AI BENCHY Compare

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

Rezumat

Comparație benchmark Claude Opus 4.8 vs Qwen3.7 Plus: Qwen3.7 Plus conduce la scorul mediu cu 8.2 vs 7.2. Qwen3.7 Plus are costul de benchmark mai mic, $0.177 vs $0.539. Claude Opus 4.8 este mai rapid cu 3.47s vs 38.95s, cu rate de reușită de 61.9% vs 77.8%.

Model recomandat: Qwen3.7 Plus - Are cel mai bun scor aici (8.2) și costă de aproximativ 3.0x mai puțin decât Claude Opus 4.8.

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-06-18

Metrică	Claude Opus 4.8 Claude Opus 4.8 none Lansare: 2026-05-28	Qwen3.7 Plus Qwen3.7 Plus medium Lansare: 2026-06-03

Metrică	Claude Opus 4.8 Claude Opus 4.8 none Lansare: 2026-05-28	Qwen3.7 Plus Qwen3.7 Plus medium Lansare: 2026-06-03
Scor	7.2	8.2
Rang	#57	#25
Fiabilitate	10.0	10.0
Consistență	9.2	9.1
Teste corecte
Rată de trecere pe încercare	61.9%	77.8%
Teste instabile	2	2
Rulări totale	63	63
Cost per rezultat	4.485	1.474
Cost total	$0.539	$0.177
Preț de intrare	$5.000 / 1M	$0.320 / 1M
Preț de ieșire	$25.000 / 1M	$1.280 / 1M
Total tokenuri de intrare	67,104	40,939
Tokenuri de ieșire	8,107	2,125
Tokenuri de raționament	0	125,754
Timp de răspuns (mediu)	3.47s	38.95s
Timp de răspuns (maxim)	17.73s	178.04s
Timp de răspuns (total)	72.90s	817.85s

Prezentare generare

Hamster playing table tennis

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

#57 Claude Opus 4.8

none

Cost: $0.053
Timp: 22.0s
Tokenuri: 2,253 tok

#25 Qwen3.7 Plus

medium

Cost: $0.018
Timp: 193.2s
Tokenuri: 10,821 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	6.5	10.0	50.0%	0		3.40s	834	1,472	0
Qwen3.7 Plus	10.0	10.0	100.0%	0		8.58s	672	195	5,065

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	5.5	10.0	33.3%	0		3.29s	10,590	1,332	0
Qwen3.7 Plus	6.1	6.6	55.6%	1		108.60s	6,472	414	43,576

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	9.5	10.0	100.0%	0		17.73s	29,658	3,259	0
Qwen3.7 Plus	10.0	10.0	100.0%	0		65.24s	14,934	366	10,132

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	7.3	5.8	83.3%	1		1.77s	10,503	308	0
Qwen3.7 Plus	10.0	10.0	100.0%	0		21.75s	7,782	270	6,713

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	7.2	44.4%	1		1.66s	975	61	0
Qwen3.7 Plus	3.6	7.2	22.2%	1		45.35s	771	57	27,073

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		3.48s	708	230	0
Qwen3.7 Plus	10.0	10.0	100.0%	0		25.48s	516	123	3,998

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	9.9	10.0	100.0%	0		1.37s	909	95	0
Qwen3.7 Plus	10.0	10.0	100.0%	0		16.13s	699	102	5,013

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	7.7	10.0	66.7%	0		2.74s	894	783	0
Qwen3.7 Plus	10.0	10.0	100.0%	0		16.38s	696	280	7,312

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		5.35s	11,775	355	0
Qwen3.7 Plus	10.0	10.0	100.0%	0		15.02s	8,193	292	1,831

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		3.41s	258	212	0
Qwen3.7 Plus	3.0	10.0	0.0%	0		91.07s	204	26	15,041

Comparație rapidă

Schimbă perechea de comparație