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

AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs Qwen: Qwen3.6 Max Preview

Rezumat

Comparație benchmark Claude Opus 4.8 (medium) vs Qwen3.6 Max Preview (medium): Qwen3.6 Max Preview (medium) conduce la scorul mediu cu 8.9 vs 8.8. Qwen3.6 Max Preview (medium) are costul de benchmark mai mic, $0.960 vs $1.107. Claude Opus 4.8 (medium) este mai rapid cu 9.72s vs 59.63s, cu rate de reușită de 84.1% vs 81.0%.

Model recomandat: Claude Opus 4.8 (medium) - Scorul rămâne aproape de cel mai bun scor de aici (8.8 vs 8.9) și răspunde de aproximativ 6.1x mai rapid decât Qwen3.6 Max Preview (medium).

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-07-10

Metrică Claude Opus 4.8 Claude Opus 4.8 medium Lansare: 2026-05-28 Qwen3.6 Max Preview Qwen3.6 Max Preview medium Lansare: 2026-04-20
Scor 8.8 8.9
Rang #15 #14
Fiabilitate 10.0 10.0
Consistență 9.6 9.3
Teste corecte
Rată de trecere pe încercare 84.1% 81.0%
Teste instabile 1 2
Rulări totale 63 63
Cost per rezultat 6.512 7.024
Cost total $1.107 $0.960
Preț de intrare $5.000 / 1M $1.040 / 1M
Preț de ieșire $25.000 / 1M $6.240 / 1M
Total tokenuri de intrare 61,007 42,362
Tokenuri de ieșire 26,495 2,273
Tokenuri de raționament 5,901 144,367
Timp de răspuns (mediu) 9.72s 59.63s
Timp de răspuns (maxim) 38.03s 238.07s
Timp de răspuns (total) 204.19s 1252.17s

Prezentare generare

Hamster playing table tennis

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

#15 Claude Opus 4.8

medium
Cost
$0.057
Timp
23.1s
Tokenuri
2,412 tok

#14 Qwen3.6 Max Preview

medium
Cost
$0.024
Timp
76.5s
Tokenuri
3,861 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 3.95s 834 1,179 478
Qwen3.6 Max Preview 10.0 10.0 100.0% 0 22.13s 672 228 10,075
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 10.0 10.0 100.0% 0 15.33s 10,590 9,945 1,381
Qwen3.6 Max Preview 8.8 7.8 88.9% 1 146.48s 7,895 427 52,957
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 38.03s 23,561 5,260 1,588
Qwen3.6 Max Preview 10.0 10.0 100.0% 0 121.49s 14,934 390 14,575
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 7.1 5.6 83.3% 1 12.29s 10,503 481 312
Qwen3.6 Max Preview 10.0 10.0 100.0% 0 41.15s 7,782 270 10,106
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 14.59s 975 7,477 900
Qwen3.6 Max Preview 2.9 7.2 11.1% 1 95.91s 771 60 30,371
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 2.46s 708 237 0
Qwen3.6 Max Preview 10.0 10.0 100.0% 0 32.24s 516 129 3,510
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 10.0 10.0 100.0% 0 3.32s 909 373 320
Qwen3.6 Max Preview 10.0 10.0 100.0% 0 24.31s 699 103 5,848
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 3.95s 894 791 483
Qwen3.6 Max Preview 10.0 10.0 100.0% 0 24.32s 696 329 7,693
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 8.96s 11,775 301 225
Qwen3.6 Max Preview 10.0 10.0 100.0% 0 18.32s 8,193 309 1,571
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 6.14s 258 451 214
Qwen3.6 Max Preview 3.0 10.0 0.0% 0 60.56s 204 28 7,661

Comparație rapidă

Schimbă perechea de comparație

Claude Opus 4.8mediumvsGPT-5.2 ChatnoneGemini 3.5 FlashlowvsQwen3.6 Max PreviewmediumGPT-5.2 ChatnonevsQwen3.6 Max PreviewmediumClaude Opus 4.8mediumvsGemini 3.5 FlashlowGPT-5.5lowvsQwen3.6 Max PreviewmediumGPT-5.6 SolhighvsQwen3.6 Max PreviewmediumClaude Opus 4.8mediumvsGPT-5.5lowClaude Opus 4.8mediumvsGPT-5.6 SolhighClaude Opus 4.8mediumvsDeepSeek V4 FlashhighDeepSeek V4 FlashhighvsQwen3.6 Max PreviewmediumGPT-5.6 SollowvsQwen3.6 Max PreviewmediumClaude Opus 4.8mediumvsGPT-5.6 Terrahigh