GPT-6.1 Sol (low) vs Qwen3.8 2.4T A95B (high)

已对比模型

排名: #16
总输出令牌: 13,138
响应时间（平均）: 7.15s
总成本: $0.460

排名: #122
总输出令牌: 368,836
响应时间（平均）: 120.88s
总成本: $2.949

推荐模型 GPT-6.1 Sol (low)

它在这里得分最高（9.6），同时成本比Qwen3.8 2.4T A95B (high)低约 6.4 倍。

详细对比

指标	GPT-6.1 Sol GPT-6.1 Sol low 发布日期: 2026-09-29	Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B high 发布日期: 2026-08-12

指标	GPT-6.1 Sol GPT-6.1 Sol low 发布日期: 2026-09-29	Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B high 发布日期: 2026-08-12
分数	9.6	7.9
排名	#16	#122
可靠性	10.0	9.6
一致性	9.6	8.4
尝试次数	69/69	69/69
测试正确
尝试通过率	92.8%	75.4%
不稳定测试	1	4
总运行次数	69	69
每个结果成本	2.187	18.696
总成本	$0.460	$2.949
输入价格	$2.000 / 1M	$2.000 / 1M
输出价格	$10.000 / 1M	$6.000 / 1M
缓存读取价格	$0.100 / 1M	$0.250 / 1M
缓存写入价格	$2.500 / 1M	不适用
总输入令牌	163,900	295,642
输出令牌	4,958	115,041
推理令牌	8,180	353,398
响应时间（平均）	7.15s	120.88s
响应时间（最大）	46.57s	532.28s
响应时间（总计）	164.47s	2780.16s
参数量	~2T 总计 (~150B 激活)	2.4T 总计 (95B 激活)
开放状态	闭源	权重可用

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.

#16 GPT-6.1 Sol

low

成本: $0.028
时间: 44.6s
令牌: 2,881 tok

#122 Qwen3.8 2.4T A95B

high

Reached the allocated time limit (600 seconds) without receiving showcase output.

成本: $0.000
时间: 600.0s
令牌: 0 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-6.1 Sol	10.0	10.0	100.0%	0		46.57s	85,882	798	461
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		127.11s	186,711	2,240	10,171

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-6.1 Sol	10.0	10.0	100.0%	0		2.14s	606	147	226
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		24.22s	1,128	305	4,864

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-6.1 Sol	10.0	10.0	100.0%	0		4.48s	7,302	388	1,286
Qwen3.8 2.4T A95B	5.9	6.3	55.6%	1		160.52s	6,399	3,310	48,078

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-6.1 Sol	10.0	10.0	100.0%	0		10.94s	54,810	2,619	370
Qwen3.8 2.4T A95B	6.9	5.9	66.7%	1		266.12s	81,205	7,791	41,921

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-6.1 Sol	10.0	10.0	100.0%	0		1.94s	7,140	222	0
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		13.67s	7,928	550	2,307

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-6.1 Sol	7.7	10.0	66.7%	0		15.39s	732	69	5,195
Qwen3.8 2.4T A95B	4.1	6.5	22.2%	1		301.08s	964	11,279	139,028

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-6.1 Sol	10.0	10.0	100.0%	0		3.66s	477	114	142
Qwen3.8 2.4T A95B	6.1	3.1	66.7%	1		11.38s	630	2,020	2,165

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-6.1 Sol	10.0	10.0	100.0%	0		2.21s	660	93	115
Qwen3.8 2.4T A95B	9.8	10.0	100.0%	0		11.45s	927	245	1,727

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-6.1 Sol	10.0	10.0	100.0%	0		2.19s	642	232	88
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		65.54s	989	698	15,073

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-6.1 Sol	10.0	10.0	100.0%	0		5.53s	5,454	246	0
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		32.93s	8,481	302	656

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-6.1 Sol	2.8	1.6	33.3%	1		3.80s	195	30	297
Qwen3.8 2.4T A95B	3.0	10.0	0.0%	0		347.95s	280	86,301	87,408

切换对比组合

Gemini 3 Flash PreviewmediumvsGPT-6.1 Sollow Gemini 3.5 FlashmediumvsQwen3.8 2.4T A95Bhigh Qwen3.8 2.4T A95BhighvsMiMo-V2.6-Flashmedium Gemini 4 ArgonhighvsGPT-6.1 Sollow Muse WondermaxvsQwen3.8 2.4T A95Bhigh Qwen3.8 2.4T A95BhighvsGrok 4.5medium Gemini 3.7 FlashmediumvsGPT-6.1 Sollow GPT-5.4 MinimediumvsQwen3.8 2.4T A95Bhigh Qwen3.8 2.4T A95BhighvsStep 3.7 Flashmedium Qwen3.8 2.4T A95BhighvsGrok 4.6medium Qwen3.8 2.4T A95BhighvsGLM 5.3 FlashXmax GPT-5.6 TerralowvsQwen3.8 2.4T A95Bhigh