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: $1.102 vs $2.949. 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: 2026-10-05

तुलना केलेली मॉडेल्स

क्रमांक: #101
एकूण आउटपुट टोकन्स: 184,172
प्रतिसाद वेळ (सरासरी): 29.94s
एकूण खर्च: $1.102

क्रमांक: #104
एकूण आउटपुट टोकन्स: 468,439
प्रतिसाद वेळ (सरासरी): 120.88s
एकूण खर्च: $2.949

शिफारस केलेले मॉडेल GPT-5.4 Mini (medium)

It has the best score here (7.9), while costing about 2.7x 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	#101	#104
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	$1.102	$2.949
इनपुट किंमत	$0.750 / 1M	$2.000 / 1M
आउटपुट किंमत	$4.500 / 1M	$6.000 / 1M
कॅश वाचण्याची किंमत	$0.075 / 1M	$0.250 / 1M
कॅश लिहिण्याची किंमत	लागू नाही	लागू नाही
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

कॅशच्या किमती इनपुट टोकनला लागू होतात. वाचताना साठवलेले प्रॉम्प्ट पुन्हा वापरले जातात; लिहिताना ते साठवले जातात आणि अधिक खर्च होऊ शकतो. आउटपुट टोकनला आउटपुट किंमत लागू होते.

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#101 GPT-5.4 Mini

medium

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

#104 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 GPT-5.4 MinimediumvsQwen3.8 Flash Nextlow Qwen3.8 2.4T A95BhighvsStep 3.7 Flashmedium Qwen3.8 2.4T A95BhighvsGrok 4.6medium Qwen3.8 2.4T A95BhighvsGLM 5.3 FlashXmax Ling 3.1 FlashhighvsGPT-5.4 Minimedium GPT-5.6 TerralowvsQwen3.8 2.4T A95Bhigh