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): Grok 4.6 (high) 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, $0.767. Seed-2.0-Code (low) are cel mai rapid timp de răspuns, 72.24s.

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-09-24

Modele comparate

Rang: #19
Total tokenuri de ieșire: 282,217
Timp de răspuns (mediu): 84.15s
Cost total: $1.908

Rang: #28
Total tokenuri de ieșire: 597,236
Timp de răspuns (mediu): 163.90s
Cost total: $1.546

Rang: #78
Total tokenuri de ieșire: 495,541
Timp de răspuns (mediu): 118.97s
Cost total: $2.672

Rang: #106
Total tokenuri de ieșire: 241,309
Timp de răspuns (mediu): 72.24s
Cost total: $0.767

Model recomandat Grok 4.6 (high)

Are cel mai puternic scor din această comparație (9.3) și cel mai bun echilibru între cost și timp de răspuns dintre toate cele 4 modele.

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

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	9.3	9.1	8.1	7.7
Rang	#19	#28	#78	#106
Fiabilitate	10.0	10.0	9.4	8.5
Consistență	10.0	9.2	9.2	7.8
Încercări	66/66	66/66	66/66	66/66
Teste corecte
Rată de trecere pe încercare	86.4%	80.3%	72.7%	77.3%
Teste instabile	0	2	2	6
Rulări totale	66	66	66	66
Cost per rezultat	10.042	9.091	17.812	5.899
Cost total	$1.908	$1.546	$2.672	$0.767
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
Total tokenuri de intrare	107,275	104,464	113,279	85,657
Tokenuri de ieșire	5,094	6,844	121,045	8,142
Tokenuri de raționament	277,123	590,392	374,496	233,167
Timp de răspuns (mediu)	84.15s	163.90s	118.97s	72.24s
Timp de răspuns (maxim)	618.49s	739.98s	534.21s	485.92s
Timp de răspuns (total)	1851.26s	3605.87s	2617.41s	1589.31s
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

Prezentare generare modele

Hamster playing table tennis

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

#19 SpaceXAI: Grok 4.6

high

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

#28 Seed 2.1 Turbo

low

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

#78 Qwen3.8 2.4T A95B

low

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

#106 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

Categorie:

Trucuri anti-AI	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Grok 4.6	10.0	10.0	100.0%	0	14.44s	2,991	79	6,805
Seed 2.1 Turbo	8.2	7.9	83.3%	1	34.78s	906	624	22,595
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0	22.04s	1,104	397	4,814
Seed-2.0-Code	8.7	7.9	91.7%	1	39.56s	930	2,650	15,987

Programare	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	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

Combinat	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Grok 4.6	10.0	10.0	100.0%	0	91.77s	68,548	3,931	34,529
Seed 2.1 Turbo	10.0	10.0	100.0%	0	359.97s	74,199	4,604	132,545
Qwen3.8 2.4T A95B	8.2	6.9	66.7%	1	231.85s	85,267	8,008	50,681
Seed-2.0-Code	7.3	5.8	83.3%	1	99.12s	55,969	3,774	21,408

Parsare și extragere de date	Scor	Consistență	Rată de trecere pe încercare	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Grok 4.6	10.0	10.0	100.0%	16.08s	8,937	225	6,590
Seed 2.1 Turbo	10.0	10.0	100.0%	34.55s	8,544	246	12,576
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	22.27s	7,956	839	2,445
Seed-2.0-Code	10.0	10.0	100.0%	24.88s	8,046	246	1,639

Specific domeniului	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Grok 4.6	5.3	10.0	33.3%	0	369.95s	2,523	14	154,471
Seed 2.1 Turbo	2.9	7.2	11.1%	1	424.53s	775	8	166,776
Qwen3.8 2.4T A95B	3.2	9.3	0.0%	0	287.65s	1,008	16,133	156,114
Seed-2.0-Code	4.1	4.4	44.5%	2	238.45s	975	16	132,626

Inteligență generală	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Grok 4.6	10.0	10.0	100.0%	0	19.51s	1,077	56	2,448
Seed 2.1 Turbo	10.0	10.0	100.0%	0	41.83s	573	235	6,851
Qwen3.8 2.4T A95B	6.1	3.1	66.7%	1	22.97s	606	44	1,497
Seed-2.0-Code	6.5	3.4	66.7%	1	11.14s	579	179	1,117

Respectarea instrucțiunilor	Scor	Consistență	Rată de trecere pe încercare	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Grok 4.6	9.8	10.0	100.0%	13.82s	1,857	57	4,318
Seed 2.1 Turbo	9.8	10.0	100.0%	5.05s	816	72	1,271
Qwen3.8 2.4T A95B	9.8	10.0	100.0%	19.54s	903	263	1,480
Seed-2.0-Code	9.8	10.0	100.0%	12.20s	828	72	1,034

Rezolvare de puzzle-uri	Scor	Consistență	Rată de trecere pe încercare	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Grok 4.6	10.0	10.0	100.0%	15.56s	2,430	122	5,706
Seed 2.1 Turbo	10.0	10.0	100.0%	23.45s	867	430	12,087
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	43.37s	1,026	1,154	25,563
Seed-2.0-Code	9.9	10.0	100.0%	12.50s	885	445	2,470

Apelare instrumente	Scor	Consistență	Rată de trecere pe încercare	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Grok 4.6	10.0	10.0	100.0%	13.30s	8,544	216	1,505
Seed 2.1 Turbo	10.0	10.0	100.0%	27.40s	9,297	228	1,452
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	25.88s	8,481	302	975
Seed-2.0-Code	10.0	10.0	100.0%	55.56s	9,315	296	637

Cultură generală	Scor	Consistență	Rată de trecere pe încercare	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Grok 4.6	3.0	10.0	0.0%	54.22s	789	15	8,922
Seed 2.1 Turbo	3.0	10.0	0.0%	171.92s	267	12	26,871
Qwen3.8 2.4T A95B	3.0	10.0	0.0%	422.46s	212	72,500	73,528
Seed-2.0-Code	3.0	10.0	0.0%	10.02s	182	9	490

Comparație rapidă

Schimbă perechea de comparație

Seed-2.0-CodelowvsGLM 5medium GPT-5.5lowvsGrok 4.6high GPT-5 MinimediumvsQwen3.8 2.4T A95Blow Muse Glimmer 30BxhighvsQwen3.8 2.4T A95Blow Claude Opus 4.6mediumvsSeed-2.0-Codelow Claude Opus 5.5lowvsGrok 4.6high Seed 2.1 TurbolowvsGemini 3.8 Flashmedium Seed-2.0-CodelowvsQwen3.7 Flashhigh GPT-6 AstramediumvsGrok 4.6high GPT-5.6 SolmediumvsGrok 4.6high GPT-6 SolmediumvsGrok 4.6high Qwen3.8 2.4T A95BlowvsGrok 4.7medium