Anthropic: Claude Opus 4.8 vs Qwen: Qwen3.5-122B-A10B

Claude Opus 4.8 平均分领先，为 7.3 vs 7.1。 Qwen3.5-122B-A10B (medium) benchmark 成本更低，为 $1.046 vs $1.166。 Claude Opus 4.8 更快，为 4.91s vs 64.16s，通过率为 63.6% vs 71.2%。

推荐模型Claude Opus 4.8它在这里得分最高（7.3），同时响应速度比Qwen3.5-122B-A10B (medium)快约 13.1 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-17

指标	Claude Opus 4.8 Claude Opus 4.8 none 发布日期: 2026-05-28	Qwen3.5-122B-A10B Qwen3.5-122B-A10B medium 发布日期: 2026-02-24

指标	Claude Opus 4.8 Claude Opus 4.8 none 发布日期: 2026-05-28	Qwen3.5-122B-A10B Qwen3.5-122B-A10B medium 发布日期: 2026-02-24
分数	7.3	7.1
排名	#63	#69
可靠性	10.0	10.0
一致性	9.2	8.5
测试正确
尝试通过率	63.6%	71.2%
不稳定测试	2	4
总运行次数	66	66
每个结果成本	8.969	8.509
总成本	$1.166	$1.046
输入价格	$5.000 / 1M	$0.260 / 1M
输出价格	$25.000 / 1M	$2.080 / 1M
总输入令牌	149,206	124,771
输出令牌	16,797	44,077
推理令牌	0	443,141
响应时间（平均）	4.91s	64.16s
响应时间（最大）	35.03s	519.30s
响应时间（总计）	108.03s	1411.60s

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#63 Claude Opus 4.8

none

成本: $0.053
时间: 22.0s
令牌: 2,253 tok

#69 Qwen3.5-122B-A10B

medium

成本: $0.019
时间: 48.7s
令牌: 6,034 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

类别:

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	6.5	10.0	50.0%	0		3.40s	834	1,472	0
Qwen3.5-122B-A10B	10.0	10.0	100.0%	0		9.75s	672	269	16,835

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	5.5	10.0	33.3%	0		3.29s	10,590	1,332	0
Qwen3.5-122B-A10B	6.0	7.2	55.6%	1		114.48s	7,630	8,057	82,578

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		26.38s	111,760	11,949	0
Qwen3.5-122B-A10B	6.4	5.8	66.7%	1		313.55s	97,886	18,373	203,450

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	7.3	5.8	83.3%	1		1.77s	10,503	308	0
Qwen3.5-122B-A10B	10.0	10.0	100.0%	0		23.41s	7,782	270	16,558

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	7.2	44.4%	1		1.70s	975	61	0
Qwen3.5-122B-A10B	2.9	7.2	11.1%	1		63.40s	771	15,537	64,889

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		3.48s	708	230	0
Qwen3.5-122B-A10B	3.4	2.2	33.3%	1		34.11s	344	66	7,592

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	9.9	10.0	100.0%	0		1.37s	909	95	0
Qwen3.5-122B-A10B	10.0	10.0	100.0%	0		9.88s	593	77	7,372

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	7.7	10.0	66.7%	0		2.74s	894	783	0
Qwen3.5-122B-A10B	10.0	10.0	100.0%	0		17.89s	696	284	27,575

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		5.35s	11,775	355	0
Qwen3.5-122B-A10B	10.0	10.0	100.0%	0		4.60s	8,193	322	1,226

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		3.41s	258	212	0
Qwen3.5-122B-A10B	3.0	10.0	0.0%	0		52.87s	204	822	15,066

快速对比

切换对比组合