Claude Sonnet 5 unggul dalam skor rata-rata dengan 5.9 vs 5.8. Qwen3.8 Flash Next memiliki biaya benchmark lebih rendah di ~$0.011 vs $1.095. Qwen3.8 Flash Next lebih cepat di 5.71s vs 8.60s, dengan tingkat keberhasilan 40.6% vs 43.5%.
Benchmark dihasilkan dari suite pengujian AI BENCHY pada:
2026-10-05
Model yang Dibandingkan
Peringkat
#255
Total token output
30,777
Waktu respons (rata-rata)
8.60s
Total Biaya
$1.095
Jawaban model kandidat dibuat di perangkat keras lokal. OpenRouter hanya digunakan untuk penilaian. qwen3.8-flash-next-iq3_s · IQ3_S · Strata 0.1.39 · NVIDIA GeForce RTX 3090.
Peringkat
#258
Total token output
9,077
Waktu respons (rata-rata)
5.71s
Total Biaya
~$0.011Perkiraan hanya mencakup listrik GPU. Komponen komputer lain dan biaya kepemilikan perangkat keras tidak termasuk. NVIDIA GeForce RTX 3090: 0.1095 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.010823.
Model yang direkomendasikanQwen3.8 Flash Next
Its score stays close to the best score here (5.8 vs 5.9), while costing about 101.2x less than Claude Sonnet 5.
Qwen3.8 Flash NextQwen3.8 Flash NextnoneJawaban model kandidat dibuat di perangkat keras lokal. OpenRouter hanya digunakan untuk penilaian. qwen3.8-flash-next-iq3_s · IQ3_S · Strata 0.1.39 · NVIDIA GeForce RTX 3090.Rilis: 2026-10-04
Qwen3.8 Flash NextQwen3.8 Flash NextnoneJawaban model kandidat dibuat di perangkat keras lokal. OpenRouter hanya digunakan untuk penilaian. qwen3.8-flash-next-iq3_s · IQ3_S · Strata 0.1.39 · NVIDIA GeForce RTX 3090.Rilis: 2026-10-04
Skor
5.9Skor rata-rata di semua tes benchmark.…
5.8Skor rata-rata di semua tes benchmark.…
Peringkat
#255
#258
Keandalan
10.0Skor sukses percobaan pertama: 10.0 berarti tidak ada kegagalan API target atau batas laju yang dapat dicoba ulang sebelum panggilan berhasil; kegagalan yang tercatat menurunkan skor.…
10.0Skor sukses percobaan pertama: 10.0 berarti tidak ada kegagalan API target atau batas laju yang dapat dicoba ulang sebelum panggilan berhasil; kegagalan yang tercatat menurunkan skor.…
Konsistensi
8.4Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
9.0Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 14Tidak ada jawaban: 1Waktu respons (rata-rata)5.71sWaktu respons (maks)65.25sWaktu respons (total)131.36sTes dianggap lulus penuh hanya jika semua run-nya lulus.…
Tingkat lulus per percobaan
40.6%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
43.5%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
Tes tidak stabil
5Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
3Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
Total Run
69Total Run…
69Total Run…
Biaya per hasil
15.642
~0.136Perkiraan hanya mencakup listrik GPU. Komponen komputer lain dan biaya kepemilikan perangkat keras tidak termasuk. NVIDIA GeForce RTX 3090: 0.1095 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.010823.
Total Biaya
$1.095
~$0.011Perkiraan hanya mencakup listrik GPU. Komponen komputer lain dan biaya kepemilikan perangkat keras tidak termasuk. NVIDIA GeForce RTX 3090: 0.1095 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.010823.
Harga input
$2.000 / 1MHarga input…
T/AHarga input…
Harga output
$10.000 / 1MHarga output…
T/AHarga output…
Harga baca cache
$0.200 / 1MHarga baca cache…
T/AHarga baca cache…
Harga tulis cache
$2.500 / 1MHarga tulis cache…
T/AHarga tulis cache…
Total token input
393,560Total token input…
266,004Total token input…
Token output
30,777Token output…
9,077Token output…
Token penalaran
0Token penalaran…
0Token penalaran…
Waktu respons (rata-rata)
8.60sWaktu respons (rata-rata)…
5.71sWaktu respons (rata-rata)…
Waktu respons (maks)
64.73sWaktu respons (maks)…
65.25sWaktu respons (maks)…
Waktu respons (total)
197.73sWaktu respons (total)…
131.36sWaktu respons (total)…
Parameter
~1T total (~100B aktif)
180B total (6B aktif)
Ketersediaan
Tertutup
Bobot tersedia
Harga cache berlaku untuk token input. Pembacaan memakai kembali prompt tersimpan; penulisan menyimpannya dan dapat menambah biaya. Token output menggunakan harga output.
Showcase generasi model
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#255 Claude Sonnet 5
none
Biaya
$0.061
Waktu
53.7s
Token
6,172 tok
#258 Qwen3.8 Flash Next
noneJawaban model kandidat dibuat di perangkat keras lokal. OpenRouter hanya digunakan untuk penilaian. qwen3.8-flash-next-iq3_s · IQ3_S · Strata 0.1.39 · NVIDIA GeForce RTX 3090.
Biaya
~$0.001Perkiraan hanya mencakup listrik GPU. Komponen komputer lain dan biaya kepemilikan perangkat keras tidak termasuk. NVIDIA GeForce RTX 3090: 0.0076 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.000755.
3.1Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
33.3%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
1Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)64.73sWaktu respons (maks)64.73sWaktu respons (total)64.73sTes dianggap lulus penuh hanya jika semua run-nya lulus.…
64.73sWaktu respons (rata-rata)…
232,528Total token input…
8,269Token output…
0Token penalaran…
Qwen3.8 Flash NextJawaban model kandidat dibuat di perangkat keras lokal. OpenRouter hanya digunakan untuk penilaian. qwen3.8-flash-next-iq3_s · IQ3_S · Strata 0.1.39 · NVIDIA GeForce RTX 3090.
5.0Skor rata-rata di semua tes benchmark.…
10.0Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
0.0%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
0Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)65.25sWaktu respons (maks)65.25sWaktu respons (total)65.25sTes dianggap lulus penuh hanya jika semua run-nya lulus.…
10.0Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
25.0%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
0Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Format tambahan: 2Jawaban salah: 1Waktu respons (rata-rata)3.60sWaktu respons (maks)7.10sWaktu respons (total)14.39sTes dianggap lulus penuh hanya jika semua run-nya lulus.…
3.60sWaktu respons (rata-rata)…
834Total token input…
1,813Token output…
0Token penalaran…
Qwen3.8 Flash NextJawaban model kandidat dibuat di perangkat keras lokal. OpenRouter hanya digunakan untuk penilaian. qwen3.8-flash-next-iq3_s · IQ3_S · Strata 0.1.39 · NVIDIA GeForce RTX 3090.
6.5Skor rata-rata di semua tes benchmark.…
10.0Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
50.0%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
0Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 2Waktu respons (rata-rata)1.70sWaktu respons (maks)4.03sWaktu respons (total)6.82sTes dianggap lulus penuh hanya jika semua run-nya lulus.…
7.9Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
22.2%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
1Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 3Waktu respons (rata-rata)3.67sWaktu respons (maks)5.83sWaktu respons (total)11.02sTes dianggap lulus penuh hanya jika semua run-nya lulus.…
3.67sWaktu respons (rata-rata)…
10,590Total token input…
1,864Token output…
0Token penalaran…
Qwen3.8 Flash NextJawaban model kandidat dibuat di perangkat keras lokal. OpenRouter hanya digunakan untuk penilaian. qwen3.8-flash-next-iq3_s · IQ3_S · Strata 0.1.39 · NVIDIA GeForce RTX 3090.
5.5Skor rata-rata di semua tes benchmark.…
10.0Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
33.3%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
0Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 2Waktu respons (rata-rata)1.64sWaktu respons (maks)2.70sWaktu respons (total)4.91sTes dianggap lulus penuh hanya jika semua run-nya lulus.…
10.0Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
50.0%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
0Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban: 1Waktu respons (rata-rata)31.43sWaktu respons (maks)33.39sWaktu respons (total)62.86sTes dianggap lulus penuh hanya jika semua run-nya lulus.…
31.43sWaktu respons (rata-rata)…
123,013Total token input…
15,526Token output…
0Token penalaran…
Qwen3.8 Flash NextJawaban model kandidat dibuat di perangkat keras lokal. OpenRouter hanya digunakan untuk penilaian. qwen3.8-flash-next-iq3_s · IQ3_S · Strata 0.1.39 · NVIDIA GeForce RTX 3090.
3.0Skor rata-rata di semua tes benchmark.…
10.0Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
0.0%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
0Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban: 1Jawaban salah: 1Waktu respons (rata-rata)11.98sWaktu respons (maks)16.02sWaktu respons (total)23.95sTes dianggap lulus penuh hanya jika semua run-nya lulus.…
10.0Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
100.0%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
0Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban gagal.Waktu respons (rata-rata)3.01sWaktu respons (maks)3.29sWaktu respons (total)6.02sTes dianggap lulus penuh hanya jika semua run-nya lulus.…
3.01sWaktu respons (rata-rata)…
10,503Total token input…
309Token output…
0Token penalaran…
Qwen3.8 Flash NextJawaban model kandidat dibuat di perangkat keras lokal. OpenRouter hanya digunakan untuk penilaian. qwen3.8-flash-next-iq3_s · IQ3_S · Strata 0.1.39 · NVIDIA GeForce RTX 3090.
10.0Skor rata-rata di semua tes benchmark.…
10.0Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
100.0%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
0Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban gagal.Waktu respons (rata-rata)1.60sWaktu respons (maks)1.71sWaktu respons (total)3.19sTes dianggap lulus penuh hanya jika semua run-nya lulus.…
7.2Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
11.1%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
1Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 3Waktu respons (rata-rata)3.32sWaktu respons (maks)4.75sWaktu respons (total)9.96sTes dianggap lulus penuh hanya jika semua run-nya lulus.…
3.32sWaktu respons (rata-rata)…
972Total token input…
930Token output…
0Token penalaran…
Qwen3.8 Flash NextJawaban model kandidat dibuat di perangkat keras lokal. OpenRouter hanya digunakan untuk penilaian. qwen3.8-flash-next-iq3_s · IQ3_S · Strata 0.1.39 · NVIDIA GeForce RTX 3090.
3.0Skor rata-rata di semua tes benchmark.…
10.0Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
0.0%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
0Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 3Waktu respons (rata-rata)5.38sWaktu respons (maks)15.16sWaktu respons (total)16.15sTes dianggap lulus penuh hanya jika semua run-nya lulus.…
3.1Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
33.3%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
1Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak mengikuti instruksi: 1Waktu respons (rata-rata)2.81sWaktu respons (maks)2.81sWaktu respons (total)2.81sTes dianggap lulus penuh hanya jika semua run-nya lulus.…
2.81sWaktu respons (rata-rata)…
708Total token input…
272Token output…
0Token penalaran…
Qwen3.8 Flash NextJawaban model kandidat dibuat di perangkat keras lokal. OpenRouter hanya digunakan untuk penilaian. qwen3.8-flash-next-iq3_s · IQ3_S · Strata 0.1.39 · NVIDIA GeForce RTX 3090.
6.1Skor rata-rata di semua tes benchmark.…
3.1Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
66.7%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
1Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)1.09sWaktu respons (maks)1.09sWaktu respons (total)1.09sTes dianggap lulus penuh hanya jika semua run-nya lulus.…
10.0Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
50.0%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
0Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Format tambahan: 1Waktu respons (rata-rata)2.58sWaktu respons (maks)2.89sWaktu respons (total)5.17sTes dianggap lulus penuh hanya jika semua run-nya lulus.…
2.58sWaktu respons (rata-rata)…
909Total token input…
103Token output…
0Token penalaran…
Qwen3.8 Flash NextJawaban model kandidat dibuat di perangkat keras lokal. OpenRouter hanya digunakan untuk penilaian. qwen3.8-flash-next-iq3_s · IQ3_S · Strata 0.1.39 · NVIDIA GeForce RTX 3090.
7.1Skor rata-rata di semua tes benchmark.…
5.8Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
83.3%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
1Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)612msWaktu respons (maks)637msWaktu respons (total)1.22sTes dianggap lulus penuh hanya jika semua run-nya lulus.…
7.4Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
55.6%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
1Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Format tambahan: 1Jawaban salah: 1Waktu respons (rata-rata)3.22sWaktu respons (maks)3.65sWaktu respons (total)9.67sTes dianggap lulus penuh hanya jika semua run-nya lulus.…
3.22sWaktu respons (rata-rata)…
894Total token input…
778Token output…
0Token penalaran…
Qwen3.8 Flash NextJawaban model kandidat dibuat di perangkat keras lokal. OpenRouter hanya digunakan untuk penilaian. qwen3.8-flash-next-iq3_s · IQ3_S · Strata 0.1.39 · NVIDIA GeForce RTX 3090.
6.3Skor rata-rata di semua tes benchmark.…
7.8Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
55.6%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
1Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 2Waktu respons (rata-rata)1.30sWaktu respons (maks)2.37sWaktu respons (total)3.89sTes dianggap lulus penuh hanya jika semua run-nya lulus.…
10.0Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
100.0%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
0Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban gagal.Waktu respons (rata-rata)6.80sWaktu respons (maks)6.80sWaktu respons (total)6.80sTes dianggap lulus penuh hanya jika semua run-nya lulus.…
6.80sWaktu respons (rata-rata)…
12,351Total token input…
522Token output…
0Token penalaran…
Qwen3.8 Flash NextJawaban model kandidat dibuat di perangkat keras lokal. OpenRouter hanya digunakan untuk penilaian. qwen3.8-flash-next-iq3_s · IQ3_S · Strata 0.1.39 · NVIDIA GeForce RTX 3090.
10.0Skor rata-rata di semua tes benchmark.…
10.0Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
100.0%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
0Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban gagal.Waktu respons (rata-rata)4.35sWaktu respons (maks)4.35sWaktu respons (total)4.35sTes dianggap lulus penuh hanya jika semua run-nya lulus.…
10.0Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
0.0%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
0Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban: 1Waktu respons (rata-rata)4.31sWaktu respons (maks)4.31sWaktu respons (total)4.31sTes dianggap lulus penuh hanya jika semua run-nya lulus.…
4.31sWaktu respons (rata-rata)…
258Total token input…
391Token output…
0Token penalaran…
Qwen3.8 Flash NextJawaban model kandidat dibuat di perangkat keras lokal. OpenRouter hanya digunakan untuk penilaian. qwen3.8-flash-next-iq3_s · IQ3_S · Strata 0.1.39 · NVIDIA GeForce RTX 3090.
3.0Skor rata-rata di semua tes benchmark.…
10.0Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
0.0%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
0Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)540msWaktu respons (maks)540msWaktu respons (total)540msTes dianggap lulus penuh hanya jika semua run-nya lulus.…