Qwen3.8 2.4T A95B (high) vs Grok 4.5 (low)

Qwen3.8 2.4T A95B (high) лидирует по среднему баллу: 7.9 vs 7.8. Grok 4.5 (low) имеет более низкую стоимость benchmark: $1.345 vs $2.805. Grok 4.5 (low) быстрее: 18.14s vs 120.88s, с долей успешных попыток 75.4% vs 73.9%.

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

Сравниваемые модели

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

Ранг: #109
Общее число выходных токенов: 121,415
Время ответа (среднее): 18.14s
Общая стоимость: $1.345

Рекомендуемая модель Grok 4.5 (low)

Его балл близок к лучшему здесь (7.8 против 7.9), при этом он примерно в 2.1 раза дешевле, чем Qwen3.8 2.4T A95B (high).

Подробное сравнение

Метрика	Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B high Релиз: 2026-08-12	Grok 4.5 Grok 4.5 low Релиз: 2026-07-08

Метрика	Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B high Релиз: 2026-08-12	Grok 4.5 Grok 4.5 low Релиз: 2026-07-08
Оценка	7.9	7.8
Ранг	#102	#109
Надежность	9.6	10.0
Стабильность	8.4	9.3
Попытки	69/69	69/69
Тестов верно
Доля успешных попыток	75.4%	73.9%
Нестабильные тесты	4	2
Всего запусков	69	69
Стоимость за результат	18.696	8.404
Общая стоимость	$2.805	$1.345
Цена входа	$2.000 / 1M	$2.000 / 1M
Цена выхода	$6.000 / 1M	$6.000 / 1M
Общее число входных токенов	295,642	308,068
Выходные токены	115,041	9,218
Токены рассуждений	353,398	112,197
Время ответа (среднее)	120.88s	18.14s
Время ответа (макс.)	532.28s	205.28s
Время ответа (суммарно)	2780.16s	417.21s
Параметры	2.4T всего (95B активных)	~1.7T всего (~170B активных)
Доступность	Веса доступны	Закрытая модель

Генерация showcase моделей

Hamster playing table tennis

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

#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

#109 SpaceXAI: Grok 4.5

low

Стоимость: $0.011
Время: 12.4s
Токены: 2,018 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
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		127.11s	186,711	2,240	10,171
Grok 4.5	5.0	10.0	0.0%	0		61.53s	182,463	1,713	4,213

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		24.22s	1,128	305	4,864
Grok 4.5	10.0	10.0	100.0%	0		2.75s	2,991	261	3,000

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.8 2.4T A95B	5.9	6.3	55.6%	1		160.52s	6,399	3,310	48,078
Grok 4.5	10.0	10.0	100.0%	0		13.72s	9,579	303	15,641

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.8 2.4T A95B	6.9	5.9	66.7%	1		266.12s	81,205	7,791	41,921
Grok 4.5	6.5	10.0	50.0%	0		12.75s	82,028	6,031	3,583

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		13.67s	7,928	550	2,307
Grok 4.5	10.0	10.0	100.0%	0		3.44s	8,937	225	2,549

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.8 2.4T A95B	4.1	6.5	22.2%	1		301.08s	964	11,279	139,028
Grok 4.5	2.9	7.2	11.1%	1		77.09s	2,523	14	71,813

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.8 2.4T A95B	6.1	3.1	66.7%	1		11.38s	630	2,020	2,165
Grok 4.5	6.1	3.1	66.7%	1		4.88s	1,077	98	1,253

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.8 2.4T A95B	9.8	10.0	100.0%	0		11.45s	927	245	1,727
Grok 4.5	9.8	10.0	100.0%	0		2.80s	1,857	57	1,878

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		65.54s	989	698	15,073
Grok 4.5	10.0	10.0	100.0%	0		3.20s	2,430	217	2,590

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		32.93s	8,481	302	656
Grok 4.5	10.0	10.0	100.0%	0		5.83s	13,394	284	871

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.8 2.4T A95B	3.0	10.0	0.0%	0		347.95s	280	86,301	87,408
Grok 4.5	3.0	10.0	0.0%	0		13.98s	789	15	4,806

Быстрое сравнение

Сменить пару сравнения

Gemini 3.5 FlashmediumvsQwen3.8 2.4T A95Bhigh DeepSeek V4 Flash 0731mediumvsGrok 4.5low Qwen3.7 PlusnonevsGrok 4.5low Qwen3.8 2.4T A95BhighvsMiMo-V2.6-Flashmedium Step 3.7 FlashmediumvsGrok 4.5low Qwen3.8 2.4T A95BhighvsGrok 4.5medium Grok 4.5lowvsGLM 5.3high GPT-5.4 MinimediumvsQwen3.8 2.4T A95Bhigh Qwen3.8 2.4T A95BhighvsStep 3.7 Flashmedium Qwen3.8 2.4T A95BhighvsGrok 4.6medium GPT-6 LunahighvsGrok 4.5low Qwen3.8 2.4T A95BhighvsGLM 5.3 FlashXmax