Anthropic: Claude Opus 4.8 vs Qwen: Qwen3.5 Plus 2026-04-20

Claude Opus 4.8 平均分领先，为 7.3 vs 7.2。 Qwen3.5 Plus 2026-04-20 (medium) benchmark 成本更低，为 $0.317 vs $1.166。 Claude Opus 4.8 更快，为 4.91s vs 46.36s，通过率为 63.6% vs 63.6%。

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 Plus 2026-04-20 (medium)快约 9.4 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-20

指标	Claude Opus 4.8 Claude Opus 4.8 none 发布日期: 2026-05-28	Qwen3.5 Plus 2026-04-20 Qwen3.5 Plus 2026-04-20 medium 发布日期: 2026-04-20

指标	Claude Opus 4.8 Claude Opus 4.8 none 发布日期: 2026-05-28	Qwen3.5 Plus 2026-04-20 Qwen3.5 Plus 2026-04-20 medium 发布日期: 2026-04-20
分数	7.3	7.2
排名	#66	#70
可靠性	10.0	9.6
一致性	9.2	9.0
测试正确
尝试通过率	63.6%	63.6%
不稳定测试	2	2
总运行次数	66	66
每个结果成本	8.969	3.023
总成本	$1.166	$0.317
输入价格	$5.000 / 1M	$0.300 / 1M
输出价格	$25.000 / 1M	$1.800 / 1M
总输入令牌	149,206	42,097
输出令牌	16,797	2,280
推理令牌	0	166,613
响应时间（平均）	4.91s	46.36s
响应时间（最大）	35.03s	189.38s
响应时间（总计）	108.03s	973.57s

Hamster playing table tennis

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

#66 Claude Opus 4.8

none

成本: $0.053
时间: 22.0s
令牌: 2,253 tok

#70 Qwen3.5 Plus 2026-04-20

medium

成本: $0.008
时间: 76.7s
令牌: 4,355 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 Plus 2026-04-20	10.0	10.0	100.0%	0		10.84s	672	215	7,748

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 Plus 2026-04-20	6.2	8.7	33.3%	0		125.25s	7,630	308	58,682

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 Plus 2026-04-20	6.5	10.0	50.0%	0		92.41s	14,934	483	17,490

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 Plus 2026-04-20	10.0	10.0	100.0%	0		38.32s	7,782	270	14,668

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 Plus 2026-04-20	2.9	7.2	11.1%	1		53.10s	771	63	28,414

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 Plus 2026-04-20	4.9	9.6	0.0%	0		25.30s	516	125	4,792

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 Plus 2026-04-20	10.0	10.0	100.0%	0		20.25s	699	103	7,689

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 Plus 2026-04-20	8.2	7.2	88.9%	1		17.67s	696	338	9,800

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 Plus 2026-04-20	10.0	10.0	100.0%	0		14.72s	8,193	348	2,164

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 Plus 2026-04-20	3.0	10.0	0.0%	0		92.57s	204	27	15,166

快速对比

切换对比组合