नेविगेशन
AI BENCHY
Advertise here

Anthropic: Claude Opus 4.8 vs Qwen: Qwen3.7 Plus

Qwen3.7 Plus (medium) average score में आगे है: 7.9 vs 7.8. Qwen3.7 Plus (medium) की benchmark लागत कम है: $0.267 vs $2.077. Claude Opus 4.8 (low) तेज है: 12.74s vs 51.51s, pass rates 80.3% vs 75.8%.

अनुशंसित मॉडलQwen3.7 Plus (medium)It has the best score here (7.9), while costing about 7.8x less than Claude Opus 4.8 (low).

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-07-17

मेट्रिक Claude Opus 4.8 Claude Opus 4.8 low रिलीज़: 2026-05-28 Qwen3.7 Plus Qwen3.7 Plus medium रिलीज़: 2026-06-03
स्कोर 7.8 7.9
रैंक #39 #34
विश्वसनीयता 10.0 10.0
संगति 8.9 8.9
सही परीक्षण
प्रति प्रयास पास दर 80.3% 75.8%
अस्थिर टेस्ट 3 3
कुल रन 66 66
प्रति परिणाम लागत 12.979 2.072
कुल लागत $2.077 $0.267
इनपुट कीमत $5.000 / 1M $0.320 / 1M
आउटपुट कीमत $25.000 / 1M $1.280 / 1M
कुल इनपुट टोकन 156,525 115,233
आउटपुट टोकन 43,141 6,162
रीजनिंग टोकन 8,617 173,267
प्रतिक्रिया समय (औसत) 12.74s 51.51s
प्रतिक्रिया समय (अधिकतम) 127.97s 315.30s
प्रतिक्रिया समय (कुल) 280.29s 1133.15s

Hamster playing table tennis

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

#39 Claude Opus 4.8

low
लागत
$0.031
समय
14.1s
टोकन
1,345 tok

#34 Qwen3.7 Plus

medium
लागत
$0.018
समय
193.2s
टोकन
10,821 tok

स्कोर के अनुसार शीर्ष मॉडल

स्कोर बनाम कुल लागत

प्रतिक्रिया समय (औसत)

स्कोर vs प्रतिक्रिया समय (औसत)

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

श्रेणी विवरण

कोडिंग स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
Claude Opus 4.8 6.6 4.6 77.8% 2 7.58s 10,590 3,637 809
Qwen3.7 Plus 6.1 6.6 55.6% 1 108.60s 6,472 414 43,576

त्वरित तुलना

तुलना जोड़ी बदलें