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

排名: #27
总输出令牌: 88,670
响应时间（平均）: 23.10s
总成本: $1.533

排名: #23
总输出令牌: 81,411
响应时间（平均）: 21.19s
总成本: $0.687

推荐模型 Qwen3.8 Max (low)

它在这里得分最高（8.7），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	8.7
排名	#27	#23
可靠性	10.0	10.0
一致性	8.6	9.0
基准测试覆盖率	22/22 项测试 · 66/66 次尝试	22/22 项测试 · 66/66 次尝试
测试正确
尝试通过率	77.3%	84.9%
不稳定测试	4	3
总运行次数	66	66
每个结果成本	10.220	4.041
总成本	$1.533	$0.687
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	81,127	99,172
输出令牌	6,155	6,132
推理令牌	82,515	75,279
响应时间（平均）	23.10s	21.19s
响应时间（最大）	100.41s	155.75s
响应时间（总计）	508.26s	466.14s

模型生成展示

Hamster playing table tennis

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

#27 GPT-5.4

medium

成本: $0.214
时间: 199.6s
令牌: 14,349 tok

#23 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		74.27s	619	61	34,748
Qwen3.8 Max	5.3	7.2	44.4%	1		35.37s	1,005	62	17,102

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

Claude Opus 4.7mediumvsQwen3.8 Maxlow Muse Spark 1.1mediumvsQwen3.8 Maxlow Claude Fable 5mediumvsQwen3.8 Maxlow Gemini 3.5 Flash LitehighvsQwen3.8 Maxlow Claude Opus 5lowvsGPT-5.4medium GPT-5.4mediumvsGrok 4.5low GPT-5.4mediumvsInkling Smallhigh Claude Opus 4.8mediumvsQwen3.8 Maxlow Gemini 3.6 FlashlowvsGPT-5.4medium Gemini 3.5 Flash LitehighvsGPT-5.4medium GPT-5.3-CodexmediumvsQwen3.8 Maxlow Qwen3.8 MaxlowvsGrok 4.5high