- 排名
- #19
- 总输出令牌
- 49,841
- 响应时间（平均）
- 12.49s
- 总成本
- $1.931
Claude Opus 4.8 (medium) vs Qwen3.8 Max (low)
Claude Opus 4.8 (medium) 平均分领先，为 8.8 vs 8.7。 Qwen3.8 Max (low) benchmark 成本更低，为 $0.687 vs $1.931。 Claude Opus 4.8 (medium) 更快，为 12.49s vs 21.19s，通过率为 84.9% vs 84.9%。
- 排名
- #23
- 总输出令牌
- 81,411
- 响应时间（平均）
- 21.19s
- 总成本
- $0.687
推荐模型
Qwen3.8 Max (low)
它的得分接近这里的最高分（8.7 vs 8.8），同时成本比Claude Opus 4.8 (medium)低约 2.8 倍。
详细对比
| 指标 | Claude Opus 4.8 Claude Opus 4.8 medium | Qwen3.8 Max Qwen3.8 Max low |
|---|---|---|
| 分数 | 8.8 | 8.7 |
| 排名 | #19 | #23 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.6 | 9.0 |
| 基准测试覆盖率 | 22/22 项测试 · 66/66 次尝试 | 22/22 项测试 · 66/66 次尝试 |
| 测试正确 | ||
| 尝试通过率 | 84.9% | 84.9% |
| 不稳定测试 | 1 | 3 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 10.724 | 4.041 |
| 总成本 | $1.931 | $0.687 |
| 输入价格 | $5.000 / 1M | $2.000 / 1M |
| 输出价格 | $25.000 / 1M | $6.000 / 1M |
| 总输入令牌 | 138,451 | 99,172 |
| 输出令牌 | 40,766 | 6,132 |
| 推理令牌 | 9,075 | 75,279 |
| 响应时间（平均） | 12.49s | 21.19s |
| 响应时间（最大） | 70.54s | 155.75s |
| 响应时间（总计） | 274.72s | 466.14s |
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#19 Claude Opus 4.8
medium- 成本
- $0.057
- 时间
- 23.1s
- 令牌
- 2,412 tok
#23 Qwen3.8 Max
low- 成本
- $0.026
- 时间
- 68.5s
- 令牌
- 4,280 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 | 3.95s | 834 | 1,179 | 478 | |
| Qwen3.8 Max | 10.0 | 10.0 | 100.0% | 0 | 3.93s | 984 | 228 | 1,750 |
| 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 | 10.0 | 10.0 | 100.0% | 0 | 15.33s | 10,590 | 9,945 | 1,381 | |
| Qwen3.8 Max | 8.4 | 7.4 | 88.9% | 1 | 28.69s | 8,127 | 512 | 15,952 |
| 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 | 9.9 | 10.0 | 100.0% | 0 | 54.29s | 101,005 | 19,531 | 4,762 | |
| Qwen3.8 Max | 10.0 | 10.0 | 100.0% | 0 | 98.19s | 69,994 | 4,221 | 32,937 |
| 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 | 7.1 | 5.6 | 83.3% | 1 | 12.29s | 10,503 | 481 | 312 | |
| Qwen3.8 Max | 10.0 | 10.0 | 100.0% | 0 | 7.87s | 7,938 | 270 | 2,257 |
| 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 | 14.59s | 975 | 7,477 | 900 | |
| Qwen3.8 Max | 5.3 | 7.2 | 44.4% | 1 | 35.37s | 1,005 | 62 | 17,102 |
| 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 | 2.46s | 708 | 237 | 0 | |
| Qwen3.8 Max | 6.5 | 3.4 | 66.7% | 1 | 5.29s | 594 | 128 | 568 |
| 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 | 10.0 | 10.0 | 100.0% | 0 | 3.32s | 909 | 373 | 320 | |
| Qwen3.8 Max | 10.0 | 10.0 | 100.0% | 0 | 4.01s | 855 | 102 | 851 |
| 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 | 3.95s | 894 | 791 | 483 | |
| Qwen3.8 Max | 9.9 | 10.0 | 100.0% | 0 | 4.11s | 930 | 286 | 1,304 |
| 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 | 8.96s | 11,775 | 301 | 225 | |
| Qwen3.8 Max | 10.0 | 10.0 | 100.0% | 0 | 8.06s | 8,463 | 295 | 693 |
| 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 | 6.14s | 258 | 451 | 214 | |
| Qwen3.8 Max | 3.0 | 10.0 | 0.0% | 0 | 12.43s | 282 | 28 | 1,865 |
快速对比
切换对比组合
Claude Opus 4.7mediumvsQwen3.8 MaxlowMuse Spark 1.1mediumvsQwen3.8 MaxlowClaude Fable 5mediumvsQwen3.8 MaxlowGemini 3.5 Flash LitehighvsQwen3.8 MaxlowClaude Opus 4.8mediumvsGrok 4.5highClaude Opus 4.8mediumvsGemini 3.5 FlashlowClaude Opus 4.8mediumvsGemini 3.5 Flash LitehighClaude Opus 4.8mediumvsGemini 3.6 FlashlowGPT-5.4mediumvsQwen3.8 MaxlowGPT-5.3-CodexmediumvsQwen3.8 MaxlowQwen3.8 MaxlowvsGrok 4.5highGPT-5.2mediumvsQwen3.8 Maxlow