GPT-6.1 Sol (low) vs Qwen3.8 MAX (medium)

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: #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 GPT-6.1 Sol (low)

它在这里得分最高（9.6），同时成本比Qwen3.8 MAX (medium)低约 2.6 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 MAX Qwen3.8 MAX medium 发布日期: 2026-08-04

指标	GPT-6.1 Sol GPT-6.1 Sol low 发布日期: 2026-09-29	Qwen3.8 MAX Qwen3.8 MAX medium 发布日期: 2026-08-04
分数	9.6	9.2
排名	#16	#40
可靠性	10.0	10.0
一致性	9.6	9.7
尝试次数	69/69	69/69
测试正确
尝试通过率	92.8%	81.2%
不稳定测试	1	1
总运行次数	69	69
每个结果成本	2.187	5.266
总成本	$0.460	$1.181
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	不适用
缓存写入价格	$2.500 / 1M	不适用
总输入令牌	163,900	276,512
输出令牌	4,958	8,152
推理令牌	8,180	96,444
响应时间（平均）	7.15s	27.34s
响应时间（最大）	46.57s	126.60s
响应时间（总计）	164.47s	628.75s
参数量	~2T 总计 (~150B 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.

#16 GPT-6.1 Sol

low

成本: $0.028
时间: 44.6s
令牌: 2,881 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-6.1 Sol	10.0	10.0	100.0%	0		46.57s	85,882	798	461
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-6.1 Sol	10.0	10.0	100.0%	0		2.14s	606	147	226
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-6.1 Sol	10.0	10.0	100.0%	0		4.48s	7,302	388	1,286
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-6.1 Sol	10.0	10.0	100.0%	0		10.94s	54,810	2,619	370
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-6.1 Sol	10.0	10.0	100.0%	0		1.94s	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-6.1 Sol	7.7	10.0	66.7%	0		15.39s	732	69	5,195
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-6.1 Sol	10.0	10.0	100.0%	0		3.66s	477	114	142
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-6.1 Sol	10.0	10.0	100.0%	0		2.21s	660	93	115
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-6.1 Sol	10.0	10.0	100.0%	0		2.19s	642	232	88
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-6.1 Sol	10.0	10.0	100.0%	0		5.53s	5,454	246	0
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-6.1 Sol	2.8	1.6	33.3%	1		3.80s	195	30	297
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 Gemini 3 Flash PreviewmediumvsGPT-6.1 Sollow DeepSeek V4.1 Flash 1017lowvsQwen3.8 MAXmedium Gemini 4 ArgonhighvsGPT-6.1 Sollow Muse Spark OpenhighvsQwen3.8 MAXmedium Gemini 3.7 FlashmediumvsGPT-6.1 Sollow Claude Haiku 5.5xhighvsQwen3.8 MAXmedium Muse Spark 1.3highvsQwen3.8 MAXmedium Muse WonderlowvsQwen3.8 MAXmedium Qwen3.8 MAXmediumvsParetodefault Seed 2.1 TurbohighvsQwen3.8 MAXmedium Seed 2.1 TurbolowvsQwen3.8 MAXmedium