नेविगेशन
Advertise here

Qwen3.8 2.4T A95B (high) vs GLM 5.3 FlashX Legal (max)

average score लगभग बराबर है: 7.9 vs 7.9. GLM 5.3 FlashX Legal (max) की benchmark लागत कम है: $0.819 vs $2.949. GLM 5.3 FlashX Legal (max) तेज है: 65.28s vs 120.88s, pass rates 75.4% vs 71.0%.

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-11-10

तुलना किए गए मॉडल

रैंक
#149
कुल आउटपुट टोकन
368,836
प्रतिक्रिया समय (औसत)
120.88s
कुल लागत
$2.949
रैंक
#147
कुल आउटपुट टोकन
571,211
प्रतिक्रिया समय (औसत)
65.28s
कुल लागत
$0.819
अनुशंसित मॉडल GLM 5.3 FlashX Legal (max)

It has the best score here (7.9), while costing about 3.6x less than Qwen3.8 2.4T A95B (high).

विस्तृत तुलना

मेट्रिक Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B high रिलीज़: 2026-08-12 GLM 5.3 FlashX Legal GLM 5.3 FlashX Legal max रिलीज़: 2026-11-02
स्कोर 7.9 7.9
रैंक #149 #147
विश्वसनीयता 9.6 9.7
संगति 8.4 8.4
प्रयास 69/69 69/69
सही परीक्षण
प्रति प्रयास पास दर 75.4% 71.0%
अस्थिर टेस्ट 4 5
कुल रन 69 69
प्रति परिणाम लागत 18.696 5.846
कुल लागत $2.949 $0.819
इनपुट कीमत $2.000 / 1M $0.370 / 1M
आउटपुट कीमत $6.000 / 1M $1.250 / 1M
कैश पढ़ने की कीमत $0.250 / 1M $0.075 / 1M
कैश लिखने की कीमत लागू नहीं लागू नहीं
कुल इनपुट टोकन 295,642 282,144
आउटपुट टोकन 115,041 6,078
रीजनिंग टोकन 353,398 565,133
प्रतिक्रिया समय (औसत) 120.88s 65.28s
प्रतिक्रिया समय (अधिकतम) 532.28s 516.19s
प्रतिक्रिया समय (कुल) 2780.16s 1501.49s
पैरामीटर 2.4T कुल (95B सक्रिय) ~320B कुल (~18B सक्रिय)
उपलब्धता वेट उपलब्ध बंद स्रोत

कैश की कीमतें इनपुट टोकन पर लागू होती हैं। पढ़ने पर कैश किए गए प्रॉम्प्ट का दोबारा उपयोग होता है; लिखने पर वे सहेजे जाते हैं और अतिरिक्त लागत हो सकती है। आउटपुट टोकन पर आउटपुट की कीमत लागू होती है।

मॉडल जनरेशन शोकेस

Hamster playing table tennis

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

#149 Qwen3.8 2.4T A95B

high
Reached the allocated time limit (600 seconds) without receiving showcase output.
लागत
$0.000
समय
600.0s
टोकन
0 tok

#147 GLM 5.3 FlashX Legal

max
OpenRouter returned no showcase content (finish_reason: length).
लागत
$0.082
समय
408.0s
टोकन
65,656 tok

स्कोर के अनुसार शीर्ष मॉडल

स्कोर बनाम कुल लागत

प्रतिक्रिया समय (औसत)

स्कोर vs प्रतिक्रिया समय (औसत)

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

श्रेणी विवरण

कोडिंग स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
Qwen3.8 2.4T A95B 5.9 6.3 55.6% 1 160.52s 6,399 3,310 48,078
GLM 5.3 FlashX Legal 10.0 10.0 100.0% 0 47.87s 7,317 385 62,514

तुलना जोड़ी बदलें