Navigare
Advertise here

Modele comparate

Comparație benchmark Grok 4.6 (high) vs Seed 2.1 Turbo (low) vs Qwen3.8 2.4T A95B (low) vs Seed-2.0-Code (low): Seed 2.1 Turbo (low) conduce la Scor cu 9.3. Grok 4.6 (high) conduce la Fiabilitate cu 10.0. Seed-2.0-Code (low) are cel mai mic Cost total, $0.881. Seed-2.0-Code (low) are cel mai rapid timp de răspuns, 73.02s.

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-11-22

Modele comparate

Rang
#124
Total tokenuri de ieșire
312,614
Timp de răspuns (mediu)
87.48s
Cost total
$2.629
Rang
#48
Total tokenuri de ieșire
609,333
Timp de răspuns (mediu)
161.25s
Cost total
$1.645
Rang
#132
Total tokenuri de ieșire
424,019
Timp de răspuns (mediu)
120.40s
Cost total
$4.016
Rang
#161
Total tokenuri de ieșire
253,807
Timp de răspuns (mediu)
73.02s
Cost total
$0.881
Model recomandat Seed 2.1 Turbo (low)

Are cel mai bun scor aici (9.3) și costă de aproximativ 1.5x mai puțin decât celelalte modele din această comparație.

Comparație detaliată

Metrică Grok 4.6 Grok 4.6 high Lansare: 2026-08-12 Seed 2.1 Turbo Seed 2.1 Turbo low Lansare: 2026-08-12 Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B low Lansare: 2026-08-12 Seed-2.0-Code Seed-2.0-Code low Lansare: 2026-08-12
Scor 8.5 9.3 8.4 8.1
Rang #124 #48 #132 #161
Fiabilitate 10.0 10.0 9.6 8.9
Consistență 10.0 9.3 9.2 7.9
Încercări 69/69 69/69 69/69 69/69
Teste corecte
Rată de trecere pe încercare 82.6% 81.2% 73.9% 78.3%
Teste instabile 0 2 2 6
Rulări totale 69 69 69 69
Cost per rezultat 13.833 9.135 19.825 6.288
Cost total $2.629 $1.645 $4.016 $0.881
Preț de intrare $2.000 / 1M $0.500 / 1M $2.000 / 1M $0.500 / 1M
Preț de ieșire $6.000 / 1M $2.500 / 1M $6.000 / 1M $3.000 / 1M
Preț citire cache $0.500 / 1M N/D $0.250 / 1M N/D
Preț scriere cache N/D N/D N/D N/D
Total tokenuri de intrare 376,233 241,855 313,881 237,604
Tokenuri de ieșire 6,687 8,387 123,706 9,617
Tokenuri de raționament 305,927 600,946 388,328 244,190
Timp de răspuns (mediu) 87.48s 161.25s 120.40s 73.02s
Timp de răspuns (maxim) 618.49s 739.98s 534.21s 485.92s
Timp de răspuns (total) 2012.15s 3708.70s 2769.16s 1679.49s
Parametri ~1.7T în total (~170B activi) ~200B în total (~20B activi) 2.4T în total (95B activi) ~200B în total (~20B activi)
Disponibilitate Închis Închis Ponderi disponibile Închis

Prețurile de cache se aplică tokenurilor de intrare. Citirea reutilizează prompturi salvate; scrierea le stochează și poate costa în plus. Tokenurile de ieșire folosesc prețul de ieșire.

Prezentare generare modele

Hamster playing table tennis

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

#124 SpaceXAI: Grok 4.6

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

#48 Seed 2.1 Turbo

low
Cost
$0.049
Timp
298.8s
Tokenuri
19,730 tok

#132 Qwen3.8 2.4T A95B

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

#161 Seed-2.0-Code

low
Provider returned error
Cost
$0.000
Timp
0.3s
Tokenuri
0 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
Grok 4.6 10.0 10.0 100.0% 0 102.20s 9,579 379 51,829
Seed 2.1 Turbo 10.0 10.0 100.0% 0 360.85s 8,220 385 207,368
Qwen3.8 2.4T A95B 7.8 9.3 66.7% 0 172.53s 6,716 21,405 57,399
Seed-2.0-Code 7.0 7.1 55.6% 1 109.70s 7,948 455 55,759

Schimbă perechea de comparație