Navigare
AI BENCHY
Advertise here

Modele comparate

Comparație benchmark Qwen3.8 2.4T A95B (low) vs Qwen3.8 2.4T A95B (high) vs Grok 4.6 (high): Grok 4.6 (high) conduce la Scor cu 9.2. Grok 4.6 (high) conduce la Fiabilitate cu 10.0. Grok 4.6 (high) are cel mai mic Cost total, $1.809. Grok 4.6 (high) are cel mai rapid timp de răspuns, 79.38s.

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-08-12

Rang
#46
Total tokenuri de ieșire
554,485
Timp de răspuns (mediu)
132.39s
Cost total
$3.113
Rang
#85
Total tokenuri de ieșire
512,351
Timp de răspuns (mediu)
134.41s
Cost total
$2.755
Rang
#11
Total tokenuri de ieșire
265,604
Timp de răspuns (mediu)
79.38s
Cost total
$1.809
Model recomandat Grok 4.6 (high)

Are cel mai bun scor aici (9.2) și costă de aproximativ 1.6x mai puțin decât celelalte modele din această comparație.

Comparație detaliată

Metrică Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B low Lansare: 2026-08-12 Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B high Lansare: 2026-08-12 Grok 4.6 Grok 4.6 high Lansare: 2026-08-12
Scor 8.2 7.5 9.2
Rang #46 #85 #11
Fiabilitate 9.1 8.8 10.0
Consistență 8.9 8.4 9.6
Încercări 66/66 66/66 66/66
Teste corecte
Rată de trecere pe încercare 78.8% 77.3% 84.9%
Teste instabile 3 4 1
Rulări totale 66 66 66
Cost per rezultat 19.453 18.365 10.046
Cost total $3.113 $2.755 $1.809
Preț de intrare $2.000 / 1M $2.000 / 1M $2.000 / 1M
Preț de ieșire $6.000 / 1M $6.000 / 1M $6.000 / 1M
Total tokenuri de intrare 113,340 109,036 107,266
Tokenuri de ieșire 107,311 103,736 5,094
Tokenuri de raționament 447,174 408,615 260,510
Timp de răspuns (mediu) 132.39s 134.41s 79.38s
Timp de răspuns (maxim) 534.21s 532.28s 618.49s
Timp de răspuns (total) 2912.56s 2956.97s 1746.29s
Parametri 2.4T în total (95B activi) 2.4T în total (95B activi) ~1.7T în total (~170B activi)
Disponibilitate Ponderi disponibile Ponderi disponibile Închis

Prezentare generare modele

Hamster playing table tennis

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

#46 Qwen3.8 2.4T A95B

low
Cost
$0.100
Timp
193.2s
Tokenuri
16,767 tok

#85 Qwen3.8 2.4T A95B

high
SVG invalid
Cost
$0.000
Timp
600.0s
Tokenuri
0 tok

#11 SpaceXAI: Grok 4.6

high
Cost
$0.107
Timp
265.1s
Tokenuri
18,001 tok

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor vs Timp de răspuns (mediu)

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Defalcare pe categorii

Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Qwen3.8 2.4T A95B 7.6 7.2 77.8% 1 172.53s 6,716 21,405 57,399
Qwen3.8 2.4T A95B 5.9 6.3 55.6% 1 160.52s 6,399 3,310 48,078
Grok 4.6 10.0 10.0 100.0% 0 102.20s 9,579 379 51,829

Comparație rapidă

Schimbă perechea de comparație

GPT-5.4 MinimediumvsQwen3.8 2.4T A95BhighGPT-5.6 TerralowvsQwen3.8 2.4T A95BhighGemini 3.1 Pro PreviewmediumvsGrok 4.6highClaude Opus 5mediumvsGrok 4.6highGPT-5.3 ChatnonevsQwen3.8 2.4T A95BhighMuse Glimmer 30BxhighvsQwen3.8 2.4T A95BlowGPT-5.4 NanomediumvsQwen3.8 2.4T A95BhighKimi K2.7 CodemediumvsQwen3.8 2.4T A95BhighGPT-5 MinimediumvsQwen3.8 2.4T A95BlowLongCat 2.0mediumvsQwen3.8 2.4T A95BhighClaude Opus 5nonevsQwen3.8 2.4T A95BhighNemotron 3 UltramediumDisponibil gratuitvsQwen3.8 2.4T A95Bhigh