AI BENCHY 对比
Anthropic: Claude Opus 4.8 vs Qwen: Qwen3.5 Plus 2026-04-20
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-03
| 指标 | Claude Opus 4.8 Claude Opus 4.8 none | Qwen3.5 Plus 2026-04-20 Qwen3.5 Plus 2026-04-20 medium |
|---|---|---|
| 分数 | 7.3 | 7.5 |
| 排名 | #62 | #48 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.2 | 8.9 |
| 测试正确 | ||
| 尝试通过率 | 65.0% | 65.0% |
| 不稳定测试 | 2 | 2 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 4.324 | 3.022 |
| 总成本 | $0.519 | $0.287 |
| 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 | 63,282 | 39,262 |
| 输出令牌 | 8,098 | 2,259 |
| 推理令牌 | 0 | 150,249 |
| 响应时间（平均） | 3.51s | 43.65s |
| 响应时间（最大） | 17.73s | 189.38s |
| 响应时间（总计） | 70.19s | 872.90s |
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 | 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 | 6.8 | 10.0 | 50.0% | 0 | 3.59s | 6,768 | 1,323 | 0 | |
| Qwen3.5 Plus 2026-04-20 | 4.3 | 8.1 | 0.0% | 0 | 137.55s | 4,795 | 287 | 42,318 |
| 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 | 9.5 | 10.0 | 100.0% | 0 | 17.73s | 29,658 | 3,259 | 0 | |
| Qwen3.5 Plus 2026-04-20 | 10.0 | 10.0 | 100.0% | 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 | 1.66s | 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
Claude Opus 4.8nonevsQwen3.5-35B-A3BmediumGemini 3.1 Flash Lite PreviewnonevsQwen3.5 Plus 2026-04-20mediumClaude Opus 4.8nonevsGPT-5.4 MinimediumClaude Opus 4.8nonevsGPT-5.2mediumClaude Opus 4.8nonevsQwen3.6 35B A3BmediumGemini 3.1 Flash LitelowvsQwen3.5 Plus 2026-04-20mediumClaude Opus 4.8nonevsGLM 5V TurbomediumClaude Opus 4.8nonevsGPT-5.4 NanomediumClaude Opus 4.8nonevsStep 3.7 FlashhighGPT-5.3 ChatnonevsQwen3.5 Plus 2026-04-20mediumClaude Opus 4.8nonevsMiniMax M3mediumClaude Opus 4.8nonevsStep 3.7 Flashlow