导航
AI BENCHY
Advertise here

AI BENCHY 对比

Anthropic: Claude Opus 4.8 vs Qwen: Qwen3.5 Plus 2026-04-20

摘要

Claude Opus 4.8 vs Qwen3.5 Plus 2026-04-20 benchmark 对比：平均分几乎持平，为 7.7 vs 7.8。 Qwen3.5 Plus 2026-04-20 benchmark 成本更低，为 $0.317 vs $1.270。 Claude Opus 4.8 更快，为 10.83s vs 46.36s，通过率为 79.4% vs 66.7%。

推荐模型: Qwen3.5 Plus 2026-04-20 - 它在这里得分最高（7.8），同时成本比Claude Opus 4.8低约 4.0 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 Plus 2026-04-20 Qwen3.5 Plus 2026-04-20 medium 发布日期: 2026-04-20
分数 7.7 7.8
排名 #38 #34
可靠性 10.0 10.0
一致性 8.8 9.0
测试正确
尝试通过率 79.4% 66.7%
不稳定测试 3 2
总运行次数 63 63
每个结果成本 8.466 3.023
总成本 $1.270 $0.317
输入价格 $5.000 / 1M $0.300 / 1M
输出价格 $25.000 / 1M $1.800 / 1M
总输入令牌 60,946 42,097
输出令牌 31,771 2,280
推理令牌 6,831 166,613
响应时间（平均） 10.83s 46.36s
响应时间（最大） 127.97s 189.38s
响应时间（总计） 227.39s 973.57s

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

#34 Qwen3.5 Plus 2026-04-20

medium
成本
$0.008
时间
76.7s
令牌
4,355 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 Plus 2026-04-20 10.0 10.0 100.0% 0 10.84s 672 215 7,748
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 Plus 2026-04-20 6.2 8.7 33.3% 0 125.25s 7,630 308 58,682
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 Plus 2026-04-20 10.0 10.0 100.0% 0 92.41s 14,934 483 17,490
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 Plus 2026-04-20 10.0 10.0 100.0% 0 38.32s 7,782 270 14,668
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 Plus 2026-04-20 2.9 7.2 11.1% 1 53.10s 771 63 28,414
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 Plus 2026-04-20 4.9 9.6 0.0% 0 25.30s 516 125 4,792
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 Plus 2026-04-20 10.0 10.0 100.0% 0 20.25s 699 103 7,689
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 Plus 2026-04-20 8.2 7.2 88.9% 1 17.67s 696 338 9,800
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 Plus 2026-04-20 10.0 10.0 100.0% 0 14.72s 8,193 348 2,164
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 Plus 2026-04-20 3.0 10.0 0.0% 0 92.57s 204 27 15,166

快速对比

切换对比组合

Claude Opus 4.8lowvsQwen3.5-122B-A10BmediumClaude Opus 4.8lowvsKimi K2.6medium免费可用Claude Opus 4.8lowvsGrok 4.3mediumClaude Opus 4.8lowvsGemini 3.1 Flash LitemediumClaude Opus 4.8lowvsGemini 3.1 Flash Lite PreviewmediumQwen3.5 Plus 2026-04-20mediumvsStep 3.7 FlashlowClaude Opus 4.8lowvsQwen3.6 PlusmediumClaude Opus 4.8lowvsMiniMax M3mediumClaude Opus 4.8lowvsDeepSeek V4 ProhighClaude Opus 4.8lowvsGrok Build 0.1mediumClaude Opus 4.8lowvsQwen3.5-27BmediumDeepSeek V4 ProhighvsQwen3.5 Plus 2026-04-20medium