नेव्हिगेशन
AI BENCHY
Advertise here

Claude Opus 4.8 (low) vs Qwen3.7 Flash (high)

average score जवळपास समान आहे: 7.8 vs 7.8. Qwen3.7 Flash (high) चा benchmark खर्च कमी आहे: $0.051 vs $2.077. Claude Opus 4.8 (low) वेगवान आहे: 12.74s vs 39.77s, pass rates 80.3% vs 72.7%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-28

क्रमांक
#49
एकूण आउटपुट टोकन्स
51,758
प्रतिसाद वेळ (सरासरी)
12.74s
एकूण खर्च
$2.077
क्रमांक
#48
एकूण आउटपुट टोकन्स
359,703
प्रतिसाद वेळ (सरासरी)
39.77s
एकूण खर्च
$0.051
शिफारस केलेले मॉडेल Qwen3.7 Flash (high)

It has the best score here (7.8), while costing about 41.3x less than Claude Opus 4.8 (low).

तपशीलवार तुलना

मेट्रिक Claude Opus 4.8 Claude Opus 4.8 low प्रकाशन: 2026-05-28 Qwen3.7 Flash Qwen3.7 Flash high प्रकाशन: 2026-07-28
स्कोअर 7.8 7.8
क्रमांक #49 #48
विश्वसनीयता 10.0 10.0
सुसंगतता 8.9 7.8
बरोबर चाचण्या
प्रति प्रयत्न पास दर 80.3% 72.7%
अस्थिर चाचण्या 3 6
एकूण रन 66 66
प्रति निकाल खर्च 12.979 0.387
एकूण खर्च $2.077 $0.051
इनपुट किंमत $5.000 / 1M $0.030 / 1M
आउटपुट किंमत $25.000 / 1M $0.130 / 1M
एकूण इनपुट टोकन्स 156,525 116,322
आउटपुट टोकन्स 43,141 12,332
रिझनिंग टोकन्स 8,617 347,371
प्रतिसाद वेळ (सरासरी) 12.74s 39.77s
प्रतिसाद वेळ (कमाल) 127.97s 431.47s
प्रतिसाद वेळ (एकूण) 280.29s 875.01s

Hamster playing table tennis

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

#49 Claude Opus 4.8

low
खर्च
$0.031
वेळ
14.1s
टोकन्स
1,345 tok

#48 Qwen3.7 Flash

high
अवैध SVG
खर्च
$0.000
वेळ
600.0s
टोकन्स
0 tok

स्कोअरनुसार शीर्ष मॉडेल्स

स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी)

स्कोअर vs प्रतिसाद वेळ (सरासरी)

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

श्रेणीवार तपशील

कोडिंग स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Claude Opus 4.8 6.6 4.6 77.8% 2 7.58s 10,590 3,637 809
Qwen3.7 Flash 8.2 9.7 66.7% 0 58.84s 7,893 503 62,350

झटपट तुलना

तुलना जोडी बदला