नेव्हिगेशन
Advertise here

Qwen3.8 2.4T A95B (high) vs Grok 4.5 (medium)

average score जवळपास समान आहे: 7.9 vs 7.8. Qwen3.8 2.4T A95B (high) चा benchmark खर्च कमी आहे: $2.949 vs $2.996. Grok 4.5 (medium) वेगवान आहे: 68.44s vs 120.88s, pass rates 75.4% vs 79.7%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-11-16

तुलना केलेली मॉडेल्स

क्रमांक
#163
एकूण आउटपुट टोकन्स
368,836
प्रतिसाद वेळ (सरासरी)
120.88s
एकूण खर्च
$2.949
क्रमांक
#168
एकूण आउटपुट टोकन्स
306,044
प्रतिसाद वेळ (सरासरी)
68.44s
एकूण खर्च
$2.996
शिफारस केलेले मॉडेल Grok 4.5 (medium)

It has the best score here (7.8), while responding about 1.8x faster 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 Grok 4.5 Grok 4.5 medium प्रकाशन: 2026-07-08
स्कोअर 7.9 7.8
क्रमांक #163 #168
विश्वसनीयता 9.6 10.0
सुसंगतता 8.4 9.0
प्रयत्न 69/69 69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर 75.4% 79.7%
अस्थिर चाचण्या 4 3
एकूण रन 69 69
प्रति निकाल खर्च 18.696 14.430
एकूण खर्च $2.949 $2.996
इनपुट किंमत $2.000 / 1M $2.000 / 1M
आउटपुट किंमत $6.000 / 1M $6.000 / 1M
कॅश वाचण्याची किंमत $0.250 / 1M $0.300 / 1M
कॅश लिहिण्याची किंमत लागू नाही लागू नाही
एकूण इनपुट टोकन्स 295,642 308,369
आउटपुट टोकन्स 115,041 7,013
रिझनिंग टोकन्स 353,398 299,031
प्रतिसाद वेळ (सरासरी) 120.88s 68.44s
प्रतिसाद वेळ (कमाल) 532.28s 436.38s
प्रतिसाद वेळ (एकूण) 2780.16s 1574.14s
पॅरामीटर्स 2.4T एकूण (95B सक्रिय) ~1.7T एकूण (~170B सक्रिय)
उपलब्धता वेट्स उपलब्ध बंद स्रोत

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.

#163 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

#168 SpaceXAI: Grok 4.5

medium
खर्च
$0.044
वेळ
59.4s
टोकन्स
7,512 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

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
Grok 4.5 7.6 7.2 77.8% 1 155.69s 9,579 390 104,634

तुलना जोडी बदला