AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs Qwen: Qwen3.5-27B

Rezumat

Comparație benchmark Claude Opus 4.8 vs Qwen3.5-27B: Qwen3.5-27B conduce la scorul mediu cu 7.9 vs 7.7. Qwen3.5-27B are costul de benchmark mai mic, $0.536 vs $1.270. Claude Opus 4.8 este mai rapid cu 10.83s vs 68.39s, cu rate de reușită de 79.4% vs 73.0%.

Model recomandat: Claude Opus 4.8 - Scorul rămâne aproape de cel mai bun scor de aici (7.7 vs 7.9) și răspunde de aproximativ 6.3x mai rapid decât Qwen3.5-27B.

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-06-30

Metrică	Claude Opus 4.8 Claude Opus 4.8 low Lansare: 2026-05-28	Qwen3.5-27B Qwen3.5-27B medium Lansare: 2026-02-24

Metrică	Claude Opus 4.8 Claude Opus 4.8 low Lansare: 2026-05-28	Qwen3.5-27B Qwen3.5-27B medium Lansare: 2026-02-24
Scor	7.7	7.9
Rang	#38	#29
Fiabilitate	10.0	10.0
Consistență	8.8	8.5
Teste corecte
Rată de trecere pe încercare	79.4%	73.0%
Teste instabile	3	4
Rulări totale	63	63
Cost per rezultat	8.466	4.901
Cost total	$1.270	$0.536
Preț de intrare	$5.000 / 1M	$0.195 / 1M
Preț de ieșire	$25.000 / 1M	$1.560 / 1M
Total tokenuri de intrare	60,946	42,164
Tokenuri de ieșire	31,771	8,534
Tokenuri de raționament	6,831	329,289
Timp de răspuns (mediu)	10.83s	68.39s
Timp de răspuns (maxim)	127.97s	234.36s
Timp de răspuns (total)	227.39s	1436.24s

Prezentare generare

Hamster playing table tennis

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

#38 Claude Opus 4.8

low

Cost: $0.031
Timp: 14.1s
Tokenuri: 1,345 tok

#29 Qwen3.5-27B

medium

Cost: $0.008
Timp: 62.0s
Tokenuri: 3,099 tok

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor vs Timp de răspuns (mediu)

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Defalcare pe categorii

Trucuri anti-AI	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 4.8	10.0	10.0	100.0%	0		3.30s	834	793	371
Qwen3.5-27B	8.7	7.9	91.7%	1		19.75s	672	569	31,505

Programare	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 4.8	6.6	4.6	77.8%	2		7.58s	10,590	3,637	809
Qwen3.5-27B	6.2	7.1	55.6%	1		160.69s	7,895	6,381	89,388

Combinat	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 4.8	9.8	10.0	100.0%	0		20.84s	23,500	2,216	1,081
Qwen3.5-27B	10.0	10.0	100.0%	0		163.96s	14,946	483	9,991

Parsare și extragere de date	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 4.8	6.3	5.8	66.7%	1		2.27s	10,503	310	0
Qwen3.5-27B	10.0	10.0	100.0%	0		30.26s	7,782	270	16,150

Specific domeniului	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 4.8	5.3	10.0	33.3%	0		45.53s	975	23,311	3,908
Qwen3.5-27B	5.3	10.0	33.3%	0		79.53s	553	43	52,368

Inteligență generală	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 4.8	10.0	10.0	100.0%	0		2.55s	708	231	0
Qwen3.5-27B	6.1	3.1	66.7%	1		101.41s	524	70	23,147

Respectarea instrucțiunilor	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 4.8	9.8	10.0	100.0%	0		2.78s	909	111	221
Qwen3.5-27B	10.0	10.0	100.0%	0		19.66s	699	97	11,638

Rezolvare de puzzle-uri	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 4.8	10.0	10.0	100.0%	0		3.01s	894	592	184
Qwen3.5-27B	8.2	7.7	77.8%	1		59.60s	696	242	70,096

Apelare instrumente	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 4.8	10.0	10.0	100.0%	0		6.85s	11,775	370	35
Qwen3.5-27B	10.0	10.0	100.0%	0		7.45s	8,193	348	1,323

Cultură generală	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 4.8	3.0	10.0	0.0%	0		5.48s	258	200	222
Qwen3.5-27B	3.0	10.0	0.0%	0		85.11s	204	31	23,683

Comparație rapidă

Schimbă perechea de comparație