AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs Qwen: Qwen3.5-Flash

Ringkasan

Perbandingan benchmark Claude Opus 4.8 vs Qwen3.5-Flash (medium): Claude Opus 4.8 unggul dalam skor rata-rata dengan 7.2 vs 6.8. Qwen3.5-Flash (medium) memiliki biaya benchmark lebih rendah di $0.080 vs $0.539. Claude Opus 4.8 lebih cepat di 3.48s vs 63.29s, dengan tingkat keberhasilan 61.9% vs 71.4%.

Model yang direkomendasikan: Claude Opus 4.8 - It has the best score here (7.2), while responding about 18.2x faster than Qwen3.5-Flash (medium).

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-10

Metrik	Claude Opus 4.8 Claude Opus 4.8 none Rilis: 2026-05-28	Qwen3.5-Flash Qwen3.5-Flash medium Rilis: 2026-02-24

Metrik	Claude Opus 4.8 Claude Opus 4.8 none Rilis: 2026-05-28	Qwen3.5-Flash Qwen3.5-Flash medium Rilis: 2026-02-24
Skor	7.2	6.8
Peringkat	#70	#84
Keandalan	10.0	10.0
Konsistensi	9.2	8.1
Tes benar
Tingkat lulus per percobaan	61.9%	71.4%
Tes tidak stabil	2	5
Total Run	63	63
Biaya per hasil	4.485	0.871
Total Biaya	$0.539	$0.080
Harga input	$5.000 / 1M	$0.065 / 1M
Harga output	$25.000 / 1M	$0.260 / 1M
Total token input	67,104	38,926
Token output	8,107	2,088
Token penalaran	0	294,598
Waktu respons (rata-rata)	3.48s	63.29s
Waktu respons (maks)	17.73s	234.29s
Waktu respons (total)	73.00s	1265.85s

Showcase generasi

Hamster playing table tennis

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

#70 Claude Opus 4.8

none

Biaya: $0.053
Waktu: 22.0s
Token: 2,253 tok

#84 Qwen3.5-Flash

medium

Biaya: $0.002
Waktu: 25.8s
Token: 4,294 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	6.5	10.0	50.0%	0		3.40s	834	1,472	0
Qwen3.5-Flash	10.0	10.0	100.0%	0		59.11s	672	383	32,992

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	5.5	10.0	33.3%	0		3.29s	10,590	1,332	0
Qwen3.5-Flash	3.7	7.2	22.2%	1		58.87s	6,685	302	90,081

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	9.5	10.0	100.0%	0		17.73s	29,658	3,259	0
Qwen3.5-Flash	10.0	10.0	100.0%	0		17.78s	14,934	483	8,270

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	7.3	5.8	83.3%	1		1.77s	10,503	308	0
Qwen3.5-Flash	7.3	5.9	83.3%	1		56.99s	6,061	235	16,237

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	7.2	44.4%	1		1.70s	975	61	0
Qwen3.5-Flash	5.3	7.2	44.4%	1		146.50s	581	58	43,615

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		3.48s	708	230	0
Qwen3.5-Flash	6.1	3.1	66.7%	1		40.05s	516	99	38,486

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	9.9	10.0	100.0%	0		1.37s	909	95	0
Qwen3.5-Flash	10.0	10.0	100.0%	0		63.49s	699	98	14,139

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	7.7	10.0	66.7%	0		2.74s	894	783	0
Qwen3.5-Flash	8.2	7.2	88.9%	1		27.61s	381	89	12,457

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		5.35s	11,775	355	0
Qwen3.5-Flash	10.0	10.0	100.0%	0		10.33s	8,193	309	1,284

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		3.41s	258	212	0
Qwen3.5-Flash	3.0	10.0	0.0%	0		48.98s	204	32	37,037

Perbandingan Cepat

Ganti Pasangan Perbandingan