AI BENCHY Compare

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

概要

Claude Opus 4.8 vs Qwen3.5-Flash (medium) の benchmark 比較: Claude Opus 4.8 が平均スコアでリードし、7.2 vs 6.8 です。 Qwen3.5-Flash (medium) の benchmark コストが低く、$0.080 vs $0.539 です。 Claude Opus 4.8 の方が高速で、3.48s vs 63.29s です、成功率は 61.9% vs 71.4% です。

おすすめモデル: Claude Opus 4.8 - ここでは最高スコア（7.2）で、Qwen3.5-Flash (medium) より約 18.2 倍速く応答します。

ベンチマークは AI BENCHY テストスイートから次の日時に生成: 2026-07-10

指標	Claude Opus 4.8 Claude Opus 4.8 none リリース: 2026-05-28	Qwen3.5-Flash Qwen3.5-Flash medium リリース: 2026-02-24

指標	Claude Opus 4.8 Claude Opus 4.8 none リリース: 2026-05-28	Qwen3.5-Flash Qwen3.5-Flash medium リリース: 2026-02-24
スコア	7.2	6.8
順位	#70	#84
信頼性	10.0	10.0
一貫性	9.2	8.1
正解テスト
試行ごとの合格率	61.9%	71.4%
不安定なテスト	2	5
総実行回数	63	63
結果あたりのコスト	4.485	0.871
合計コスト	$0.539	$0.080
入力価格	$5.000 / 1M	$0.065 / 1M
出力価格	$25.000 / 1M	$0.260 / 1M
合計入力トークン	67,104	38,926
出力トークン	8,107	2,088
推論トークン	0	294,598
応答時間（平均）	3.48s	63.29s
応答時間（最大）	17.73s	234.29s
応答時間（合計）	73.00s	1265.85s

生成ショーケース

Hamster playing table tennis

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

#70 Claude Opus 4.8

none

コスト: $0.053
時間: 22.0s
トークン: 2,253 tok

#84 Qwen3.5-Flash

medium

コスト: $0.002
時間: 25.8s
トークン: 4,294 tok

スコア上位モデル

スコア vs 総コスト

応答時間（平均）

スコア vs 応答時間（平均）

合計出力トークン

スコア vs 合計出力トークン

カテゴリ内訳

反AIトリック	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

コーディング	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

複合	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

データ解析と抽出	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

ドメイン特化	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

汎用知能	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

指示追従	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

パズル解決	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

ツール呼び出し	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

雑学	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

クイック比較

比較ペアを切り替え