AI BENCHY 对比
Anthropic: Claude Opus 4.7 vs Qwen: Qwen3.7 Plus
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-03
| 指标 | Claude Opus 4.7 Claude Opus 4.7 medium | Qwen3.7 Plus Qwen3.7 Plus medium |
|---|---|---|
| 分数 | 8.9 | 8.4 |
| 排名 | #7 | #16 |
| 可靠性 | 10.0 | 9.9 |
| 一致性 | 10.0 | 9.2 |
| 测试正确 | ||
| 尝试通过率 | 85.0% | 80.0% |
| 不稳定测试 | 0 | 2 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 3.670 | 1.324 |
| 总成本 | $0.624 | $0.199 |
| 输入价格 | $5.000 / 1M | $0.400 / 1M |
| 输出价格 | $25.000 / 1M | $1.600 / 1M |
| 总输入令牌 | 61,569 | 38,104 |
| 输出令牌 | 10,439 | 2,107 |
| 推理令牌 | 2,198 | 112,479 |
| 响应时间（平均） | 4.48s | 36.84s |
| 响应时间（最大） | 23.18s | 178.04s |
| 响应时间（总计） | 85.21s | 736.86s |
分数 vs 总成本
响应时间（平均）
分数 vs 响应时间（平均）
总输出令牌
分数 vs 总输出令牌
类别细分
| 反AI技巧 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.7 | 8.3 | 10.0 | 75.0% | 0 | 1.85s | 894 | 348 | 0 | |
| Qwen3.7 Plus | 10.0 | 10.0 | 100.0% | 0 | 8.58s | 672 | 195 | 5,065 |
| 编程 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.7 | 10.0 | 10.0 | 100.0% | 0 | 14.79s | 6,798 | 6,210 | 1,114 | |
| Qwen3.7 Plus | 6.5 | 5.9 | 66.7% | 1 | 122.40s | 3,637 | 396 | 30,301 |
| 综合 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.7 | 10.0 | 10.0 | 100.0% | 0 | 21.45s | 24,501 | 2,369 | 1,084 | |
| Qwen3.7 Plus | 10.0 | 10.0 | 100.0% | 0 | 65.24s | 14,934 | 366 | 10,132 |
| 数据解析与提取 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.7 | 10.0 | 10.0 | 100.0% | 0 | 2.37s | 10,533 | 324 | 0 | |
| Qwen3.7 Plus | 10.0 | 10.0 | 100.0% | 0 | 21.75s | 7,782 | 270 | 6,713 |
| 领域专项 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.7 | 7.7 | 10.0 | 66.7% | 0 | 1.17s | 630 | 51 | 0 | |
| Qwen3.7 Plus | 3.6 | 7.2 | 22.2% | 1 | 45.35s | 771 | 57 | 27,073 |
| 通用智能 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.7 | 10.0 | 10.0 | 100.0% | 0 | 2.87s | 723 | 256 | 0 | |
| Qwen3.7 Plus | 10.0 | 10.0 | 100.0% | 0 | 25.48s | 516 | 123 | 3,998 |
| 指令遵循 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.7 | 10.0 | 10.0 | 100.0% | 0 | 1.57s | 939 | 114 | 0 | |
| Qwen3.7 Plus | 10.0 | 10.0 | 100.0% | 0 | 16.13s | 699 | 102 | 5,013 |
| 谜题求解 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.7 | 10.0 | 10.0 | 100.0% | 0 | 2.43s | 939 | 370 | 0 | |
| Qwen3.7 Plus | 10.0 | 10.0 | 100.0% | 0 | 16.38s | 696 | 280 | 7,312 |
| 工具调用 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.7 | 10.0 | 10.0 | 100.0% | 0 | 4.17s | 15,339 | 373 | 0 | |
| Qwen3.7 Plus | 10.0 | 10.0 | 100.0% | 0 | 15.02s | 8,193 | 292 | 1,831 |
| 常识问答 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.7 | 3.0 | 10.0 | 0.0% | 0 | 2.25s | 273 | 24 | 0 | |
| Qwen3.7 Plus | 3.0 | 10.0 | 0.0% | 0 | 91.07s | 204 | 26 | 15,041 |
快速对比
切换对比组合
Claude Opus 4.7mediumvsGPT-5.5lowClaude Opus 4.7mediumvsGemini 3 Flash PreviewlowGemini 3 Flash PreviewlowvsQwen3.7 PlusmediumGemini 3.5 FlashnonevsQwen3.7 PlusmediumClaude Opus 4.7mediumvsGemini 3.5 FlashlowGemini 3.5 FlashminimalvsQwen3.7 PlusmediumGPT-5.2 ChatnonevsQwen3.7 PlusmediumGPT-5.5lowvsQwen3.7 PlusmediumClaude Opus 4.7mediumvsGemini 3.5 FlashhighGemini 3 Flash PreviewnonevsQwen3.7 PlusmediumDeepSeek V4 FlashhighvsQwen3.7 PlusmediumGemini 3.1 Flash Lite PreviewlowvsQwen3.7 Plusmedium