AI BENCHY 对比

Anthropic: Claude Opus 4.8 vs Qwen: Qwen3.7 Plus

摘要

Claude Opus 4.8 vs Qwen3.7 Plus benchmark 对比：Qwen3.7 Plus 平均分领先，为 8.2 vs 7.2。 Qwen3.7 Plus benchmark 成本更低，为 $0.177 vs $0.539。 Claude Opus 4.8 更快，为 3.47s vs 38.95s，通过率为 61.9% vs 77.8%。

推荐模型: Qwen3.7 Plus - 它在这里得分最高（8.2），同时成本比Claude Opus 4.8低约 3.0 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-18

指标	Claude Opus 4.8 Claude Opus 4.8 none 发布日期: 2026-05-28	Qwen3.7 Plus Qwen3.7 Plus medium 发布日期: 2026-06-03

指标	Claude Opus 4.8 Claude Opus 4.8 none 发布日期: 2026-05-28	Qwen3.7 Plus Qwen3.7 Plus medium 发布日期: 2026-06-03
分数	7.2	8.2
排名	#57	#25
可靠性	10.0	10.0
一致性	9.2	9.1
测试正确
尝试通过率	61.9%	77.8%
不稳定测试	2	2
总运行次数	63	63
每个结果成本	4.485	1.474
总成本	$0.539	$0.177
输入价格	$5.000 / 1M	$0.320 / 1M
输出价格	$25.000 / 1M	$1.280 / 1M
总输入令牌	67,104	40,939
输出令牌	8,107	2,125
推理令牌	0	125,754
响应时间（平均）	3.47s	38.95s
响应时间（最大）	17.73s	178.04s
响应时间（总计）	72.90s	817.85s

生成展示

Hamster playing table tennis

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

#57 Claude Opus 4.8

none

成本: $0.053
时间: 22.0s
令牌: 2,253 tok

#25 Qwen3.7 Plus

medium

成本: $0.018
时间: 193.2s
令牌: 10,821 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
Qwen3.7 Plus	10.0	10.0	100.0%	0		8.58s	672	195	5,065

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
Qwen3.7 Plus	6.1	6.6	55.6%	1		108.60s	6,472	414	43,576

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
Qwen3.7 Plus	10.0	10.0	100.0%	0		65.24s	14,934	366	10,132

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
Qwen3.7 Plus	10.0	10.0	100.0%	0		21.75s	7,782	270	6,713

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
Qwen3.7 Plus	3.6	7.2	22.2%	1		45.35s	771	57	27,073

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
Qwen3.7 Plus	10.0	10.0	100.0%	0		25.48s	516	123	3,998

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
Qwen3.7 Plus	10.0	10.0	100.0%	0		16.13s	699	102	5,013

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
Qwen3.7 Plus	10.0	10.0	100.0%	0		16.38s	696	280	7,312

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
Qwen3.7 Plus	10.0	10.0	100.0%	0		15.02s	8,193	292	1,831

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
Qwen3.7 Plus	3.0	10.0	0.0%	0		91.07s	204	26	15,041

快速对比

切换对比组合