Qwen3.8 2.4T A95B (high) vs Grok 4.6 (low)

Qwen3.8 2.4T A95B (high) лидирует по среднему баллу: 7.9 vs 6.9. Grok 4.6 (low) имеет более низкую стоимость benchmark: $0.781 vs $2.949. Grok 4.6 (low) быстрее: 16.44s vs 120.88s, с долей успешных попыток 75.4% vs 66.7%.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-10-16

Сравниваемые модели

Ранг: #120
Общее число выходных токенов: 368,836
Время ответа (среднее): 120.88s
Общая стоимость: $2.949

Ранг: #187
Общее число выходных токенов: 42,315
Время ответа (среднее): 16.44s
Общая стоимость: $0.781

Рекомендуемая модель Grok 4.6 (low)

Он дает лучший общий компромисс: конкурентный балл (6.9), ниже стоимость, чем у Qwen3.8 2.4T A95B (high), и сбалансированное время ответа.

Подробное сравнение

Метрика	Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B high Релиз: 2026-08-12	Grok 4.6 Grok 4.6 low Релиз: 2026-08-12

Метрика	Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B high Релиз: 2026-08-12	Grok 4.6 Grok 4.6 low Релиз: 2026-08-12
Оценка	7.9	6.9
Ранг	#120	#187
Надежность	9.6	10.0
Стабильность	8.4	9.6
Попытки	69/69	69/69
Тестов верно
Доля успешных попыток	75.4%	66.7%
Нестабильные тесты	4	1
Всего запусков	69	69
Стоимость за результат	18.696	5.205
Общая стоимость	$2.949	$0.781
Цена входа	$2.000 / 1M	$2.000 / 1M
Цена выхода	$6.000 / 1M	$6.000 / 1M
Цена чтения из кэша	$0.250 / 1M	$0.500 / 1M
Цена записи в кэш	Н/Д	Н/Д
Общее число входных токенов	295,642	263,427
Выходные токены	115,041	6,006
Токены рассуждений	353,398	36,309
Время ответа (среднее)	120.88s	16.44s
Время ответа (макс.)	532.28s	57.97s
Время ответа (суммарно)	2780.16s	378.14s
Параметры	2.4T всего (95B активных)	~1.7T всего (~170B активных)
Доступность	Веса доступны	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.

#120 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

#187 SpaceXAI: Grok 4.6

low

Стоимость: $0.011
Время: 26.0s
Токены: 1,941 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 4.6	5.0	10.0	0.0%	0		57.97s	153,467	882	3,385

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 4.6	10.0	10.0	100.0%	0		9.00s	2,991	104	3,343

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 4.6	5.5	7.1	44.4%	1		21.69s	9,579	349	7,740

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 4.6	6.5	10.0	50.0%	0		23.33s	71,233	3,899	2,805

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 4.6	10.0	10.0	100.0%	0		11.63s	8,937	225	1,423

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 4.6	3.0	10.0	0.0%	0		18.19s	2,523	16	7,921

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 4.6	10.0	10.0	100.0%	0		16.29s	1,077	55	1,009

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 4.6	9.8	10.0	100.0%	0		6.64s	1,857	57	2,310

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 4.6	10.0	10.0	100.0%	0		8.16s	2,430	154	2,506

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 4.6	10.0	10.0	100.0%	0		14.42s	8,544	255	359

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 4.6	3.0	10.0	0.0%	0		26.11s	789	10	3,508