，不使用实时 LLM 撰写。