AI BENCHY 对比
Anthropic: Claude Opus 4.7 vs Qwen: Qwen3.6 Max Preview
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-10
| 指标 | Claude Opus 4.7 Claude Opus 4.7 none | Qwen3.6 Max Preview Qwen3.6 Max Preview medium |
|---|---|---|
| 分数 | 8.9 | 8.5 |
| 排名 | #5 | #9 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 10.0 | 9.6 |
| 测试正确 | ||
| 尝试通过率 | 84.2% | 80.7% |
| 不稳定测试 | 0 | 1 |
| 总运行次数 | 57 | 57 |
| 每个结果成本 | 3.164 | 5.808 |
| 总成本 | $0.507 | $0.872 |
| ???? | $5.000 / 1M | $1.040 / 1M |
| ???? | $25.000 / 1M | $6.240 / 1M |
| 输出令牌 | 6,329 | 2,186 |
| 推理令牌 | 0 | 105,156 |
| 响应时间（平均） | 3.04s | 48.96s |
| 响应时间（最大） | 18.27s | 186.74s |
| 响应时间（总计） | 57.79s | 930.20s |
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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.7 | 8.3 | 10.0 | 75.0% | 0 | 2.12s | 522 | 0 | |
| Qwen3.6 Max Preview | 10.0 | 10.0 | 100.0% | 0 | 22.13s | 228 | 10,075 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.7 | 10.0 | 10.0 | 100.0% | 0 | 2.84s | 494 | 0 | |
| Qwen3.6 Max Preview | 10.0 | 10.0 | 100.0% | 0 | 117.87s | 368 | 13,790 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.7 | 9.5 | 10.0 | 100.0% | 0 | 18.27s | 3,504 | 0 | |
| Qwen3.6 Max Preview | 10.0 | 10.0 | 100.0% | 0 | 121.49s | 390 | 14,575 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.7 | 10.0 | 10.0 | 100.0% | 0 | 2.15s | 324 | 0 | |
| Qwen3.6 Max Preview | 10.0 | 10.0 | 100.0% | 0 | 41.15s | 270 | 10,106 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.7 | 7.7 | 10.0 | 66.7% | 0 | 1.19s | 78 | 0 | |
| Qwen3.6 Max Preview | 2.9 | 7.2 | 11.1% | 1 | 95.91s | 60 | 30,371 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.7 | 10.0 | 10.0 | 100.0% | 0 | 3.47s | 257 | 0 | |
| Qwen3.6 Max Preview | 10.0 | 10.0 | 100.0% | 0 | 32.24s | 129 | 3,510 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.7 | 10.0 | 10.0 | 100.0% | 0 | 1.46s | 114 | 0 | |
| Qwen3.6 Max Preview | 10.0 | 10.0 | 100.0% | 0 | 24.31s | 103 | 5,848 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.7 | 10.0 | 10.0 | 100.0% | 0 | 2.58s | 661 | 0 | |
| Qwen3.6 Max Preview | 10.0 | 10.0 | 100.0% | 0 | 24.19s | 301 | 7,649 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.7 | 10.0 | 10.0 | 100.0% | 0 | 4.74s | 372 | 0 | |
| Qwen3.6 Max Preview | 10.0 | 10.0 | 100.0% | 0 | 18.32s | 309 | 1,571 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.7 | 3.0 | 10.0 | 0.0% | 0 | 1.46s | 3 | 0 | |
| Qwen3.6 Max Preview | 3.0 | 10.0 | 0.0% | 0 | 60.56s | 28 | 7,661 |
快速对比
切换对比组合
Gemini 3 Flash PreviewlowvsQwen3.6 Max PreviewmediumGPT-5.5lowvsQwen3.6 Max PreviewmediumGemini 3 Flash PreviewnonevsQwen3.6 Max PreviewmediumGemini 3.1 Flash Lite PreviewlowvsQwen3.6 Max PreviewmediumGemini 3.1 Flash Lite PreviewnonevsQwen3.6 Max PreviewmediumGPT-5.2 ChatnonevsQwen3.6 Max PreviewmediumGemini 3.1 Flash LitelowvsQwen3.6 Max PreviewmediumGPT-5.3 ChatnonevsQwen3.6 Max PreviewmediumDeepSeek V4 FlashhighvsQwen3.6 Max PreviewmediumRing 2.6 1tnone免费可用vsQwen3.6 Max PreviewmediumClaude Sonnet 4.6nonevsQwen3.6 Max PreviewmediumGemma 4 31Bnone免费可用vsQwen3.6 Max Previewmedium