Qwen3.8 2.4T A95B (high) vs GLM 5.3 FlashX (max)

GLM 5.3 FlashX (max) average score मध्ये पुढे आहे: 7.9 vs 7.9. GLM 5.3 FlashX (max) चा benchmark खर्च कमी आहे: $0.623 vs $2.805. GLM 5.3 FlashX (max) वेगवान आहे: 43.97s 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: #97
एकूण आउटपुट टोकन्स: 402,765
प्रतिसाद वेळ (सरासरी): 43.97s
एकूण खर्च: $0.623

शिफारस केलेले मॉडेल GLM 5.3 FlashX (max)

It has the best score here (7.9), while costing about 4.5x 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	GLM 5.3 FlashX GLM 5.3 FlashX max प्रकाशन: 2026-09-21

मेट्रिक	Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B high प्रकाशन: 2026-08-12	GLM 5.3 FlashX GLM 5.3 FlashX max प्रकाशन: 2026-09-21
स्कोअर	7.9	7.9
क्रमांक	#102	#97
विश्वसनीयता	9.6	10.0
सुसंगतता	8.4	8.0
प्रयत्न	69/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	75.4%	78.3%
अस्थिर चाचण्या	4	6
एकूण रन	69	69
प्रति निकाल खर्च	18.696	4.153
एकूण खर्च	$2.805	$0.623
इनपुट किंमत	$2.000 / 1M	$0.370 / 1M
आउटपुट किंमत	$6.000 / 1M	$1.250 / 1M
एकूण इनपुट टोकन्स	295,642	322,894
आउटपुट टोकन्स	115,041	8,010
रिझनिंग टोकन्स	353,398	394,755
प्रतिसाद वेळ (सरासरी)	120.88s	43.97s
प्रतिसाद वेळ (कमाल)	532.28s	390.70s
प्रतिसाद वेळ (एकूण)	2780.16s	1011.29s
पॅरामीटर्स	2.4T एकूण (95B सक्रिय)	320B एकूण (18B 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

#97 GLM 5.3 FlashX

max

खर्च: $0.046
वेळ: 251.3s
टोकन्स: 36,769 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
GLM 5.3 FlashX	6.1	3.1	66.7%	1		104.77s	221,683	1,709	25,322

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
GLM 5.3 FlashX	10.0	10.0	100.0%	0		2.65s	639	301	2,210

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
GLM 5.3 FlashX	8.2	7.2	88.9%	1		24.61s	7,317	463	36,503

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
GLM 5.3 FlashX	8.2	6.9	66.7%	1		45.23s	76,431	3,485	35,762

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
GLM 5.3 FlashX	10.0	10.0	100.0%	0		3.38s	7,149	223	2,262

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
GLM 5.3 FlashX	3.5	4.4	33.3%	2		224.00s	759	583	279,058

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
GLM 5.3 FlashX	10.0	10.0	100.0%	0		5.01s	498	209	1,290

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
GLM 5.3 FlashX	9.9	10.0	100.0%	0		2.23s	678	72	1,032

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
GLM 5.3 FlashX	8.2	7.7	77.8%	1		3.88s	672	456	2,848

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
GLM 5.3 FlashX	10.0	10.0	100.0%	0		9.39s	6,861	231	712

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
GLM 5.3 FlashX	3.0	10.0	0.0%	0		22.41s	207	278	7,756

झटपट तुलना

तुलना जोडी बदला

Claude Fable 5.1highvsGLM 5.3 FlashXmax Qwen3.5-27BmediumvsGLM 5.3 FlashXmax Gemini 3.5 FlashmediumvsQwen3.8 2.4T A95Bhigh Qwen3.8 2.4T A95BhighvsMiMo-V2.6-Flashmedium GPT-5.4 MinimediumvsGLM 5.3 FlashXmax GPT-5.6 TerralowvsGLM 5.3 FlashXmax Qwen3.7 MaxnonevsGLM 5.3 FlashXmax Qwen3.8 2.4T A95BhighvsGrok 4.5medium Gemini 3.8 FlashmediumvsGLM 5.3 FlashXmax GPT-5.4 NanomediumvsGLM 5.3 FlashXmax GPT-5.4 MinimediumvsQwen3.8 2.4T A95Bhigh Qwen3.8 2.4T A95BhighvsStep 3.7 Flashmedium