对比模型
Gemini 3 Pro 与 Claude Sonnet 5
作者:Ofrai Editorial(Model Testing Team)
这一对并不在同一层级,价格差本身就是重点:Gemini 3 Pro 是 Google 该代最强的推理模型,Claude Sonnet 5 是 Anthropic 的中阶主力,所以真正的问题是旗舰多出来的能力,是否经常大到足以抵消它的价格。如果不是,Sonnet 5 更值得买,旗舰就是浪费;如果每周确有少数提示词真的需要顶级推理,Gemini 3 Pro 的位置应该是「升级调用」而不是「默认」。两者都在 Ofrai 对话工作室,共用同一套积分。
对话与视频按积分计费。
这场对比真正决定的是什么
两家实验室、两个系列、两个不同层级,所以这不是「谁家更强」的问题。Gemini 3 Pro 是旗舰推理层级,是 Google 3 代里最强的模型,为「答错的代价高于多等一会儿」的工作而留。Claude Sonnet 5 是 Anthropic 的均衡层级,是专业工作本来就应该跑在上面的模型,强到足以应付大多数交付物,重复调用也便宜得多。
两者只在一个前提下值得比较:预算。你不是在两个平手之间挑,你是在判断昂贵层级是否在你的具体工作上挣回了成本,或者中阶已经够好、旗舰根本不必触发。
Gemini 3 Pro 在哪里挣回了它的价格
Gemini 3 Pro 在「早期的一个错误会悄悄污染后面全部结果」的任务上挣回价格。它被记录下来的强项是多步分析、谨慎遵循长指令链,以及过程和答案一样重要的题目——代码、数学与逻辑,还有人会照着执行的工作。它也更适合需求里塞着多条必须同时成立的约束的情况,以及合同、方案、分析备忘录这类高风险起草,因为写错一个条款不是排版小事。
要观察的不是抽象意义上的「难」,而是后果:如果你会因为第二步错了而整个重做,那就是该用这个层级的场景。
Claude Sonnet 5 在哪里更值得买
Sonnet 5 在专业工作的中间地带更值得买。它是 Claude 系列当前的均衡一代,被定位为大多数日常工作该跑的模型,写作、编辑、摘要都能做到人类读者不必重写就接受的水准。在带着多条具体约束——长度、语气、必备小节——的文档与邮件工作上它很可靠,而这正是产出「可用」而不只是「正确」的关键。它在常规复杂度的代码解释、生成与审查上也做得够好。
如果你的这一周是一长串真实但不算罕见的交付物,中阶不是妥协,而是正确的采购。
这对模型之间的成本关系
两者都列在 Ofrai 对话工作室,共用同一套积分,所以这是单次生成对单次生成,而不是订阅对订阅,工作室会在你发送前显示积分消耗。Gemini 3 Pro 位于 Google 3 代的顶端,定价也按顶端来——它比 Gemini 3 Flash 明显更贵,也比中阶模型贵得多。Claude Sonnet 5 是标准层级,处在 Anthropic 旗舰 Opus 之下,因此便宜到可以当默认。
实际后果是:Sonnet 5 的工作流可以整天跑,Gemini 3 Pro 的工作流需要定量分配。要做预算是给这两类用途分开定量,而不是给这一对模型统一定价。
速度与交互式会话的形态
Gemini 3 Pro 每次请求花更多力气、回得更慢;Sonnet 5 是为更快的往返而建的。这个差别在你发完就走的批处理任务里看不见,在交互式流程里却很明显——实时代码审查、对话助手、任何有人等着的东西。在交互中,旗舰多出来的思考时间是一种用户能感觉到、而且往往收不回来的税。
把旗舰留给有意图才发的提示词,把中阶放在任何要往输入框里打字的人面前。这正是这个价格差常常值得付的一个清楚理由:不是为了质量,而是为了花在哪里。
长上下文与长文档
两者都能处理很大的输入,而且在长文档上,提示词里带的是材料本身而不是材料摘要,效果都会更好。差别出现在「请求里带着好几条必须坚持到最后的约束」时:Gemini 3 Pro 的推理层级设计正是冲着这个去的,它能把很长的依赖链撑住,不让早期某一步悄悄毁掉结论,所以材料密、结论要担责任时它更强。
Sonnet 5 处理长文档并不弱,当任务是从长输入里抽取、摘要或编辑成指定格式时,它更合适。实用的分法是:材料密、结论吃重,用旗舰;材料长、输出明确,用中阶。
怎么提示 Gemini 3 Pro:编号步骤与写明假设
Gemini 3 Pro 奖励一种能被它自我核对的流程式提示词。要求它按编号步骤推进、在每一步展示推理,并标出每一处它不得不假设的地方——这一条指令带来的可信度,超过再多上下文。当需求里带约束时,把约束作为编号列表交给它,再要求它指出产出中对应满足每一项的部分;在这个模型上,这个核对环节正是价值所在。
做评审时,要求它指出论证在具体哪一步断掉而不是直接重写,并给它一个明确的停止条件,让长时间运行能收尾而不是空转。
怎么提示 Claude Sonnet 5:读者、语气与硬约束
Sonnet 5 最擅长的提示词,是描述读者与标准,而不是描述任务。说明产出给谁看、什么语气、必须包含哪些小节、多长,并要求它在修改的同时保留每一个事实性陈述——这个组合正是它交付「成品」而不是「草稿」的原因。它的性格是尊重具体要求,所以杠杆在于精确:明确的产出形态、固定的条目数量、指定字段的结构。
把做好的材料连同目标形态一起给它,让它自己去完成;把中阶层级过度指令化,通常只会换来服从而没有洞见。
编程、分析与大批量起草
这三件事要拆开。编程上,相关上下文跨很多文件、改动必须保持一致、或者一个隐蔽的 bug 需要被追出来而不是猜——这类问题用 Gemini 3 Pro,因为一个听起来合理的错答案比一个慢的正确答案更贵。常规复杂度的解释、生成、测试、重构和审查用 Sonnet 5,它做得够好,升上去等于白花钱。
分析上规则相同:吃重的多步推理交给旗舰,几步但正常的分析交给中阶。大批量起草则两者都不该上场——摘要、抽取、分类和改写整体下放到更便宜的档位。
各自会在哪里翻车
Gemini 3 Pro 的翻车方式是「给太多」:拿到含糊的需求,它会推理得超过问题本身需要的深度,并给出比你要求更大的设计,于是你可能用一次旗舰请求买到了一个中阶也能给的结论。
Sonnet 5 的翻车方式是「顺滑地服从」:它交出一份形态漂亮的答案,却悄悄丢掉你在第三段提到的那条硬性提醒;面对很长的机械任务,它会开始概括条目而不是逐条处理。两者共同的翻车是用笃定的完成姿态掩盖真实的空白。让它们各自列出无法核实的部分;任何基于清单的工作,尾部条目都要自己检查。
把同一条提示词跑两遍,读它的推理过程
拿一条你真的卡住的提示词,在同一线程里分别发给两者,读推理过程而不只是结论——这是旗舰与中阶唯一可以诚实对比的维度,因为你看得见步骤是否站得住。四项检查能很快区分它们:是问了正确的问题还是接受了一个含糊的需求;是否严格遵守了每一条格式约束;有没有标注不确定的地方;以及答案里有多少是重点、多少是填充。
然后按你自己的工作量来判断,而不是只看这一次的产出——一条提示词上更好的答案,并不能证明把旗舰设成默认是划算的,如果后面还跟着四条普通提示词。
换成别的层级或别的系列更合适的时候
很多时候两者都不是答案,而诚实的建议是换一个更便宜的层级,或者换一个系列。大批量分类、路由、抽取和常规的第一轮回答,既不需要旗舰,也不需要接近旗舰质量的中阶模型;Gemini 3 Flash、Claude Haiku 这一类模型,或者其他经济型层级,用零头的花费就能完成。
如果你最重的工作是后果昂贵的多步推理,同时你又要整天起草,那么合理的安排是一个默认中阶加一个线程内的旗舰升级。如果你连哪些提示词属于第二组都说不出来,那你在第一组上就是付多了。
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 |
|---|---|---|
| Gemini 3 Pro | 对话模型 | Input/Output 1.46278/8.7767 |
| Claude Sonnet 5 | 对话模型 | Input/Output 0.822816/4.11408 |
常见问题
- Gemini 3 Pro 比 Claude Sonnet 5 多花的钱值吗?
- 只在你少数一部分提示词上值。Gemini 3 Pro 是旗舰推理层级,Claude Sonnet 5 是 Anthropic 的均衡层级,所以这实际上是在「为最好的推理付费」和「为很好但便宜得多的工作付费」之间选择。如果你的工作包含多步分析、早期错误会污染结论的场景、代码与逻辑题,或者高风险起草,旗舰在这些请求上就挣回了成本。如果你的这一周是写作、编辑、摘要和常规代码,Sonnet 5 才是正确的默认,旗舰属于浪费。
- Gemini 3 Pro 和 Claude Sonnet 5 哪个更便宜?
- Claude Sonnet 5 单次请求明显更便宜。Gemini 3 Pro 位于 Google 3 代的顶端,比 Gemini 3 Flash 更贵;Sonnet 5 是标准层级,处在 Anthropic 旗舰 Opus 之下,本来就是设计来当默认用的。在 Ofrai 上两者共用同一套积分,工作室会在发送前显示消耗,所以实际差别是:Sonnet 5 的工作流负担得起连续运行,而 Gemini 3 Pro 的工作流需要定量控制。
- 编程该用哪一个?
- 取决于上下文在哪里。相关代码分散在很多文件、改动必须保持一致、或者一个隐蔽 bug 需要被追出来而不是猜——这类问题用 Gemini 3 Pro,因为听起来合理的错答案比慢的正确答案更贵。常规复杂度的解释、生成、测试、重构和审查用 Claude Sonnet 5,它做得够好。实用的分工是:起草和迭代放在中阶,只把真正困难的调试或设计问题升上去。
- 谁更能处理长文档?
- 材料密、结论吃重时是 Gemini 3 Pro;材料长、输出形态明确时是 Claude Sonnet 5。旗舰的推理层级正是为了让长依赖链不被早期某一步悄悄毁掉,这在文档复杂、结论会被照着执行时很关键。Sonnet 5 处理长输入完全够用,把长文档抽取、摘要或编辑成指定格式时它更合适。无论选哪个,都要把材料本身而不是材料摘要交给它。
- 对比它们需要分别订阅 Google 和 Anthropic 吗?
- 不需要。两者都列在 Ofrai 对话工作室,共用同一套积分,无需单独账号、密钥或账单。打开对话工作室,把同一条提示词分别发给 Gemini 3 Pro 和 Claude Sonnet 5,直接对比。成本控制来自把每个请求路由到它真正需要的层级,而不是把账单拆成两份账单。在同一个线程里切换即可,已建立的上下文会跟着过去。
- 我该怎么决定默认用哪一个?
- 从上周挑十条真实提示词,各发给两者一次,然后按「答案能不能直接用」打分。如果旗舰只在其中一两条上胜出,就把中阶设为默认,只把那几条升上去;如果它在承担后果的那批提示词上稳定胜出,那么当默认就挣回了成本。无论选谁,下面都还要垫一层更便宜的档位负责摘要、抽取和分类,因为这两个模型都不该进那类流量,而那也是最容易拿到的节省。