AI BENCHY Compare

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

Ringkasan

Perbandingan benchmark Claude Opus 4.8 vs Qwen3.7 Max: Qwen3.7 Max unggul dalam skor rata-rata dengan 9.4 vs 7.7. Qwen3.7 Max memiliki biaya benchmark lebih rendah di $0.523 vs $1.270. Claude Opus 4.8 lebih cepat di 10.83s vs 16.02s, dengan tingkat keberhasilan 79.4% vs 88.9%.

Model yang direkomendasikan: Qwen3.7 Max - It has the best score here (9.4), while costing about 2.4x less than Claude Opus 4.8.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-02

Metrik	Claude Opus 4.8 Claude Opus 4.8 low Rilis: 2026-05-28	Qwen3.7 Max Qwen3.7 Max medium Rilis: 2026-05-22

Metrik	Claude Opus 4.8 Claude Opus 4.8 low Rilis: 2026-05-28	Qwen3.7 Max Qwen3.7 Max medium Rilis: 2026-05-22
Skor	7.7	9.4
Peringkat	#38	#3
Keandalan	10.0	10.0
Konsistensi	8.8	9.6
Tes benar
Tingkat lulus per percobaan	79.4%	88.9%
Tes tidak stabil	3	1
Total Run	63	63
Biaya per hasil	8.466	5.517
Total Biaya	$1.270	$0.523
Harga input	$5.000 / 1M	$1.250 / 1M
Harga output	$25.000 / 1M	$3.750 / 1M
Total token input	60,946	42,360
Token output	31,771	2,129
Token penalaran	6,831	122,959
Waktu respons (rata-rata)	10.83s	16.02s
Waktu respons (maks)	127.97s	59.98s
Waktu respons (total)	227.39s	336.51s

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

#3 Qwen3.7 Max

medium

Biaya: $0.017
Waktu: 68.8s
Token: 4,526 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
Qwen3.7 Max	10.0	10.0	100.0%	0		6.36s	672	222	8,742

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
Qwen3.7 Max	10.0	10.0	100.0%	0		35.31s	7,893	423	34,808

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
Qwen3.7 Max	10.0	10.0	100.0%	0		19.60s	14,934	366	8,405

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
Qwen3.7 Max	10.0	10.0	100.0%	0		8.80s	7,782	270	6,254

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
Qwen3.7 Max	5.9	7.2	55.6%	1		24.94s	771	61	31,793

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
Qwen3.7 Max	10.0	10.0	100.0%	0		11.70s	516	135	4,457

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
Qwen3.7 Max	10.0	10.0	100.0%	0		7.46s	699	102	5,452

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
Qwen3.7 Max	10.0	10.0	100.0%	0		8.84s	696	259	8,908

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
Qwen3.7 Max	10.0	10.0	100.0%	0		6.63s	8,193	267	1,220

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
Qwen3.7 Max	3.0	10.0	0.0%	0		33.37s	204	24	12,920

Perbandingan Cepat

Ganti Pasangan Perbandingan