Navegación
AI BENCHY
Advertise here

Modelos comparados

Comparación benchmark Qwen3.8 2.4T A95B (low) vs Qwen3.8 2.4T A95B (high) vs Grok 4.6 (high): Grok 4.6 (high) lidera en Puntuación con 9.2. Grok 4.6 (high) lidera en Fiabilidad con 10.0. Grok 4.6 (high) tiene el Costo total más bajo con $1.809. Grok 4.6 (high) es el más rápido con 79.38s.

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-08-12

Rango
#46
Total de tokens de salida
554,485
Tiempo de respuesta (promedio)
132.39s
Costo total
$3.113
Rango
#85
Total de tokens de salida
512,351
Tiempo de respuesta (promedio)
134.41s
Costo total
$2.755
Rango
#11
Total de tokens de salida
265,604
Tiempo de respuesta (promedio)
79.38s
Costo total
$1.809
Modelo recomendado Grok 4.6 (high)

Tiene la mejor puntuación aquí (9.2) y cuesta aproximadamente 1.6x menos que los otros modelos de esta comparación.

Comparación detallada

Métrica Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B low Lanzamiento: 2026-08-12 Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B high Lanzamiento: 2026-08-12 Grok 4.6 Grok 4.6 high Lanzamiento: 2026-08-12
Puntuación 8.2 7.5 9.2
Rango #46 #85 #11
Fiabilidad 9.1 8.8 10.0
Consistencia 8.9 8.4 9.6
Intentos 66/66 66/66 66/66
Pruebas correctas
Tasa de aciertos por intento 78.8% 77.3% 84.9%
Pruebas inestables 3 4 1
Ejecuciones totales 66 66 66
Costo por resultado 19.453 18.365 10.046
Costo total $3.113 $2.755 $1.809
Precio de entrada $2.000 / 1M $2.000 / 1M $2.000 / 1M
Precio de salida $6.000 / 1M $6.000 / 1M $6.000 / 1M
Total de tokens de entrada 113,340 109,036 107,266
Tokens de salida 107,311 103,736 5,094
Tokens de razonamiento 447,174 408,615 260,510
Tiempo de respuesta (promedio) 132.39s 134.41s 79.38s
Tiempo de respuesta (máximo) 534.21s 532.28s 618.49s
Tiempo de respuesta (total) 2912.56s 2956.97s 1746.29s
Parámetros 2.4T en total (95B activos) 2.4T en total (95B activos) ~1.7T en total (~170B activos)
Disponibilidad Pesos disponibles Pesos disponibles Código cerrado

Generación showcase de modelos

Hamster playing table tennis

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

#46 Qwen3.8 2.4T A95B

low
Coste
$0.100
Tiempo
193.2s
Tokens
16,767 tok

#85 Qwen3.8 2.4T A95B

high
SVG inválido
Coste
$0.000
Tiempo
600.0s
Tokens
0 tok

#11 SpaceXAI: Grok 4.6

high
Coste
$0.107
Tiempo
265.1s
Tokens
18,001 tok

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntuación vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntuación vs Total de tokens de salida

Desglose por categoría

Programación Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Qwen3.8 2.4T A95B 7.6 7.2 77.8% 1 172.53s 6,716 21,405 57,399
Qwen3.8 2.4T A95B 5.9 6.3 55.6% 1 160.52s 6,399 3,310 48,078
Grok 4.6 10.0 10.0 100.0% 0 102.20s 9,579 379 51,829

Comparación rápida

Cambiar par de comparación

GPT-5.4 MinimediumvsQwen3.8 2.4T A95BhighGPT-5.6 TerralowvsQwen3.8 2.4T A95BhighGemini 3.1 Pro PreviewmediumvsGrok 4.6highClaude Opus 5mediumvsGrok 4.6highGPT-5.3 ChatnonevsQwen3.8 2.4T A95BhighMuse Glimmer 30BxhighvsQwen3.8 2.4T A95BlowGPT-5.4 NanomediumvsQwen3.8 2.4T A95BhighKimi K2.7 CodemediumvsQwen3.8 2.4T A95BhighGPT-5 MinimediumvsQwen3.8 2.4T A95BlowLongCat 2.0mediumvsQwen3.8 2.4T A95BhighClaude Opus 5nonevsQwen3.8 2.4T A95BhighNemotron 3 UltramediumDisponible gratisvsQwen3.8 2.4T A95Bhigh