AI BENCHY 对比

Anthropic: Claude Opus 4.8 vs Qwen: Qwen3.6 Flash

摘要

Claude Opus 4.8 vs Qwen3.6 Flash benchmark 对比：Qwen3.6 Flash 平均分领先，为 7.5 vs 7.0。 Qwen3.6 Flash benchmark 成本更低，为 $0.288 vs $0.539。 Claude Opus 4.8 更快，为 3.47s vs 19.25s，通过率为 61.9% vs 71.4%。

推荐模型: Qwen3.6 Flash - 它在这里得分最高（7.5），同时成本比Claude Opus 4.8低约 1.9 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-10

指标	Claude Opus 4.8 Claude Opus 4.8 none 发布日期: 2026-05-28	Qwen3.6 Flash Qwen3.6 Flash 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	Qwen3.6 Flash Qwen3.6 Flash medium 发布日期: 2026-04-20
分数	7.0	7.5
排名	#69	#40
可靠性	10.0	10.0
一致性	9.2	8.1
测试正确
尝试通过率	61.9%	71.4%
不稳定测试	2	5
总运行次数	63	63
每个结果成本	4.485	3.030
总成本	$0.539	$0.288
输入价格	$5.000 / 1M	$0.188 / 1M
输出价格	$25.000 / 1M	$1.125 / 1M
总输入令牌	67,104	42,362
输出令牌	8,107	2,995
推理令牌	0	245,358
响应时间（平均）	3.47s	19.25s
响应时间（最大）	17.73s	122.87s
响应时间（总计）	72.90s	404.20s

Generation showcase

Hamster playing table tennis

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

#69 Claude Opus 4.8

none

Cost: $0.053
Time: 22.0s
Tokens: 2,253 tok

#40 Qwen3.6 Flash

medium

Invalid SVG

Cost: $0.008
Time: 29.9s
Tokens: 6,784 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	6.5	10.0	50.0%	0		3.40s	834	1,472	0
Qwen3.6 Flash	10.0	10.0	100.0%	0		6.10s	672	624	14,024

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
Qwen3.6 Flash	5.0	5.1	44.5%	2		42.85s	7,895	495	67,967

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
Qwen3.6 Flash	10.0	10.0	100.0%	0		20.28s	14,934	483	13,839

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
Qwen3.6 Flash	10.0	10.0	100.0%	0		9.65s	7,782	270	13,155

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
Qwen3.6 Flash	3.5	4.4	33.3%	2		14.65s	771	60	24,409

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
Qwen3.6 Flash	4.8	9.9	0.0%	0		9.88s	516	140	5,445

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
Qwen3.6 Flash	10.0	10.0	100.0%	0		6.05s	699	102	7,423

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
Qwen3.6 Flash	8.2	7.2	88.9%	1		6.29s	696	460	10,860

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
Qwen3.6 Flash	10.0	10.0	100.0%	0		4.00s	8,193	335	1,188

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
Qwen3.6 Flash	3.0	10.0	0.0%	0		122.87s	204	26	87,048

快速对比

切换对比组合