AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs Qwen: Qwen3.7 Max

Rezumat

Comparație benchmark Claude Opus 4.8 vs Qwen3.7 Max: Qwen3.7 Max conduce la scorul mediu cu 9.4 vs 7.7. Qwen3.7 Max are costul de benchmark mai mic, $0.523 vs $1.270. Claude Opus 4.8 este mai rapid cu 10.83s vs 16.02s, cu rate de reușită de 79.4% vs 88.9%.

Model recomandat: Qwen3.7 Max - Are cel mai bun scor aici (9.4) și costă de aproximativ 2.4x mai puțin decât Claude Opus 4.8.

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-07-02

Metrică	Claude Opus 4.8 Claude Opus 4.8 low Lansare: 2026-05-28	Qwen3.7 Max Qwen3.7 Max medium Lansare: 2026-05-22

Metrică	Claude Opus 4.8 Claude Opus 4.8 low Lansare: 2026-05-28	Qwen3.7 Max Qwen3.7 Max medium Lansare: 2026-05-22
Scor	7.7	9.4
Rang	#38	#3
Fiabilitate	10.0	10.0
Consistență	8.8	9.6
Teste corecte
Rată de trecere pe încercare	79.4%	88.9%
Teste instabile	3	1
Rulări totale	63	63
Cost per rezultat	8.466	5.517
Cost total	$1.270	$0.523
Preț de intrare	$5.000 / 1M	$1.250 / 1M
Preț de ieșire	$25.000 / 1M	$3.750 / 1M
Total tokenuri de intrare	60,946	42,360
Tokenuri de ieșire	31,771	2,129
Tokenuri de raționament	6,831	122,959
Timp de răspuns (mediu)	10.83s	16.02s
Timp de răspuns (maxim)	127.97s	59.98s
Timp de răspuns (total)	227.39s	336.51s

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

#3 Qwen3.7 Max

medium

Cost: $0.017
Timp: 68.8s
Tokenuri: 4,526 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
Qwen3.7 Max	10.0	10.0	100.0%	0		6.36s	672	222	8,742

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
Qwen3.7 Max	10.0	10.0	100.0%	0		35.31s	7,893	423	34,808

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
Qwen3.7 Max	10.0	10.0	100.0%	0		19.60s	14,934	366	8,405

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
Qwen3.7 Max	10.0	10.0	100.0%	0		8.80s	7,782	270	6,254

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
Qwen3.7 Max	5.9	7.2	55.6%	1		24.94s	771	61	31,793

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
Qwen3.7 Max	10.0	10.0	100.0%	0		11.70s	516	135	4,457

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
Qwen3.7 Max	10.0	10.0	100.0%	0		7.46s	699	102	5,452

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
Qwen3.7 Max	10.0	10.0	100.0%	0		8.84s	696	259	8,908

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
Qwen3.7 Max	10.0	10.0	100.0%	0		6.63s	8,193	267	1,220

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
Qwen3.7 Max	3.0	10.0	0.0%	0		33.37s	204	24	12,920

Comparație rapidă

Schimbă perechea de comparație