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

Grok 4.5 (medium) лидирует по среднему баллу: 8.3 vs 8.2. Grok 4.5 (medium) имеет более низкую стоимость benchmark: $1.928 vs $3.113. Grok 4.5 (medium) быстрее: 61.71s vs 132.39s, с долей успешных попыток 78.8% vs 78.8%.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-08-12

Ранг: #46
Общее число выходных токенов: 554,485
Время ответа (среднее): 132.39s
Общая стоимость: $3.113

Ранг: #39
Общее число выходных токенов: 280,567
Время ответа (среднее): 61.71s
Общая стоимость: $1.928

Рекомендуемая модель Grok 4.5 (medium)

Здесь у него лучший балл (8.3), при этом он примерно в 1.6 раза дешевле, чем Qwen3.8 2.4T A95B (low).

Подробное сравнение

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

Метрика	Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B low Релиз: 2026-08-12	Grok 4.5 Grok 4.5 medium Релиз: 2026-07-08
Оценка	8.2	8.3
Ранг	#46	#39
Надежность	9.1	10.0
Стабильность	8.9	8.9
Попытки	66/66	66/66
Тестов верно
Доля успешных попыток	78.8%	78.8%
Нестабильные тесты	3	3
Всего запусков	66	66
Стоимость за результат	19.453	12.049
Общая стоимость	$3.113	$1.928
Цена входа	$2.000 / 1M	$2.000 / 1M
Цена выхода	$6.000 / 1M	$6.000 / 1M
Общее число входных токенов	113,340	122,146
Выходные токены	107,311	5,514
Токены рассуждений	447,174	275,053
Время ответа (среднее)	132.39s	61.71s
Время ответа (макс.)	534.21s	436.38s
Время ответа (суммарно)	2912.56s	1357.56s
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.

#46 Qwen3.8 2.4T A95B

low

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

#39 xAI: Grok 4.5

medium

Стоимость: $0.044
Время: 59.4s
Токены: 7,512 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	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		22.04s	1,104	397	4,814
Grok 4.5	10.0	10.0	100.0%	0		23.50s	2,991	147	4,018

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Qwen3.8 2.4T A95B	7.6	7.2	77.8%	1		172.53s	6,716	21,405	57,399
Grok 4.5	7.6	7.2	77.8%	1		155.69s	9,579	390	104,634

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	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
Grok 4.5	10.0	10.0	100.0%	0		29.01s	83,730	4,154	16,180

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		22.27s	7,956	839	2,445
Grok 4.5	10.0	10.0	100.0%	0		6.29s	8,937	225	3,657

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	5.5	9.3	33.3%	0		386.04s	1,069	2,399	228,792
Grok 4.5	2.9	7.2	11.1%	1		198.89s	2,212	11	121,922

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		22.97s	606	44	1,497
Grok 4.5	6.5	3.4	66.7%	1		12.84s	1,077	71	2,384

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		19.54s	903	263	1,480
Grok 4.5	9.8	10.0	100.0%	0		6.06s	1,857	57	2,728

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		43.37s	1,026	1,154	25,563
Grok 4.5	10.0	10.0	100.0%	0		7.75s	2,430	254	3,641

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		25.88s	8,481	302	975
Grok 4.5	10.0	10.0	100.0%	0		6.57s	8,544	192	968

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		422.46s	212	72,500	73,528
Grok 4.5	3.0	10.0	0.0%	0		74.44s	789	13	14,921

Быстрое сравнение

Сменить пару сравнения

Inkling SmallhighvsGrok 4.5medium Muse Glimmer 30BxhighvsQwen3.8 2.4T A95Blow GPT-5 MinimediumvsQwen3.8 2.4T A95Blow Muse Spark 1.1lowvsGrok 4.5medium Muse Spark 1.1highvsQwen3.8 2.4T A95Blow Gemini 2.5 FlashmediumvsQwen3.8 2.4T A95Blow Qwen3.8 2.4T A95BlowvsInklinghigh Qwen3.8 2.4T A95BlowvsStep 3.7 Flashmedium GPT-5.2 ChatnonevsQwen3.8 2.4T A95Blow Muse Spark 1.2lowvsGrok 4.5medium Qwen3.8 2.4T A95BlowvsGLM 5.2high DeepSeek V4 Flash 0731highvsQwen3.8 2.4T A95Blow