AI BENCHY 对比

Anthropic: Claude Opus 4.8 vs Qwen: Qwen3.5-122B-A10B

摘要

Claude Opus 4.8 vs Qwen3.5-122B-A10B benchmark 对比：平均分几乎持平，为 7.7 vs 7.7。 Qwen3.5-122B-A10B benchmark 成本更低，为 $0.588 vs $1.270。 Claude Opus 4.8 更快，为 10.83s vs 42.49s，通过率为 79.4% vs 73.0%。

推荐模型: Claude Opus 4.8 - 它在这里得分最高（7.7），同时响应速度比Qwen3.5-122B-A10B快约 3.9 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-30

指标	Claude Opus 4.8 Claude Opus 4.8 low 发布日期: 2026-05-28	Qwen3.5-122B-A10B Qwen3.5-122B-A10B medium 发布日期: 2026-02-24

指标	Claude Opus 4.8 Claude Opus 4.8 low 发布日期: 2026-05-28	Qwen3.5-122B-A10B Qwen3.5-122B-A10B medium 发布日期: 2026-02-24
分数	7.7	7.7
排名	#38	#37
可靠性	10.0	10.0
一致性	8.8	8.8
测试正确
尝试通过率	79.4%	73.0%
不稳定测试	3	3
总运行次数	63	63
每个结果成本	8.466	5.235
总成本	$1.270	$0.588
输入价格	$5.000 / 1M	$0.260 / 1M
输出价格	$25.000 / 1M	$2.080 / 1M
总输入令牌	60,946	41,832
输出令牌	31,771	26,187
推理令牌	6,831	251,028
响应时间（平均）	10.83s	42.49s
响应时间（最大）	127.97s	168.16s
响应时间（总计）	227.39s	892.30s

生成展示

Hamster playing table tennis

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

#38 Claude Opus 4.8

low

成本: $0.031
时间: 14.1s
令牌: 1,345 tok

#37 Qwen3.5-122B-A10B

medium

成本: $0.019
时间: 48.7s
令牌: 6,034 tok

按分数排名的模型

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 4.8	10.0	10.0	100.0%	0		3.30s	834	793	371
Qwen3.5-122B-A10B	10.0	10.0	100.0%	0		9.75s	672	269	16,835

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 4.8	6.6	4.6	77.8%	2		7.58s	10,590	3,637	809
Qwen3.5-122B-A10B	6.0	7.2	55.6%	1		114.48s	7,630	8,057	82,578

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 4.8	9.8	10.0	100.0%	0		20.84s	23,500	2,216	1,081
Qwen3.5-122B-A10B	10.0	10.0	100.0%	0		107.79s	14,947	483	11,337

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 4.8	6.3	5.8	66.7%	1		2.27s	10,503	310	0
Qwen3.5-122B-A10B	10.0	10.0	100.0%	0		23.41s	7,782	270	16,558

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 4.8	5.3	10.0	33.3%	0		45.53s	975	23,311	3,908
Qwen3.5-122B-A10B	2.9	7.2	11.1%	1		63.40s	771	15,537	64,889

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 4.8	10.0	10.0	100.0%	0		2.55s	708	231	0
Qwen3.5-122B-A10B	3.4	2.2	33.3%	1		34.11s	344	66	7,592

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 4.8	9.8	10.0	100.0%	0		2.78s	909	111	221
Qwen3.5-122B-A10B	10.0	10.0	100.0%	0		9.88s	593	77	7,372

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 4.8	10.0	10.0	100.0%	0		3.01s	894	592	184
Qwen3.5-122B-A10B	10.0	10.0	100.0%	0		17.89s	696	284	27,575

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 4.8	10.0	10.0	100.0%	0		6.85s	11,775	370	35
Qwen3.5-122B-A10B	10.0	10.0	100.0%	0		4.60s	8,193	322	1,226

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 4.8	3.0	10.0	0.0%	0		5.48s	258	200	222
Qwen3.5-122B-A10B	3.0	10.0	0.0%	0		52.87s	204	822	15,066

快速对比

切换对比组合