- 排名
- #47
- 总输出令牌
- 105,932
- 响应时间（平均）
- 27.63s
- 总成本
- $0.237
GPT-5 Mini (medium) vs Qwen3.8 2.4T A95B (low)
Qwen3.8 2.4T A95B (low) 平均分领先，为 8.2 vs 8.1。 GPT-5 Mini (medium) benchmark 成本更低，为 $0.237 vs $3.113。 GPT-5 Mini (medium) 更快，为 27.63s vs 132.39s，通过率为 63.6% vs 78.8%。
- 排名
- #46
- 总输出令牌
- 554,485
- 响应时间（平均）
- 132.39s
- 总成本
- $3.113
推荐模型
GPT-5 Mini (medium)
它的得分接近这里的最高分（8.1 vs 8.2），同时成本比Qwen3.8 2.4T A95B (low)低约 13.2 倍。
详细对比
| 指标 | GPT-5 Mini GPT-5 Mini medium | Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B low |
|---|---|---|
| 分数 | 8.1 | 8.2 |
| 排名 | #47 | #46 |
| 可靠性 | 10.0 | 9.1 |
| 一致性 | 8.8 | 8.9 |
| 尝试次数 | 66/66 | 66/66 |
| 测试正确 | ||
| 尝试通过率 | 63.6% | 78.8% |
| 不稳定测试 | 3 | 3 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 1.971 | 19.453 |
| 总成本 | $0.237 | $3.113 |
| 输入价格 | $0.250 / 1M | $2.000 / 1M |
| 输出价格 | $2.000 / 1M | $6.000 / 1M |
| 总输入令牌 | 98,374 | 113,340 |
| 输出令牌 | 14,434 | 107,311 |
| 推理令牌 | 91,498 | 447,174 |
| 响应时间（平均） | 27.63s | 132.39s |
| 响应时间（最大） | 111.48s | 534.21s |
| 响应时间（总计） | 607.92s | 2912.56s |
| 参数量 | ~400B 总计 (~17B 激活) | 2.4T 总计 (95B 激活) |
| 开放状态 | 闭源 | 权重可用 |
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#47 GPT-5 Mini
medium- 成本
- $0.007
- 时间
- 42.9s
- 令牌
- 3,432 tok
#46 Qwen3.8 2.4T A95B
low- 成本
- $0.100
- 时间
- 193.2s
- 令牌
- 16,767 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 Mini | 7.1 | 7.6 | 66.7% | 1 | 13.86s | 606 | 1,715 | 6,378 | |
| Qwen3.8 2.4T A95B | 10.0 | 10.0 | 100.0% | 0 | 22.04s | 1,104 | 397 | 4,814 |
| 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 Mini | 10.0 | 10.0 | 100.0% | 0 | 27.63s | 7,302 | 658 | 17,152 | |
| Qwen3.8 2.4T A95B | 7.6 | 7.2 | 77.8% | 1 | 172.53s | 6,716 | 21,405 | 57,399 |
| 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 Mini | 7.3 | 5.8 | 83.3% | 1 | 99.82s | 75,392 | 8,387 | 35,328 | |
| Qwen3.8 2.4T A95B | 8.2 | 6.9 | 66.7% | 1 | 231.85s | 85,267 | 8,008 | 50,681 |
| 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 Mini | 10.0 | 10.0 | 100.0% | 0 | 12.58s | 7,140 | 453 | 3,200 | |
| Qwen3.8 2.4T A95B | 10.0 | 10.0 | 100.0% | 0 | 22.27s | 7,956 | 839 | 2,445 |
| 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 Mini | 3.6 | 7.2 | 22.2% | 1 | 44.63s | 515 | 293 | 14,016 | |
| Qwen3.8 2.4T A95B | 5.5 | 9.3 | 33.3% | 0 | 386.04s | 1,069 | 2,399 | 228,792 |
| 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 Mini | 4.5 | 10.0 | 0.0% | 0 | 13.50s | 477 | 349 | 1,856 | |
| Qwen3.8 2.4T A95B | 6.1 | 3.1 | 66.7% | 1 | 22.97s | 606 | 44 | 1,497 |
| 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 Mini | 10.0 | 10.0 | 100.0% | 0 | 11.59s | 660 | 310 | 3,968 | |
| Qwen3.8 2.4T A95B | 9.8 | 10.0 | 100.0% | 0 | 19.54s | 903 | 263 | 1,480 |
| 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 Mini | 5.6 | 9.8 | 33.3% | 0 | 15.20s | 642 | 1,622 | 6,144 | |
| Qwen3.8 2.4T A95B | 10.0 | 10.0 | 100.0% | 0 | 43.37s | 1,026 | 1,154 | 25,563 |
| 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 Mini | 10.0 | 10.0 | 100.0% | 0 | 18.64s | 5,445 | 487 | 1,600 | |
| Qwen3.8 2.4T A95B | 10.0 | 10.0 | 100.0% | 0 | 25.88s | 8,481 | 302 | 975 |
| 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 Mini | 3.0 | 10.0 | 0.0% | 0 | 9.99s | 195 | 160 | 1,856 | |
| Qwen3.8 2.4T A95B | 3.0 | 10.0 | 0.0% | 0 | 422.46s | 212 | 72,500 | 73,528 |
快速对比
切换对比组合
Muse Spark 1.1highvsGPT-5 MinimediumGPT-5 MinimediumvsInklinghighMuse Glimmer 30BxhighvsQwen3.8 2.4T A95BlowGPT-5 MinimediumvsGLM 5.2highDeepSeek V4 Flash 0731highvsGPT-5 MinimediumDeepSeek V4 Flash 0731lowvsGPT-5 MinimediumMuse Spark 1.1highvsQwen3.8 2.4T A95BlowGemini 2.5 FlashmediumvsQwen3.8 2.4T A95BlowQwen3.8 2.4T A95BlowvsInklinghighMuse Glimmer 30BxhighvsGPT-5 MinimediumQwen3.8 2.4T A95BlowvsStep 3.7 FlashmediumGPT-5.2 ChatnonevsQwen3.8 2.4T A95Blow