Сравниваемые модели

Бенчмарк-сравнение Qwen3.8 2.4T A95B (low) vs Qwen3.8 2.4T A95B (high) vs Grok 4.6 (high): Grok 4.6 (high) лидирует по Оценка со значением 9.3. Grok 4.6 (high) лидирует по Надежность со значением 10.0. У Grok 4.6 (high) самый низкий Общая стоимость: $1.908. Grok 4.6 (high) самый быстрый: 84.15s.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-09-24

Сравниваемые модели

Ранг: #78
Общее число выходных токенов: 495,541
Время ответа (среднее): 118.97s
Общая стоимость: $2.672

Ранг: #133
Общее число выходных токенов: 456,028
Время ответа (среднее): 120.59s
Общая стоимость: $2.357

Ранг: #19
Общее число выходных токенов: 282,217
Время ответа (среднее): 84.15s
Общая стоимость: $1.908

Рекомендуемая модель Grok 4.6 (high)

У него самый высокий балл в этом сравнении (9.3) и лучший общий баланс стоимости и времени ответа среди всех 3 моделей.

Подробное сравнение

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

Метрика	Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B low Релиз: 2026-08-12	Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B high Релиз: 2026-08-12	Grok 4.6 Grok 4.6 high Релиз: 2026-08-12
Оценка	8.1	7.4	9.3
Ранг	#78	#133	#19
Надежность	9.4	9.4	10.0
Стабильность	9.2	8.3	10.0
Попытки	66/66	66/66	66/66
Тестов верно
Доля успешных попыток	72.7%	74.2%	86.4%
Нестабильные тесты	2	4	0
Всего запусков	66	66	66
Стоимость за результат	17.812	16.832	10.042
Общая стоимость	$2.672	$2.357	$1.908
Цена входа	$2.000 / 1M	$2.000 / 1M	$2.000 / 1M
Цена выхода	$6.000 / 1M	$6.000 / 1M	$6.000 / 1M
Общее число входных токенов	113,279	108,931	107,275
Выходные токены	121,045	112,801	5,094
Токены рассуждений	374,496	343,227	277,123
Время ответа (среднее)	118.97s	120.59s	84.15s
Время ответа (макс.)	534.21s	532.28s	618.49s
Время ответа (суммарно)	2617.41s	2653.05s	1851.26s
Параметры	2.4T всего (95B активных)	2.4T всего (95B активных)	~1.7T всего (~170B активных)
Доступность	Веса доступны	Веса доступны	Закрытая модель

Генерация showcase моделей

Hamster playing table tennis

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

#78 Qwen3.8 2.4T A95B

low

Стоимость: $0.100
Время: 193.2s
Токены: 16,767 tok

#133 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

#19 SpaceXAI: Grok 4.6

high

Стоимость: $0.107
Время: 265.1s
Токены: 18,001 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:

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	22.04s	1,104	397	4,814
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	24.22s	1,128	305	4,864
Grok 4.6	10.0	10.0	100.0%	14.44s	2,991	79	6,805

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.8 2.4T A95B	7.8	9.3	66.7%	0	172.53s	6,716	21,405	57,399
Qwen3.8 2.4T A95B	5.9	6.3	55.6%	1	160.52s	6,399	3,310	48,078
Grok 4.6	10.0	10.0	100.0%	0	102.20s	9,579	379	51,829

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.8 2.4T A95B	8.2	6.9	66.7%	1	231.85s	85,267	8,008	50,681
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	91.77s	68,548	3,931	34,529

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	22.27s	7,956	839	2,445
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	13.67s	7,928	550	2,307
Grok 4.6	10.0	10.0	100.0%	16.08s	8,937	225	6,590

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.8 2.4T A95B	3.2	9.3	0.0%	0	287.65s	1,008	16,133	156,114
Qwen3.8 2.4T A95B	4.1	6.5	22.2%	1	301.08s	964	11,279	139,028
Grok 4.6	5.3	10.0	33.3%	0	369.95s	2,523	14	154,471

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.8 2.4T A95B	6.1	3.1	66.7%	1	22.97s	606	44	1,497
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	19.51s	1,077	56	2,448

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.8 2.4T A95B	9.8	10.0	100.0%	19.54s	903	263	1,480
Qwen3.8 2.4T A95B	9.8	10.0	100.0%	11.45s	927	245	1,727
Grok 4.6	9.8	10.0	100.0%	13.82s	1,857	57	4,318

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	43.37s	1,026	1,154	25,563
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	65.54s	989	698	15,073
Grok 4.6	10.0	10.0	100.0%	15.56s	2,430	122	5,706

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	25.88s	8,481	302	975
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	32.93s	8,481	302	656
Grok 4.6	10.0	10.0	100.0%	13.30s	8,544	216	1,505

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.8 2.4T A95B	3.0	10.0	0.0%	422.46s	212	72,500	73,528
Qwen3.8 2.4T A95B	3.0	10.0	0.0%	347.95s	280	86,301	87,408
Grok 4.6	3.0	10.0	0.0%	54.22s	789	15	8,922

Быстрое сравнение

Сменить пару сравнения

GPT-5.5lowvsGrok 4.6high GPT-5 MinimediumvsQwen3.8 2.4T A95Blow Muse Glimmer 30BxhighvsQwen3.8 2.4T A95Blow Qwen3.8 2.4T A95BhighvsMiMo-V2.6-Flashmedium Qwen3.8 2.4T A95BhighvsGrok 4.6low Gemini 3 Flash PreviewlowvsQwen3.8 2.4T A95Bhigh LongCat 2.0mediumvsQwen3.8 2.4T A95Bhigh Claude Opus 5.5lowvsGrok 4.6high GPT-6 AstramediumvsGrok 4.6high GPT-5.6 SolmediumvsGrok 4.6high GPT-6 SolmediumvsGrok 4.6high Qwen3.8 2.4T A95BlowvsGrok 4.7medium