BenchLeader

Claude Opus 5 vs Qwen3.8 Max

完整资料:Claude Opus 5(Anthropic)和 Qwen3.8 Max(Alibaba),包括全部基准测试、价格和排名。

更新于 · 数据来自 16 个来源

截至 2026年11月16日,质量上 Claude Opus 5 领先 Qwen3.8 Max(BenchLeader Index 65.0 比 58.7)。不过,Qwen3.8 Max 更便宜,对方的价格是它的 3.3 倍(每百万 token 混合价格 $3.00 比 $10.00)。在两者都有成绩的所有类别中,Claude Opus 5 均领先。Claude Opus 5 输出更快。

要点(截至 2026年11月16日)

  • Claude Opus 5 的 BenchLeader Index 为 65.0,Qwen3.8 Max 为 58.7(BenchLeader,2026年11月16日)。
  • Claude Opus 5 每百万 token 混合价格为 $10.00(标价,2026年11月16日)。
  • Qwen3.8 Max 每百万 token 混合价格为 $3.00(标价,2026年11月16日)。
  • Claude Opus 5 比 Qwen3.8 Max 输出更快(Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 69 项基准测试中,Claude Opus 5 领先 58 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Claude Opus 5 的评分为 1691,Qwen3.8 Max 为 1676(LMArena,截至 2026年11月16日 的公布数据)。

按用途怎么选

推荐模型的数值列在前面。类别得分采用 BenchLeader 标尺(50 为模型平均水平,15 分为一个标准差)。领先半个标准差及以上为“高”置信度;相差不到 1 分则视为“均可”。

用途推荐理由置信度
编程Claude Opus 5类别得分 67 比 62;Arena WebDev 1691 比 1676中
智能体与工具调用Claude Opus 5类别得分 64 比 59;Terminal-Bench 52.1% 比 27.0%中
数学Claude Opus 5类别得分 70 比 65;Arena Maths 1515 比 1505中
推理Claude Opus 5类别得分 66 比 52;HLE-Diamond (AA) 44.8% 比 24.0%高
知识Claude Opus 5类别得分 65 比 58;AA-Omniscience v1.1 37.6 比 10.5中
长文档均可类别得分 64 比 65;AA-LCR v1.1 79.3% 比 80.3%均可
图像及其他媒体Claude Opus 5类别得分 67 比 66;MMMU-Pro 84.7% 比 82.8%中
对话质量(人类偏好)均可Arena 投票 68 比 68均可
成本最低Qwen3.8 Max每百万 token 混合价格 $3.00 比 $10.00;智能体编程会话 $0.144 比 $0.400–
首次回答最快Claude Opus 5首个回答 token 48.5 秒(Claude Opus 5 (max))比 119.6 秒(Qwen3.8 Max (max))–
低预算大批量两者都不选通常更小的模型更合适:便宜好用的大模型、最快的大模型–

主要差异

  • 质量上 Claude Opus 5 (max) 领先:65.0 比 58.7。
  • Claude Opus 5 (max) 在智能体与工具、编程、人类偏好、知识、数学、多模态、推理方面更强。
  • Qwen3.8 Max (max) 在长上下文方面更强。
  • Qwen3.8 Max (max) 更便宜,对方的价格是它的 3.3 倍(每百万 token 混合价格 $3.00 比 $10.00)。
  • Claude Opus 5 (max) 的输出速度是对方的 1.4 倍(80 比 59 token/秒)。

概览

规格Claude Opus 5Qwen3.8 Max
提供商AnthropicAlibaba
发布日期2026年7月24日2026年8月3日
上下文窗口(token)1,000,0001,000,000
对比时的配置Claude Opus 5 (max)Qwen3.8 Max (max)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$5.00 / $25.00 / $0.500$2.00 / $6.00 / $0.250

逐类别对比

类别得分采用 BenchLeader 标尺:50 为参评模型的平均水平,15 分为一个标准差。差距不到 1 分视为持平。

类别Claude Opus 5 (max)Qwen3.8 Max (max)领先者
推理66.151.5Claude Opus 5
编程67.061.6Claude Opus 5
智能体与工具63.858.5Claude Opus 5
数学69.865.2Claude Opus 5
知识65.258.0Claude Opus 5
人类偏好68.167.5持平
多模态67.265.7Claude Opus 5
长上下文64.364.8持平
综合–45.0无法比较

同一图表对比

各领域采用与 Index 相同的标尺,平均模型为 50 分。单击某个领域可查看构成它的基准测试。 可从列表中最多选择 5 个模型。

2550 avg75推理编程智能体与工具数学知识长上下文多模态人类偏好Claude Opus 5, 推理: 66.1Claude Opus 5, 编程: 67.0Claude Opus 5, 智能体与工具: 63.8Claude Opus 5, 数学: 69.8Claude Opus 5, 知识: 65.2Claude Opus 5, 长上下文: 64.3Claude Opus 5, 多模态: 67.2Claude Opus 5, 人类偏好: 68.1Qwen3.8 Max, 推理: 51.5Qwen3.8 Max, 编程: 61.6Qwen3.8 Max, 智能体与工具: 58.5Qwen3.8 Max, 数学: 65.2Qwen3.8 Max, 知识: 58.0Qwen3.8 Max, 长上下文: 64.8Qwen3.8 Max, 多模态: 65.7Qwen3.8 Max, 人类偏好: 67.5

未绘制(测得的模型少于两个):指令遵循。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 69 项基准测试中,Claude Opus 5 领先 58 项,Qwen3.8 Max 领先 11 项。所有同时评测两者的综合评分都认为 Claude Opus 5 更强。

综合 IndexClaude Opus 5 (max)Qwen3.8 Max (max)领先者
BenchLeader Index65.058.7Claude Opus 5
AA Intelligence Index v5.0.144.233.6Claude Opus 5
Arena Text14891484Claude Opus 5

各发布方使用各自的任务、评测框架和推理强度设置,因此总体结论可能不同;BenchLeader 将它们统一到同一标尺上。† 表示同一模型在另一推理强度设置下的测量值(发布方未测试本页对比的设置)。

价格、速度与延迟

标价按每 1 个输出 token 对应 3 个输入 token 混合计算。每项任务的价格采用方法论页面中的 token 数量。每项基准测试任务的成本、token 数和耗时均为实测值,取自 Artificial Analysis 整个 Intelligence Index 测试的平均值。

指标Claude Opus 5 (max)Qwen3.8 Max (max)
每百万 token 混合价格$10.00$3.00
每百万 token 输入 / 输出$5.00 / $25.00$2.00 / $6.00
每百万 token 缓存输入$0.500$0.250
每项任务价格:聊天回复$0.0095$0.0026
每项任务价格:总结一份 30 页的报告$0.075$0.028
每项任务价格:代码编辑$0.068$0.021
每项任务价格:智能体编程会话$0.400$0.144
每项任务价格:结构化信息提取$0.015$0.0052
智能体编程会话(输入大多命中缓存)$0.198$0.065
每项基准测试任务成本(AA Index)$11.82$10.02
每项任务输出 token(AA Index)118k171k
其中推理部分73k120k
每项任务耗时(AA Index)25 min48 min
输出速度80 tok/s59 tok/s
首次回答时间48.5 秒119.6 秒
完整回答耗时(最近一次测量 2026年11月13日)191.6 秒294.1 秒

按 token 计价不等于按任务计价:在 Artificial Analysis 的 Intelligence Index 中,一项平均任务在 Claude Opus 5 (max) 上花费 $11.82,在 Qwen3.8 Max (max) 上花费 $10.02;完成同样的工作,Qwen3.8 Max (max) 输出的 token 是对方的 1.4 倍,这是只看 token 单价看不出来的。

每个模型都按其排名最高的推理强度设置进行对比。Claude Opus 5 (max) 得分 65.0,首个回答 token 需 49 秒;Claude Opus 5 (high) 为 64.4(17 秒),Claude Opus 5 为 63.2(2 秒)。Qwen3.8 Max (max) 得分 58.7,首个回答 token 需 120 秒;Qwen3.8 Max (xhigh) 为 56.6(3 秒)。推理强度越高,回答前思考越久:得分更高,但等待更长、计费 token 也更多。 推理强度如何影响得分和成本

全部基准测试

共 172 项基准测试,按类别分组;点击名称可查看该排行榜及领先模型。† 表示同一模型在另一推理强度设置下的测量值,仅供参考,不计入胜场。

指标发布方Claude Opus 5 (max)Qwen3.8 Max (max)
BenchLeader IndexBenchLeader65.058.7
智能体与工具得分BenchLeader63.858.5
编程得分BenchLeader67.061.6
人类偏好得分BenchLeader68.167.5
知识得分BenchLeader65.258.0
长上下文得分BenchLeader64.364.8
数学得分BenchLeader69.865.2
多模态得分BenchLeader67.265.7
推理得分BenchLeader66.151.5
综合得分BenchLeader–45.0
混合价格(美元/百万 token)BenchLeader$10.00$3.00
输出速度BenchLeader80 tok/s59 tok/s
首次回答时间BenchLeader48.5 秒119.6 秒
上下文窗口BenchLeader1,000,000 token1,000,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub93.9%92.7%†
SimpleBenchSimpleBench80.6%†–
Arena Hard PromptsArena (LMArena)15131507
LiveBench 2.0 ReasoningLiveBench–88.2%
LiveBench 1.0 ReasoningLiveBench91.2%88.2%
GPQA Diamond (AA)Artificial Analysis93.2%92.8%
Humanity's Last Exam (AA)Artificial Analysis54.9%43.1%
HLE-Diamond (AA)Artificial Analysis44.8%24.0%
GPQA Diamond (Vals)Vals AI93.4%†93.7%
ARC-AGI-1ARC Prize97.5%–
ARC-AGI-2ARC Prize90.4%–
ARC-AGI-3ARC Prize30.2%†–
CritPtArtificial Analysis29.1%20.0%
CritPt v2 hard subset (AA)Artificial Analysis50.0%29.5%
MysteryMechanismVals AI37.4%23.9%
HLE-Diamond (Scale)Scale AI SEAL38.6%†–
Arena ExpertArena (LMArena)15301514
Chess PuzzlesEpoch AI Benchmarking Hub43.0%46.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub59.0%38.0%†
LMCAEpoch AI Benchmarking Hub63.3%46.2%†
DTBenchEpoch AI Benchmarking Hub97.6%92.0%†
ForecastBenchForecastBench66.6%–
BTF-3Epoch AI Benchmarking Hub12.0%†–
编程
SciCodeSciCode56.4%53.2%
WeirdMLWeirdML91.8%–
显示全部 172 项基准测试
指标发布方Claude Opus 5 (max)Qwen3.8 Max (max)
编程
FrontierCodeCognition53.4%–
Arena CodingArena (LMArena)15281523
Arena WebDevArena (LMArena)16911676
LiveBench 2.0 CodingLiveBench–60.9%
LiveBench 1.0 CodingLiveBench81.5%72.9%
LiveCodeBenchVals AI89.0%87.8%
IOIVals AI84.3%68.9%
SWE-bench (Vals)Vals AI97.0%†85.6%
Code MigrationVals AI57.5%24.0%
ProgramBenchVals AI3.0%0.0%
SWE-bench MultimodalVals AI–42.5%
Vibe Code Bench 1-100Vals AI28.5%12.8%
Vibe Code Bench v1.1Vals AI88.4%†64.7%
SWE Atlas v1.0: Codebase QnAScale AI SEAL63.2%†–
SWE Atlas v1.0: Test WritingScale AI SEAL62.2%†–
SWE Atlas v1.1Scale AI SEAL–64.4%
SWE Atlas v1.1: Codebase QnAScale AI SEAL–81.5%
SWE Atlas v1.1: Test WritingScale AI SEAL–58.9%
SWE Atlas v1.1: RefactoringScale AI SEAL–52.9%
SWE-Bench Pro V2Scale AI SEAL99.4%†–
SWE-Bench Pro V2 HARDScale AI SEAL98.0%†–
MirrorCodeEpoch AI Benchmarking Hub87.8%52.2%†
DeepSWE v1.1Epoch AI Benchmarking Hub73.7%57.5%†
CursorBenchCursor46.6%–
ALE-BenchEpoch AI Benchmarking Hub2164.6†1679.1†
FrontierSWEEpoch AI Benchmarking Hub52.0%17.8%†
WeirdML v3WeirdML19.0%†–
Terminal-Bench 4.0 (AA)Artificial Analysis49.0%38.9%
Terminal-Bench 2.1 (AA)Artificial Analysis89.1%88.8%
Startrise FrontendStartrise82.3%†71.3%
GameBench 2 OverallDuelLab GameBench 276.5†54.2†
GameBench 2 by reasoning settingDuelLab GameBench 284.8†69.6†
Design Arena WebsiteDesign Arena1304†1269
FrontierCode 1.1 (AA)Artificial Analysis–43.2%
FrontierCode 2.0 (AA)Artificial Analysis31.1%23.4%
智能体与工具
Terminal-BenchTerminal-Bench52.1%27.0%
OSWorld-Verified 2.0OSWorld31.4%–
APEX-AgentsMercor65.8%63.3%
Arena AgentArena (LMArena)7.20.1
LiveBench Long AgenticLiveBench–26.6%
LiveBench BrowserLiveBench–49.4%
LiveBench Agentic CodingLiveBench65.2%64.7%
Terminal-Bench 2.1 (Vals)Vals AI84.6%†67.4%
MCP AtlasScale AI SEAL85.8%†–
HiL-BenchScale AI SEAL57.0%†–
τ³-bench Bankingτ²-bench48.7%55.1%†
GDPval-AA v2.1, normalised scoreArtificial Analysis–58.3%
GDPval-AA v2.1Artificial Analysis17291674
τ³-Banking (AA)Artificial Analysis42.1%51.3%
ITBench SRE (AA)Artificial Analysis–40.3%
Analyst Agent (AA)Artificial Analysis53.8%45.0%
APEX-Agents (AA)Artificial Analysis–42.4%
CUA-benchVals AI9.0%–
CyberBenchVals AI65.4%28.6%
Finance Agent v2Vals AI58.6%50.6%
Harvey's Legal Agent Benchmark v1Vals AI6.7%10.4%
Legal Research BenchVals AI55.3%47.6%
SkillsBenchVals AI60.4%42.0%
SREBenchVals AI12.2%–
Tax Agent BenchVals AI47.1%32.1%
Terminal-Bench 4.0 (Vals)Vals AI53.5%34.3%
Terminal-Bench ScienceVals AI27.1%12.9%
Time Horizon Index: KSPVals AI18.8%–
Arena SearchArena (LMArena)1213†1227
Arena Agent Task CompletionArena (LMArena)10.24.5
BALROGBALROG63.4%–
PostTrainBenchEpoch AI Benchmarking Hub35.7%†–
GBAEvalEpoch AI Benchmarking Hub79.6%†–
Vending-Bench 2Andon Labs11181.9†–
AutomationBenchArtificial Analysis56.6%56.2%
GDP.pdf (AA)Artificial Analysis21.6%22.8%
EnterpriseOps-GymArtificial Analysis47.5%47.6%
AA-Briefcase v1.1Artificial Analysis16541604
GDPxGDPx by SemiAnalysis–3.5%
Design Arena AgenticDesign Arena1270†1264
Terminal-Bench-Science 0.1 (AA)Artificial Analysis28.6%11.9%
DeepSec-Bench (AA)Artificial Analysis25.9%–
MKA (AA)Artificial Analysis–37.4%
FACTS SearchGoogle–85.0%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub85.6%74.7%†
FrontierMath Tier 4Epoch AI Benchmarking Hub73.2%46.3%†
OTIS Mock AIMEEpoch AI Benchmarking Hub98.9%100.0%†
ProofBenchVals AI99.0%58.0%
LiveBench MathematicsLiveBench95.7%91.3%
Arena MathsArena (LMArena)15151505
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub59.9%47.3%†
LiveBench 2.0 Data AnalysisLiveBench–78.4%
LiveBench ResearchLiveBench–72.8%
LiveBench 1.0 Data AnalysisLiveBench74.5%78.4%
AA-Omniscience v1.1Artificial Analysis37.610.5
MMLU-ProVals AI91.6%88.6%
LegalBenchVals AI87.0%83.6%
CorpFinVals AI73.2%†65.8%
TaxEvalVals AI75.1%†75.5%
BioMysteryBenchVals AI79.3%–
Excel Modeling BenchmarkVals AI73.6%60.1%
Excel Modeling Benchmark v1.1Vals AI–66.0%
MedCodeVals AI63.6%40.7%
MedScribeVals AI91.0%85.0%
Public Benefits Bench v1.1Vals AI76.9%67.1%
Access to Justice BenchmarkVals AI–76.4%
Financial Coaching BenchVals AI–75.6%
Immigration BenchVals AI–70.1%
DrugDiscoveryBenchScale AI SEAL53.7%–
EBR-benchEpoch AI Benchmarking Hub45.7%–
GDP.pdfEpoch AI Benchmarking Hub24.0%23.2%†
AA-Omniscience v1.1: accuracyArtificial Analysis60.9%29.5%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis40.6%72.9%
FACTS ParametricGoogle48.8%†30.8%
指令遵循
LiveBench LanguageLiveBench88.7%79.7%
LiveBench Instruction FollowingLiveBench63.8%74.1%
Arena Instruction FollowingArena (LMArena)14941478
人类偏好
Arena TextArena (LMArena)14891484
EQ-Bench 4EQ-Bench1365†–
EQ-Bench Creative Writing v3EQ-Bench2135†–
Arena Creative WritingArena (LMArena)14731472
Arena Multi-turnArena (LMArena)14861495
Arena Longer QueriesArena (LMArena)15021496
多模态
Arena VisionArena (LMArena)1318†1312
LiveBench DesignLiveBench–76.6%
MMMU-ProArtificial Analysis84.7%82.8%
MMMU-Pro (Vals)Vals AI89.9%88.0%
MortgageTaxVals AI72.1%†64.0%
SAGEVals AI–81.8%
Humanity's Sixth SenseScale AI SEAL30.5%33.0%
Blueprint-Bench 2Epoch AI Benchmarking Hub30.4%†–
Furniture AssemblyEpoch AI Benchmarking Hub60.8%20.0%†
VIALS-AAHandshake AI–31.7%
Code2Video-AAArtificial Analysis–1021
AA-3DArtificial Analysis–954
FACTS MultimodalGoogle–51.5%
长上下文
AA-LCR v1.1Artificial Analysis79.3%80.3%
Arena DocumentArena (LMArena)1486†–
MLCRArtificial Analysis11.1%26.1%
FACTS GroundingGoogle–73.8%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub164.7†157.6
LiveBench 2.0LiveBench–60.9%
LiveBench 1.0LiveBench80.1%78.5%
AA Intelligence Index v5.0.1Artificial Analysis44.233.6
AA Intelligence Index v4.3.2Artificial Analysis50.845.4
AA Progress Index v1Artificial Analysis333.7323.7
Vals RSI IndexVals AI33.0%21.8%
Vals Science IndexVals AI47.9%–
Vals Multimodal IndexVals AI73.9%†65.4%
安全与诚实
FORTRESSScale AI SEAL16.8%†–
DistressBenchScale AI SEAL70.2%†77.6%

数据截至 2026年11月16日。对比的是每个模型的最佳配置;每项分数的来源链接都在模型页面上。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

变化

  • Claude Opus 5 (max):25 项新结果(LiveCodeBench, MMLU-Pro, IOI…)。
  • Qwen3.8 Max (max):1 项分数修订。
  • Claude Opus 5 (max):1 项新结果(GDPval-AA v2.1)。
  • Qwen3.8 Max (max):1 项分数修订。
  • Claude Opus 5 (max):1 项新结果(MirrorCode)。
  • Claude Opus 5 (max):BenchLeader Index 65.5 → 65.0。
  • Qwen3.8 Max (max):6 项分数修订。
  • Qwen3.8 Max (max):1 项分数修订。
  • Claude Opus 5 (max):7 项新结果(AA Intelligence Index v5.0.1, HLE-Diamond (AA), AA-Omniscience v1.1…)。
  • Qwen3.8 Max (max):1 项新结果(FACTS Search);1 项分数修订。

排行榜: 综合最佳大模型 · 最适合智能体的大模型 · 便宜好用的大模型

Claude Opus 5 vs Qwen3.8 Max:常见问题

Claude Opus 5 比 Qwen3.8 Max 更好吗?
质量上 Claude Opus 5 (max) 领先:65.0 比 58.7。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,Claude Opus 5 (max) 总体领先,但请结合你的用途查看各类别得分。
Claude Opus 5 和 Qwen3.8 Max 哪个更便宜?价格会变吗?
目前 Qwen3.8 Max 更便宜:每百万 token $3.00 比 $10.00(按每 1 个输出 token 对应 3 个输入 token 混合计算)。两者均未公布价格调整。
编程用 Claude Opus 5 还是 Qwen3.8 Max 更好?
Claude Opus 5 在编程方面得分更高(类别得分 67 比 62,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,Claude Opus 5 为 1691,Qwen3.8 Max 为 1676。
Claude Opus 5 和 Qwen3.8 Max 哪个更快?
Claude Opus 5 输出更快(输出 80 比 59 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Claude Opus 5 还是 Qwen3.8 Max 更好?
Claude Opus 5 在智能体任务方面得分更高(类别得分 64 比 59,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 Terminal-Bench 上,Claude Opus 5 为 52.1%,Qwen3.8 Max 为 27.0%。
更多问题(4)
处理长文档哪个更好?
两者在长上下文基准测试上持平(64 比 65)。两者都支持 1,000,000 token 的上下文。
哪个延迟更低?
Claude Opus 5 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 48.5 秒比 119.6 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
第三方基准测试对 Claude Opus 5 和 Qwen3.8 Max 的看法一致吗?
在两者都有结果的 69 项基准测试中,Claude Opus 5 领先 58 项,Qwen3.8 Max 领先 11 项。所有同时评测两者的综合评分都认为 Claude Opus 5 更强。
Qwen3.8 Max 是什么时候发布的?
Qwen3.8 Max 于 2026年8月3日 发布。