GPT-5.4 Mini (medium) vs Qwen3.8 2.4T A95B (high)

GPT-5.4 Mini (medium) average score मध्ये पुढे आहे: 7.9 vs 7.9. GPT-5.4 Mini (medium) चा benchmark खर्च कमी आहे: $1.008 vs $2.805. GPT-5.4 Mini (medium) वेगवान आहे: 29.94s vs 120.88s, pass rates 69.6% vs 75.4%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-01

तुलना केलेली मॉडेल्स

क्रमांक: #99
एकूण आउटपुट टोकन्स: 184,172
प्रतिसाद वेळ (सरासरी): 29.94s
एकूण खर्च: $1.008

क्रमांक: #102
एकूण आउटपुट टोकन्स: 468,439
प्रतिसाद वेळ (सरासरी): 120.88s
एकूण खर्च: $2.805

शिफारस केलेले मॉडेल GPT-5.4 Mini (medium)

It has the best score here (7.9), while costing about 2.8x less than Qwen3.8 2.4T A95B (high).

तपशीलवार तुलना

मेट्रिक	GPT-5.4 Mini GPT-5.4 Mini medium प्रकाशन: 2026-03-17	Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B high प्रकाशन: 2026-08-12

मेट्रिक	GPT-5.4 Mini GPT-5.4 Mini medium प्रकाशन: 2026-03-17	Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B high प्रकाशन: 2026-08-12
स्कोअर	7.9	7.9
क्रमांक	#99	#102
विश्वसनीयता	10.0	9.6
सुसंगतता	8.2	8.4
प्रयत्न	69/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	69.6%	75.4%
अस्थिर चाचण्या	5	4
एकूण रन	69	69
प्रति निकाल खर्च	7.754	18.696
एकूण खर्च	$1.008	$2.805
इनपुट किंमत	$0.750 / 1M	$2.000 / 1M
आउटपुट किंमत	$4.500 / 1M	$6.000 / 1M
एकूण इनपुट टोकन्स	238,925	295,642
आउटपुट टोकन्स	7,109	115,041
रिझनिंग टोकन्स	177,063	353,398
प्रतिसाद वेळ (सरासरी)	29.94s	120.88s
प्रतिसाद वेळ (कमाल)	138.75s	532.28s
प्रतिसाद वेळ (एकूण)	688.57s	2780.16s
पॅरामीटर्स	~400B एकूण (~17B सक्रिय)	2.4T एकूण (95B सक्रिय)
उपलब्धता	बंद स्रोत	वेट्स उपलब्ध

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#99 GPT-5.4 Mini

medium

खर्च: $0.056
वेळ: 95.5s
टोकन्स: 12,464 tok

#102 Qwen3.8 2.4T A95B

high

Reached the allocated time limit (600 seconds) without receiving showcase output.

खर्च: $0.000
वेळ: 600.0s
टोकन्स: 0 tok

स्कोअरनुसार शीर्ष मॉडेल्स

स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी)

स्कोअर vs प्रतिसाद वेळ (सरासरी)

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

श्रेणीवार तपशील

श्रेणी:

स्वायत्त एजंट कार्ये	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
GPT-5.4 Mini	10.0	10.0	100.0%	0		100.66s	141,761	898	24,930
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		127.11s	186,711	2,240	10,171

अँटी-एआय युक्त्या	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
GPT-5.4 Mini	8.6	7.9	91.7%	1		4.05s	606	296	2,876
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		24.22s	1,128	305	4,864

कोडिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
GPT-5.4 Mini	8.4	7.4	88.9%	1		57.87s	7,305	467	40,902
Qwen3.8 2.4T A95B	5.9	6.3	55.6%	1		160.52s	6,399	3,310	48,078

संयुक्त	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
GPT-5.4 Mini	6.9	5.9	66.7%	1		59.64s	74,058	4,347	40,924
Qwen3.8 2.4T A95B	6.9	5.9	66.7%	1		266.12s	81,205	7,791	41,921

डेटा पार्सिंग आणि निष्कर्षण	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
GPT-5.4 Mini	10.0	10.0	100.0%	0		2.43s	7,140	234	650
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		13.67s	7,928	550	2,307

डोमेन-विशिष्ट	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
GPT-5.4 Mini	3.6	7.2	22.2%	1		71.05s	628	60	49,875
Qwen3.8 2.4T A95B	4.1	6.5	22.2%	1		301.08s	964	11,279	139,028

Samanya Buddhimatta	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
GPT-5.4 Mini	4.5	10.0	0.0%	0		3.72s	477	150	510
Qwen3.8 2.4T A95B	6.1	3.1	66.7%	1		11.38s	630	2,020	2,165

सूचनांचे पालन	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
GPT-5.4 Mini	9.8	10.0	100.0%	0		2.13s	660	96	1,185
Qwen3.8 2.4T A95B	9.8	10.0	100.0%	0		11.45s	927	245	1,727

कोडी सोडवणे	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
GPT-5.4 Mini	7.8	10.0	66.7%	0		4.37s	642	278	2,443
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		65.54s	989	698	15,073

टूल कॉलिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
GPT-5.4 Mini	4.7	1.6	66.7%	1		9.62s	5,453	251	2,594
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		32.93s	8,481	302	656

सामान्य ज्ञान	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
GPT-5.4 Mini	3.0	10.0	0.0%	0		30.10s	195	32	10,174
Qwen3.8 2.4T A95B	3.0	10.0	0.0%	0		347.95s	280	86,301	87,408

झटपट तुलना

तुलना जोडी बदला

Gemini 3.5 FlashmediumvsQwen3.8 2.4T A95Bhigh Claude Fable 5.1highvsGPT-5.4 Minimedium Qwen3.8 2.4T A95BhighvsMiMo-V2.6-Flashmedium GPT-5.4 MinimediumvsGLM 5.3 FlashXmax GPT-5.4 MinimediumvsQwen3.7 Maxnone Qwen3.8 2.4T A95BhighvsGrok 4.5medium Qwen3.8 2.4T A95BhighvsStep 3.7 Flashmedium Qwen3.8 2.4T A95BhighvsGrok 4.6medium Qwen3.8 2.4T A95BhighvsGLM 5.3 FlashXmax GPT-5.6 TerralowvsQwen3.8 2.4T A95Bhigh Qwen3.8 2.4T A95BhighvsGrok 4.5low GPT-5.4 MinimediumvsGLM 5.3high