AI BENCHY 对比

Anthropic: Claude Sonnet 4.6 vs Qwen: Qwen3.7 Plus

摘要

Claude Sonnet 4.6 vs Qwen3.7 Plus benchmark 对比：Qwen3.7 Plus 平均分领先，为 8.2 vs 7.3。 Qwen3.7 Plus benchmark 成本更低，为 $0.177 vs $0.316。 Claude Sonnet 4.6 更快，为 5.04s vs 38.95s，通过率为 55.6% 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 Sonnet 4.6低约 1.8 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-12

指标	Claude Sonnet 4.6 Claude Sonnet 4.6 none 发布日期: 2026-02-17	Qwen3.7 Plus Qwen3.7 Plus medium 发布日期: 2026-06-03

指标	Claude Sonnet 4.6 Claude Sonnet 4.6 none 发布日期: 2026-02-17	Qwen3.7 Plus Qwen3.7 Plus medium 发布日期: 2026-06-03
分数	7.3	8.2
排名	#56	#28
可靠性	10.0	10.0
一致性	9.7	9.1
测试正确
尝试通过率	55.6%	77.8%
不稳定测试	1	2
总运行次数	63	63
每个结果成本	2.870	1.474
总成本	$0.316	$0.177
输入价格	$3.000 / 1M	$0.320 / 1M
输出价格	$15.000 / 1M	$1.280 / 1M
总输入令牌	57,886	40,939
输出令牌	9,465	2,125
推理令牌	0	125,754
响应时间（平均）	5.04s	38.95s
响应时间（最大）	23.84s	178.04s
响应时间（总计）	70.60s	817.85s

Generation showcase

Hamster playing table tennis

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

#56 Claude Sonnet 4.6

none

Cost: $0.038
Time: 27.3s
Tokens: 2,598 tok

#28 Qwen3.7 Plus

medium

Cost: $0.018
Time: 193.2s
Tokens: 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 Sonnet 4.6	4.8	10.0	25.0%	0		2.94s	636	1,214	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 Sonnet 4.6	5.5	10.0	33.3%	0		5.19s	8,522	2,127	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 Sonnet 4.6	9.5	10.0	100.0%	0		23.84s	26,024	3,766	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 Sonnet 4.6	10.0	10.0	100.0%	0		3.43s	8,574	252	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 Sonnet 4.6	7.7	10.0	66.7%	0		3.54s	759	413	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 Sonnet 4.6	6.1	3.1	66.7%	1		2.56s	513	192	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 Sonnet 4.6	6.5	10.0	50.0%	0		1.96s	690	90	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 Sonnet 4.6	7.7	10.0	66.7%	0		2.53s	663	533	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 Sonnet 4.6	10.0	10.0	100.0%	0		4.11s	11,301	447	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 Sonnet 4.6	3.0	10.0	0.0%	0		4.67s	204	431	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