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

Qwen3.8 2.4T A95B (high) лидирует по среднему баллу: 7.9 vs 7.8. Grok 4.6 (medium) имеет более низкую стоимость benchmark: $2.270 vs $2.805. Grok 4.6 (medium) быстрее: 74.77s vs 120.88s, с долей успешных попыток 75.4% vs 78.3%.

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: #107
Общее число выходных токенов: 266,197
Время ответа (среднее): 74.77s
Общая стоимость: $2.270

Рекомендуемая модель Grok 4.6 (medium)

Его балл близок к лучшему здесь (7.8 против 7.9), и он отвечает примерно в 1.6 раза быстрее, 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 4.6 Grok 4.6 medium 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 medium Релиз: 2026-08-12
Оценка	7.9	7.8
Ранг	#102	#107
Надежность	9.6	10.0
Стабильность	8.4	8.7
Попытки	69/69	69/69
Тестов верно
Доля успешных попыток	75.4%	78.3%
Нестабильные тесты	4	4
Всего запусков	69	69
Стоимость за результат	18.696	14.187
Общая стоимость	$2.805	$2.270
Цена входа	$2.000 / 1M	$2.000 / 1M
Цена выхода	$6.000 / 1M	$6.000 / 1M
Общее число входных токенов	295,642	336,351
Выходные токены	115,041	6,180
Токены рассуждений	353,398	260,017
Время ответа (среднее)	120.88s	74.77s
Время ответа (макс.)	532.28s	514.35s
Время ответа (суммарно)	2780.16s	1719.73s
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

#107 SpaceXAI: Grok 4.6

medium

Стоимость: $0.028
Время: 72.1s
Токены: 4,771 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		103.61s	229,564	1,369	15,020

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		10.84s	2,991	78	6,335

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	8.2	7.2	88.9%	1		120.05s	9,579	351	64,226

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	10.0	10.0	100.0%	0		62.66s	68,060	3,687	21,366

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		11.46s	8,937	225	4,400

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	5.3	7.2	44.4%	1		304.33s	2,523	15	127,702

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	4.1	2.7	33.3%	1		17.27s	1,077	47	2,052

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		12.75s	1,857	57	4,500

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	8.7	7.7	88.9%	1		16.30s	2,430	123	5,799

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		12.83s	8,544	216	1,068

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		46.88s	789	12	7,549

Быстрое сравнение

Сменить пару сравнения

Gemini 3.5 FlashmediumvsQwen3.8 2.4T A95Bhigh Qwen3.8 2.4T A95BhighvsMiMo-V2.6-Flashmedium Grok 4.6mediumvsGLM 5.3high Qwen3.7 PlusnonevsGrok 4.6medium Qwen3.8 2.4T A95BhighvsGrok 4.5medium GPT-5.4 MinimediumvsQwen3.8 2.4T A95Bhigh Qwen3.8 2.4T A95BhighvsStep 3.7 Flashmedium Qwen3.8 2.4T A95BhighvsGLM 5.3 FlashXmax GPT-5.6 TerralowvsQwen3.8 2.4T A95Bhigh Qwen3.8 2.4T A95BhighvsGrok 4.5low GPT-6 LunahighvsGrok 4.6medium Muse Glimmer 30BhighvsGrok 4.6medium