AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs Qwen: Qwen3.6 Plus

Ringkasan

Perbandingan benchmark Claude Opus 4.8 vs Qwen3.6 Plus: Qwen3.6 Plus unggul dalam skor rata-rata dengan 7.8 vs 7.7. Qwen3.6 Plus memiliki biaya benchmark lebih rendah di $0.294 vs $1.270. Claude Opus 4.8 lebih cepat di 10.83s vs 30.70s, dengan tingkat keberhasilan 79.4% vs 69.8%.

Model yang direkomendasikan: Qwen3.6 Plus - It has the best score here (7.8), while costing about 4.3x less than Claude Opus 4.8.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-06-30

Metrik	Claude Opus 4.8 Claude Opus 4.8 low Rilis: 2026-05-28	Qwen3.6 Plus Qwen3.6 Plus medium Rilis: 2026-04-20

Metrik	Claude Opus 4.8 Claude Opus 4.8 low Rilis: 2026-05-28	Qwen3.6 Plus Qwen3.6 Plus medium Rilis: 2026-04-20
Skor	7.7	7.8
Peringkat	#38	#31
Keandalan	10.0	10.0
Konsistensi	8.8	9.3
Tes benar
Tingkat lulus per percobaan	79.4%	69.8%
Tes tidak stabil	3	2
Total Run	63	63
Biaya per hasil	8.466	0.831
Total Biaya	$1.270	$0.294
Harga input	$5.000 / 1M	$0.325 / 1M
Harga output	$25.000 / 1M	$1.950 / 1M
Total token input	60,946	41,565
Token output	31,771	1,853
Token penalaran	6,831	141,973
Waktu respons (rata-rata)	10.83s	30.70s
Waktu respons (maks)	127.97s	201.68s
Waktu respons (total)	227.39s	613.99s

Showcase generasi

Hamster playing table tennis

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

#38 Claude Opus 4.8

low

Biaya: $0.031
Waktu: 14.1s
Token: 1,345 tok

#31 Qwen3.6 Plus

medium

Biaya: $0.024
Waktu: 219.0s
Token: 12,235 tok

Model teratas berdasarkan skor

Skor vs Total Biaya

Waktu respons (rata-rata)

Skor vs Waktu respons (rata-rata)

Total token output

Skor vs Total token output

Rincian Kategori

Trik anti-AI	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	10.0	10.0	100.0%	0		3.30s	834	793	371
Qwen3.6 Plus	10.0	10.0	100.0%	0		9.90s	672	207	7,557

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	6.6	4.6	77.8%	2		7.58s	10,590	3,637	809
Qwen3.6 Plus	6.1	7.8	44.4%	1		153.12s	7,098	58	50,586

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	9.8	10.0	100.0%	0		20.84s	23,500	2,216	1,081
Qwen3.6 Plus	10.0	10.0	100.0%	0		34.95s	14,934	452	13,073

Parsing dan ekstraksi data	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	6.3	5.8	66.7%	1		2.27s	10,503	310	0
Qwen3.6 Plus	10.0	10.0	100.0%	0		14.95s	7,782	270	10,706

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	5.3	10.0	33.3%	0		45.53s	975	23,311	3,908
Qwen3.6 Plus	2.9	7.2	11.1%	1		29.59s	771	56	33,464

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	10.0	10.0	100.0%	0		2.55s	708	231	0
Qwen3.6 Plus	5.1	10.0	0.0%	0		27.05s	516	111	5,232

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	9.8	10.0	100.0%	0		2.78s	909	111	221
Qwen3.6 Plus	10.0	10.0	100.0%	0		7.54s	699	102	5,552

Pemecahan teka-teki	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	10.0	10.0	100.0%	0		3.01s	894	592	184
Qwen3.6 Plus	10.0	10.0	100.0%	0		6.34s	696	309	6,712

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	10.0	10.0	100.0%	0		6.85s	11,775	370	35
Qwen3.6 Plus	10.0	10.0	100.0%	0		5.87s	8,193	267	1,330

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	3.0	10.0	0.0%	0		5.48s	258	200	222
Qwen3.6 Plus	3.0	10.0	0.0%	0		47.51s	204	21	7,761

Perbandingan Cepat

Ganti Pasangan Perbandingan