Qwen3.8 2.4T A95B (high) vs Grok 4.6 (medium)

Qwen3.8 2.4T A95B (high) average score मध्ये पुढे आहे: 7.9 vs 7.8. Grok 4.6 (medium) चा benchmark खर्च कमी आहे: $2.270 vs $2.805. Grok 4.6 (medium) वेगवान आहे: 74.77s vs 120.88s, pass rates 75.4% vs 78.3%.

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: #107
एकूण आउटपुट टोकन्स: 266,197
प्रतिसाद वेळ (सरासरी): 74.77s
एकूण खर्च: $2.270

शिफारस केलेले मॉडेल Grok 4.6 (medium)

Its score stays close to the best score here (7.8 vs 7.9), while responding about 1.6x 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 4.6 Grok 4.6 medium प्रकाशन: 2026-08-12

मेट्रिक	Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B high प्रकाशन: 2026-08-12	Grok 4.6 Grok 4.6 medium प्रकाशन: 2026-08-12
स्कोअर	7.9	7.8
क्रमांक	#102	#107
विश्वसनीयता	9.6	10.0
सुसंगतता	8.4	8.7
प्रयत्न	69/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	75.4%	78.3%
अस्थिर चाचण्या	4	4
एकूण रन	69	69
प्रति निकाल खर्च	18.696	14.187
एकूण खर्च	$2.805	$2.270
इनपुट किंमत	$2.000 / 1M	$2.000 / 1M
आउटपुट किंमत	$6.000 / 1M	$6.000 / 1M
एकूण इनपुट टोकन्स	295,642	336,351
आउटपुट टोकन्स	115,041	6,180
रिझनिंग टोकन्स	353,398	260,017
प्रतिसाद वेळ (सरासरी)	120.88s	74.77s
प्रतिसाद वेळ (कमाल)	532.28s	514.35s
प्रतिसाद वेळ (एकूण)	2780.16s	1719.73s
पॅरामीटर्स	2.4T एकूण (95B सक्रिय)	~1.7T एकूण (~170B सक्रिय)
उपलब्धता	वेट्स उपलब्ध	बंद 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

#107 SpaceXAI: Grok 4.6

medium

खर्च: $0.028
वेळ: 72.1s
टोकन्स: 4,771 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
Grok 4.6	5.0	10.0	0.0%	0		103.61s	229,564	1,369	15,020

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
Grok 4.6	10.0	10.0	100.0%	0		10.84s	2,991	78	6,335

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 4.6	8.2	7.2	88.9%	1		120.05s	9,579	351	64,226

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
Grok 4.6	10.0	10.0	100.0%	0		62.66s	68,060	3,687	21,366

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
Grok 4.6	10.0	10.0	100.0%	0		11.46s	8,937	225	4,400

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
Grok 4.6	5.3	7.2	44.4%	1		304.33s	2,523	15	127,702

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
Grok 4.6	4.1	2.7	33.3%	1		17.27s	1,077	47	2,052

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
Grok 4.6	9.8	10.0	100.0%	0		12.75s	1,857	57	4,500

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
Grok 4.6	8.7	7.7	88.9%	1		16.30s	2,430	123	5,799

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
Grok 4.6	10.0	10.0	100.0%	0		12.83s	8,544	216	1,068

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
Grok 4.6	3.0	10.0	0.0%	0		46.88s	789	12	7,549

झटपट तुलना

तुलना जोडी बदला

Gemini 3.5 FlashmediumvsQwen3.8 2.4T A95Bhigh Qwen3.8 2.4T A95BhighvsMiMo-V2.6-Flashmedium Grok 4.6mediumvsGLM 5.3high Qwen3.7 PlusnonevsGrok 4.6medium Qwen3.8 2.4T A95BhighvsGrok 4.5medium GPT-5.4 MinimediumvsQwen3.8 2.4T A95Bhigh Qwen3.8 2.4T A95BhighvsStep 3.7 Flashmedium Qwen3.8 2.4T A95BhighvsGLM 5.3 FlashXmax GPT-5.6 TerralowvsQwen3.8 2.4T A95Bhigh Qwen3.8 2.4T A95BhighvsGrok 4.5low GPT-6 LunahighvsGrok 4.6medium Muse Glimmer 30BhighvsGrok 4.6medium