AI BENCHY Compare

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

Resumen

Comparación benchmark de Claude Opus 4.8 vs Qwen3.5-27B: Qwen3.5-27B lidera en puntuación media con 7.9 vs 7.7. Qwen3.5-27B tiene menor coste de benchmark con $0.536 vs $1.270. Claude Opus 4.8 es más rápido con 10.83s vs 68.39s, con tasas de acierto de 79.4% vs 73.0%.

Modelo recomendado: Claude Opus 4.8 - Su puntuación se mantiene cerca de la mejor aquí (7.7 vs 7.9) y responde aproximadamente 6.3x más rápido que Qwen3.5-27B.

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-06-30

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

Métrica	Claude Opus 4.8 Claude Opus 4.8 low Lanzamiento: 2026-05-28	Qwen3.5-27B Qwen3.5-27B medium Lanzamiento: 2026-02-24
Puntuación	7.7	7.9
Rango	#38	#29
Fiabilidad	10.0	10.0
Consistencia	8.8	8.5
Pruebas correctas
Tasa de aciertos por intento	79.4%	73.0%
Pruebas inestables	3	4
Ejecuciones totales	63	63
Costo por resultado	8.466	4.901
Costo total	$1.270	$0.536
Precio de entrada	$5.000 / 1M	$0.195 / 1M
Precio de salida	$25.000 / 1M	$1.560 / 1M
Total de tokens de entrada	60,946	42,164
Tokens de salida	31,771	8,534
Tokens de razonamiento	6,831	329,289
Tiempo de respuesta (promedio)	10.83s	68.39s
Tiempo de respuesta (máximo)	127.97s	234.36s
Tiempo de respuesta (total)	227.39s	1436.24s

Generación showcase

Hamster playing table tennis

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

#38 Claude Opus 4.8

low

Coste: $0.031
Tiempo: 14.1s
Tokens: 1,345 tok

#29 Qwen3.5-27B

medium

Coste: $0.008
Tiempo: 62.0s
Tokens: 3,099 tok

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntuación vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntuación vs Total de tokens de salida

Desglose por categoría

Trucos anti-IA	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
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

Programación	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
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

Combinado	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
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

Análisis y extracción de datos	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
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

Específico del dominio	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
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

Inteligencia general	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
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

Seguimiento de instrucciones	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
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

Resolución de acertijos	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
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

Llamada de herramientas	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
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

Cultura general	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
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

Comparación rápida

Cambiar par de comparación