GPT-5.2 Chat vs Qwen3.8 2.4T A95B (low)

排名: #51
总输出令牌: 30,424
响应时间（平均）: 7.65s
总成本: $0.604

排名: #46
总输出令牌: 554,485
响应时间（平均）: 132.39s
总成本: $3.113

推荐模型 GPT-5.2 Chat

它的得分接近这里的最高分（8.0 vs 8.2），同时成本比Qwen3.8 2.4T A95B (low)低约 5.2 倍。

详细对比

指标	GPT-5.2 Chat GPT-5.2 Chat none 发布日期: 2025-12-11	Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B low 发布日期: 2026-08-12

指标	GPT-5.2 Chat GPT-5.2 Chat none 发布日期: 2025-12-11	Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B low 发布日期: 2026-08-12
分数	8.0	8.2
排名	#51	#46
可靠性	10.0	9.1
一致性	8.6	8.9
尝试次数	66/66	66/66
测试正确
尝试通过率	74.2%	78.8%
不稳定测试	4	3
总运行次数	66	66
每个结果成本	4.308	19.453
总成本	$0.604	$3.113
输入价格	$1.750 / 1M	$2.000 / 1M
输出价格	$14.000 / 1M	$6.000 / 1M
总输入令牌	101,248	113,340
输出令牌	30,424	107,311
推理令牌	0	447,174
响应时间（平均）	7.65s	132.39s
响应时间（最大）	38.52s	534.21s
响应时间（总计）	168.39s	2912.56s
参数量	~400B 总计 (~17B 激活)	2.4T 总计 (95B 激活)
开放状态	闭源	权重可用

模型生成展示

Hamster playing table tennis

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

#51 GPT-5.2 Chat

none

成本: $0.010
时间: 15.3s
令牌: 797 tok

#46 Qwen3.8 2.4T A95B

low

成本: $0.100
时间: 193.2s
令牌: 16,767 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

类别:

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
GPT-5.2 Chat	8.7	7.9	91.7%	1		3.40s	606	1,807	0
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		22.04s	1,104	397	4,814

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
GPT-5.2 Chat	8.8	7.8	88.9%	1		9.82s	7,305	6,731	0
Qwen3.8 2.4T A95B	7.6	7.2	77.8%	1		172.53s	6,716	21,405	57,399

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
GPT-5.2 Chat	7.3	5.8	83.3%	1		13.91s	78,055	7,923	0
Qwen3.8 2.4T A95B	8.2	6.9	66.7%	1		231.85s	85,267	8,008	50,681

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
GPT-5.2 Chat	10.0	10.0	100.0%	0		3.05s	7,140	980	0
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		22.27s	7,956	839	2,445

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
GPT-5.2 Chat	5.3	10.0	33.3%	0		17.78s	723	7,810	0
Qwen3.8 2.4T A95B	5.5	9.3	33.3%	0		386.04s	1,069	2,399	228,792

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
GPT-5.2 Chat	4.4	3.0	33.3%	1		3.20s	477	335	0
Qwen3.8 2.4T A95B	6.1	3.1	66.7%	1		22.97s	606	44	1,497

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
GPT-5.2 Chat	9.8	10.0	100.0%	0		5.51s	660	1,441	0
Qwen3.8 2.4T A95B	9.8	10.0	100.0%	0		19.54s	903	263	1,480

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
GPT-5.2 Chat	7.7	10.0	66.7%	0		4.10s	642	1,603	0
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		43.37s	1,026	1,154	25,563

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
GPT-5.2 Chat	10.0	10.0	100.0%	0		4.68s	5,445	555	0
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		25.88s	8,481	302	975

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
GPT-5.2 Chat	3.0	10.0	0.0%	0		6.89s	195	1,239	0
Qwen3.8 2.4T A95B	3.0	10.0	0.0%	0		422.46s	212	72,500	73,528

快速对比

切换对比组合

GPT-5.2 ChatnonevsStep 3.7 Flashmedium GPT-5.2 ChatnonevsInklinghigh GPT-5.2 ChatnonevsGLM 5.2high DeepSeek V4 Flash 0731highvsGPT-5.2 Chatnone Muse Spark 1.1highvsGPT-5.2 Chatnone Muse Glimmer 30BxhighvsQwen3.8 2.4T A95Blow GPT-5 MinimediumvsQwen3.8 2.4T A95Blow Muse Spark 1.1highvsQwen3.8 2.4T A95Blow Gemini 2.5 FlashmediumvsQwen3.8 2.4T A95Blow GPT-5.2 ChatnonevsInklingmedium Kimi K3maxvsGPT-5.2 Chatnone Qwen3.8 2.4T A95BlowvsInklinghigh