নেভিগেশন
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Anthropic: Claude Opus 4.8 vs Qwen: Qwen3.5-122B-A10B

Claude Opus 4.8 average score-এ এগিয়ে: 7.3 vs 7.1. Qwen3.5-122B-A10B (medium)-এর benchmark খরচ কম: $1.046 vs $1.166. Claude Opus 4.8 দ্রুত: 4.91s vs 64.16s, pass rates 63.6% vs 71.2%.

প্রস্তাবিত মডেলClaude Opus 4.8It has the best score here (7.3), while responding about 13.1x faster than Qwen3.5-122B-A10B (medium).

AI BENCHY টেস্ট স্যুট থেকে বেঞ্চমার্ক তৈরি হয়েছে: 2026-07-17

মেট্রিক Claude Opus 4.8 Claude Opus 4.8 none প্রকাশ: 2026-05-28 Qwen3.5-122B-A10B Qwen3.5-122B-A10B medium প্রকাশ: 2026-02-24
স্কোর 7.3 7.1
র‍্যাঙ্ক #63 #69
নির্ভরযোগ্যতা 10.0 10.0
ধারাবাহিকতা 9.2 8.5
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 63.6% 71.2%
অস্থির টেস্ট 2 4
মোট রান 66 66
প্রতি ফলাফলে খরচ 8.969 8.509
মোট খরচ $1.166 $1.046
ইনপুট মূল্য $5.000 / 1M $0.260 / 1M
আউটপুট মূল্য $25.000 / 1M $2.080 / 1M
মোট ইনপুট টোকেন 149,206 124,771
আউটপুট টোকেন 16,797 44,077
রিজনিং টোকেন 0 443,141
প্রতিক্রিয়া সময় (গড়) 4.91s 64.16s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 35.03s 519.30s
প্রতিক্রিয়া সময় (মোট) 108.03s 1411.60s

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#63 Claude Opus 4.8

none
খরচ
$0.053
সময়
22.0s
টোকেন
2,253 tok

#69 Qwen3.5-122B-A10B

medium
খরচ
$0.019
সময়
48.7s
টোকেন
6,034 tok

স্কোর অনুযায়ী শীর্ষ মডেল

স্কোর বনাম মোট খরচ

প্রতিক্রিয়া সময় (গড়)

স্কোর vs প্রতিক্রিয়া সময় (গড়)

মোট আউটপুট টোকেন

স্কোর vs মোট আউটপুট টোকেন

বিভাগভিত্তিক বিশ্লেষণ

কোডিং স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Claude Opus 4.8 5.5 10.0 33.3% 0 3.29s 10,590 1,332 0
Qwen3.5-122B-A10B 6.0 7.2 55.6% 1 114.48s 7,630 8,057 82,578

দ্রুত তুলনা

তুলনার জুটি বদলান