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

Grok 4.6 (medium) лидирует по среднему баллу: 8.3 vs 8.2. Grok 4.6 (medium) имеет более низкую стоимость benchmark: $1.656 vs $3.113. Grok 4.6 (medium) быстрее: 71.86s vs 132.39s, с долей успешных попыток 78.8% vs 80.3%.

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: #40
Общее число выходных токенов: 240,338
Время ответа (среднее): 71.86s
Общая стоимость: $1.656

Рекомендуемая модель Grok 4.6 (medium)

Здесь у него лучший балл (8.3), при этом он примерно в 1.9 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 4.6 Grok 4.6 medium Релиз: 2026-08-12

Метрика	Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B low Релиз: 2026-08-12	Grok 4.6 Grok 4.6 medium Релиз: 2026-08-12
Оценка	8.2	8.3
Ранг	#46	#40
Надежность	9.1	10.0
Стабильность	8.9	8.2
Попытки	66/66	66/66
Тестов верно
Доля успешных попыток	78.8%	80.3%
Нестабильные тесты	3	5
Всего запусков	66	66
Стоимость за результат	19.453	11.038
Общая стоимость	$3.113	$1.656
Цена входа	$2.000 / 1M	$2.000 / 1M
Цена выхода	$6.000 / 1M	$6.000 / 1M
Общее число входных токенов	113,340	106,778
Выходные токены	107,311	4,811
Токены рассуждений	447,174	235,527
Время ответа (среднее)	132.39s	71.86s
Время ответа (макс.)	534.21s	514.35s
Время ответа (суммарно)	2912.56s	1580.96s
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

#40 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:

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 4.6	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	7.6	7.2	77.8%	1		172.53s	6,716	21,405	57,399
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	8.2	6.9	66.7%	1		231.85s	85,267	8,008	50,681
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		22.27s	7,956	839	2,445
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	5.5	9.3	33.3%	0		386.04s	1,069	2,399	228,792
Grok 4.6	3.5	4.4	33.3%	2		292.61s	2,514	15	118,232

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 4.6	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		19.54s	903	263	1,480
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		43.37s	1,026	1,154	25,563
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		25.88s	8,481	302	975
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		422.46s	212	72,500	73,528
Grok 4.6	3.0	10.0	0.0%	0		46.88s	789	12	7,549

Быстрое сравнение

Сменить пару сравнения

Inkling SmallhighvsGrok 4.6medium Muse Glimmer 30BxhighvsQwen3.8 2.4T A95Blow GPT-5 MinimediumvsQwen3.8 2.4T A95Blow Muse Spark 1.1lowvsGrok 4.6medium 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 4.6medium Qwen3.8 2.4T A95BlowvsGLM 5.2high DeepSeek V4 Flash 0731highvsQwen3.8 2.4T A95Blow