GPT-5.4 (medium) vs Qwen3.8 Max (low)

已对比模型

排名: #51
总输出令牌: 90,466
响应时间（平均）: 22.85s
总成本: $1.560

排名: #50
总输出令牌: 83,821
响应时间（平均）: 21.83s
总成本: $0.702

推荐模型 Qwen3.8 Max (low)

它在这里得分最高（8.6），同时成本比GPT-5.4 (medium)低约 2.2 倍。

详细对比

指标	GPT-5.4 GPT-5.4 medium 发布日期: 2026-03-05	Qwen3.8 Max Qwen3.8 Max low 发布日期: 2026-08-04

指标	GPT-5.4 GPT-5.4 medium 发布日期: 2026-03-05	Qwen3.8 Max Qwen3.8 Max low 发布日期: 2026-08-04
分数	8.5	8.6
排名	#51	#50
可靠性	10.0	10.0
一致性	8.6	9.0
尝试次数	66/66	66/66
测试正确
尝试通过率	77.3%	80.3%
不稳定测试	4	3
总运行次数	66	66
每个结果成本	10.399	4.384
总成本	$1.560	$0.702
输入价格	$2.500 / 1M	$2.000 / 1M
输出价格	$15.000 / 1M	$6.000 / 1M
总输入令牌	81,136	99,181
输出令牌	6,155	6,132
推理令牌	84,311	77,689
响应时间（平均）	22.85s	21.83s
响应时间（最大）	100.41s	155.75s
响应时间（总计）	502.78s	480.37s
参数量	~1.5T 总计 (~100B 激活)	2.4T 总计 (~100B 激活)
开放状态	闭源	闭源

模型生成展示

Hamster playing table tennis

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

#51 GPT-5.4

medium

成本: $0.214
时间: 199.6s
令牌: 14,349 tok

#50 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

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-5.4	8.3	10.0	75.0%	0		4.11s	606	240	1,511
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
GPT-5.4	8.8	7.8	88.9%	1		44.36s	7,305	433	24,216
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
GPT-5.4	10.0	10.0	100.0%	0		29.77s	58,038	4,214	13,351
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
GPT-5.4	10.0	10.0	100.0%	0		5.32s	7,140	234	804
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
GPT-5.4	5.3	7.2	44.4%	1		72.44s	628	61	36,544
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
GPT-5.4	4.7	3.1	33.3%	1		4.92s	477	145	321
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
GPT-5.4	10.0	10.0	100.0%	0		3.11s	660	93	897
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
GPT-5.4	8.2	7.2	88.9%	1		9.14s	642	441	3,815
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
GPT-5.4	10.0	10.0	100.0%	0		13.28s	5,445	264	1,031
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
GPT-5.4	3.0	10.0	0.0%	0		13.95s	195	30	1,821
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 FlashlowvsGPT-5.4medium DeepSeek V4.1 FlashhighvsGPT-5.4medium Claude Fable 5mediumvsQwen3.8 Maxlow Muse Spark 1.2lowvsGPT-5.4medium Muse Spark 1.1mediumvsQwen3.8 Maxlow Muse Spark 1.2mediumvsQwen3.8 Maxlow DeepSeek V4.1 FlashhighvsQwen3.8 Maxlow DeepSeek V4.1 FlashmediumvsQwen3.8 Maxlow Qwen3.8 MaxlowvsGrok 4.5medium Muse Spark 1.2highvsQwen3.8 Maxlow Qwen3.8 MaxlowvsGrok 4.6medium GPT-5.4mediumvsGrok 4.5low