GPT-5.4 (medium) vs Qwen3.8 Max (low)

Qwen3.8 Max (low) лидирует по среднему баллу: 8.7 vs 8.5. Qwen3.8 Max (low) имеет более низкую стоимость benchmark: $0.687 vs $1.533. Qwen3.8 Max (low) быстрее: 21.19s vs 23.10s, с долей успешных попыток 77.3% vs 84.9%.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-08-04

Ранг: #27
Общее число выходных токенов: 88,670
Время ответа (среднее): 23.10s
Общая стоимость: $1.533

Ранг: #23
Общее число выходных токенов: 81,411
Время ответа (среднее): 21.19s
Общая стоимость: $0.687

Рекомендуемая модель Qwen3.8 Max (low)

Здесь у него лучший балл (8.7), при этом он примерно в 2.2 раза дешевле, чем GPT-5.4 (medium).

Подробное сравнение

Метрика	GPT-5.4 GPT-5.4 medium Релиз: 2026-03-05	Qwen3.8 Max Qwen3.8 Max low Релиз: 2026-08-04

Метрика	GPT-5.4 GPT-5.4 medium Релиз: 2026-03-05	Qwen3.8 Max Qwen3.8 Max low Релиз: 2026-08-04
Оценка	8.5	8.7
Ранг	#27	#23
Надежность	10.0	10.0
Стабильность	8.6	9.0
Покрытие бенчмарка	22/22 тестов · 66/66 попыток	22/22 тестов · 66/66 попыток
Тестов верно
Доля успешных попыток	77.3%	84.9%
Нестабильные тесты	4	3
Всего запусков	66	66
Стоимость за результат	10.220	4.041
Общая стоимость	$1.533	$0.687
Цена входа	$2.500 / 1M	$2.000 / 1M
Цена выхода	$15.000 / 1M	$6.000 / 1M
Общее число входных токенов	81,127	99,172
Выходные токены	6,155	6,132
Токены рассуждений	82,515	75,279
Время ответа (среднее)	23.10s	21.19s
Время ответа (макс.)	100.41s	155.75s
Время ответа (суммарно)	508.26s	466.14s

Генерация showcase моделей

Hamster playing table tennis

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

#27 GPT-5.4

medium

Стоимость: $0.214
Время: 199.6s
Токены: 14,349 tok

#23 Qwen3.8 Max

low

Стоимость: $0.026
Время: 68.5s
Токены: 4,280 tok

Лучшие модели по оценке

Оценка vs общая стоимость

Время ответа (среднее)

Оценка vs Время ответа (среднее)

Общее число выходных токенов

Оценка vs Общее число выходных токенов

Разбивка по категориям

Категория:

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4	8.3	10.0	75.0%	0		4.11s	606	240	1,511
Qwen3.8 Max	10.0	10.0	100.0%	0		3.93s	984	228	1,750

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4	8.8	7.8	88.9%	1		44.36s	7,305	433	24,216
Qwen3.8 Max	8.4	7.4	88.9%	1		28.69s	8,127	512	15,952

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4	10.0	10.0	100.0%	0		29.77s	58,038	4,214	13,351
Qwen3.8 Max	10.0	10.0	100.0%	0		98.19s	69,994	4,221	32,937

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4	10.0	10.0	100.0%	0		5.32s	7,140	234	804
Qwen3.8 Max	10.0	10.0	100.0%	0		7.87s	7,938	270	2,257

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4	5.3	7.2	44.4%	1		74.27s	619	61	34,748
Qwen3.8 Max	5.3	7.2	44.4%	1		35.37s	1,005	62	17,102

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4	4.7	3.1	33.3%	1		4.92s	477	145	321
Qwen3.8 Max	6.5	3.4	66.7%	1		5.29s	594	128	568

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4	10.0	10.0	100.0%	0		3.11s	660	93	897
Qwen3.8 Max	10.0	10.0	100.0%	0		4.01s	855	102	851

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4	8.2	7.2	88.9%	1		9.14s	642	441	3,815
Qwen3.8 Max	9.9	10.0	100.0%	0		4.11s	930	286	1,304

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4	10.0	10.0	100.0%	0		13.28s	5,445	264	1,031
Qwen3.8 Max	10.0	10.0	100.0%	0		8.06s	8,463	295	693

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4	3.0	10.0	0.0%	0		13.95s	195	30	1,821
Qwen3.8 Max	3.0	10.0	0.0%	0		12.43s	282	28	1,865

Быстрое сравнение

Сменить пару сравнения

Claude Opus 4.7mediumvsQwen3.8 Maxlow Muse Spark 1.1mediumvsQwen3.8 Maxlow Claude Fable 5mediumvsQwen3.8 Maxlow Gemini 3.5 Flash LitehighvsQwen3.8 Maxlow Claude Opus 5lowvsGPT-5.4medium GPT-5.4mediumvsGrok 4.5low GPT-5.4mediumvsInkling Smallhigh Claude Opus 4.8mediumvsQwen3.8 Maxlow Gemini 3.6 FlashlowvsGPT-5.4medium Gemini 3.5 Flash LitehighvsGPT-5.4medium GPT-5.3-CodexmediumvsQwen3.8 Maxlow Qwen3.8 MaxlowvsGrok 4.5high