- 排名
- #15
- 总输出令牌
- 124,436
- 响应时间（平均）
- 38.42s
- 总成本
- $4.137
GPT-5.5 (medium) vs Qwen3.8 Max (medium)
Qwen3.8 Max (medium) 平均分领先，为 9.1 vs 9.0。 Qwen3.8 Max (medium) benchmark 成本更低，为 $0.728 vs $4.137。 Qwen3.8 Max (medium) 更快，为 21.53s vs 38.42s，通过率为 87.9% vs 84.9%。
- 排名
- #14
- 总输出令牌
- 84,826
- 响应时间（平均）
- 21.53s
- 总成本
- $0.728
推荐模型
Qwen3.8 Max (medium)
它在这里得分最高（9.1），同时成本比GPT-5.5 (medium)低约 5.7 倍。
详细对比
| 指标 | GPT-5.5 GPT-5.5 medium | Qwen3.8 Max Qwen3.8 Max medium |
|---|---|---|
| 分数 | 9.0 | 9.1 |
| 排名 | #15 | #14 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.9 | 9.7 |
| 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 | 87.9% | 84.9% |
| 不稳定测试 | 3 | 1 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 22.980 | 4.040 |
| 总成本 | $4.137 | $0.728 |
| 输入价格 | $5.000 / 1M | $2.000 / 1M |
| 输出价格 | $30.000 / 1M | $6.000 / 1M |
| 总输入令牌 | 80,659 | 109,046 |
| 输出令牌 | 5,617 | 6,567 |
| 推理令牌 | 118,819 | 78,259 |
| 响应时间（平均） | 38.42s | 21.53s |
| 响应时间（最大） | 332.10s | 126.60s |
| 响应时间（总计） | 845.35s | 473.75s |
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#15 GPT-5.5
medium- 成本
- $0.112
- 时间
- 71.9s
- 令牌
- 3,807 tok
#14 Qwen3.8 Max
medium- 成本
- $0.028
- 时间
- 71.9s
- 令牌
- 4,750 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
| 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 | 10.0 | 10.0 | 100.0% | 0 | 4.17s | 672 | 312 | 2,075 |
| 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 | 10.0 | 10.0 | 100.0% | 0 | 41.35s | 7,893 | 430 | 23,804 |
| 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 | 8.7 | 6.9 | 83.3% | 1 | 91.25s | 81,584 | 4,526 | 30,688 |
| 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 | 10.0 | 10.0 | 100.0% | 0 | 8.72s | 7,782 | 270 | 2,519 |
| 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 | 164.14s | 723 | 67 | 79,625 | |
| Qwen3.8 Max | 5.3 | 10.0 | 33.3% | 0 | 28.52s | 771 | 63 | 13,581 |
| 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 | 10.0 | 10.0 | 100.0% | 0 | 6.41s | 516 | 168 | 700 |
| 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 | 10.0 | 10.0 | 100.0% | 0 | 3.49s | 699 | 102 | 914 |
| 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 | 10.0 | 10.0 | 100.0% | 0 | 4.93s | 696 | 401 | 1,575 |
| 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 | 10.0 | 10.0 | 100.0% | 0 | 7.83s | 8,229 | 267 | 636 |
| 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 | 3.0 | 10.0 | 0.0% | 0 | 11.49s | 204 | 28 | 1,767 |
快速对比
切换对比组合
Gemini 3.5 FlashlowvsGPT-5.5mediumGPT-5.5mediumvsGrok 4.5highClaude Opus 5highvsQwen3.8 MaxmediumGemini 3.5 FlashlowvsQwen3.8 MaxmediumQwen3.8 MaxmediumvsGrok 4.5highGPT-5.5lowvsQwen3.8 MaxmediumGPT-5.6 SolhighvsQwen3.8 MaxmediumClaude Opus 5highvsGPT-5.5mediumGemini 3.5 Flash LitehighvsGPT-5.5mediumGemini 3.6 FlashlowvsGPT-5.5mediumGPT-5.5mediumvsQwen3.8 MaxlowGemini 3.5 Flash LitehighvsQwen3.8 Maxmedium