AI BENCHY 对比

Anthropic: Claude Sonnet 4.6 vs Qwen: Qwen3.5-122B-A10B

摘要

Claude Sonnet 4.6 vs Qwen3.5-122B-A10B benchmark 对比：Qwen3.5-122B-A10B 平均分领先，为 7.7 vs 7.3。 Claude Sonnet 4.6 benchmark 成本更低，为 $0.316 vs $0.588。 Claude Sonnet 4.6 更快，为 5.04s vs 42.49s，通过率为 55.6% vs 73.0%。

推荐模型: Claude Sonnet 4.6 - 它的得分接近这里的最高分（7.3 vs 7.7），同时成本比Qwen3.5-122B-A10B低约 1.9 倍。

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

指标	Claude Sonnet 4.6 Claude Sonnet 4.6 none 发布日期: 2026-02-17	Qwen3.5-122B-A10B Qwen3.5-122B-A10B medium 发布日期: 2026-02-24

指标	Claude Sonnet 4.6 Claude Sonnet 4.6 none 发布日期: 2026-02-17	Qwen3.5-122B-A10B Qwen3.5-122B-A10B medium 发布日期: 2026-02-24
分数	7.3	7.7
排名	#55	#36
可靠性	10.0	10.0
一致性	9.7	8.8
测试正确
尝试通过率	55.6%	73.0%
不稳定测试	1	3
总运行次数	63	63
每个结果成本	2.870	5.235
总成本	$0.316	$0.588
输入价格	$3.000 / 1M	$0.260 / 1M
输出价格	$15.000 / 1M	$2.080 / 1M
总输入令牌	57,886	41,832
输出令牌	9,465	26,187
推理令牌	0	251,028
响应时间（平均）	5.04s	42.49s
响应时间（最大）	23.84s	168.16s
响应时间（总计）	70.60s	892.30s

生成展示

Hamster playing table tennis

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

#55 Claude Sonnet 4.6

none

成本: $0.038
时间: 27.3s
令牌: 2,598 tok

#36 Qwen3.5-122B-A10B

medium

成本: $0.019
时间: 48.7s
令牌: 6,034 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 Sonnet 4.6	4.8	10.0	25.0%	0		2.94s	636	1,214	0
Qwen3.5-122B-A10B	10.0	10.0	100.0%	0		9.75s	672	269	16,835

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 Sonnet 4.6	5.5	10.0	33.3%	0		5.19s	8,522	2,127	0
Qwen3.5-122B-A10B	6.0	7.2	55.6%	1		114.48s	7,630	8,057	82,578

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 Sonnet 4.6	9.5	10.0	100.0%	0		23.84s	26,024	3,766	0
Qwen3.5-122B-A10B	10.0	10.0	100.0%	0		107.79s	14,947	483	11,337

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 Sonnet 4.6	10.0	10.0	100.0%	0		3.43s	8,574	252	0
Qwen3.5-122B-A10B	10.0	10.0	100.0%	0		23.41s	7,782	270	16,558

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 Sonnet 4.6	7.7	10.0	66.7%	0		3.54s	759	413	0
Qwen3.5-122B-A10B	2.9	7.2	11.1%	1		63.40s	771	15,537	64,889

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 Sonnet 4.6	6.1	3.1	66.7%	1		2.56s	513	192	0
Qwen3.5-122B-A10B	3.4	2.2	33.3%	1		34.11s	344	66	7,592

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 Sonnet 4.6	6.5	10.0	50.0%	0		1.96s	690	90	0
Qwen3.5-122B-A10B	10.0	10.0	100.0%	0		9.88s	593	77	7,372

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 Sonnet 4.6	7.7	10.0	66.7%	0		2.53s	663	533	0
Qwen3.5-122B-A10B	10.0	10.0	100.0%	0		17.89s	696	284	27,575

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 Sonnet 4.6	10.0	10.0	100.0%	0		4.11s	11,301	447	0
Qwen3.5-122B-A10B	10.0	10.0	100.0%	0		4.60s	8,193	322	1,226

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 Sonnet 4.6	3.0	10.0	0.0%	0		4.67s	204	431	0
Qwen3.5-122B-A10B	3.0	10.0	0.0%	0		52.87s	204	822	15,066

快速对比

切换对比组合