Qwen3.8 2.4T A95B (high) vs Step 3.7 Flash (medium)

Qwen3.8 2.4T A95B (high) average score मध्ये पुढे आहे: 7.9 vs 7.8. Step 3.7 Flash (medium) चा benchmark खर्च कमी आहे: $0.571 vs $2.805. Step 3.7 Flash (medium) वेगवान आहे: 26.57s vs 120.88s, pass rates 75.4% vs 68.1%.

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

तुलना केलेली मॉडेल्स

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

क्रमांक: #106
एकूण आउटपुट टोकन्स: 440,835
प्रतिसाद वेळ (सरासरी): 26.57s
एकूण खर्च: $0.571

शिफारस केलेले मॉडेल Step 3.7 Flash (medium)

Its score stays close to the best score here (7.8 vs 7.9), while costing about 4.9x less than Qwen3.8 2.4T A95B (high).

तपशीलवार तुलना

मेट्रिक	Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B high प्रकाशन: 2026-08-12	Step 3.7 Flash Step 3.7 Flash medium प्रकाशन: 2026-05-29

मेट्रिक	Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B high प्रकाशन: 2026-08-12	Step 3.7 Flash Step 3.7 Flash medium प्रकाशन: 2026-05-29
स्कोअर	7.9	7.8
क्रमांक	#102	#106
विश्वसनीयता	9.6	10.0
सुसंगतता	8.4	8.7
प्रयत्न	69/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	75.4%	68.1%
अस्थिर चाचण्या	4	4
एकूण रन	69	69
प्रति निकाल खर्च	18.696	4.392
एकूण खर्च	$2.805	$0.571
इनपुट किंमत	$2.000 / 1M	$0.200 / 1M
आउटपुट किंमत	$6.000 / 1M	$1.150 / 1M
एकूण इनपुट टोकन्स	295,642	319,524
आउटपुट टोकन्स	115,041	440,835
रिझनिंग टोकन्स	353,398	0
प्रतिसाद वेळ (सरासरी)	120.88s	26.57s
प्रतिसाद वेळ (कमाल)	532.28s	152.83s
प्रतिसाद वेळ (एकूण)	2780.16s	611.09s
पॅरामीटर्स	2.4T एकूण (95B सक्रिय)	198B एकूण (11B सक्रिय)
उपलब्धता	वेट्स उपलब्ध	मुक्त स्रोत

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#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

#106 Step 3.7 Flash

medium

खर्च: $0.006
वेळ: 46.2s
टोकन्स: 4,466 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
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		127.11s	186,711	2,240	10,171
Step 3.7 Flash	7.4	3.8	66.7%	1		93.88s	205,333	31,126	0

अँटी-एआय युक्त्या	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		24.22s	1,128	305	4,864
Step 3.7 Flash	8.7	7.9	91.7%	1		9.65s	756	32,185	0

कोडिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Qwen3.8 2.4T A95B	5.9	6.3	55.6%	1		160.52s	6,399	3,310	48,078
Step 3.7 Flash	8.8	7.8	88.9%	1		27.42s	7,437	44,797	0

संयुक्त	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Qwen3.8 2.4T A95B	6.9	5.9	66.7%	1		266.12s	81,205	7,791	41,921
Step 3.7 Flash	7.3	5.8	83.3%	1		80.94s	87,764	114,720	0

डेटा पार्सिंग आणि निष्कर्षण	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		13.67s	7,928	550	2,307
Step 3.7 Flash	10.0	10.0	100.0%	0		2.75s	7,398	3,020	0

डोमेन-विशिष्ट	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Qwen3.8 2.4T A95B	4.1	6.5	22.2%	1		301.08s	964	11,279	139,028
Step 3.7 Flash	5.3	10.0	33.3%	0		27.26s	837	52,484	0

Samanya Buddhimatta	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Qwen3.8 2.4T A95B	6.1	3.1	66.7%	1		11.38s	630	2,020	2,165
Step 3.7 Flash	4.0	10.0	0.0%	0		6.85s	525	3,987	0

सूचनांचे पालन	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Qwen3.8 2.4T A95B	9.8	10.0	100.0%	0		11.45s	927	245	1,727
Step 3.7 Flash	9.8	10.0	100.0%	0		1.83s	735	2,166	0

कोडी सोडवणे	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		65.54s	989	698	15,073
Step 3.7 Flash	5.7	9.9	33.3%	0		6.19s	756	15,071	0

टूल कॉलिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		32.93s	8,481	302	656
Step 3.7 Flash	10.0	10.0	100.0%	0		4.16s	7,746	2,115	0

सामान्य ज्ञान	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Qwen3.8 2.4T A95B	3.0	10.0	0.0%	0		347.95s	280	86,301	87,408
Step 3.7 Flash	3.0	10.0	0.0%	0		113.98s	237	139,164	0

झटपट तुलना

तुलना जोडी बदला

Gemini 3.5 FlashmediumvsQwen3.8 2.4T A95Bhigh Qwen3.8 2.4T A95BhighvsMiMo-V2.6-Flashmedium Step 3.7 FlashmediumvsGLM 5.3high Qwen3.7 PlusnonevsStep 3.7 Flashmedium Step 3.7 FlashmediumvsGrok 4.5low Qwen3.8 2.4T A95BhighvsGrok 4.5medium GPT-5.4 MinimediumvsQwen3.8 2.4T A95Bhigh 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 Qwen3.7 MaxnonevsStep 3.7 Flashmedium