AI BENCHY Compare

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

Ringkasan

Perbandingan benchmark Claude Opus 4.8 vs Qwen3.6 Flash: Qwen3.6 Flash unggul dalam skor rata-rata dengan 7.5 vs 7.0. Qwen3.6 Flash memiliki biaya benchmark lebih rendah di $0.288 vs $0.539. Claude Opus 4.8 lebih cepat di 3.47s vs 19.25s, dengan tingkat keberhasilan 61.9% vs 71.4%.

Model yang direkomendasikan: Qwen3.6 Flash - It has the best score here (7.5), while costing about 1.9x less than Claude Opus 4.8.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-06-10

Metrik	Claude Opus 4.8 Claude Opus 4.8 none Rilis: 2026-05-28	Qwen3.6 Flash Qwen3.6 Flash medium Rilis: 2026-04-20

Metrik	Claude Opus 4.8 Claude Opus 4.8 none Rilis: 2026-05-28	Qwen3.6 Flash Qwen3.6 Flash medium Rilis: 2026-04-20
Skor	7.0	7.5
Peringkat	#69	#40
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	3.030
Total Biaya	$0.539	$0.288
Harga input	$5.000 / 1M	$0.188 / 1M
Harga output	$25.000 / 1M	$1.125 / 1M
Total token input	67,104	42,362
Token output	8,107	2,995
Token penalaran	0	245,358
Waktu respons (rata-rata)	3.47s	19.25s
Waktu respons (maks)	17.73s	122.87s
Waktu respons (total)	72.90s	404.20s

Generation showcase

Hamster playing table tennis

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

#69 Claude Opus 4.8

none

Cost: $0.053
Time: 22.0s
Tokens: 2,253 tok

#40 Qwen3.6 Flash

medium

Invalid SVG

Cost: $0.008
Time: 29.9s
Tokens: 6,784 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
Qwen3.6 Flash	10.0	10.0	100.0%	0		6.10s	672	624	14,024

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
Qwen3.6 Flash	5.0	5.1	44.5%	2		42.85s	7,895	495	67,967

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
Qwen3.6 Flash	10.0	10.0	100.0%	0		20.28s	14,934	483	13,839

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
Qwen3.6 Flash	10.0	10.0	100.0%	0		9.65s	7,782	270	13,155

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		1.66s	975	61	0
Qwen3.6 Flash	3.5	4.4	33.3%	2		14.65s	771	60	24,409

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
Qwen3.6 Flash	4.8	9.9	0.0%	0		9.88s	516	140	5,445

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
Qwen3.6 Flash	10.0	10.0	100.0%	0		6.05s	699	102	7,423

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
Qwen3.6 Flash	8.2	7.2	88.9%	1		6.29s	696	460	10,860

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
Qwen3.6 Flash	10.0	10.0	100.0%	0		4.00s	8,193	335	1,188

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
Qwen3.6 Flash	3.0	10.0	0.0%	0		122.87s	204	26	87,048

Perbandingan Cepat

Ganti Pasangan Perbandingan