自动展示选中模型的核心信息与各评测得分，可左右滑动查看完整表格。 当前对比 2 个模型的评测数据与核心参数。
每条轴代表一个评测领域的平均水平，并统一映射到 100 分雷达坐标。
相对优势: 编程与软件工程 +17.0 / 相对落后: 常识推理 -18.8
相对优势: 常识推理 +18.8 / 相对落后: 编程与软件工程 -17.0
计算口径：同一模型在同一 benchmark 下先平均当前模式范围内的所有分数，不取最高分；再按评测领域对这些 benchmark 分数求平均。只纳入至少两个模型有数据的 benchmark，缺项不按 0 分处理。
综合领先
Claude Sonnet 5 · 64.54
单项最高
Gemini 3.5 Flash · GPQA Diamond 92.80
模态覆盖
Gemini 3.5 Flash · 4 种模态
正面对比
8
评测基准
6
领先项
2
落后项
+3.17
平均分差
完整列出各模型/模式的评测得分，便于横向比较。
8 项可对比评测得分汇总。每个模型展示最佳得分，模式在分数下方标注。
| 评测项 | Claude Sonnet 5 | Gemini 3.5 Flash |
|---|---|---|
HLE 综合评估 | 57.40思考水平·极高 ｜ 工具 | 40.20思考水平·高 ｜ 工具 |
GPQA Diamond 科学与综合推理 | 90.53思考水平·极高 | 92.80思考水平·高 |
DeepSWE 编程与软件工程 | 54.00深度思考模式 ｜ 工具 | 37.00思考水平·中 ｜ 工具 |
SimpleBench 常识推理 | 57.90常规模式 | 76.70常规模式 |
OSWorld-Verified AI Agent - 工具使用 | 81.20思考水平·极高 ｜ 工具 | 78.40思考水平·高 ｜ 工具 |
Terminal-Bench 2.1 AI Agent - 工具使用 | 80.40思考水平·极高 ｜ 工具 | 76.20思考水平·高 ｜ 工具 |
29.27思考水平·高 | 26.83思考水平·高 | |
FrontierMath v2 数学推理 | 65.61思考水平·高 | 62.81思考水平·高 |
输入输出 token 价格并排展示
是否 MoE、商业授权、模态支持等附加能力对比。
| 功能与规格 | Claude Sonnet 5Anthropic | Gemini 3.5 FlashGoogle Deep Mind |
|---|---|---|
核心规格发布时间 | 2026-06-30 | 2026-06-20 |
上下文 | 1M | 1M |
最大输出 | 128000 | 65536 |
MoE 架构 | 不支持 | 不支持 |
支持模式 | 常规模式（Non-Thinking Mode）思考模式（Thinking Mode）深度思考（Deeper Thinking Mode） | 暂无模式数据 |
开源与许可代码开源 | 未提供 | 未提供 |
权重开源 | 未提供 | 未提供 |
商业授权 | 不开源 | 不开源 |
模态支持文本 输入/输出 | / | / |
图片 输入/输出 | / | / |
音频 输入/输出 | 未提供 | / |
视频 输入/输出 | 未提供 | / |
资料来源论文 / 报告 | Introducing Claude Sonnet 5 | Gemini 3.5: frontier intelligence with action |
