- 排名
- #51
- 总输出令牌
- 347,963
- 响应时间（平均）
- 26.77s
- 总成本
- $0.224
DeepSeek V4.1 Flash (low) vs Qwen3.8 Max (low)
Qwen3.8 Max (low) 平均分领先，为 8.6 vs 8.5。 DeepSeek V4.1 Flash (low) benchmark 成本更低，为 $0.224 vs $0.702。 Qwen3.8 Max (low) 更快，为 21.83s vs 26.77s，通过率为 74.2% vs 80.3%。
已对比模型
- 排名
- #49
- 总输出令牌
- 83,821
- 响应时间（平均）
- 21.83s
- 总成本
- $0.702
推荐模型
DeepSeek V4.1 Flash (low)
它的得分接近这里的最高分（8.5 vs 8.6），同时成本比Qwen3.8 Max (low)低约 3.1 倍。
详细对比
| 指标 | DeepSeek V4.1 Flash DeepSeek V4.1 Flash low | Qwen3.8 Max Qwen3.8 Max low |
|---|---|---|
| 分数 | 8.5 | 8.6 |
| 排名 | #51 | #49 |
| 可靠性 | 9.5 | 10.0 |
| 一致性 | 8.9 | 9.0 |
| 尝试次数 | 66/66 | 66/66 |
| 测试正确 | ||
| 尝试通过率 | 74.2% | 80.3% |
| 不稳定测试 | 3 | 3 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 1.492 | 4.384 |
| 总成本 | $0.224 | $0.702 |
| 输入价格 | $0.150 / 1M | $2.000 / 1M |
| 输出价格 | $0.600 / 1M | $6.000 / 1M |
| 总输入令牌 | 99,715 | 99,181 |
| 输出令牌 | 6,381 | 6,132 |
| 推理令牌 | 341,582 | 77,689 |
| 响应时间（平均） | 26.77s | 21.83s |
| 响应时间（最大） | 149.84s | 155.75s |
| 响应时间（总计） | 589.01s | 480.37s |
| 参数量 | 748B 总计 (16B 激活) | 2.4T 总计 (~100B 激活) |
| 开放状态 | 开源 | 闭源 |
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#51 DeepSeek V4.1 Flash
low- 成本
- $0.017
- 时间
- 43.6s
- 令牌
- 14,069 tok
#49 Qwen3.8 Max
low- 成本
- $0.026
- 时间
- 68.5s
- 令牌
- 4,280 tok
按分数排名的模型
分数 vs 总成本
响应时间（平均）
分数 vs 响应时间（平均）
总输出令牌
分数 vs 总输出令牌
类别细分
| 反AI技巧 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V4.1 Flash | 8.3 | 10.0 | 75.0% | 0 | 3.32s | 852 | 171 | 4,328 | |
| Qwen3.8 Max | 10.0 | 10.0 | 100.0% | 0 | 3.93s | 984 | 228 | 1,750 |
| 编程 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V4.1 Flash | 10.0 | 10.0 | 100.0% | 0 | 40.66s | 7,509 | 378 | 81,978 | |
| Qwen3.8 Max | 8.4 | 7.4 | 88.9% | 1 | 28.69s | 8,127 | 512 | 15,952 |
| 综合 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V4.1 Flash | 10.0 | 10.0 | 100.0% | 0 | 24.73s | 77,368 | 4,906 | 24,016 | |
| Qwen3.8 Max | 10.0 | 10.0 | 100.0% | 0 | 98.19s | 69,994 | 4,221 | 32,937 |
| 数据解析与提取 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V4.1 Flash | 6.5 | 10.0 | 50.0% | 0 | 3.80s | 2,397 | 120 | 1,149 | |
| Qwen3.8 Max | 10.0 | 10.0 | 100.0% | 0 | 7.87s | 7,938 | 270 | 2,257 |
| 领域专项 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V4.1 Flash | 3.5 | 4.4 | 33.3% | 2 | 95.58s | 909 | 27 | 184,701 | |
| Qwen3.8 Max | 2.9 | 7.2 | 11.1% | 1 | 40.12s | 1,014 | 62 | 19,512 |
| 通用智能 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V4.1 Flash | 10.0 | 10.0 | 100.0% | 0 | 4.34s | 549 | 117 | 1,319 | |
| Qwen3.8 Max | 6.5 | 3.4 | 66.7% | 1 | 5.29s | 594 | 128 | 568 |
| 指令遵循 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V4.1 Flash | 10.0 | 10.0 | 100.0% | 0 | 8.38s | 783 | 63 | 1,546 | |
| Qwen3.8 Max | 10.0 | 10.0 | 100.0% | 0 | 4.01s | 855 | 102 | 851 |
| 谜题求解 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V4.1 Flash | 8.2 | 7.7 | 77.8% | 1 | 9.39s | 828 | 273 | 14,502 | |
| Qwen3.8 Max | 9.9 | 10.0 | 100.0% | 0 | 4.11s | 930 | 286 | 1,304 |
| 工具调用 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V4.1 Flash | 10.0 | 10.0 | 100.0% | 0 | 13.83s | 8,259 | 313 | 284 | |
| Qwen3.8 Max | 10.0 | 10.0 | 100.0% | 0 | 8.06s | 8,463 | 295 | 693 |
| 常识问答 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V4.1 Flash | 3.0 | 10.0 | 0.0% | 0 | 46.86s | 261 | 13 | 27,759 | |
| Qwen3.8 Max | 3.0 | 10.0 | 0.0% | 0 | 12.43s | 282 | 28 | 1,865 |
快速对比
切换对比组合
DeepSeek V4.1 FlashlowvsGrok 4.5mediumGPT-5.4mediumvsQwen3.8 MaxlowDeepSeek V4.1 FlashlowvsGrok 4.6mediumDeepSeek V4.1 FlashlowvsGPT-5.4mediumClaude Fable 5mediumvsQwen3.8 MaxlowMuse Spark 1.1mediumvsQwen3.8 MaxlowMuse Spark 1.2mediumvsQwen3.8 MaxlowDeepSeek V4.1 FlashlowvsGPT-5.2mediumDeepSeek V4.1 FlashhighvsQwen3.8 MaxlowDeepSeek V4.1 FlashlowvsQwen3.8 27BhighDeepSeek V4.1 FlashmediumvsQwen3.8 MaxlowSeed 2.1 TurbomediumvsDeepSeek V4.1 Flashlow