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 +14.9 / 相对落后: 常识推理 -14.8
相对优势: 常识推理 +14.8 / 相对落后: 编程与软件工程 -14.9
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 Opus 4.8 · 189.89
单项最高
Claude Opus 4.8 · Text Arena (Coding) 1545.05
模态覆盖
Gemini 3.1 Pro Preview · 4 种模态
正面对比
13
评测基准
9
领先项
4
落后项
+12.99
平均分差
完整列出各模型/模式的评测得分，便于横向比较。
13 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 Opus 4.8 | Gemini 3.1 Pro Preview |
|---|---|---|
HLE 综合评估 | 57.90扩展思考 ｜ 工具 | 51.40思考水平·高 ｜ 工具 |
LiveBench 综合评估 | 78.79深度思考模式 | 79.93思考水平·高 |
GPQA Diamond 科学与综合推理 | 93.60思考水平·高 | 94.30思考水平·高 |
DeepSWE 编程与软件工程 | 59.00深度思考模式 ｜ 工具 | 12.00思考水平·高 ｜ 工具 |
SWE-Bench Pro - Public 编程与软件工程 | 69.20扩展思考 ｜ 工具 | 54.20思考水平·高 ｜ 工具 |
SWE-bench Verified 编程与软件工程 | 88.60扩展思考 ｜ 工具 | 80.60思考水平·高 ｜ 工具 |
Text Arena (Coding) 编程与软件工程 | 1545.05常规模式 | 1461.49常规模式 |
WeirdML v2 编程与软件工程 | 82.89思考水平·极高 ｜ 工具 | 72.10常规模式 ｜ 工具 |
SimpleBench 常识推理 | 64.80常规模式 | 79.60常规模式 |
BrowseComp AI Agent - 信息收集 | 84.30思考水平·高 ｜ 工具 | 85.90思考水平·高 ｜ 工具 |
MCP-Atlas AI Agent - 工具使用 | 82.20思考水平·高 ｜ 工具 | 78.20思考水平·高 ｜ 工具 |
OSWorld-Verified AI Agent - 工具使用 | 83.40扩展思考 ｜ 工具 | 76.20开启思考 ｜ 工具 |
Terminal-Bench 2.1 AI Agent - 工具使用 | 78.90思考水平·高 ｜ 工具 | 73.80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 | Claude Opus 4.8Anthropic | Gemini 3.1 Pro PreviewGoogle Deep Mind |
|---|---|---|
核心规格发布时间 | 2026-05-28 | 2026-02-20 |
上下文 | 1M | 1M |
最大输出 | 128000 | 65536 |
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 | / | / |
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 Opus 4.8 | Gemini 3.1 Pro: A smarter model for your most complex tasks |
DataLearner 博客 | Anthropic发布Claude Opus 4.8：定价不变，编程与智能体能力小幅提升， | 未提供 |
Gemini 3.1 Pro Preview
Google Deep Mind
