GPT-5.5 (medium) vs Qwen3.8 Max (0902) (low)

GPT-5.5 (medium) лидирует по среднему баллу: 9.2 vs 8.6. Qwen3.8 Max (0902) (low) имеет более низкую стоимость benchmark: $1.131 vs $4.809. Qwen3.8 Max (0902) (low) быстрее: 29.07s vs 39.86s, с долей успешных попыток 88.4% vs 85.5%.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-10-19

Сравниваемые модели

Ранг: #33
Общее число выходных токенов: 130,107
Время ответа (среднее): 39.86s
Общая стоимость: $4.809

Ранг: #76
Общее число выходных токенов: 88,923
Время ответа (среднее): 29.07s
Общая стоимость: $1.131

Рекомендуемая модель Qwen3.8 Max (0902) (low)

Его балл близок к лучшему здесь (8.6 против 9.2), при этом он примерно в 4.3 раза дешевле, чем GPT-5.5 (medium).

Подробное сравнение

Метрика	GPT-5.5 GPT-5.5 medium Релиз: 2026-04-24	Qwen3.8 Max (0902) Qwen3.8 Max (0902) low Релиз: 2026-09-07

Метрика	GPT-5.5 GPT-5.5 medium Релиз: 2026-04-24	Qwen3.8 Max (0902) Qwen3.8 Max (0902) low Релиз: 2026-09-07
Оценка	9.2	8.6
Ранг	#33	#76
Надежность	10.0	10.0
Стабильность	9.0	9.0
Попытки	69/69	69/69
Тестов верно
Доля успешных попыток	88.4%	85.5%
Нестабильные тесты	3	3
Всего запусков	69	69
Стоимость за результат	25.306	6.283
Общая стоимость	$4.809	$1.131
Цена входа	$5.000 / 1M	$2.000 / 1M
Цена выхода	$30.000 / 1M	$6.000 / 1M
Цена чтения из кэша	$0.500 / 1M	$0.250 / 1M
Цена записи в кэш	Н/Д	$2.500 / 1M
Общее число входных токенов	180,959	298,682
Выходные токены	6,472	8,374
Токены рассуждений	123,635	80,549
Время ответа (среднее)	39.86s	29.07s
Время ответа (макс.)	332.10s	207.79s
Время ответа (суммарно)	916.82s	668.66s
Параметры	~1.5T всего (~100B активных)	2.4T всего (~100B активных)
Доступность	Закрытая модель	Закрытая модель

Цены кэша относятся к входным токенам. Чтение повторно использует сохранённые запросы; запись сохраняет их и может стоить дороже. Выходные токены оплачиваются по цене вывода.

Генерация showcase моделей

Hamster playing table tennis

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

#33 GPT-5.5

medium

Стоимость: $0.112
Время: 71.9s
Токены: 3,807 tok

#76 Qwen3.8 Max (0902)

low

Стоимость: $0.014
Время: 41.2s
Токены: 2,421 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-5.5	10.0	10.0	100.0%	0		59.39s	100,291	855	3,936
Qwen3.8 Max (0902)	6.1	3.1	66.7%	1		136.04s	194,728	2,052	11,006

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.5	10.0	10.0	100.0%	0		4.66s	606	250	1,335
Qwen3.8 Max (0902)	10.0	10.0	100.0%	0		4.72s	984	212	1,854

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.5	8.8	7.8	88.9%	1		59.77s	7,305	362	24,959
Qwen3.8 Max (0902)	10.0	10.0	100.0%	0		37.42s	8,127	485	17,404

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.5	10.0	10.0	100.0%	0		33.52s	57,466	3,944	6,735
Qwen3.8 Max (0902)	10.0	10.0	100.0%	0		113.88s	74,767	4,562	29,335

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.5	10.0	10.0	100.0%	0		4.18s	7,140	234	593
Qwen3.8 Max (0902)	10.0	10.0	100.0%	0		9.94s	7,938	261	2,254

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.5	5.3	7.2	44.4%	1		168.16s	732	67	80,505
Qwen3.8 Max (0902)	5.3	7.2	44.4%	1		34.93s	1,014	45	13,881

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.5	10.0	10.0	100.0%	0		4.16s	477	138	223
Qwen3.8 Max (0902)	6.1	3.1	66.7%	1		8.91s	594	120	820

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.5	10.0	10.0	100.0%	0		3.36s	660	93	538
Qwen3.8 Max (0902)	10.0	10.0	100.0%	0		4.32s	855	90	866

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.5	10.0	10.0	100.0%	0		6.76s	642	241	2,225
Qwen3.8 Max (0902)	10.0	10.0	100.0%	0		4.49s	930	275	1,248

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.5	10.0	10.0	100.0%	0		10.57s	5,445	258	832
Qwen3.8 Max (0902)	10.0	10.0	100.0%	0		4.73s	8,463	249	126

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.5	2.8	1.6	33.3%	1		37.86s	195	30	1,754
Qwen3.8 Max (0902)	3.0	10.0	0.0%	0		13.28s	282	23	1,755

Сменить пару сравнения

Claude Sonnet 5.5maxvsGPT-5.5medium DeepSeek V4.1 Flash 1017lowvsGPT-5.5medium Muse Spark OpenhighvsGPT-5.5medium Qwen3.8 Max (0902)lowvsGrok 4.6high Claude Sonnet 5.5highvsQwen3.8 Max (0902)low GPT-5.5mediumvsQwen3.8 Max (0902)high Claude Sonnet 5mediumvsQwen3.8 Max (0902)low Claude Haiku 5.5xhighvsGPT-5.5medium DeepSeek V4.1 FlashmaxvsQwen3.8 Max (0902)low Muse Spark 1.3highvsGPT-5.5medium Muse WonderlowvsGPT-5.5medium Claude Haiku 5.5maxvsQwen3.8 Max (0902)low