跳到正文

对比模型

Claude Opus 5 与 Gemini 3 Pro

作者:Ofrai Editorial(Model Testing Team)

Claude Opus 5 和 Gemini 3 Pro 是 Ofrai 对话工作室里最难选的两个模型,因为它们各自站在自家体系的顶端,而且都没有更便宜的兄弟型号能替下同一份活。Opus 5 是 Anthropic 前沿层级当前的旗舰一代,Gemini 3 Pro 是 Google 第三世代的旗舰推理档。两者都作为标准对话模型共用同一套积分,所以真正的问题不是哪家领先,而是哪种失败你更承受不起:材料很长且多条要求互相冲突时选 Opus 5;早期一步出错会悄悄污染后续时选 Gemini 3 Pro。其余情况都是预算问题。

对话与视频按积分计费。

这场对比真正决定的是什么

两个模型都是各自家族的顶级旗舰,所以常见的层级论证在这里并不成立。名字里没有 Opus 5 轻量版,也没有 Gemini 3 Pro 的折扣档:想要 Anthropic 的这个深度只能选 Opus 5,想要 Google 的这个深度只能选 Gemini 3 Pro。这把省事的答案拿掉了,留下一个更窄的问题——你的失败究竟来自长材料上丢掉线索,还是来自早期某一步的错被悄悄放大?

前者难以察觉也难以补救,后者只要逼着模型展示过程就容易看出来。先想清楚你这一周属于哪一种,再决定花钱。

Claude Opus 5 真正强在哪里

Opus 5 被记录下来的强项,是在长材料上处理互相冲突的约束。给它一组无法同时满足的要求,它会分类而不是随便挑一条照做——哪些是硬性要求、哪些只是偏好、工期一旦延后该先放弃哪一条。如果交付物是别人不会再看第二遍就会照着执行的东西:合同条款、架构决策、评审结论。这笔开销就花在这里。

Gemini 3 Pro 真正强在哪里

Gemini 3 Pro 是为早期出错会悄悄污染后续的问题而建的。它被记录下来的强项是多步分析、严格遵循长指令链,以及过程与答案同等重要的工作——代码、数学与会被照着做的逻辑。它同样适合带大量且必须全部成立的约束的需求说明,以及合同、方案、分析备忘这类高风险起草。

要看的信号是后果而不是难度:如果第二步错了就得整份重做,那就是这一档该接的任务。它在同世代里比 Gemini 3 Flash 高一档,是升级用的模型而不是日常默认。

共同的风险:拿旗舰价做不需要旗舰的活

因为两者都在顶端,都很容易被过度部署。两个模型页都没有把大批量常规工作、快速查询和日常初稿列为自己旗舰的用途,这条克制同样适用。你工作日里的大部分内容——摘要、改写、日常起草、标准分类——两个档位都不需要,而两家实验室都为这类活准备了更便宜的选项。

管用的规则是:如果连每周那两三份真正需要旗舰推理的输出都说不出名字,你就是两个模型都用得太频繁。反过来说,这也意味着你不必在两者之间二选一:便宜档位承担大部分量,旗舰只接那几份需要它的输出,这比争论谁更强更省事。

层级位置与开销的关系

两者都是同一套 Ofrai 共享积分里的高阶对话模型,所以这是单次生成对单次生成的比较,工作室会在发送前显示积分消耗。有两个结构性事实影响成本。其一,Opus 5 在新项目上取代了 Opus 4.x 系列,而提示与评估已针对旧版本调校好的场景仍然可以继续用旧版本,因此现有流程不一定需要迁移。

其二,Gemini 3 Pro 属于第三世代,平台上同时还有更新的 Google 世代。这两点都不让对方模型过时,而是说明你可以让各自那一档停在当前世代,仍然公平比较。

更新不等于更好,两边都成立

这两家都还有比本页模型更新的世代,而版本号本身不是质量排序。Gemini 3 Pro 处在第三世代,平台上还有更新的 Google 世代;Claude Opus 5 是同一前沿层级的新一代,与它并存的还有 Opus 4.x。跨世代的变化通常体现在长任务里指令遵循更稳、冲突约束处理得更好,而不是多出一类新能力。

实际后果是升级不必然是赢:拿更新模型和你自己的提示、你自己的文档去比,而不是相信标签。在 Ofrai 上,你可以用同一套积分把同一条高难度提示跑过多个条目直接看结果。

怎么提示 Opus 5:先让它解决冲突再起草

Opus 5 喜欢一份坦承问题很乱的需求说明。给它约束条件,先让它分成硬性要求与偏好,再问它如果工期延后先放弃哪一条。要求它按严重程度列出最严重的三个问题,每个附上具体修复方式和放着不管的风险——这样的框定能把它从写作者变成审阅者。明确写出输出形态,因为前沿模型默认输出散文;并且分阶段推进,不要一次要求所有内容。

处理长材料时有两个习惯很关键:说明读者是谁,以及当几处材料互相矛盾时以哪一处为准。

怎么提示 Gemini 3 Pro:让它展示过程

Gemini 3 Pro 的优势在于严格遵循长指令链,所以提示词要写成流程而不是愿望。要求它分编号逐步处理,在每一步展示该步的推理,并标注每一个需要假设的地方。最后这条指令在这个模型上最有价值:它把悄悄出现的空缺变成看得见的空缺。

给出一组约束时,先要结果,再让它把每条约束对应到结果中满足它的位置,这样漏掉的要求会表现为缺失的一行,而不是无声的省略。多步任务要给它明确的停止条件,并要求它说明下一步打算换什么方案。

编程该选哪一个

两者都是前沿模型,代码都能写得住;真正的划分在阶段而不在语言。材料很大、判断本身才是交付物时,Opus 5 更强——跨多文件的变更审查、在陌生代码库里追根溯源、两个都能编译的设计之间做取舍。问题自成一体、过程才是交付物时,Gemini 3 Pro 更合适:数学或逻辑推导、有明确契约的算法、那种你需要看到每一步才敢信结论的题目。

两者都要要求给差异而不是整段代码,并且只要关键那行的推理,不要整个变更的。审二十行和审两百行是两种工作。

长文档与混合格式的需求说明

材料很长、结论必须经得起别人阅读时选 Opus 5:政策草稿、方案、全程引用证据的分析、结论取决于两百条消息之前说了什么的对话记录。输入是一堆格式混杂的材料、而输出是一份你打算自己再重组的宽口径第一稿时选 Gemini 3 Pro;需求带有一长串必须同时成立的约束时也是它。

两者都不默认输出结构化内容,所以两种情况下都要指定形态:带列名的表格,或者键名固定的对象。指定之后,拿到的结果通常可以直接用。如果材料实在太多,先让它只读其中一部分并说明为什么选这部分,等你确认范围对了再让它处理剩下的部分。两家模型都会用你使用的语言回答,所以不必先把材料翻成英文再处理。

各自在哪里丢掉线索

两个模型典型的失败方式不同,而这正是这对组合最值得记住的地方。Opus 5 容易在很长的机械处理上掉线:四十条清单、逐项核对、每行都套同一规则的重复处理,在尾部条目上飘走,有时干脆用总结代替做完。

Gemini 3 Pro 更容易过度投入:答案其实早已确定,它还在继续推;需求本身含糊时,它会给出一个对你并未真正提出的问题的详尽回答。两者都可能悄悄丢掉几条消息之前给过的约束。无论哪个模型在答,发下一次新请求之前,都把真正重要的约束重述一遍。

另外留一个心眼:它们都属于会在不确定时继续往前走的模型,所以收尾时问一句「哪几处是你没有把握的」,比通读全文更快发现问题。列表式的输出尤其要抽查末尾几项,因为漂移几乎总是从尾部开始。清单很长时,先让它只处理前十条给你看格式,满意了再让它接着往下做。

把同一条提示词跑两遍,先读开头

拿一件你真的卡住的任务,写一条提示词,在同一线程里发给两个模型,读开头而不是结论。四项检查比通读两份成品更快地区分它们:它是问了正确的问题,还是接受了一个含糊的需求;是否严格遵守格式约束;有没有标出无法核实的地方;用了多少字才走到答案。

这里还特别值得加第五项:它有没有在你最没把握的那一步展示了过程。这个测试比任何功能列表都有预测力,而在 Ofrai 上它只多花一次积分,用的还是你本来就要花的那套余额。

两者都不合适时,便宜的层级更合适

你感觉到的这两个模型之间的差异,绝大多数只活在很小一部分工作里,而真正的决策就落在那一部分。把摘要、改写、日常起草和常规问答下放到更便宜的档位并不是妥协——两家实验室本来就是为这类活设计那些档位的,工作室也会在提交前显示积分消耗。把 Opus 5 和 Gemini 3 Pro 留给别人真正会照着执行的输出,其余全部下放。

还有一个实务提醒:这个条目在 Ofrai 上把 Gemini 3 Pro 登记为文本对话模型,如果你的任务依赖图片或音频输入,请按你实际使用的部署去核实它到底开放了什么,而不是从实验室名称去推断。

Ofrai 积分标价

评分为站内实测编辑估计,非第三方基准。

模型类型积分
Claude Opus 5对话模型Input/Output 1.37136/6.8568
Gemini 3 Pro对话模型Input/Output 1.46278/8.7767

常见问题

Claude Opus 5 比 Gemini 3 Pro 更好吗?
不存在单纯的更好,而且在这个层级上没有便宜的兄弟型号可以利用。Claude Opus 5 更强的场景是:多条要求互相冲突、材料很长、结论会被直接执行。Gemini 3 Pro 更强的场景是:早期一步出错会悄悄污染后续结果,或者你需要看到逐步的推理过程。两者都是同一套积分里的高阶模型,最可靠的判断方式是把一条真实提示词同时发给两者,比较各自的开头。
对比这两个模型需要分别订阅 Claude 和 Gemini 吗?
不需要。两者都作为标准对话模型列在 Ofrai 对话工作室,并共用同一套信用余额。打开对话工作室,在同一线程里把同一条提示词分别发给 Claude Opus 5 与 Gemini 3 Pro 直接比较,不必管理两个账号、两份外部密钥或两张账单。控成本靠的是把请求分配到合适的层级,而不是分开计费。
哪一个跑起来更便宜?
两者都按各自产品线里最贵的一档计费,所以真正有意义的比较不是它们互相之间,而是和各自家族里更便宜的选项比。Anthropic 的 Sonnet 5 用零头的花费就能覆盖大部分专业起草,Google 的 Flash 与 Lite 档负责批量工作、分类和日常初稿。工作室会在每次发送前显示积分消耗,而两者共用同一套余额,所以你可以各跑一次做比较,其余全部下放。
编程用哪一个更好?
材料很大、判断本身重要时 Opus 5 更合适:跨多文件的变更审查、在陌生代码库里追根溯源、两个设计之间的取舍。问题自成一体、过程本身就是交付物时 Gemini 3 Pro 更合适,比如逻辑推导或有明确契约的算法。两者都要要求给差异而不是整段代码,并且把昂贵的调用留给那些一旦做错就难以回退的决策。
我该不该改用更新的世代?
有可能,但不要只看版本号做决定。Claude Opus 5 是同一前沿层级的新一代,与它并存的还有 Opus 4.x;Gemini 3 Pro 属于第三世代,而平台上也有更新的 Google 世代。跨世代变化的通常是长任务里指令遵循更稳、冲突约束处理得更好,而不是多出一类新能力。要判断任何候选模型,就拿你自己的文档和你自己的提示去比。
Gemini 3 Pro 能处理图片和文档吗?
多模态支持与否,应当按你实际使用的部署去核实。这个条目在 Ofrai 上把 Gemini 3 Pro 登记为文本对话模型,因此这里的提示是文本;Google 的 Gemini 系列本身是广泛多模态的,但具体平台开放什么取决于它自己的集成。上传控件如果存在,是与模型条目分开呈现的,所以请到工作室里确认,而不是从实验室名称推断。

相关模型

工具

使用场景