AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs Qwen: Qwen3.5-27B

Zusammenfassung

Claude Opus 4.8 vs Qwen3.5-27B Benchmark-Vergleich: Qwen3.5-27B führt beim Durchschnittsscore mit 7.9 vs 7.7. Qwen3.5-27B hat die niedrigeren Benchmark-Kosten mit $0.536 vs $1.270. Claude Opus 4.8 ist schneller mit 10.83s vs 68.39s, mit Erfolgsraten von 79.4% vs 73.0%.

Empfohlenes Modell: Claude Opus 4.8 - Die Punktzahl bleibt nah an der besten hier (7.7 vs 7.9) und es antwortet etwa 6.3x schneller als Qwen3.5-27B.

Benchmarks aus AI BENCHY-Test-Suites generiert am: 2026-06-30

Metrik	Claude Opus 4.8 Claude Opus 4.8 low Veröffentlichung: 2026-05-28	Qwen3.5-27B Qwen3.5-27B medium Veröffentlichung: 2026-02-24

Metrik	Claude Opus 4.8 Claude Opus 4.8 low Veröffentlichung: 2026-05-28	Qwen3.5-27B Qwen3.5-27B medium Veröffentlichung: 2026-02-24
Punktzahl	7.7	7.9
Rang	#38	#29
Zuverlässigkeit	10.0	10.0
Konsistenz	8.8	8.5
Korrekte Tests
Erfolgsquote pro Versuch	79.4%	73.0%
Instabile Tests	3	4
Gesamtläufe	63	63
Kosten pro Ergebnis	8.466	4.901
Gesamtkosten	$1.270	$0.536
Eingabepreis	$5.000 / 1M	$0.195 / 1M
Ausgabepreis	$25.000 / 1M	$1.560 / 1M
Gesamte Eingabe-Token	60,946	42,164
Ausgabe-Token	31,771	8,534
Denk-Token	6,831	329,289
Antwortzeit (Durchschnitt)	10.83s	68.39s
Antwortzeit (Maximum)	127.97s	234.36s
Antwortzeit (Gesamt)	227.39s	1436.24s

Generierungs-Showcase

Hamster playing table tennis

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

#38 Claude Opus 4.8

low

Kosten: $0.031
Zeit: 14.1s
Token: 1,345 tok

#29 Qwen3.5-27B

medium

Kosten: $0.008
Zeit: 62.0s
Token: 3,099 tok

Top-Modelle nach Score

Score vs. Gesamtkosten

Antwortzeit (Durchschnitt)

Punktzahl vs Antwortzeit (Durchschnitt)

Gesamte Ausgabe-Token

Punktzahl vs Gesamte Ausgabe-Token

Kategorieaufschlüsselung

Anti-KI-Tricks	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Claude Opus 4.8	10.0	10.0	100.0%	0		3.30s	834	793	371
Qwen3.5-27B	8.7	7.9	91.7%	1		19.75s	672	569	31,505

Programmierung	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Claude Opus 4.8	6.6	4.6	77.8%	2		7.58s	10,590	3,637	809
Qwen3.5-27B	6.2	7.1	55.6%	1		160.69s	7,895	6,381	89,388

Kombiniert	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Claude Opus 4.8	9.8	10.0	100.0%	0		20.84s	23,500	2,216	1,081
Qwen3.5-27B	10.0	10.0	100.0%	0		163.96s	14,946	483	9,991

Datenanalyse und -extraktion	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Claude Opus 4.8	6.3	5.8	66.7%	1		2.27s	10,503	310	0
Qwen3.5-27B	10.0	10.0	100.0%	0		30.26s	7,782	270	16,150

Domänenspezifisch	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Claude Opus 4.8	5.3	10.0	33.3%	0		45.53s	975	23,311	3,908
Qwen3.5-27B	5.3	10.0	33.3%	0		79.53s	553	43	52,368

Allgemeine Intelligenz	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Claude Opus 4.8	10.0	10.0	100.0%	0		2.55s	708	231	0
Qwen3.5-27B	6.1	3.1	66.7%	1		101.41s	524	70	23,147

Befolgung von Anweisungen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Claude Opus 4.8	9.8	10.0	100.0%	0		2.78s	909	111	221
Qwen3.5-27B	10.0	10.0	100.0%	0		19.66s	699	97	11,638

Rätsellösen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Claude Opus 4.8	10.0	10.0	100.0%	0		3.01s	894	592	184
Qwen3.5-27B	8.2	7.7	77.8%	1		59.60s	696	242	70,096

Werkzeugaufrufe	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Claude Opus 4.8	10.0	10.0	100.0%	0		6.85s	11,775	370	35
Qwen3.5-27B	10.0	10.0	100.0%	0		7.45s	8,193	348	1,323

Allgemeinwissen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Claude Opus 4.8	3.0	10.0	0.0%	0		5.48s	258	200	222
Qwen3.5-27B	3.0	10.0	0.0%	0		85.11s	204	31	23,683

Schnellvergleich

Vergleichspaar wechseln