AI BENCHY 对比

Anthropic: Claude Opus 4.8 vs Qwen: Qwen3.6 Plus

摘要

Claude Opus 4.8 vs Qwen3.6 Plus benchmark 对比：Qwen3.6 Plus 平均分领先，为 7.8 vs 7.7。 Qwen3.6 Plus benchmark 成本更低，为 $0.294 vs $1.270。 Claude Opus 4.8 更快，为 10.83s vs 30.70s，通过率为 79.4% vs 69.8%。

推荐模型: Qwen3.6 Plus - 它在这里得分最高（7.8），同时成本比Claude Opus 4.8低约 4.3 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	Qwen3.6 Plus Qwen3.6 Plus 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 Plus Qwen3.6 Plus medium 发布日期: 2026-04-20
分数	7.7	7.8
排名	#38	#31
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%	69.8%
不稳定测试	3	2
总运行次数	63	63
每个结果成本	8.466	0.831
总成本	$1.270	$0.294
输入价格	$5.000 / 1M	$0.325 / 1M
输出价格	$25.000 / 1M	$1.950 / 1M
总输入令牌	60,946	41,565
输出令牌	31,771	1,853
推理令牌	6,831	141,973
响应时间（平均）	10.83s	30.70s
响应时间（最大）	127.97s	201.68s
响应时间（总计）	227.39s	613.99s

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

#31 Qwen3.6 Plus

medium

成本: $0.024
时间: 219.0s
令牌: 12,235 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 Plus	10.0	10.0	100.0%	0		9.90s	672	207	7,557

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 Plus	6.1	7.8	44.4%	1		153.12s	7,098	58	50,586

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 Plus	10.0	10.0	100.0%	0		34.95s	14,934	452	13,073

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 Plus	10.0	10.0	100.0%	0		14.95s	7,782	270	10,706

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 Plus	2.9	7.2	11.1%	1		29.59s	771	56	33,464

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 Plus	5.1	10.0	0.0%	0		27.05s	516	111	5,232

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 Plus	10.0	10.0	100.0%	0		7.54s	699	102	5,552

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 Plus	10.0	10.0	100.0%	0		6.34s	696	309	6,712

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 Plus	10.0	10.0	100.0%	0		5.87s	8,193	267	1,330

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 Plus	3.0	10.0	0.0%	0		47.51s	204	21	7,761

快速对比

切换对比组合