Head-to-head
Gemini 3 Pro vs Claude Opus 5: model AI mana yang menang di 2026?
Gemini 3 Pro ($12/1M out (prompts ≤200K)) dan Claude Opus 5 ($25/1M out) adalah dua model AI yang paling banyak dipakai di 2026. Dari 7 suara komunitas, Claude Opus 5 memimpin dengan persetujuan 63%.
Vonis singkat
Soal Penalaran, pilih Claude Opus 5: arena menilainya 5/5 berbanding 4.5/5 untuk Gemini 3 Pro. Soal budget, Gemini 3 Pro menang: harganya mulai dari $12/1M out (prompts ≤200K) berbanding $25/1M out untuk Claude Opus 5.
Perbandingan baris demi baris
Kekuatan dan kelemahan
Gemini 3 Pro
- Memuncaki LMArena saat peluncuran dengan rekor 1501 Elo dan mencetak 91.9% di GPQA Diamond, state of the art saat rilis
- ARC-AGI-2 di 31.1%, kira-kira 6x Gemini 2.5 Pro (4.9%) dan hampir dua kali lipat GPT-5.1 (17.6%) pada masanya
- Pemahaman multimodal terbaik di kelasnya: 81% MMMU-Pro, 87.6% Video-MMMU, dengan context window 1M token
- Coding agentik kuat: 76.2% SWE-bench Verified, 54.2% Terminal-Bench 2.0, 1487 Elo di WebDev Arena
- Memotong harga pesaing di $2/$12 per 1M tokens, di bawah harga kelas Claude Sonnet ($3/$15)
- thinking_level yang bisa dikonfigurasi (low/medium/high) memungkinkan developer menukar kedalaman penalaran dengan latensi dan biaya
- Halusinasi yang terlalu percaya diri: di AA-Omniscience ia memberi jawaban salah 88% dari waktu alih-alih menolak menjawab, vs 48% untuk Claude Sonnet 4.5 (the-decoder)
- Sifat menjilat yang banyak dilaporkan reviewer (Zvi Mowshowitz: 'kecerdasan luas tanpa tulang punggung'); butuh system prompt yang ketat
- Masalah keandalan tool-calling di stack agen: developer melaporkan output tool tumpah ke utas chat dan butuh lebih banyak scaffolding dibanding model OpenAI/Anthropic
- Lambat pada thinking level tinggi: time to first token terukur sekitar 30-60s di AI Studio meski kecepatan output sekitar 130 tok/s
- Sudah dipensiunkan: dimatikan di Gemini API dan AI Studio pada 9 Maret 2026, dengan gemini-3-pro-preview kini dialiaskan ke Gemini 3.1 Pro
Claude Opus 5
- Menduduki peringkat #1 dalam kecerdasan komposit di antara 190 model pada Artificial Analysis saat peluncuran, dengan skor 43.3% pada Frontier-Bench v0.1 dibandingkan 34.4% untuk GPT-5.6 Sol dan 33.7% untuk Claude Fable 5
- 3.9x lebih unggul dibandingkan GPT-5.6 Sol pada penalaran baru ARC-AGI-3 (30.2% vs 7.8%), serta Elo 1861 pada pekerjaan pengetahuan ekonomi GDPval-AA v2, mengungguli Fable 5 (1747)
- 79.2% pada SWE-bench Pro, hanya berselisih satu poin dari Fable 5 (80.0%) dan 10 poin di atas Opus 4.8 (69.2%), dengan setengah harga Fable; salah satu co-founder Cursor menyebutnya 'kecerdasan mendekati Fable 5 dengan kecepatan dan biaya setara Opus'
- Harga tetap sama seperti Opus 4.8, yaitu $5/$25, namun dengan jendela konteks lebih besar: 1M konteks kini menjadi tier default sekaligus satu-satunya, dengan output maksimum 128K dan prompt caching mulai dari 512 token
- Classifier keamanan dual-use terpicu 85% lebih jarang dibandingkan pada Fable 5, dan mode fallback default yang baru mencegah penolakan diam-diam di tengah sesi yang sempat membebani peluncuran Fable
- Memverifikasi hasil kerjanya sendiri tanpa diminta, menangani perubahan tool di tengah percakapan (beta) tanpa merusak prompt cache, dan tersedia sejak hari pertama di Claude.ai, API, Bedrock, Vertex, dan Microsoft Foundry
- Tergolong lambat dan sangat verbose: 52.6 output token/detik dan 68 detik hingga token pertama pada Artificial Analysis, serta menghabiskan sekitar 100M output token selama evaluasi mereka, dibandingkan median 63M
- Verbositas ini menjadi masalah biaya nyata: CodeRabbit mengukur model ini membaca sekitar 50% lebih banyak dan menulis sekitar 65% lebih banyak dibandingkan model frontier acuan per panggilan code review
- Tidak ada pemotongan harga sesungguhnya meski narasinya 'cost-efficient': sama persis dengan Opus 4.8 ($5/$25), hampir setara harga GPT-5.6 ($5/$30), dan lebih dari 2x tier Gemini atau Grok yang sebanding
- Para reviewer menggambarkan kepribadiannya sebagai 'brilian tapi menjengkelkan': verifikasi berlebihan, sikap berhati-hati berlebihan, dan sesekali menolak tugas sepele seperti menyelesaikan merge conflict (ulasan lapangan Lenny's Newsletter)
- Perubahan API yang bersifat breaking bagi pengguna yang bermigrasi dari Opus 4.8: thinking aktif secara default dan tidak dapat dinonaktifkan pada level usaha xhigh atau max (mengembalikan error 400); Fast mode ($10/$50, sekitar 2.5x lebih cepat) hanya tersedia lewat API, tidak di Bedrock atau Vertex
Jatuhkan vonis Anda
Satu rekomendasi per tool per gladiator. Suara Anda mengubah skor penonton yang dilihat semua orang.
Vonis arena atas Gemini 3 Pro
Rilis bersejarah yang mengembalikan Google ke puncak pada akhir 2025, dengan lompatan penalaran besar dari Gemini 2.5 Pro dan skor multimodal terbaik di generasinya. Per pertengahan 2026 tidak ada alasan memilihnya: Google mematikannya di API pada 9 Maret 2026, dan Gemini 3.1 Pro berharga persis sama sambil melipatgandakan lebih dari dua kali performa ARC-AGI-2 (77.1% vs 31.1%). Tim dengan deployment legacy sebaiknya bermigrasi ke 3.1 Pro, yang toh kini menjadi tujuan alias ID model lamanya. Hindari untuk beban kerja yang sensitif halusinasi kecuali Anda menambahkan grounding, kelemahan yang berulang kali ditandai reviewer.
Vonis arena atas Claude Opus 5
Claude Opus 5 adalah pilihan default paling masuk akal di jajaran Series 5: sebagian besar kecerdasan Fable 5 (bahkan melampaui Fable pada Frontier-Bench dan GDPval) dengan harga token tepat setengahnya, plus classifier yang terpicu 85% lebih jarang. Jika beban kerja sudah dipindahkan ke Fable 5 demi kapabilitas namun tagihannya terasa berat atau sering kena penolakan false positive, model ini layak dipertimbangkan sebagai pengganti; jika masih memakai Opus 4.8, upgrade ini memberi tambahan 10 poin SWE-bench Pro tanpa biaya tambahan. Dua alasan jujur untuk memilih model lain: latensi dan verbositas. Dengan kecepatan 52.6 token/detik dan 68 detik hingga token pertama, model ini kurang cocok untuk UX interaktif, dan 'nafsu' tokennya diam-diam menggelembungkan biaya riil di atas harga resmi, sehingga pipeline bervolume tinggi yang sensitif terhadap anggaran tetap lebih cocok memakai Sonnet 5, Gemini, atau DeepSeek. Fable 5 baru layak dipertahankan untuk run otonom terpanjang, di mana keunggulan tipisnya pada SWE-bench Pro terasa akumulatif.
Kata penonton
Tentang Gemini 3 Pro
“Confidently wrong is its worst mode. On AA-Omniscience it gave a wrong answer 88% of the time instead of declining. Add the sycophancy and you need a tight system prompt to trust it.”
“ARC-AGI-2 at 31% was about 6x Gemini 2.5 Pro and nearly double GPT-5.1 at the time. For visual-heavy work (81 MMMU-Pro) nothing else came close.”
“1501 Elo on LMArena at launch was deserved. Multimodal is where it kills, I feed it lecture videos and dense PDFs and it just gets it. 1M context helps.”
Tentang Claude Opus 5
“The sticker price is unchanged but my invoice is not: it writes essays where Opus 4.8 wrote answers. 68 seconds to first token killed it for our support chat, we went back to Sonnet 5.”
“Fed it a 40-tab financial model with cross-sheet formulas and asked for a scenario deck. It got the edge cases the analysts missed. For document-heavy enterprise work this is the best model I have used.”
“We moved off Fable 5 because the bio classifier kept flagging our genomics tooling. Opus 5 does the same work at half the price and I have not seen a single silent reroute since.”
“Migrated our agents from Opus 4.8 the day it dropped. Same bill, and tasks that used to stall at the planning stage now just finish. The 10-point SWE-bench jump is not marketing, our merge queue feels it.”
Lanjut membandingkan
Pertanyaan yang sering diajukan
Apakah Gemini 3 Pro lebih baik daripada Claude Opus 5?
Saat ini penonton berpihak pada Claude Opus 5: 63% merekomendasikannya, berbanding 57% untuk Gemini 3 Pro (7 suara). Soal Penalaran, Claude Opus 5 dinilai lebih tinggi (5/5 vs 4.5/5). Pilihan yang tepat tergantung kebutuhan Anda. Perbandingan baris demi baris di halaman ini mengupas harga, spesifikasi utama, dan penilaian arena.
Mana yang lebih murah, Gemini 3 Pro atau Claude Opus 5?
Gemini 3 Pro lebih murah: harganya mulai dari $12/1M out (prompts ≤200K), sementara Claude Opus 5 mulai dari $25/1M out.
Berapa biaya Gemini 3 Pro dan Claude Opus 5 per 1M token?
Gemini 3 Pro: $2/1M in (prompts ≤200K) per 1M token input, $12/1M out (prompts ≤200K) per 1M token output. Claude Opus 5: $5/1M in per 1M token input, $25/1M out per 1M token output.