AI BENCHY 对比

Anthropic: Claude Sonnet 4.6 vs Qwen: Qwen3.5-Flash

摘要

Claude Sonnet 4.6 vs Qwen3.5-Flash benchmark 对比：Claude Sonnet 4.6 平均分领先，为 7.3 vs 6.8。 Qwen3.5-Flash benchmark 成本更低，为 $0.080 vs $0.316。 Claude Sonnet 4.6 更快，为 5.04s vs 63.29s，通过率为 55.6% vs 71.4%。

推荐模型: Claude Sonnet 4.6 - 它在这里得分最高（7.3），同时响应速度比Qwen3.5-Flash快约 12.6 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-Flash Qwen3.5-Flash 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-Flash Qwen3.5-Flash medium 发布日期: 2026-02-24
分数	7.3	6.8
排名	#55	#70
可靠性	10.0	10.0
一致性	9.7	8.1
测试正确
尝试通过率	55.6%	71.4%
不稳定测试	1	5
总运行次数	63	63
每个结果成本	2.870	0.871
总成本	$0.316	$0.080
输入价格	$3.000 / 1M	$0.065 / 1M
输出价格	$15.000 / 1M	$0.260 / 1M
总输入令牌	57,886	38,926
输出令牌	9,465	2,088
推理令牌	0	294,598
响应时间（平均）	5.04s	63.29s
响应时间（最大）	23.84s	234.29s
响应时间（总计）	70.60s	1265.85s

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

#70 Qwen3.5-Flash

medium

成本: $0.002
时间: 25.8s
令牌: 4,294 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-Flash	10.0	10.0	100.0%	0		59.11s	672	383	32,992

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-Flash	3.7	7.2	22.2%	1		58.87s	6,685	302	90,081

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-Flash	10.0	10.0	100.0%	0		17.78s	14,934	483	8,270

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-Flash	7.3	5.9	83.3%	1		56.99s	6,061	235	16,237

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-Flash	5.3	7.2	44.4%	1		146.50s	581	58	43,615

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-Flash	6.1	3.1	66.7%	1		40.05s	516	99	38,486

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-Flash	10.0	10.0	100.0%	0		63.49s	699	98	14,139

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-Flash	8.2	7.2	88.9%	1		27.61s	381	89	12,457

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-Flash	10.0	10.0	100.0%	0		10.33s	8,193	309	1,284

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-Flash	3.0	10.0	0.0%	0		48.98s	204	32	37,037

快速对比

切换对比组合