内容更新: 2026-10-09
Claude vs Gemini：公开评测分数对照
公开证据对照
先看共有测试，再自己验证
本页汇总双方共同出现在同一公开第三方评测中的结果，并标明精确模型版本与原始来源。条形图只比较同一测试内的分数，不能替代你用真实任务亲自试用。
Claude vs Gemini：差异集中在哪
公开评测快照里的差异
- 公开快照整体格局（2026-09-29 抓取）：这一对在 Arena 的通用对话、搜索与编程偏好，以及 LiveBench 的语言、数学、推理、数据分析、编程等类别上都有共同成绩。多数分项里 Claude 的代表配置排在更前（语言、数学、推理、编程均为第 1–2 名），Gemini 在指令遵循一项拿到第 1（81.4 对 75.8）。注意两边用的都不是同一档位的配置：Claude 侧多为 opus-5.5 max effort，Gemini 侧多为 flash 档，档次不同不能当成同代对比。
- 真实代码修复（SWE-bench Verified）：Claude 侧 79.2%（Sonar Foundation Agent + Claude 4.5 Opus，列第 1），Gemini 侧 77.4%（live-SWE-agent + Gemini 3 Pro Preview，列第 4）。两者都是「智能体框架 + 模型」的组合成绩，差距 1.8 个百分点，属于同一梯队。
产品与使用条件的差异
- 访问与登录：Claude 官网 claude.ai 与 Gemini 官网 gemini.google.com 都需要相应账号；Gemini 与 Google 账号体系打通，在 Workspace 与 Android 上入口更多。
- 产品定位：Claude 的产品重心在长文写作、代码审阅与保守可靠的输出风格；Gemini 的重心在搜索、Google 生态衔接与多模态入口。你的日常入口在哪一侧，长期体验差别会放大。
- 价格与套餐：两边定价结构不同且经常调整，本页不引用具体数字。请在 Anthropic 与 Google 的官方定价页（见下方官方来源）核对当前套餐。
建议的同题实测任务
- 长文精修：同一篇 2000 字稿件要求「只改逻辑不通处，保留原语气」，对比谁改动更克制
- 指令遵循：给一条含 5 个约束的格式要求，看谁一次全中、谁漏掉其中两条
- 多模态任务：同一个带图表的网页或截图，要求提取数据并给出结论，核对谁读图更准
怎么选：按你的任务落位
- 选 Claude，如果：你的高频任务是长文写作、代码审阅与需要保守判断的输出；公开快照里它在语言、数学、推理、编程多项领先。
- 选 Gemini，如果：你依赖 Google 生态（Workspace、Search、Android）、需要更强的指令遵循与搜索类场景。
- 不要只看这一个指标：两边的代表配置不在同一档位（max effort 对 flash），分数差不能直接读成产品差。请用上面的任务在你自己账号的对应档位上跑一遍。
公开分数上 Claude 覆盖面更广，但 Gemini 拿下了指令遵循第 1；真正的选型依据是你的入口生态与高频任务类型，两者组合使用也是常见做法。
快照证据的抓取时间与原始来源见下方评测表。实测任务请在你自己的账号上运行；本页提供证据与任务设计，不代你下结论。
公开评测怎么说
下面只展示这些模型共同出现在同一公开评测类别里的结果。不同来源的分数不能相加，也不能据此宣布谁全面更好。
Claude
9
在共有测试中分数更高的项目
Gemini
2
在共有测试中分数更高的项目
共有测试
11
不同来源的分数不能相加
Arena · 编程偏好
Arena 让用户在不知道模型身份的情况下选出更好的回答。Elo 越高，说明该类别里偏好票越多——并不等于产品的全面最优。
| 产品 | 精确模型版本 | 排名 | 成绩 | 指标 |
|---|---|---|---|---|
| Claude | claude-opus-5.5-max | 1 | 1814 Elo | Elo (Elo) |
| Gemini | gemini-4-argon-high | 9 | 1678 Elo | Elo (Elo) |
Arena · 搜索类偏好
Arena 让用户在不知道模型身份的情况下选出更好的回答。Elo 越高，说明该类别里偏好票越多——并不等于产品的全面最优。
| 产品 | 精确模型版本 | 排名 | 成绩 | 指标 |
|---|---|---|---|---|
| Claude | claude-opus-4-6-search | 2 | 1253 Elo | Elo (Elo) |
| Gemini | gemini-3.1-pro-grounding | 9 | 1210 Elo | Elo (Elo) |
Arena · 通用对话偏好
Arena 让用户在不知道模型身份的情况下选出更好的回答。Elo 越高，说明该类别里偏好票越多——并不等于产品的全面最优。
| 产品 | 精确模型版本 | 排名 | 成绩 | 指标 |
|---|---|---|---|---|
| Gemini | gemini-4-argon-high | 1 | 1525 Elo | Elo (Elo) |
| Claude | claude-opus-4-6-high | 2 | 1505 Elo | Elo (Elo) |
LiveBench · 智能体编程
LiveBench 用定期更新的客观题目给模型打分。类别分数越高，说明该类任务上的测量表现更好——并不构成通用总排名。
| 产品 | 精确模型版本 | 排名 | 成绩 | 指标 |
|---|---|---|---|---|
| Claude | claude-opus-5-5-max-effort | 2 | 71.72 points | Category score (points) |
| Gemini | gemini-3.7-flash-high | 19 | 58.28 points | Category score (points) |
LiveBench · 编程任务
LiveBench 用定期更新的客观题目给模型打分。类别分数越高，说明该类任务上的测量表现更好——并不构成通用总排名。
| 产品 | 精确模型版本 | 排名 | 成绩 | 指标 |
|---|---|---|---|---|
| Claude | claude-sonnet-5-5-max-effort | 1 | 91.37 points | Category score (points) |
| Gemini | gemini-3.7-flash-high | 29 | 78.89 points | Category score (points) |
LiveBench · 数据分析
LiveBench 用定期更新的客观题目给模型打分。类别分数越高，说明该类任务上的测量表现更好——并不构成通用总排名。
| 产品 | 精确模型版本 | 排名 | 成绩 | 指标 |
|---|---|---|---|---|
| Claude | claude-fable-5-max-effort | 6 | 80.54 points | Category score (points) |
| Gemini | gemini-3.1-pro-preview-high | 23 | 78.54 points | Category score (points) |
LiveBench · 指令遵循
LiveBench 用定期更新的客观题目给模型打分。类别分数越高，说明该类任务上的测量表现更好——并不构成通用总排名。
| 产品 | 精确模型版本 | 排名 | 成绩 | 指标 |
|---|---|---|---|---|
| Gemini | gemini-3.8-flash-high | 1 | 81.41 points | Category score (points) |
| Claude | claude-fable-5-max-effort | 6 | 75.77 points | Category score (points) |
LiveBench · 语言任务
LiveBench 用定期更新的客观题目给模型打分。类别分数越高，说明该类任务上的测量表现更好——并不构成通用总排名。
| 产品 | 精确模型版本 | 排名 | 成绩 | 指标 |
|---|---|---|---|---|
| Claude | claude-fable-5-max-effort | 1 | 90.68 points | Category score (points) |
| Gemini | gemini-3.8-flash-high | 7 | 87.79 points | Category score (points) |
LiveBench · 数学
LiveBench 用定期更新的客观题目给模型打分。类别分数越高，说明该类任务上的测量表现更好——并不构成通用总排名。
| 产品 | 精确模型版本 | 排名 | 成绩 | 指标 |
|---|---|---|---|---|
| Claude | claude-opus-5-5-max-effort | 1 | 97.08 points | Category score (points) |
| Gemini | gemini-3.7-flash-high | 21 | 93.47 points | Category score (points) |
LiveBench · 推理
LiveBench 用定期更新的客观题目给模型打分。类别分数越高，说明该类任务上的测量表现更好——并不构成通用总排名。
| 产品 | 精确模型版本 | 排名 | 成绩 | 指标 |
|---|---|---|---|---|
| Claude | claude-opus-5-5-max-effort | 3 | 92.15 points | Category score (points) |
| Gemini | gemini-3.8-flash-high | 18 | 89.29 points | Category score (points) |
SWE-bench Verified · 真实软件问题修复
SWE-bench Verified 衡量 AI 编程系统修好真实 GitHub 问题的比例。解决率越高，说明在该次测试设置中修好的问题越多。
| 产品 | 精确模型版本 | 排名 | 成绩 | 指标 |
|---|---|---|---|---|
| Claude | Sonar Foundation Agent + Claude 4.5 Opus | 1 | 79.2% | Resolved (%) |
| Gemini | live-SWE-agent + Gemini 3 Pro Preview (2025-11-18) | 4 | 77.4% | Resolved (%) |
产品入口
亲自试用时可核对的事项
- 对你的真实任务，答案是否准确、完整，以及还需要多少人工修改。
- 当前套餐的配额、价格与地区可用性是否满足长期使用。
- 隐私条款、登录方式与团队协作是否符合你的工作要求。
更多有公开证据的模型对比
官方来源与核验时间
下列链接是本页产品身份与套餐信息的官方来源，最后核验于 2026-09-28。价格、可用模型、配额与地区限制可能变化，请在购买或部署前以官网为准。
- Anthropic plans and pricing - 2026-09-28
- Google Gemini plans - 2026-09-28
常见问题
本页是否给出绝对排名？
不会。本站只在公开测试条件、原始来源与审校方法可核验时，才呈现限定条件下的结论；不会发布脱离场景的“全面最优”名单。
价格和套餐信息是否最终有效？
页面会链接官方来源并标注核验日期。购买或部署前，请以提供方官网及你所在地区显示的价格与条款为准。
ModelAny 会保存提示词吗？
ModelAny 采用本地优先设计：草稿、设置与历史保留在浏览器本地；提示词仅发送到你选择的 AI 服务，不会上传到 ModelAny 自有服务器。
用同一提示词比较多个模型
ModelAny 是免费的浏览器扩展，源码公开可审阅，已在 Chrome 网上应用店 与 Microsoft Edge 加载项 上架。草稿、设置与历史保留在浏览器本地。
安装扩展