AI BENCHY Compare

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

Сводка

Сравнение benchmark Claude Opus 4.8 vs Qwen3.6 Flash: Qwen3.6 Flash лидирует по среднему баллу: 7.5 vs 7.0. Qwen3.6 Flash имеет более низкую стоимость benchmark: $0.288 vs $0.539. Claude Opus 4.8 быстрее: 3.47s vs 19.25s, с долей успешных попыток 61.9% vs 71.4%.

Рекомендуемая модель: Qwen3.6 Flash - Здесь у него лучший балл (7.5), при этом он примерно в 1.9 раза дешевле, чем Claude Opus 4.8.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-06-10

Метрика	Claude Opus 4.8 Claude Opus 4.8 none Релиз: 2026-05-28	Qwen3.6 Flash Qwen3.6 Flash medium Релиз: 2026-04-20

Метрика	Claude Opus 4.8 Claude Opus 4.8 none Релиз: 2026-05-28	Qwen3.6 Flash Qwen3.6 Flash medium Релиз: 2026-04-20
Оценка	7.0	7.5
Ранг	#69	#40
Надежность	10.0	10.0
Стабильность	9.2	8.1
Тестов верно
Доля успешных попыток	61.9%	71.4%
Нестабильные тесты	2	5
Всего запусков	63	63
Стоимость за результат	4.485	3.030
Общая стоимость	$0.539	$0.288
Цена входа	$5.000 / 1M	$0.188 / 1M
Цена выхода	$25.000 / 1M	$1.125 / 1M
Общее число входных токенов	67,104	42,362
Выходные токены	8,107	2,995
Токены рассуждений	0	245,358
Время ответа (среднее)	3.47s	19.25s
Время ответа (макс.)	17.73s	122.87s
Время ответа (суммарно)	72.90s	404.20s

Generation showcase

Hamster playing table tennis

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

#69 Claude Opus 4.8

none

Cost: $0.053
Time: 22.0s
Tokens: 2,253 tok

#40 Qwen3.6 Flash

medium

Invalid SVG

Cost: $0.008
Time: 29.9s
Tokens: 6,784 tok

Лучшие модели по оценке

Оценка vs общая стоимость

Время ответа (среднее)

Оценка vs Время ответа (среднее)

Общее число выходных токенов

Оценка vs Общее число выходных токенов

Разбивка по категориям

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	6.5	10.0	50.0%	0		3.40s	834	1,472	0
Qwen3.6 Flash	10.0	10.0	100.0%	0		6.10s	672	624	14,024

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	5.5	10.0	33.3%	0		3.29s	10,590	1,332	0
Qwen3.6 Flash	5.0	5.1	44.5%	2		42.85s	7,895	495	67,967

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	9.5	10.0	100.0%	0		17.73s	29,658	3,259	0
Qwen3.6 Flash	10.0	10.0	100.0%	0		20.28s	14,934	483	13,839

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	7.3	5.8	83.3%	1		1.77s	10,503	308	0
Qwen3.6 Flash	10.0	10.0	100.0%	0		9.65s	7,782	270	13,155

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	5.3	7.2	44.4%	1		1.66s	975	61	0
Qwen3.6 Flash	3.5	4.4	33.3%	2		14.65s	771	60	24,409

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	10.0	10.0	100.0%	0		3.48s	708	230	0
Qwen3.6 Flash	4.8	9.9	0.0%	0		9.88s	516	140	5,445

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	9.9	10.0	100.0%	0		1.37s	909	95	0
Qwen3.6 Flash	10.0	10.0	100.0%	0		6.05s	699	102	7,423

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	7.7	10.0	66.7%	0		2.74s	894	783	0
Qwen3.6 Flash	8.2	7.2	88.9%	1		6.29s	696	460	10,860

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	10.0	10.0	100.0%	0		5.35s	11,775	355	0
Qwen3.6 Flash	10.0	10.0	100.0%	0		4.00s	8,193	335	1,188

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	3.0	10.0	0.0%	0		3.41s	258	212	0
Qwen3.6 Flash	3.0	10.0	0.0%	0		122.87s	204	26	87,048

Быстрое сравнение

Сменить пару сравнения