BenchLeader

Claude Sonnet 5 vs Qwen3.8-Flash-Next

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

更新于 · 数据来自 7 个来源

截至 2026年11月16日,Claude Sonnet 5 与 Qwen3.8-Flash-Next 的质量不相上下(BenchLeader Index 59.0 比 53.9,在 ±8.3 的误差范围内)。Qwen3.8-Flash-Next 更便宜,对方的价格是它的 17 倍(每百万 token 混合价格 $0.230 比 $4.00)。看重推理(65 比 43)选 Claude Sonnet 5;看重智能体与工具(64 比 53)和长上下文(65 比 63)选 Qwen3.8-Flash-Next。Claude Sonnet 5 的首次回答更快(15.8 秒 比 65.5 秒)。Claude Sonnet 5 的输出更快。

要点(截至 2026年11月16日)

  • Claude Sonnet 5 的 BenchLeader Index 为 59.0,Qwen3.8-Flash-Next 为 53.9(BenchLeader,2026年11月16日)。
  • Claude Sonnet 5 每百万 token 混合价格为 $4.00(标价,2026年11月16日)。
  • Qwen3.8-Flash-Next 每百万 token 混合价格为 $0.230(标价,2026年11月16日)。
  • Claude Sonnet 5 比 Qwen3.8-Flash-Next 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 14 项基准测试中,Qwen3.8-Flash-Next 领先 11 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Claude Sonnet 5 的评分为 1539,Qwen3.8-Flash-Next 为 1624(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
编程均可类别得分 60 比 61;Arena WebDev 1539 比 1624均可
智能体与工具调用Qwen3.8-Flash-Next类别得分 64 比 53;Arena Agent -4.6 比 2高
推理Claude Sonnet 5类别得分 65 比 43;CritPt 15.1% 比 11.1%高
长文档Qwen3.8-Flash-Next类别得分 65 比 63;AA-LCR v1.1 79.7% 比 76.7%中
图像及其他媒体均可类别得分 61 比 61均可
对话质量(人类偏好)–只有 Claude Sonnet 5 有 Arena 评分(类别得分 65)无法比较
成本最低Qwen3.8-Flash-Next每百万 token 混合价格 $0.230 比 $4.00;智能体编程会话 $0.011 比 $0.160–
首次回答最快Claude Sonnet 5首个回答 token 15.8 秒(Claude Sonnet 5 (high))比 65.5 秒(Qwen3.8-Flash-Next)–
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

  • Claude Sonnet 5 (high) 与 Qwen3.8-Flash-Next 的质量不相上下(59.0 比 53.9,在 ±8.3 的误差范围内)。
  • Claude Sonnet 5 (high) 在推理方面更强。
  • Qwen3.8-Flash-Next 在智能体与工具、编程、长上下文、多模态方面更强。
  • Qwen3.8-Flash-Next 更便宜,对方的价格是它的 17 倍(每百万 token 混合价格 $0.230 比 $4.00)。

概览

规格Claude Sonnet 5Qwen3.8-Flash-Next
提供商AnthropicAlibaba
发布日期2026年6月30日2026年8月26日
上下文窗口(token)1,000,000256,000
对比时的配置Claude Sonnet 5 (high)Qwen3.8-Flash-Next
开放权重否是
每百万 token 价格(输入 / 输出 / 缓存输入)$2.00 / $10.00 / $0.200$0.150 / $0.470 / –

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 Sonnet 5 (high)Qwen3.8-Flash-Next领先者
推理65.443.0Claude Sonnet 5
编程59.960.7持平
智能体与工具52.964.0Qwen3.8-Flash-Next
数学65.3–无法比较
知识–38.1无法比较
人类偏好64.6–无法比较
多模态60.961.0持平
长上下文62.964.5Qwen3.8-Flash-Next

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长上下文多模态Claude Sonnet 5, 推理: 65.4Claude Sonnet 5, 编程: 59.9Claude Sonnet 5, 智能体与工具: 52.9Claude Sonnet 5, 长上下文: 62.9Claude Sonnet 5, 多模态: 60.9Qwen3.8-Flash-Next, 推理: 43.0Qwen3.8-Flash-Next, 编程: 60.7Qwen3.8-Flash-Next, 智能体与工具: 64.0Qwen3.8-Flash-Next, 长上下文: 64.5Qwen3.8-Flash-Next, 多模态: 61.0

未绘制(测得的模型少于两个):数学, 知识, 指令遵循, 人类偏好。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 14 项基准测试中,Claude Sonnet 5 领先 3 项,Qwen3.8-Flash-Next 领先 11 项。

综合 IndexClaude Sonnet 5 (high)Qwen3.8-Flash-Next领先者
BenchLeader Index59.053.9不相上下

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 Sonnet 5 (high)Qwen3.8-Flash-Next
每百万 token 混合价格$4.00$0.230
每百万 token 输入 / 输出$2.00 / $10.00$0.150 / $0.470
每百万 token 缓存输入$0.200–
每项任务价格:聊天回复$0.0038$0.0002
每项任务价格:总结一份 30 页的报告$0.030$0.0021
每项任务价格:代码编辑$0.027$0.0016
每项任务价格:智能体编程会话$0.160$0.011
每项任务价格:结构化信息提取$0.0060$0.0004
智能体编程会话(输入大多命中缓存)$0.079–
每项基准测试任务成本(AA Index)–$0.569
每项任务输出 token(AA Index)–148k
其中推理部分–97k
每项任务耗时(AA Index)–31 min
输出速度99 tok/s80 tok/s
首次回答时间15.8 秒65.5 秒
完整回答耗时(最近一次测量 2026年11月13日)40.7 秒202.8 秒

每个模型都按其排名最高的推理强度设置进行对比。Claude Sonnet 5 (high) 得分 59.0,首个回答 token 需 16 秒;Claude Sonnet 5 (max) 为 56.1(158 秒),Claude Sonnet 5 (xhigh) 为 55.4(32 秒)。Qwen3.8-Flash-Next 得分 53.9,首个回答 token 需 66 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 122 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 Sonnet 5 (high)Qwen3.8-Flash-Next
BenchLeader IndexBenchLeader59.053.9
智能体与工具得分BenchLeader52.964.0
编程得分BenchLeader59.960.7
人类偏好得分BenchLeader64.6–
长上下文得分BenchLeader62.964.5
数学得分BenchLeader65.3–
多模态得分BenchLeader60.961.0
推理得分BenchLeader65.443.0
知识得分BenchLeader–38.1
混合价格(美元/百万 token)BenchLeader$4.00$0.230
输出速度BenchLeader99 tok/s80 tok/s
首次回答时间BenchLeader15.8 秒65.5 秒
上下文窗口BenchLeader1,000,000 token256,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub80.3%†–
SimpleBenchSimpleBench60.6%†–
Arena Hard PromptsArena (LMArena)1490–
LiveBench 1.0 ReasoningLiveBench88.7%†87.4%
GPQA Diamond (AA)Artificial Analysis91.1%†92.3%
Humanity's Last Exam (AA)Artificial Analysis35.7%38.0%
HLE-Diamond (AA)Artificial Analysis–16.3%
GPQA Diamond (Vals)Vals AI88.9%†–
CritPtArtificial Analysis15.1%11.1%
CritPt v2 hard subset (AA)Artificial Analysis–24.5%
Arena ExpertArena (LMArena)1509–
Chess PuzzlesEpoch AI Benchmarking Hub45.0%†–
Mystery Game PuzzlesEpoch AI Benchmarking Hub16.0%†–
LMCAEpoch AI Benchmarking Hub50.0%–
DTBenchEpoch AI Benchmarking Hub84.5%–
ForecastBenchForecastBench63.1%†–
BTF-3Epoch AI Benchmarking Hub14.2%†–
编程
SciCodeSciCode54.3%–
WeirdMLWeirdML68.8%–
FrontierCodeCognition42.7%†–
GSO-BenchGSO-Bench37.3%†–
Arena CodingArena (LMArena)1520–
Arena WebDevArena (LMArena)15391624
LiveBench 1.0 CodingLiveBench80.7%†72.5%
SciCode (AA)Artificial Analysis54.3%50.6%
显示全部 122 项基准测试
指标发布方Claude Sonnet 5 (high)Qwen3.8-Flash-Next
编程
LiveCodeBenchVals AI82.4%†–
IOIVals AI45.0%†–
SWE-bench (Vals)Vals AI79.6%†–
Code MigrationVals AI44.4%†–
ProgramBenchVals AI0.0%†–
Vibe Code Bench 1-100Vals AI13.8%†–
Vibe Code Bench v1.1Vals AI81.3%†–
SWE-Bench Pro V2Scale AI SEAL93.2%†–
SWE-Bench Pro V2 HARDScale AI SEAL88.2%†–
MirrorCodeEpoch AI Benchmarking Hub63.3%†–
Surface Evolver BenchEpoch AI Benchmarking Hub60.0%†–
DeepSWE v1.1Epoch AI Benchmarking Hub48.2%–
CursorBenchCursor30.8%–
ALE-BenchEpoch AI Benchmarking Hub1463.1–
Terminal-Bench 4.0 (AA)Artificial Analysis5.0%25.3%
Terminal-Bench 2.1 (AA)Artificial Analysis80.5%†86.1%
Startrise FrontendStartrise66.6%†–
GameBench 2 OverallDuelLab GameBench 246.6†–
GameBench 2 by reasoning settingDuelLab GameBench 254.4†–
Design Arena WebsiteDesign Arena1268†–
FrontierCode 2.0 (AA)Artificial Analysis17.8%†27.1%
智能体与工具
Terminal-BenchTerminal-Bench12.1%†–
APEX-AgentsMercor54.5%†–
Arena AgentArena (LMArena)2-4.6
LiveBench Agentic CodingLiveBench59.4%†61.6%
Terminal-Bench 2.1 (Vals)Vals AI74.5%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis–56.4%
GDPval-AA v2.1Artificial Analysis12621637
τ³-Banking (AA)Artificial Analysis37.3%†45.4%
Analyst Agent (AA)Artificial Analysis46.3%†–
CyberBenchVals AI61.9%†–
Finance Agent v2Vals AI53.9%†–
Harvey's Legal Agent Benchmark v1Vals AI5.0%†–
Legal Research BenchVals AI41.8%†–
SkillsBenchVals AI46.5%†–
SREBenchVals AI0.4%†–
Tax Agent BenchVals AI29.4%†–
Terminal-Bench 4.0 (Vals)Vals AI10.6%†–
Terminal-Bench ScienceVals AI5.7%†–
Arena SearchArena (LMArena)1191†–
Arena Agent Task CompletionArena (LMArena)-0.60.3
GBAEvalEpoch AI Benchmarking Hub65.3%†–
Vending-Bench 2Andon Labs6377.7†–
AutomationBenchArtificial Analysis32.1%55.9%
GDP.pdf (AA)Artificial Analysis9.4%15.6%
EnterpriseOps-GymArtificial Analysis44.7%†–
AA-Briefcase v1.1Artificial Analysis11771572
Design Arena AgenticDesign Arena1222†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–7.1%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub65.6%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub29.3%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub80.0%†–
ProofBenchVals AI77.0%†–
LiveBench MathematicsLiveBench92.9%†85.8%
Arena MathsArena (LMArena)1472–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub33.7%†–
LiveBench 1.0 Data AnalysisLiveBench71.7%†74.2%
AA-Omniscience v1.1Artificial Analysis–-12.2
MMLU-ProVals AI87.5%†–
LegalBenchVals AI83.9%†–
CorpFinVals AI67.0%†–
TaxEvalVals AI75.6%†–
Excel Modeling BenchmarkVals AI66.3%†–
MedCodeVals AI47.5%†–
MedScribeVals AI76.0%†–
Public Benefits Bench v1.1Vals AI66.0%†–
DrugDiscoveryBenchScale AI SEAL50.0%†–
AA-Omniscience v1.1: accuracyArtificial Analysis–23.5%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–53.2%
FACTS ParametricGoogle20.5%†–
指令遵循
LiveBench LanguageLiveBench75.0%†74.6%
LiveBench Instruction FollowingLiveBench63.9%†77.1%
Arena Instruction FollowingArena (LMArena)1467–
人类偏好
Arena TextArena (LMArena)1461–
EQ-Bench 4EQ-Bench1221†–
EQ-Bench Creative Writing v3EQ-Bench1798†–
Arena Creative WritingArena (LMArena)1434–
Arena Multi-turnArena (LMArena)1473–
Arena Longer QueriesArena (LMArena)1481–
多模态
Arena VisionArena (LMArena)1272–
MMMU-ProArtificial Analysis77.3%†78.6%
MMMU-Pro (Vals)Vals AI83.0%†–
MortgageTaxVals AI70.0%†–
Humanity's Sixth SenseScale AI SEAL24.8%†–
GeoBenchGeoBench74.0%–
Blueprint-Bench 2Epoch AI Benchmarking Hub24.9%†–
长上下文
AA-LCR v1.1Artificial Analysis76.7%79.7%
Arena DocumentArena (LMArena)1469–
MLCRArtificial Analysis4.4%20.6%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub156.9†–
LiveBench 1.0LiveBench76.0%†76.2%
AA Intelligence Index v5.0.1Artificial Analysis–28.6
AA Intelligence Index v4.3.2Artificial Analysis31.739.8
AA Progress Index v1Artificial Analysis296.8320.2
Vals Multimodal IndexVals AI68.8%†–
安全与诚实
DistressBenchScale AI SEAL68.0%†–
元数据
AA Openness IndexArtificial Analysis–38.9

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 Sonnet 5 (high):2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Claude Sonnet 5 (high):BenchLeader Index 59.5 → 59.0。
  • Qwen3.8-Flash-Next:BenchLeader Index 54.7 → 54.0。
  • Qwen3.8-Flash-Next:3 项新结果(AA Intelligence Index v5.0.1, FrontierCode 2.0 (AA), Terminal-Bench-Science 0.1 (AA))。
  • Claude Sonnet 5 (high):1 项新结果(GeoBench)。
  • Qwen3.8-Flash-Next:1 项新结果(CritPt v2 hard subset (AA));1 项分数修订。
  • Claude Sonnet 5 (high):1 项分数修订。
  • Claude Sonnet 5 (high):1 项分数修订。
  • Qwen3.8-Flash-Next:1 项新结果(AA-Briefcase v1.1);1 项分数修订。
  • Qwen3.8-Flash-Next:BenchLeader Index 58.7 → 54.7。

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 Sonnet 5 vs Qwen3.8-Flash-Next:常见问题

Claude Sonnet 5 比 Qwen3.8-Flash-Next 更好吗?
Claude Sonnet 5 (high) 与 Qwen3.8-Flash-Next 的质量不相上下(59.0 比 53.9,在 ±8.3 的误差范围内)。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,两者差距在误差范围内,请结合你的用途查看各类别得分。
Claude Sonnet 5 和 Qwen3.8-Flash-Next 哪个更便宜?价格会变吗?
目前 Qwen3.8-Flash-Next 更便宜:每百万 token $0.230 比 $4.00(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 Sonnet 5 还是 Qwen3.8-Flash-Next 更好?
两者在编程方面持平(类别得分 60 比 61)。在两者共同的最主要编程基准测试 Arena WebDev 上,Claude Sonnet 5 为 1539,Qwen3.8-Flash-Next 为 1624。
Claude Sonnet 5 和 Qwen3.8-Flash-Next 哪个更快?
Claude Sonnet 5 输出更快(输出 99 比 80 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Claude Sonnet 5 还是 Qwen3.8-Flash-Next 更好?
Qwen3.8-Flash-Next 在智能体任务方面得分更高(类别得分 64 比 53,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 Arena Agent 上,Claude Sonnet 5 为 2,Qwen3.8-Flash-Next 为 -4.6。
更多问题(4)
处理长文档哪个更好?
Qwen3.8-Flash-Next 在长上下文基准测试上得分更高(65 比 63)。Claude Sonnet 5 支持更长的上下文:1,000,000 token,Qwen3.8-Flash-Next 为 256,000 token。
哪个延迟更低?
Claude Sonnet 5 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 15.8 秒比 65.5 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 Sonnet 5 和 Qwen3.8-Flash-Next 的看法一致吗?
在两者都有结果的 14 项基准测试中,Claude Sonnet 5 领先 3 项,Qwen3.8-Flash-Next 领先 11 项。
Qwen3.8-Flash-Next 是什么时候发布的?
Qwen3.8-Flash-Next 于 2026年8月26日 发布。