导航
Advertise here

Nemotron 3.5 Super VL (high) vs GPT-6.2 Sol (low)

平均分几乎持平,为 8.4 vs 8.4。 Nemotron 3.5 Super VL (high) benchmark 成本更低,为 $0.349 vs $0.354。 GPT-6.2 Sol (low) 更快,为 4.44s vs 49.88s,通过率为 82.6% vs 84.1%。

基准结果生成自 AI BENCHY 测试套件,时间:: 2026-11-17

已对比模型

排名
#124
总输出令牌
608,283
响应时间(平均)
49.88s
总成本
$0.349
排名
#125
总输出令牌
5,820
响应时间(平均)
4.44s
总成本
$0.354
推荐模型 GPT-6.2 Sol (low)

它在这里得分最高(8.4),同时响应速度比Nemotron 3.5 Super VL (high)快约 11.2 倍。

详细对比

指标 Nemotron 3.5 Super VL Nemotron 3.5 Super VL high 发布日期: 2026-10-15 免费可用 GPT-6.2 Sol GPT-6.2 Sol low 发布日期: 2026-11-17
分数 8.4 8.4
排名 #124 #125
可靠性 9.9 10.0
一致性 8.0 8.9
尝试次数 69/69 69/69
测试正确
尝试通过率 82.6% 84.1%
不稳定测试 6 3
总运行次数 69 69
每个结果成本 2.324 1.963
总成本 $0.349 $0.354
输入价格 $0.150 / 1M $2.000 / 1M
输出价格 $0.500 / 1M $10.000 / 1M
缓存读取价格 $0.020 / 1M $0.100 / 1M
缓存写入价格 不适用 $2.500 / 1M
总输入令牌 296,001 147,521
输出令牌 8,105 4,652
推理令牌 600,178 1,168
响应时间(平均) 49.88s 4.44s
响应时间(最大) 310.51s 42.86s
响应时间(总计) 1147.24s 102.02s
参数量 120B 总计 (12B 激活) ~2T 总计 (~150B 激活)
开放状态 开源 闭源

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。

模型生成展示

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#124 Nemotron 3.5 Super VL

high
成本
$0.005
时间
25.6s
令牌
9,076 tok

#125 GPT-6.2 Sol

low
成本
$0.018
时间
20.3s
令牌
1,872 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

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
Nemotron 3.5 Super VL 8.4 7.4 88.9% 1 59.18s 7,623 352 133,374
GPT-6.2 Sol 5.4 7.2 44.4% 1 1.65s 7,302 372 0

切换对比组合