GPT-5.6 Sol (high) vs Qwen3.8 Max (medium)

排名: #7
总输出令牌: 27,899
响应时间（平均）: 11.73s
总成本: $1.234

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 GPT-5.6 Sol (high)

它在这里得分最高（9.4），同时响应速度比Qwen3.8 Max (medium)快约 1.8 倍。

详细对比

指标	GPT-5.6 Sol GPT-5.6 Sol high 发布日期: 2026-07-09	Qwen3.8 Max Qwen3.8 Max medium 发布日期: 2026-08-04

指标	GPT-5.6 Sol GPT-5.6 Sol high 发布日期: 2026-07-09	Qwen3.8 Max Qwen3.8 Max medium 发布日期: 2026-08-04
分数	9.4	9.1
排名	#7	#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	89.4%	84.9%
不稳定测试	3	1
总运行次数	66	66
每个结果成本	6.852	4.040
总成本	$1.234	$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	79,249	109,046
输出令牌	4,855	6,567
推理令牌	23,044	78,259
响应时间（平均）	11.73s	21.53s
响应时间（最大）	54.79s	126.60s
响应时间（总计）	257.99s	473.75s

模型生成展示

Hamster playing table tennis

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

#7 GPT-5.6 Sol

high

成本: $0.151
时间: 201.9s
令牌: 5,100 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

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-5.6 Sol	8.7	7.9	91.7%	1		3.39s	606	171	644
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-5.6 Sol	10.0	10.0	100.0%	0		12.52s	7,302	404	5,656
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-5.6 Sol	10.0	10.0	100.0%	0		24.99s	56,154	3,298	4,866
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-5.6 Sol	10.0	10.0	100.0%	0		1.16s	7,140	222	0
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-5.6 Sol	5.3	7.2	44.4%	1		39.45s	619	62	9,556
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-5.6 Sol	10.0	10.0	100.0%	0		4.40s	477	97	238
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-5.6 Sol	10.0	10.0	100.0%	0		2.73s	660	96	331
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-5.6 Sol	10.0	10.0	100.0%	0		4.10s	642	211	675
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-5.6 Sol	10.0	10.0	100.0%	0		7.08s	5,454	264	393
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-5.6 Sol	4.7	1.6	66.7%	1		6.97s	195	30	685
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 3.1 Pro PreviewmediumvsGPT-5.6 Solhigh Claude Opus 5highvsQwen3.8 Maxmedium Claude Opus 5mediumvsGPT-5.6 Solhigh Gemini 3.5 FlashlowvsQwen3.8 Maxmedium Qwen3.8 MaxmediumvsGrok 4.5high GPT-5.6 SolhighvsQwen3.7 Maxmedium GPT-5.5lowvsQwen3.8 Maxmedium Gemini 3.5 FlashmediumvsGPT-5.6 Solhigh Gemini 3 Flash PreviewmediumvsGPT-5.6 Solhigh Gemini 3.5 Flash LitehighvsQwen3.8 Maxmedium Gemini 3.6 FlashlowvsQwen3.8 Maxmedium Gemini 3.5 FlashlowvsGPT-5.6 Solhigh