- 排名
- #33
- 总输出令牌
- 130,107
- 响应时间（平均）
- 39.86s
- 总成本
- $4.809
GPT-5.5 (medium) vs Qwen3.8 Max (0902) (high)
平均分几乎持平，为 9.2 vs 9.1。 Qwen3.8 Max (0902) (high) benchmark 成本更低，为 $3.306 vs $4.809。 GPT-5.5 (medium) 更快，为 39.86s vs 186.06s，通过率为 88.4% vs 87.0%。
已对比模型
- 排名
- #37
- 总输出令牌
- 441,352
- 响应时间（平均）
- 186.06s
- 总成本
- $3.306
推荐模型
GPT-5.5 (medium)
它在这里得分最高（9.2），同时响应速度比Qwen3.8 Max (0902) (high)快约 4.7 倍。
详细对比
| 指标 | GPT-5.5 GPT-5.5 medium | Qwen3.8 Max (0902) Qwen3.8 Max (0902) high |
|---|---|---|
| 分数 | 9.2 | 9.1 |
| 排名 | #33 | #37 |
| 可靠性 | 10.0 | 9.8 |
| 一致性 | 9.0 | 9.1 |
| 尝试次数 | 69/69 | 69/69 |
| 测试正确 | ||
| 尝试通过率 | 88.4% | 87.0% |
| 不稳定测试 | 3 | 3 |
| 总运行次数 | 69 | 69 |
| 每个结果成本 | 25.306 | 18.364 |
| 总成本 | $4.809 | $3.306 |
| 输入价格 | $5.000 / 1M | $2.000 / 1M |
| 输出价格 | $30.000 / 1M | $6.000 / 1M |
| 缓存读取价格 | $0.500 / 1M | $0.250 / 1M |
| 缓存写入价格 | 不适用 | $2.500 / 1M |
| 总输入令牌 | 180,959 | 328,637 |
| 输出令牌 | 6,472 | 8,619 |
| 推理令牌 | 123,635 | 432,733 |
| 响应时间（平均） | 39.86s | 186.06s |
| 响应时间（最大） | 332.10s | 912.78s |
| 响应时间（总计） | 916.82s | 4279.49s |
| 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.
#33 GPT-5.5
medium- 成本
- $0.112
- 时间
- 71.9s
- 令牌
- 3,807 tok
#37 Qwen3.8 Max (0902)
high
Reached the allocated time limit (600 seconds) without receiving showcase output.
- 成本
- $0.000
- 时间
- 600.0s
- 令牌
- 0 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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 59.39s | 100,291 | 855 | 3,936 | |
| Qwen3.8 Max (0902) | 10.0 | 10.0 | 100.0% | 0 | 197.08s | 219,411 | 1,729 | 20,180 |
| 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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 4.66s | 606 | 250 | 1,335 | |
| Qwen3.8 Max (0902) | 10.0 | 10.0 | 100.0% | 0 | 15.86s | 1,128 | 263 | 6,631 |
| 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-5.5 | 8.8 | 7.8 | 88.9% | 1 | 59.77s | 7,305 | 362 | 24,959 | |
| Qwen3.8 Max (0902) | 10.0 | 10.0 | 100.0% | 0 | 253.22s | 8,235 | 418 | 91,734 |
| 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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 33.52s | 57,466 | 3,944 | 6,735 | |
| Qwen3.8 Max (0902) | 8.7 | 6.9 | 83.3% | 1 | 110.39s | 79,527 | 5,215 | 28,102 |
| 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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 4.18s | 7,140 | 234 | 593 | |
| Qwen3.8 Max (0902) | 10.0 | 10.0 | 100.0% | 0 | 16.37s | 8,010 | 261 | 3,598 |
| 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-5.5 | 5.3 | 7.2 | 44.4% | 1 | 168.16s | 732 | 67 | 80,505 | |
| Qwen3.8 Max (0902) | 5.9 | 7.2 | 55.6% | 1 | 658.46s | 842 | 31 | 154,450 |
| 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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 4.16s | 477 | 138 | 223 | |
| Qwen3.8 Max (0902) | 6.5 | 3.4 | 66.7% | 1 | 75.11s | 630 | 80 | 8,110 |
| 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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 3.36s | 660 | 93 | 538 | |
| Qwen3.8 Max (0902) | 9.8 | 10.0 | 100.0% | 0 | 7.55s | 927 | 86 | 1,823 |
| 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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 6.76s | 642 | 241 | 2,225 | |
| Qwen3.8 Max (0902) | 10.0 | 10.0 | 100.0% | 0 | 134.14s | 1,038 | 268 | 47,351 |
| 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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 10.57s | 5,445 | 258 | 832 | |
| Qwen3.8 Max (0902) | 10.0 | 10.0 | 100.0% | 0 | 5.21s | 8,571 | 249 | 243 |
| 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-5.5 | 2.8 | 1.6 | 33.3% | 1 | 37.86s | 195 | 30 | 1,754 | |
| Qwen3.8 Max (0902) | 3.0 | 10.0 | 0.0% | 0 | 532.59s | 318 | 19 | 70,511 |
快速对比
切换对比组合
GPT-5.3-CodexmediumvsQwen3.8 Max (0902)highClaude Sonnet 5.5maxvsGPT-5.5mediumClaude Haiku 5.5xhighvsQwen3.8 Max (0902)highDeepSeek V4.1 Flash 1017lowvsGPT-5.5mediumMuse Spark OpenhighvsGPT-5.5mediumMuse WonderlowvsQwen3.8 Max (0902)highDeepSeek V4.1 Flash 1017lowvsQwen3.8 Max (0902)highQwen3.8 Max (0902)highvsParetodefaultClaude Sonnet 5.5maxvsQwen3.8 Max (0902)highMuse WonderminimalvsQwen3.8 Max (0902)highClaude Haiku 5.5xhighvsGPT-5.5mediumMuse WondermediumvsQwen3.8 Max (0902)high