- 排名
- #67
- 总输出令牌
- 96,502
- 响应时间（平均）
- 24.81s
- 总成本
- $2.213
GPT-5.4 (medium) vs Qwen3.8 MAX (low)
平均分几乎持平，为 8.8 vs 8.8。 Qwen3.8 MAX (low) benchmark 成本更低，为 $1.089 vs $2.213。 GPT-5.4 (medium) 更快，为 24.81s vs 25.09s，通过率为 78.3% vs 81.2%。
已对比模型
- 排名
- #66
- 总输出令牌
- 93,936
- 响应时间（平均）
- 25.09s
- 总成本
- $1.089
推荐模型
Qwen3.8 MAX (low)
它在这里得分最高（8.8），同时成本比GPT-5.4 (medium)低约 2.0 倍。
详细对比
| 指标 | GPT-5.4 GPT-5.4 medium | Qwen3.8 MAX Qwen3.8 MAX low |
|---|---|---|
| 分数 | 8.8 | 8.8 |
| 排名 | #67 | #66 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.7 | 9.0 |
| 尝试次数 | 69/69 | 69/69 |
| 测试正确 | ||
| 尝试通过率 | 78.3% | 81.2% |
| 不稳定测试 | 4 | 3 |
| 总运行次数 | 69 | 69 |
| 每个结果成本 | 12.535 | 5.051 |
| 总成本 | $2.213 | $1.089 |
| 输入价格 | $2.500 / 1M | $2.000 / 1M |
| 输出价格 | $15.000 / 1M | $6.000 / 1M |
| 缓存读取价格 | $0.250 / 1M | 不适用 |
| 缓存写入价格 | 不适用 | 不适用 |
| 总输入令牌 | 223,210 | 262,495 |
| 输出令牌 | 7,312 | 7,787 |
| 推理令牌 | 89,190 | 86,149 |
| 响应时间（平均） | 24.81s | 25.09s |
| 响应时间（最大） | 100.41s | 155.75s |
| 响应时间（总计） | 570.60s | 577.14s |
| 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 |
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.
#67 GPT-5.4
medium- 成本
- $0.214
- 时间
- 199.6s
- 令牌
- 14,349 tok
#66 Qwen3.8 MAX
low- 成本
- $0.026
- 时间
- 68.5s
- 令牌
- 4,280 tok
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 MAX | 10.0 | 10.0 | 100.0% | 0 | 96.77s | 163,314 | 1,655 | 8,460 |
| 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
Kimi K3.1 ProlowvsGPT-5.4mediumDeepSeek V4.1 FlashhighvsGPT-5.4mediumQwen3.8 MAXlowvsPareto 26.9defaultKimi K3.1 PromaxvsGPT-5.4mediumClaude Fable 5mediumvsQwen3.8 MAXlowMuse Spark 1.2lowvsGPT-5.4mediumMuse Spark 1.1mediumvsQwen3.8 MAXlowMuse Spark 1.2mediumvsQwen3.8 MAXlowMuse Spark OpenmediumvsQwen3.8 MAXlowDeepSeek V4.1 FlashhighvsQwen3.8 MAXlowGPT-5.4mediumvsPareto 26.9defaultDeepSeek V4.1 FlashmediumvsQwen3.8 MAXlow