GPT-5.4 Mini (medium) vs Qwen3.8 2.4T A95B (high)

GPT-5.4 Mini (medium) лидирует по среднему баллу: 7.9 vs 7.9. GPT-5.4 Mini (medium) имеет более низкую стоимость benchmark: $1.008 vs $2.805. GPT-5.4 Mini (medium) быстрее: 29.94s vs 120.88s, с долей успешных попыток 69.6% vs 75.4%.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-10-01

Сравниваемые модели

Ранг: #99
Общее число выходных токенов: 184,172
Время ответа (среднее): 29.94s
Общая стоимость: $1.008

Ранг: #102
Общее число выходных токенов: 468,439
Время ответа (среднее): 120.88s
Общая стоимость: $2.805

Рекомендуемая модель GPT-5.4 Mini (medium)

Здесь у него лучший балл (7.9), при этом он примерно в 2.8 раза дешевле, чем Qwen3.8 2.4T A95B (high).

Подробное сравнение

Метрика	GPT-5.4 Mini GPT-5.4 Mini medium Релиз: 2026-03-17	Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B high Релиз: 2026-08-12

Метрика	GPT-5.4 Mini GPT-5.4 Mini medium Релиз: 2026-03-17	Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B high Релиз: 2026-08-12
Оценка	7.9	7.9
Ранг	#99	#102
Надежность	10.0	9.6
Стабильность	8.2	8.4
Попытки	69/69	69/69
Тестов верно
Доля успешных попыток	69.6%	75.4%
Нестабильные тесты	5	4
Всего запусков	69	69
Стоимость за результат	7.754	18.696
Общая стоимость	$1.008	$2.805
Цена входа	$0.750 / 1M	$2.000 / 1M
Цена выхода	$4.500 / 1M	$6.000 / 1M
Общее число входных токенов	238,925	295,642
Выходные токены	7,109	115,041
Токены рассуждений	177,063	353,398
Время ответа (среднее)	29.94s	120.88s
Время ответа (макс.)	138.75s	532.28s
Время ответа (суммарно)	688.57s	2780.16s
Параметры	~400B всего (~17B активных)	2.4T всего (95B активных)
Доступность	Закрытая модель	Веса доступны

Генерация showcase моделей

Hamster playing table tennis

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

#99 GPT-5.4 Mini

medium

Стоимость: $0.056
Время: 95.5s
Токены: 12,464 tok

#102 Qwen3.8 2.4T A95B

high

Reached the allocated time limit (600 seconds) without receiving showcase output.

Стоимость: $0.000
Время: 600.0s
Токены: 0 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:

Агентные задачи	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4 Mini	10.0	10.0	100.0%	0		100.66s	141,761	898	24,930
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		127.11s	186,711	2,240	10,171

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4 Mini	8.6	7.9	91.7%	1		4.05s	606	296	2,876
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		24.22s	1,128	305	4,864

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4 Mini	8.4	7.4	88.9%	1		57.87s	7,305	467	40,902
Qwen3.8 2.4T A95B	5.9	6.3	55.6%	1		160.52s	6,399	3,310	48,078

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4 Mini	6.9	5.9	66.7%	1		59.64s	74,058	4,347	40,924
Qwen3.8 2.4T A95B	6.9	5.9	66.7%	1		266.12s	81,205	7,791	41,921

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 Mini	10.0	10.0	100.0%	0		2.43s	7,140	234	650
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		13.67s	7,928	550	2,307

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4 Mini	3.6	7.2	22.2%	1		71.05s	628	60	49,875
Qwen3.8 2.4T A95B	4.1	6.5	22.2%	1		301.08s	964	11,279	139,028

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4 Mini	4.5	10.0	0.0%	0		3.72s	477	150	510
Qwen3.8 2.4T A95B	6.1	3.1	66.7%	1		11.38s	630	2,020	2,165

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4 Mini	9.8	10.0	100.0%	0		2.13s	660	96	1,185
Qwen3.8 2.4T A95B	9.8	10.0	100.0%	0		11.45s	927	245	1,727

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4 Mini	7.8	10.0	66.7%	0		4.37s	642	278	2,443
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		65.54s	989	698	15,073

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4 Mini	4.7	1.6	66.7%	1		9.62s	5,453	251	2,594
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		32.93s	8,481	302	656

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4 Mini	3.0	10.0	0.0%	0		30.10s	195	32	10,174
Qwen3.8 2.4T A95B	3.0	10.0	0.0%	0		347.95s	280	86,301	87,408

Быстрое сравнение

Сменить пару сравнения

Gemini 3.5 FlashmediumvsQwen3.8 2.4T A95Bhigh Claude Fable 5.1highvsGPT-5.4 Minimedium Qwen3.8 2.4T A95BhighvsMiMo-V2.6-Flashmedium GPT-5.4 MinimediumvsGLM 5.3 FlashXmax GPT-5.4 MinimediumvsQwen3.7 Maxnone Qwen3.8 2.4T A95BhighvsGrok 4.5medium Qwen3.8 2.4T A95BhighvsStep 3.7 Flashmedium Qwen3.8 2.4T A95BhighvsGrok 4.6medium Qwen3.8 2.4T A95BhighvsGLM 5.3 FlashXmax GPT-5.6 TerralowvsQwen3.8 2.4T A95Bhigh Qwen3.8 2.4T A95BhighvsGrok 4.5low GPT-5.4 MinimediumvsGLM 5.3high