AI BENCHY 对比

Anthropic: Claude Opus 4.8 vs Qwen: Qwen3.5-27B

摘要

Claude Opus 4.8 vs Qwen3.5-27B benchmark 对比：Qwen3.5-27B 平均分领先，为 7.9 vs 7.7。 Qwen3.5-27B benchmark 成本更低，为 $0.536 vs $1.270。 Claude Opus 4.8 更快，为 10.83s vs 68.39s，通过率为 79.4% vs 73.0%。

推荐模型: Claude Opus 4.8 - 它的得分接近这里的最高分（7.7 vs 7.9），同时响应速度比Qwen3.5-27B快约 6.3 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	Qwen3.5-27B Qwen3.5-27B 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	Qwen3.5-27B Qwen3.5-27B medium 发布日期: 2026-02-24
分数	7.7	7.9
排名	#38	#29
可靠性	10.0	10.0
一致性	8.8	8.5
测试正确
尝试通过率	79.4%	73.0%
不稳定测试	3	4
总运行次数	63	63
每个结果成本	8.466	4.901
总成本	$1.270	$0.536
输入价格	$5.000 / 1M	$0.195 / 1M
输出价格	$25.000 / 1M	$1.560 / 1M
总输入令牌	60,946	42,164
输出令牌	31,771	8,534
推理令牌	6,831	329,289
响应时间（平均）	10.83s	68.39s
响应时间（最大）	127.97s	234.36s
响应时间（总计）	227.39s	1436.24s

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

#29 Qwen3.5-27B

medium

成本: $0.008
时间: 62.0s
令牌: 3,099 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
Qwen3.5-27B	8.7	7.9	91.7%	1		19.75s	672	569	31,505

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
Qwen3.5-27B	6.2	7.1	55.6%	1		160.69s	7,895	6,381	89,388

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
Qwen3.5-27B	10.0	10.0	100.0%	0		163.96s	14,946	483	9,991

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
Qwen3.5-27B	10.0	10.0	100.0%	0		30.26s	7,782	270	16,150

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
Qwen3.5-27B	5.3	10.0	33.3%	0		79.53s	553	43	52,368

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
Qwen3.5-27B	6.1	3.1	66.7%	1		101.41s	524	70	23,147

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
Qwen3.5-27B	10.0	10.0	100.0%	0		19.66s	699	97	11,638

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
Qwen3.5-27B	8.2	7.7	77.8%	1		59.60s	696	242	70,096

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
Qwen3.5-27B	10.0	10.0	100.0%	0		7.45s	8,193	348	1,323

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
Qwen3.5-27B	3.0	10.0	0.0%	0		85.11s	204	31	23,683

快速对比

切换对比组合