AI BENCHY 对比
Anthropic: Claude Opus 4.8 vs Qwen: Qwen3.6 Plus
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-29
| 指标 | Claude Opus 4.8 Claude Opus 4.8 none | Qwen3.6 Plus Qwen3.6 Plus medium |
|---|---|---|
| 分数 | 7.3 | 7.8 |
| 排名 | #65 | #38 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.2 | 9.2 |
| 测试正确 | ||
| 尝试通过率 | 65.0% | 68.3% |
| 不稳定测试 | 2 | 2 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 4.324 | 0.630 |
| 总成本 | $0.519 | $0.082 |
| 输入价格 | $5.000 / 1M | $0.325 / 1M |
| 输出价格 | $25.000 / 1M | $1.950 / 1M |
| 输出令牌 | 8,098 | 1,833 |
| 推理令牌 | 0 | 124,782 |
| 响应时间（平均） | 3.51s | 26.81s |
| 响应时间（最大） | 17.73s | 201.68s |
| 响应时间（总计） | 70.19s | 509.43s |
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 | |
| Qwen3.6 Plus | 10.0 | 10.0 | 100.0% | 0 | 9.90s | 207 | 7,557 |
| 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 | |
| Qwen3.6 Plus | 4.1 | 6.7 | 16.7% | 1 | 201.68s | 38 | 33,395 |
| 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 | |
| Qwen3.6 Plus | 10.0 | 10.0 | 100.0% | 0 | 34.95s | 452 | 13,073 |
| 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 | |
| Qwen3.6 Plus | 10.0 | 10.0 | 100.0% | 0 | 14.95s | 270 | 10,706 |
| 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 | |
| Qwen3.6 Plus | 2.9 | 7.2 | 11.1% | 1 | 29.59s | 56 | 33,464 |
| 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 | |
| Qwen3.6 Plus | 5.1 | 10.0 | 0.0% | 0 | 27.05s | 111 | 5,232 |
| 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 | |
| Qwen3.6 Plus | 10.0 | 10.0 | 100.0% | 0 | 7.54s | 102 | 5,552 |
| 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 | |
| Qwen3.6 Plus | 10.0 | 10.0 | 100.0% | 0 | 6.34s | 309 | 6,712 |
| 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 | |
| Qwen3.6 Plus | 10.0 | 10.0 | 100.0% | 0 | 5.87s | 267 | 1,330 |
| 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 | |
| Qwen3.6 Plus | 3.0 | 10.0 | 0.0% | 0 | 47.51s | 21 | 7,761 |
快速对比
切换对比组合
Claude Opus 4.8nonevsDeepSeek V3.2mediumClaude Opus 4.8nonevsQwen3.5-35B-A3BmediumClaude 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 NanomediumGPT-5.2 ChatnonevsQwen3.6 PlusmediumClaude Opus 4.8nonevsStep 3.5 FlashmediumClaude Opus 4.8nonevsStep 3.7 FlashlowGemini 3 Flash PreviewnonevsQwen3.6 PlusmediumClaude Opus 4.8nonevsGPT-5 Minimedium