Todos los lanzamientos

Qwen4 Max vs. Claude Haiku 5.5: comparación de lanzamientos

Comparación de los lanzamientos Qwen4 Max y Claude Haiku 5.5: 1 modelo y 5 modelos respectivamente, cada uno con distintas características de inteligencia, rendimiento y precio. A continuación se comparan las métricas clave de los 6 modelos.

  • En inteligencia, Qwen4 Max obtiene la puntuación más alta, con 43, frente a Claude Haiku 5.5 (Max), con 36 de Claude Haiku 5.5.
  • En costo por tarea, Claude Haiku 5.5 es el más económico: Claude Haiku 5.5 (Low), con $0.0438, frente a Qwen4 Max, con $3.27.
Playground de modelos

Lanzamientos comparados

Qwen4 MaxClaude Haiku 5.5 (max)Claude Haiku 5.5 (xhigh)Claude Haiku 5.5 (high)Claude Haiku 5.5 (medium)Claude Haiku 5.5 (low)
Intelligence Index
43
36
35
30
25
19
Finanzas y contabilidad
54
44
41
38
35
29
Estrategia y operaciones
57
39
39
37
33
27
Jurídico
50
39
37
35
33
27
Salud y medicina
--
37
34
32
31
25
Costo por tareaUSD
$3.27
$0.41
$0.25
$0.16
$0.0918
$0.0438
Tiempo por tareaMinutos
--
14.6
9.8
6.5
4.0
2.2
Tiempo hasta el primer token de respuestas
--
182.37
47.35
17.76
9.62
4.91
Ventana de contexto
984k
1M
1M
1M
1M
1M
Creador
Alibaba
Anthropic
Anthropic
Anthropic
Anthropic
Anthropic
Licencia
Propietario
Propietario
Propietario
Propietario
Propietario
Propietario
Modalidad de entrada

Admite: texto e imágenes

Admite: texto e imágenes

Admite: texto e imágenes

Admite: texto e imágenes

Admite: texto e imágenes

Admite: texto e imágenes

Modalidad de salida

Admite: texto

Admite: texto

Admite: texto

Admite: texto

Admite: texto

Admite: texto

Proveedores
Alibaba Cloud
Anthropic
Anthropic
Anthropic
Anthropic
Anthropic
Artificial Analysis Intelligence Index · Higher is better
Inference time (minutes) per Intelligence Index task · Lower is better
Weighted average cost (USD) per Intelligence Index task · Lower is better

Inteligencia

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v5.0.1 incorporates 9 evaluations: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), and Terminal-Bench-Science 0.1

Intelligence Index vs. costo por tarea

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task
Most attractive quadrant
Claude Haiku 5.5
Pareto line

Costo por tarea (USD, escala logarítmica)

Costo

Costo por tarea del Intelligence Index

Weighted average cost (USD) per Intelligence Index task · Segmented by token type · Lower is better

Rendimiento

Tiempo por tarea del Intelligence Index

Output tokens divided by end-to-end output speed (minutes per Intelligence Index task) · Speed at the model's own endpoint or the median across providers · Lower is better

Puntuaciones de capacidades

Índices de capacidades

Mide el rendimiento de los modelos en capacidades e industrias específicas
Finance & Accounting Index

Incorporates 5 evaluations: AA-Briefcase v1.1, AA-Omniscience v1.1, HLE-Diamond, AutomationBench-AA, GDP.pdf · Higher is better

Strategy & Ops Index

Incorporates 4 evaluations: AutomationBench-AA, AA-Briefcase v1.1, AA-Omniscience v1.1, GDP.pdf · Higher is better

Legal Index

Incorporates 5 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, HLE-Diamond, GDP.pdf, AutomationBench-AA · Higher is better

Healthcare & Medical Index

Incorporates 5 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, MLCR-AA, AutomationBench-AA, HLE-Diamond · Higher is better

Engineering Index

Incorporates 7 evaluations: AA-Omniscience v1.1, CritPt v2 (Hard Subset), Terminal-Bench-Science 0.1, HLE-Diamond, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Briefcase v1.1 · Higher is better

Economics Index

Incorporates 4 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, HLE-Diamond, GDP.pdf · Higher is better

AA-PersonalityBench

Índices de personalidad

Cada eje es uno de los 8 índices de personalidad: la media de las puntuaciones z de Elo de sus rasgos, convertida en un rango percentil de 1 a 100 entre todos los modelos evaluados en el benchmark