- 排名
- #50
- 总输出令牌
- 96,502
- 响应时间（平均）
- 24.81s
- 总成本
- $2.006
GPT-5.4 (medium) vs Qwen3.8 27B (high)
GPT-5.4 (medium) 平均分领先，为 8.8 vs 8.7。 Qwen3.8 27B (high) benchmark 成本更低，为 ~$0.298 vs $2.006。 GPT-5.4 (medium) 更快，为 24.81s vs 166.34s，通过率为 78.3% vs 78.3%。
已对比模型
- 排名
- #55
- 总输出令牌
- 677,080
- 响应时间（平均）
- 166.34s
- 总成本
- ~$0.298
推荐模型
Qwen3.8 27B (high)
它的得分接近这里的最高分（8.7 vs 8.8），同时成本比GPT-5.4 (medium)低约 6.7 倍。
详细对比
| 指标 | GPT-5.4 GPT-5.4 medium | Qwen3.8 27B Qwen3.8 27B high 免费可用 |
|---|---|---|
| 分数 | 8.8 | 8.7 |
| 排名 | #50 | #55 |
| 可靠性 | 10.0 | 9.7 |
| 一致性 | 8.7 | 9.2 |
| 尝试次数 | 69/69 | 69/69 |
| 测试正确 | ||
| 尝试通过率 | 78.3% | 78.3% |
| 不稳定测试 | 4 | 2 |
| 总运行次数 | 69 | 69 |
| 每个结果成本 | 12.535 | ~1.751 |
| 总成本 | $2.006 | ~$0.298 |
| 输入价格 | $2.500 / 1M | 不适用 |
| 输出价格 | $15.000 / 1M | 不适用 |
| 总输入令牌 | 223,210 | 348,967 |
| 输出令牌 | 7,312 | 1,005 |
| 推理令牌 | 89,190 | 676,075 |
| 响应时间（平均） | 24.81s | 166.34s |
| 响应时间（最大） | 100.41s | 640.85s |
| 响应时间（总计） | 570.60s | 3825.81s |
| 参数量 | ~1.5T 总计 (~100B 激活) | 27.3B |
| 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.
#50 GPT-5.4
medium- 成本
- $0.214
- 时间
- 199.6s
- 令牌
- 14,349 tok
#55 Qwen3.8 27B
high- 成本
- ~$0.008
- 时间
- 270.1s
- 令牌
- 18,963 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
| 智能体任务 | 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-5.4 | 10.0 | 10.0 | 100.0% | 0 | 67.82s | 142,074 | 1,157 | 4,879 | |
| Qwen3.8 27B | 10.0 | 10.0 | 100.0% | 0 | 132.27s | 248,788 | 101 | 20,344 |
| 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-5.4 | 8.3 | 10.0 | 75.0% | 0 | 4.11s | 606 | 240 | 1,511 | |
| Qwen3.8 27B | 10.0 | 10.0 | 100.0% | 0 | 8.10s | 1,128 | 114 | 5,319 |
| 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-5.4 | 8.8 | 7.8 | 88.9% | 1 | 44.36s | 7,305 | 433 | 24,216 | |
| Qwen3.8 27B | 8.1 | 7.0 | 88.9% | 1 | 248.62s | 8,235 | 346 | 143,335 |
| 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-5.4 | 10.0 | 10.0 | 100.0% | 0 | 29.77s | 58,038 | 4,214 | 13,351 | |
| Qwen3.8 27B | 10.0 | 10.0 | 100.0% | 0 | 185.57s | 68,997 | 66 | 72,556 |
| 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-5.4 | 10.0 | 10.0 | 100.0% | 0 | 5.32s | 7,140 | 234 | 804 | |
| Qwen3.8 27B | 10.0 | 10.0 | 100.0% | 0 | 34.85s | 9,675 | 123 | 10,320 |
| 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-5.4 | 5.3 | 7.2 | 44.4% | 1 | 72.44s | 628 | 61 | 36,544 | |
| Qwen3.8 27B | 5.3 | 10.0 | 33.3% | 0 | 526.74s | 975 | 6 | 234,555 |
| 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-5.4 | 4.7 | 3.1 | 33.3% | 1 | 4.92s | 477 | 145 | 321 | |
| Qwen3.8 27B | 5.0 | 10.0 | 0.0% | 0 | 8.45s | 630 | 63 | 1,191 |
| 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-5.4 | 10.0 | 10.0 | 100.0% | 0 | 3.11s | 660 | 93 | 897 | |
| Qwen3.8 27B | 9.8 | 10.0 | 100.0% | 0 | 8.24s | 927 | 42 | 2,871 |
| 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-5.4 | 8.2 | 7.2 | 88.9% | 1 | 9.14s | 642 | 441 | 3,815 | |
| Qwen3.8 27B | 7.6 | 7.2 | 77.8% | 1 | 199.90s | 1,038 | 120 | 138,427 |
| 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-5.4 | 10.0 | 10.0 | 100.0% | 0 | 13.28s | 5,445 | 264 | 1,031 | |
| Qwen3.8 27B | 10.0 | 10.0 | 100.0% | 0 | 5.62s | 8,256 | 21 | 912 |
| 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-5.4 | 3.0 | 10.0 | 0.0% | 0 | 13.95s | 195 | 30 | 1,821 | |
| Qwen3.8 27B | 3.0 | 10.0 | 0.0% | 0 | 263.98s | 318 | 3 | 46,245 |
快速对比
切换对比组合
GPT-5.2mediumvsQwen3.8 27Bhigh免费可用Qwen3.8 27Bhigh免费可用vsMiMo-V2.6-PromediumSeed 2.1 TurbomediumvsQwen3.8 27Bhigh免费可用GPT-6 SollowvsQwen3.8 27Bhigh免费可用GPT-5.4mediumvsQwen3.8 MAXlowDeepSeek V4.1 FlashhighvsGPT-5.4mediumDeepSeek V4.1 FlashmaxvsQwen3.8 27Bhigh免费可用Muse Spark 1.2lowvsQwen3.8 27Bhigh免费可用Muse Spark 1.2lowvsGPT-5.4mediumDeepSeek V4.1 FlashmediumvsQwen3.8 27Bhigh免费可用Muse Spark 1.1lowvsQwen3.8 27Bhigh免费可用Claude Sonnet 5.5xhighvsQwen3.8 27Bhigh免费可用