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。
Claude Sonnet 4
Anthropic
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: 暂无明显优势 / 相对落后: Agent能力评测 -38.2
相对优势: Agent能力评测 +38.2 / 相对落后: 暂无明显落后
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
Gemini 3.0 Flash · 71.90
单项最高
Gemini 3.0 Flash · AIME2025 99.70
模态覆盖
Gemini 3.0 Flash · 4 种模态
正面对比
10
评测基准
1
领先项
9
落后项
-14.77
平均分差
完整列出各模型/模式的评测得分，便于横向比较。
10 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 4 | Gemini 3.0 Flash |
|---|---|---|
ARC-AGI-2 综合评估 | 5.90开启思考 | 33.60开启思考 |
GPQA Diamond 综合评估 | 83.80深度思考模式 ｜ 工具 | 90.40开启思考 |
HLE 综合评估 | 9.60开启思考 | 43.50开启思考 ｜ 工具 |
LiveBench 综合评估 | 61.2764K | 72.40思考水平·高 |
SWE-Bench Pro - Public 编程与软件工程 | 42.70开启思考 | 49.60思考水平·高 ｜ 工具 |
SWE-bench Verified 编程与软件工程 | 72.70开启思考 ｜ 工具 | 68.70开启思考 |
AIME2025 数学推理 | 85.00深度思考模式 ｜ 工具 | 99.70开启思考 ｜ 工具 |
τ²-Bench Agent能力评测 | 52.00常规模式 ｜ 工具 | 90.20开启思考 ｜ 工具 |
Claw Bench OpenClaw智能体能力综合测评 | 77.80开启思考 ｜ 工具 | 85.70开启思考 ｜ 工具 |
Pinch Bench OpenClaw智能体能力综合测评 | 80.50开启思考 ｜ 工具 | 85.20开启思考 ｜ 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 Sonnet 4Anthropic | Gemini 3.0 FlashGoogle Deep Mind |
|---|---|---|
核心规格发布时间 | 2025-05-23 | 2025-12-17 |
上下文 | 200K | 2000K |
最大输出 | 64000 | 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） | 常规模式（Non-Thinking Mode）思考模式（Thinking Mode）深度思考（Deeper Thinking Mode） |
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 4 | Gemini 3 Flash: frontier intelligence built for speed |
DataLearner 博客 | Anthropic发布Claude4，全球最强编程大模型，大幅提升AI Agent系统所需的各项能力，最长可以7小时连续工作，80%工程任务自主完成 | Gemini 3 Flash：Google 在 12 月 17 日发布的新一代默认模型 |
Gemini 3.0 Flash
Google Deep Mind
