AI BENCHY 对比

Anthropic: Claude Opus 4.8 vs Qwen: Qwen3.6 Max Preview

摘要

Claude Opus 4.8 vs Qwen3.6 Max Preview benchmark 对比：Qwen3.6 Max Preview 平均分领先，为 8.9 vs 7.7。 Qwen3.6 Max Preview benchmark 成本更低，为 $0.960 vs $1.270。 Claude Opus 4.8 更快，为 10.83s vs 59.63s，通过率为 79.4% vs 81.0%。

推荐模型: Qwen3.6 Max Preview - 它在本次比较中得分最高（8.9），并且在全部 2 个模型中兼顾成本和响应时间最好。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-02

指标	Claude Opus 4.8 Claude Opus 4.8 low 发布日期: 2026-05-28	Qwen3.6 Max Preview Qwen3.6 Max Preview medium 发布日期: 2026-04-20

指标	Claude Opus 4.8 Claude Opus 4.8 low 发布日期: 2026-05-28	Qwen3.6 Max Preview Qwen3.6 Max Preview medium 发布日期: 2026-04-20
分数	7.7	8.9
排名	#38	#11
可靠性	10.0	10.0
一致性	8.8	9.3
测试正确
尝试通过率	79.4%	81.0%
不稳定测试	3	2
总运行次数	63	63
每个结果成本	8.466	7.024
总成本	$1.270	$0.960
输入价格	$5.000 / 1M	$1.040 / 1M
输出价格	$25.000 / 1M	$6.240 / 1M
总输入令牌	60,946	42,362
输出令牌	31,771	2,273
推理令牌	6,831	144,367
响应时间（平均）	10.83s	59.63s
响应时间（最大）	127.97s	238.07s
响应时间（总计）	227.39s	1252.17s

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

#11 Qwen3.6 Max Preview

medium

成本: $0.024
时间: 76.5s
令牌: 3,861 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
Qwen3.6 Max Preview	10.0	10.0	100.0%	0		22.13s	672	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
Qwen3.6 Max Preview	8.8	7.8	88.9%	1		146.48s	7,895	427	52,957

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
Qwen3.6 Max Preview	10.0	10.0	100.0%	0		121.49s	14,934	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
Qwen3.6 Max Preview	10.0	10.0	100.0%	0		41.15s	7,782	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
Qwen3.6 Max Preview	2.9	7.2	11.1%	1		95.91s	771	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
Qwen3.6 Max Preview	10.0	10.0	100.0%	0		32.24s	516	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
Qwen3.6 Max Preview	10.0	10.0	100.0%	0		24.31s	699	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
Qwen3.6 Max Preview	10.0	10.0	100.0%	0		24.32s	696	329	7,693

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
Qwen3.6 Max Preview	10.0	10.0	100.0%	0		18.32s	8,193	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
Qwen3.6 Max Preview	3.0	10.0	0.0%	0		60.56s	204	28	7,661

快速对比

切换对比组合