GPT-5.5 (medium) vs Qwen3.8 MAX (medium)

已对比模型

排名: #38
总输出令牌: 130,107
响应时间（平均）: 39.86s
总成本: $4.809

排名: #40
总输出令牌: 104,596
响应时间（平均）: 27.34s
总成本: $1.181

推荐模型 Qwen3.8 MAX (medium)

它在这里得分最高（9.2），同时成本比GPT-5.5 (medium)低约 4.1 倍。

详细对比

指标	GPT-5.5 GPT-5.5 medium 发布日期: 2026-04-24	Qwen3.8 MAX Qwen3.8 MAX medium 发布日期: 2026-08-04

指标	GPT-5.5 GPT-5.5 medium 发布日期: 2026-04-24	Qwen3.8 MAX Qwen3.8 MAX medium 发布日期: 2026-08-04
分数	9.2	9.2
排名	#38	#40
可靠性	10.0	10.0
一致性	9.0	9.7
尝试次数	69/69	69/69
测试正确
尝试通过率	88.4%	81.2%
不稳定测试	3	1
总运行次数	69	69
每个结果成本	25.306	5.266
总成本	$4.809	$1.181
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	不适用
缓存写入价格	不适用	不适用
总输入令牌	180,959	276,512
输出令牌	6,472	8,152
推理令牌	123,635	96,444
响应时间（平均）	39.86s	27.34s
响应时间（最大）	332.10s	126.60s
响应时间（总计）	916.82s	628.75s
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.

#38 GPT-5.5

medium

成本: $0.112
时间: 71.9s
令牌: 3,807 tok

#40 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

类别:

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	10.0	10.0	100.0%	0		115.27s	167,457	1,586	10,963

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		168.16s	732	67	80,505
Qwen3.8 MAX	3.0	10.0	0.0%	0		41.77s	780	62	20,803

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

切换对比组合

Claude Sonnet 5.5maxvsQwen3.8 MAXmedium Claude Sonnet 5.5maxvsGPT-5.5medium DeepSeek V4.1 Flash 1017lowvsQwen3.8 MAXmedium DeepSeek V4.1 Flash 1017lowvsGPT-5.5medium Muse Spark OpenhighvsGPT-5.5medium Muse Spark OpenhighvsQwen3.8 MAXmedium GPT-5.5mediumvsQwen3.8 Max (0902)high Claude Haiku 5.5xhighvsQwen3.8 MAXmedium Muse Spark 1.3highvsQwen3.8 MAXmedium Claude Haiku 5.5xhighvsGPT-5.5medium Muse Spark 1.3highvsGPT-5.5medium Muse WonderlowvsQwen3.8 MAXmedium