- 排名
- #53
- 总输出令牌
- 430,816
- 响应时间（平均）
- 32.22s
- 总成本
- $0.272
DeepSeek V4.1 Flash (medium) vs Qwen3.8 Max (low)
Qwen3.8 Max (low) 平均分领先，为 8.6 vs 8.5。 DeepSeek V4.1 Flash (medium) benchmark 成本更低，为 $0.272 vs $0.702。 Qwen3.8 Max (low) 更快，为 21.83s vs 32.22s，通过率为 72.7% 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 (medium)
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 2.6 倍。
详细对比
| 指标 | DeepSeek V4.1 Flash DeepSeek V4.1 Flash medium | Qwen3.8 Max Qwen3.8 Max low |
|---|---|---|
| 分数 | 8.5 | 8.6 |
| 排名 | #53 | #49 |
| 可靠性 | 9.5 | 10.0 |
| 一致性 | 9.3 | 9.0 |
| 尝试次数 | 66/66 | 66/66 |
| 测试正确 | ||
| 尝试通过率 | 72.7% | 80.3% |
| 不稳定测试 | 2 | 3 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 1.812 | 4.384 |
| 总成本 | $0.272 | $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 | 88,508 | 99,181 |
| 输出令牌 | 5,410 | 6,132 |
| 推理令牌 | 425,406 | 77,689 |
| 响应时间（平均） | 32.22s | 21.83s |
| 响应时间（最大） | 276.31s | 155.75s |
| 响应时间（总计） | 708.76s | 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.
#53 DeepSeek V4.1 Flash
medium- 成本
- $0.014
- 时间
- 34.7s
- 令牌
- 11,541 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 | 3.07s | 852 | 156 | 4,108 | |
| 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 | 34.45s | 7,509 | 396 | 71,345 | |
| 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 | 22.21s | 66,161 | 3,956 | 24,673 | |
| 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 | 3.77s | 2,397 | 120 | 998 | |
| 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 | 2.9 | 7.2 | 11.1% | 1 | 153.01s | 909 | 24 | 298,454 | |
| 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 | 3.13s | 549 | 131 | 581 | |
| 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 | 9.69s | 783 | 63 | 1,483 | |
| 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 | 8.7 | 7.7 | 88.9% | 1 | 8.01s | 828 | 293 | 12,340 | |
| 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 | 15.33s | 8,259 | 258 | 296 | |
| 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 | 20.25s | 261 | 13 | 11,128 | |
| 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 FlashmediumvsMuse Spark 1.2lowGPT-5.4mediumvsQwen3.8 MaxlowClaude Fable 5mediumvsQwen3.8 MaxlowDeepSeek V4.1 FlashmediumvsGrok 4.5lowMuse Spark 1.1mediumvsQwen3.8 MaxlowMuse Spark 1.2mediumvsQwen3.8 MaxlowDeepSeek V4.1 FlashmediumvsQwen3.8 27BhighDeepSeek V4.1 FlashhighvsQwen3.8 MaxlowQwen3.8 MaxlowvsGrok 4.5mediumDeepSeek V4.1 FlashmediumvsInkling SmallhighMuse Spark 1.2highvsQwen3.8 MaxlowQwen3.8 MaxlowvsGrok 4.6medium