नेव्हिगेशन
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Anthropic: Claude Opus 4.8 vs Qwen: Qwen3.5 Plus 2026-04-20

Claude Opus 4.8 average score मध्ये पुढे आहे: 7.3 vs 7.2. Qwen3.5 Plus 2026-04-20 (medium) चा benchmark खर्च कमी आहे: $0.317 vs $1.166. Claude Opus 4.8 वेगवान आहे: 4.91s vs 46.36s, pass rates 63.6% vs 63.6%.

शिफारस केलेले मॉडेलClaude Opus 4.8It has the best score here (7.3), while responding about 9.4x faster than Qwen3.5 Plus 2026-04-20 (medium).

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-20

मेट्रिक Claude Opus 4.8 Claude Opus 4.8 none प्रकाशन: 2026-05-28 Qwen3.5 Plus 2026-04-20 Qwen3.5 Plus 2026-04-20 medium प्रकाशन: 2026-04-20
स्कोअर 7.3 7.2
क्रमांक #66 #70
विश्वसनीयता 10.0 9.6
सुसंगतता 9.2 9.0
बरोबर चाचण्या
प्रति प्रयत्न पास दर 63.6% 63.6%
अस्थिर चाचण्या 2 2
एकूण रन 66 66
प्रति निकाल खर्च 8.969 3.023
एकूण खर्च $1.166 $0.317
इनपुट किंमत $5.000 / 1M $0.300 / 1M
आउटपुट किंमत $25.000 / 1M $1.800 / 1M
एकूण इनपुट टोकन्स 149,206 42,097
आउटपुट टोकन्स 16,797 2,280
रिझनिंग टोकन्स 0 166,613
प्रतिसाद वेळ (सरासरी) 4.91s 46.36s
प्रतिसाद वेळ (कमाल) 35.03s 189.38s
प्रतिसाद वेळ (एकूण) 108.03s 973.57s

Hamster playing table tennis

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

#66 Claude Opus 4.8

none
खर्च
$0.053
वेळ
22.0s
टोकन्स
2,253 tok

#70 Qwen3.5 Plus 2026-04-20

medium
खर्च
$0.008
वेळ
76.7s
टोकन्स
4,355 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 5.5 10.0 33.3% 0 3.29s 10,590 1,332 0
Qwen3.5 Plus 2026-04-20 6.2 8.7 33.3% 0 125.25s 7,630 308 58,682

झटपट तुलना

तुलना जोडी बदला