- 順位
- #46
- 合計出力トークン
- 554,485
- 応答時間（平均）
- 132.39s
- 合計コスト
- $3.113
Qwen3.8 2.4T A95B (low) vs Grok 4.5 (medium)
Grok 4.5 (medium) が平均スコアでリードし、8.3 vs 8.2 です。 Grok 4.5 (medium) の benchmark コストが低く、$1.928 vs $3.113 です。 Grok 4.5 (medium) の方が高速で、61.71s vs 132.39s です、成功率は 78.8% vs 78.8% です。
- 順位
- #39
- 合計出力トークン
- 280,567
- 応答時間（平均）
- 61.71s
- 合計コスト
- $1.928
おすすめモデル
Grok 4.5 (medium)
ここでは最高スコア（8.3）で、Qwen3.8 2.4T A95B (low) より約 1.6 倍低コストです。
詳細比較
| 指標 | Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B low | Grok 4.5 Grok 4.5 medium |
|---|---|---|
| スコア | 8.2 | 8.3 |
| 順位 | #46 | #39 |
| 信頼性 | 9.1 | 10.0 |
| 一貫性 | 8.9 | 8.9 |
| 試行回数 | 66/66 | 66/66 |
| 正解テスト | ||
| 試行ごとの合格率 | 78.8% | 78.8% |
| 不安定なテスト | 3 | 3 |
| 総実行回数 | 66 | 66 |
| 結果あたりのコスト | 19.453 | 12.049 |
| 合計コスト | $3.113 | $1.928 |
| 入力価格 | $2.000 / 1M | $2.000 / 1M |
| 出力価格 | $6.000 / 1M | $6.000 / 1M |
| 合計入力トークン | 113,340 | 122,146 |
| 出力トークン | 107,311 | 5,514 |
| 推論トークン | 447,174 | 275,053 |
| 応答時間（平均） | 132.39s | 61.71s |
| 応答時間（最大） | 534.21s | 436.38s |
| 応答時間（合計） | 2912.56s | 1357.56s |
| パラメータ | 2.4T 総数 (95B アクティブ) | ~1.7T 総数 (~170B アクティブ) |
| 公開状況 | 重み公開 | クローズド |
モデル生成ショーケース
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#46 Qwen3.8 2.4T A95B
low- コスト
- $0.100
- 時間
- 193.2s
- トークン
- 16,767 tok
#39 xAI: Grok 4.5
medium- コスト
- $0.044
- 時間
- 59.4s
- トークン
- 7,512 tok
スコア上位モデル
スコア vs 総コスト
応答時間（平均）
スコア vs 応答時間（平均）
合計出力トークン
スコア vs 合計出力トークン
カテゴリ内訳
| 反AIトリック | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 入力トークン | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.8 2.4T A95B | 10.0 | 10.0 | 100.0% | 0 | 22.04s | 1,104 | 397 | 4,814 | |
| Grok 4.5 | 10.0 | 10.0 | 100.0% | 0 | 23.50s | 2,991 | 147 | 4,018 |
| コーディング | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 入力トークン | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.8 2.4T A95B | 7.6 | 7.2 | 77.8% | 1 | 172.53s | 6,716 | 21,405 | 57,399 | |
| Grok 4.5 | 7.6 | 7.2 | 77.8% | 1 | 155.69s | 9,579 | 390 | 104,634 |
| 複合 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 入力トークン | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.8 2.4T A95B | 8.2 | 6.9 | 66.7% | 1 | 231.85s | 85,267 | 8,008 | 50,681 | |
| Grok 4.5 | 10.0 | 10.0 | 100.0% | 0 | 29.01s | 83,730 | 4,154 | 16,180 |
| データ解析と抽出 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 入力トークン | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.8 2.4T A95B | 10.0 | 10.0 | 100.0% | 0 | 22.27s | 7,956 | 839 | 2,445 | |
| Grok 4.5 | 10.0 | 10.0 | 100.0% | 0 | 6.29s | 8,937 | 225 | 3,657 |
| ドメイン特化 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 入力トークン | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.8 2.4T A95B | 5.5 | 9.3 | 33.3% | 0 | 386.04s | 1,069 | 2,399 | 228,792 | |
| Grok 4.5 | 2.9 | 7.2 | 11.1% | 1 | 198.89s | 2,212 | 11 | 121,922 |
| 汎用知能 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 入力トークン | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.8 2.4T A95B | 6.1 | 3.1 | 66.7% | 1 | 22.97s | 606 | 44 | 1,497 | |
| Grok 4.5 | 6.5 | 3.4 | 66.7% | 1 | 12.84s | 1,077 | 71 | 2,384 |
| 指示追従 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 入力トークン | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.8 2.4T A95B | 9.8 | 10.0 | 100.0% | 0 | 19.54s | 903 | 263 | 1,480 | |
| Grok 4.5 | 9.8 | 10.0 | 100.0% | 0 | 6.06s | 1,857 | 57 | 2,728 |
| パズル解決 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 入力トークン | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.8 2.4T A95B | 10.0 | 10.0 | 100.0% | 0 | 43.37s | 1,026 | 1,154 | 25,563 | |
| Grok 4.5 | 10.0 | 10.0 | 100.0% | 0 | 7.75s | 2,430 | 254 | 3,641 |
| ツール呼び出し | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 入力トークン | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.8 2.4T A95B | 10.0 | 10.0 | 100.0% | 0 | 25.88s | 8,481 | 302 | 975 | |
| Grok 4.5 | 10.0 | 10.0 | 100.0% | 0 | 6.57s | 8,544 | 192 | 968 |
| 雑学 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 入力トークン | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.8 2.4T A95B | 3.0 | 10.0 | 0.0% | 0 | 422.46s | 212 | 72,500 | 73,528 | |
| Grok 4.5 | 3.0 | 10.0 | 0.0% | 0 | 74.44s | 789 | 13 | 14,921 |
クイック比較
比較ペアを切り替え
Inkling SmallhighvsGrok 4.5mediumMuse Glimmer 30BxhighvsQwen3.8 2.4T A95BlowGPT-5 MinimediumvsQwen3.8 2.4T A95BlowMuse Spark 1.1lowvsGrok 4.5mediumMuse Spark 1.1highvsQwen3.8 2.4T A95BlowGemini 2.5 FlashmediumvsQwen3.8 2.4T A95BlowQwen3.8 2.4T A95BlowvsInklinghighQwen3.8 2.4T A95BlowvsStep 3.7 FlashmediumGPT-5.2 ChatnonevsQwen3.8 2.4T A95BlowMuse Spark 1.2lowvsGrok 4.5mediumQwen3.8 2.4T A95BlowvsGLM 5.2highDeepSeek V4 Flash 0731highvsQwen3.8 2.4T A95Blow