导航
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Reflex (default) vs Span-02 (default)

Span-02 (default) 平均分领先,为 2.8 vs 2.6。 Span-02 (default) benchmark 成本更低,为 $0.001 vs $0.004。 Reflex (default) 更快,为 888ms vs 1.36s,通过率为 21.7% vs 26.1%。

基准结果生成自 AI BENCHY 测试套件,时间:: 2026-11-10

已对比模型

排名
#467
总输出令牌
0
响应时间(平均)
888ms
总成本
$0.004
排名
#461
总输出令牌
0
响应时间(平均)
1.36s
总成本
$0.001
推荐模型 Span-02 (default)

它在这里得分最高(2.8),同时成本比Reflex (default)低约 4.4 倍。

详细对比

指标 Reflex Reflex default 发布日期: 2026-11-03 Span-02 Span-02 default 发布日期: 2026-10-17
分数 2.6 2.8
排名 #467 #461
可靠性 10.0 10.0
一致性 5.2 5.2
尝试次数 36/69 36/69
测试正确
尝试通过率 21.7% 26.1%
不稳定测试 0 0
总运行次数 36 36
每个结果成本 0.063 0.012
总成本 $0.004 $0.001
输入价格 $0.042 / 1M $0.010 / 1M
输出价格 $0.000 / 1M $0.000 / 1M
缓存读取价格 $0.008 / 1M 不适用
缓存写入价格 不适用 不适用
总输入令牌 73,902 70,626
输出令牌 0 0
推理令牌 0 0
响应时间(平均) 888ms 1.36s
响应时间(最大) 1.73s 5.71s
响应时间(总计) 10.66s 16.37s
参数量 ~27B 26B 总计 (4B 激活)
开放状态 闭源 开源

缓存价格适用于输入令牌。读取会复用已缓存的提示词;写入会存储提示词,可能产生额外费用。输出令牌按输出价格计费。

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

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
Reflex 4.5 6.7 33.3% 0 783ms 32,793 0 0
Span-02 4.9 6.7 33.3% 0 544ms 32,136 0 0

切换对比组合

Command A+lowvsSpan-02defaultCommand A+nonevsSpan-02defaultCommand A+lowvsReflexdefaultCommand A+highvsSpan-02defaultCommand A+nonevsReflexdefaultSpan-02defaultvsXing4.0 29b A4bnone免费可用Command A+highvsReflexdefaultCommand A+mediumvsSpan-02defaultSpan-02defaultvsGrok 4.20noneReflexdefaultvsXing4.0 29b A4bnone免费可用Gemini 3 Flash PreviewhighvsReflexdefaultCommand A+mediumvsReflexdefault