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: 数学推理 +6.5 / 相对落后: AI Agent - 信息收集 -6.6
相对优势: AI Agent - 信息收集 +6.6 / 相对落后: 数学推理 -6.5
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
Opus 4.7 · 66.49
单项最高
Gemini 3.1 Pro Preview · GPQA Diamond 94.30
模态覆盖
Opus 4.7 · 2 种模态
正面对比
8
评测基准
3
领先项
5
落后项
+1.66
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 | Opus 4.7 | Gemini 3.1 Pro Preview |
|---|---|---|
ARC-AGI-2 综合评估 | 75.80思考水平·高 | 77.10思考水平·高 |
GPQA Diamond 综合评估 | 94.20扩展思考 | 94.30思考水平·高 |
HLE 综合评估 | 54.70扩展思考 ｜ 工具 | 44.40思考水平·高 |
MMLU 综合评估 | 91.50常规模式 | 92.60思考水平·高 |
FrontierMath 数学推理 | 43.80思考水平·极高 | 36.90思考水平·高 |
22.90思考水平·极高 | 16.70常规模式 | |
BrowseComp AI Agent - 信息收集 | 79.30扩展思考 ｜ 工具 | 85.90思考水平·高 ｜ 工具 |
TerminalBench 2.1 AI Agent - 工具使用 | 69.70思考水平·高 ｜ 工具 | 70.70思考水平·高 ｜ 工具 |
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 | Opus 4.7Anthropic | Gemini 3.1 Pro PreviewGoogle Deep Mind |
|---|---|---|
核心规格发布时间 | 2026-04-16 | 2026-02-20 |
上下文 | 1000K | 1M |
最大输出 | 131072 | 32768 |
MoE 架构 | 不支持 | 不支持 |
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 | / | 未提供 |
图片 输入/输出 | / | 未提供 |
资料来源论文 / 报告 | Introducing Claude Opus 4.7 | Gemini 3.1 Pro: A smarter model for your most complex tasks |
DataLearner 博客 | Anthropic发布Claude Opus 4.7：编程能力大幅跃升，视觉分辨率提升超3倍，首个搭载网络安全防护机制的旗舰模型！ | 未提供 |
