AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs Qwen: Qwen3.6 Plus

Rezumat

Comparație benchmark Claude Opus 4.8 vs Qwen3.6 Plus: Qwen3.6 Plus conduce la scorul mediu cu 7.8 vs 7.7. Qwen3.6 Plus are costul de benchmark mai mic, $0.294 vs $1.270. Claude Opus 4.8 este mai rapid cu 10.83s vs 30.70s, cu rate de reușită de 79.4% vs 69.8%.

Model recomandat: Qwen3.6 Plus - Are cel mai bun scor aici (7.8) și costă de aproximativ 4.3x mai puțin decât Claude Opus 4.8.

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	Qwen3.6 Plus Qwen3.6 Plus medium Lansare: 2026-04-20

Metrică	Claude Opus 4.8 Claude Opus 4.8 low Lansare: 2026-05-28	Qwen3.6 Plus Qwen3.6 Plus medium Lansare: 2026-04-20
Scor	7.7	7.8
Rang	#38	#31
Fiabilitate	10.0	10.0
Consistență	8.8	9.3
Teste corecte
Rată de trecere pe încercare	79.4%	69.8%
Teste instabile	3	2
Rulări totale	63	63
Cost per rezultat	8.466	0.831
Cost total	$1.270	$0.294
Preț de intrare	$5.000 / 1M	$0.325 / 1M
Preț de ieșire	$25.000 / 1M	$1.950 / 1M
Total tokenuri de intrare	60,946	41,565
Tokenuri de ieșire	31,771	1,853
Tokenuri de raționament	6,831	141,973
Timp de răspuns (mediu)	10.83s	30.70s
Timp de răspuns (maxim)	127.97s	201.68s
Timp de răspuns (total)	227.39s	613.99s

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

#31 Qwen3.6 Plus

medium

Cost: $0.024
Timp: 219.0s
Tokenuri: 12,235 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
Qwen3.6 Plus	10.0	10.0	100.0%	0		9.90s	672	207	7,557

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
Qwen3.6 Plus	6.1	7.8	44.4%	1		153.12s	7,098	58	50,586

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
Qwen3.6 Plus	10.0	10.0	100.0%	0		34.95s	14,934	452	13,073

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
Qwen3.6 Plus	10.0	10.0	100.0%	0		14.95s	7,782	270	10,706

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
Qwen3.6 Plus	2.9	7.2	11.1%	1		29.59s	771	56	33,464

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
Qwen3.6 Plus	5.1	10.0	0.0%	0		27.05s	516	111	5,232

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
Qwen3.6 Plus	10.0	10.0	100.0%	0		7.54s	699	102	5,552

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
Qwen3.6 Plus	10.0	10.0	100.0%	0		6.34s	696	309	6,712

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
Qwen3.6 Plus	10.0	10.0	100.0%	0		5.87s	8,193	267	1,330

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
Qwen3.6 Plus	3.0	10.0	0.0%	0		47.51s	204	21	7,761

Comparație rapidă

Schimbă perechea de comparație