AI BENCHY Compare

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

Ringkasan

Perbandingan benchmark Claude Opus 4.8 vs Qwen3.7 Plus: Qwen3.7 Plus unggul dalam skor rata-rata dengan 8.2 vs 7.2. Qwen3.7 Plus memiliki biaya benchmark lebih rendah di $0.177 vs $0.539. Claude Opus 4.8 lebih cepat di 3.47s vs 38.95s, dengan tingkat keberhasilan 61.9% vs 77.8%.

Model yang direkomendasikan: Qwen3.7 Plus - It has the best score here (8.2), while costing about 3.0x less than Claude Opus 4.8.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-06-18

Metrik	Claude Opus 4.8 Claude Opus 4.8 none Rilis: 2026-05-28	Qwen3.7 Plus Qwen3.7 Plus medium Rilis: 2026-06-03

Metrik	Claude Opus 4.8 Claude Opus 4.8 none Rilis: 2026-05-28	Qwen3.7 Plus Qwen3.7 Plus medium Rilis: 2026-06-03
Skor	7.2	8.2
Peringkat	#57	#25
Keandalan	10.0	10.0
Konsistensi	9.2	9.1
Tes benar
Tingkat lulus per percobaan	61.9%	77.8%
Tes tidak stabil	2	2
Total Run	63	63
Biaya per hasil	4.485	1.474
Total Biaya	$0.539	$0.177
Harga input	$5.000 / 1M	$0.320 / 1M
Harga output	$25.000 / 1M	$1.280 / 1M
Total token input	67,104	40,939
Token output	8,107	2,125
Token penalaran	0	125,754
Waktu respons (rata-rata)	3.47s	38.95s
Waktu respons (maks)	17.73s	178.04s
Waktu respons (total)	72.90s	817.85s

Showcase generasi

Hamster playing table tennis

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

#57 Claude Opus 4.8

none

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

#25 Qwen3.7 Plus

medium

Biaya: $0.018
Waktu: 193.2s
Token: 10,821 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
Qwen3.7 Plus	10.0	10.0	100.0%	0		8.58s	672	195	5,065

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
Qwen3.7 Plus	6.1	6.6	55.6%	1		108.60s	6,472	414	43,576

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
Qwen3.7 Plus	10.0	10.0	100.0%	0		65.24s	14,934	366	10,132

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
Qwen3.7 Plus	10.0	10.0	100.0%	0		21.75s	7,782	270	6,713

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
Qwen3.7 Plus	3.6	7.2	22.2%	1		45.35s	771	57	27,073

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
Qwen3.7 Plus	10.0	10.0	100.0%	0		25.48s	516	123	3,998

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
Qwen3.7 Plus	10.0	10.0	100.0%	0		16.13s	699	102	5,013

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
Qwen3.7 Plus	10.0	10.0	100.0%	0		16.38s	696	280	7,312

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
Qwen3.7 Plus	10.0	10.0	100.0%	0		15.02s	8,193	292	1,831

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
Qwen3.7 Plus	3.0	10.0	0.0%	0		91.07s	204	26	15,041

Perbandingan Cepat

Ganti Pasangan Perbandingan