AI BENCHY 对比
Anthropic: Claude Opus 4.8 vs Qwen: Qwen3.5-Flash
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-28
| 指标 | Claude Opus 4.8 Claude Opus 4.8 none | Qwen3.5-Flash Qwen3.5-Flash medium |
|---|---|---|
| 分数 | 7.3 | 7.6 |
| 排名 | #63 | #48 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.2 | 8.0 |
| 测试正确 | ||
| 尝试通过率 | 65.0% | 75.0% |
| 不稳定测试 | 2 | 5 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 4.324 | 0.821 |
| 总成本 | $0.519 | $0.074 |
| 输入价格 | $5.000 / 1M | $0.065 / 1M |
| 输出价格 | $25.000 / 1M | $0.260 / 1M |
| 输出令牌 | 8,098 | 2,074 |
| 推理令牌 | 0 | 272,063 |
| 响应时间（平均） | 3.51s | 63.04s |
| 响应时间（最大） | 17.73s | 234.29s |
| 响应时间（总计） | 70.19s | 1197.71s |
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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.8 | 6.5 | 10.0 | 50.0% | 0 | 3.40s | 1,472 | 0 | |
| Qwen3.5-Flash | 10.0 | 10.0 | 100.0% | 0 | 59.11s | 383 | 32,992 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.8 | 6.8 | 10.0 | 50.0% | 0 | 3.59s | 1,323 | 0 | |
| Qwen3.5-Flash | 4.1 | 5.8 | 33.3% | 1 | 54.23s | 288 | 67,546 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.8 | 9.5 | 10.0 | 100.0% | 0 | 17.73s | 3,259 | 0 | |
| Qwen3.5-Flash | 10.0 | 10.0 | 100.0% | 0 | 17.78s | 483 | 8,270 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.8 | 7.3 | 5.8 | 83.3% | 1 | 1.77s | 308 | 0 | |
| Qwen3.5-Flash | 7.3 | 5.9 | 83.3% | 1 | 56.99s | 235 | 16,237 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.8 | 5.3 | 7.2 | 44.4% | 1 | 1.66s | 61 | 0 | |
| Qwen3.5-Flash | 5.3 | 7.2 | 44.4% | 1 | 146.50s | 58 | 43,615 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.8 | 10.0 | 10.0 | 100.0% | 0 | 3.48s | 230 | 0 | |
| Qwen3.5-Flash | 6.1 | 3.1 | 66.7% | 1 | 40.05s | 99 | 38,486 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.8 | 9.9 | 10.0 | 100.0% | 0 | 1.37s | 95 | 0 | |
| Qwen3.5-Flash | 10.0 | 10.0 | 100.0% | 0 | 63.49s | 98 | 14,139 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.8 | 7.7 | 10.0 | 66.7% | 0 | 2.74s | 783 | 0 | |
| Qwen3.5-Flash | 8.2 | 7.2 | 88.9% | 1 | 27.61s | 89 | 12,457 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.8 | 10.0 | 10.0 | 100.0% | 0 | 5.35s | 355 | 0 | |
| Qwen3.5-Flash | 10.0 | 10.0 | 100.0% | 0 | 10.33s | 309 | 1,284 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.8 | 3.0 | 10.0 | 0.0% | 0 | 3.41s | 212 | 0 | |
| Qwen3.5-Flash | 3.0 | 10.0 | 0.0% | 0 | 48.98s | 32 | 37,037 |
快速对比
切换对比组合
Gemini 3.1 Flash Lite PreviewlowvsQwen3.5-FlashmediumDeepSeek V4 Flashhigh免费可用vsQwen3.5-FlashmediumClaude Opus 4.8nonevsQwen3.5-35B-A3BmediumGemini 3 Flash PreviewnonevsQwen3.5-FlashmediumClaude Opus 4.8nonevsRing-2.6-1TmediumClaude Opus 4.8nonevsGPT-5.4 MinimediumClaude Opus 4.8nonevsGPT-5.2mediumClaude Opus 4.8nonevsGLM 5V TurbomediumClaude Opus 4.8nonevsGPT-5.4 NanomediumClaude Opus 4.8nonevsStep 3.5 FlashmediumClaude Opus 4.8nonevsGPT-5 MinimediumClaude Opus 4.8nonevsKimi K2.6medium免费可用