- 排名
- #92
- 总输出令牌
- 456,028
- 响应时间（平均）
- 120.59s
- 总成本
- $2.357
Qwen3.8 2.4T A95B (high) vs Grok Build 0.1 (medium)
Grok Build 0.1 (medium) 平均分领先，为 7.5 vs 7.4。 Grok Build 0.1 (medium) benchmark 成本更低，为 $1.130 vs $2.357。 Grok Build 0.1 (medium) 更快，为 54.50s vs 120.59s，通过率为 74.2% vs 60.6%。
- 排名
- #86
- 总输出令牌
- 511,406
- 响应时间（平均）
- 54.50s
- 总成本
- $1.130
推荐模型
Grok Build 0.1 (medium)
它在这里得分最高（7.5），同时成本比Qwen3.8 2.4T A95B (high)低约 2.1 倍。
详细对比
| 指标 | Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B high | Grok Build 0.1 Grok Build 0.1 medium |
|---|---|---|
| 分数 | 7.4 | 7.5 |
| 排名 | #92 | #86 |
| 可靠性 | 9.4 | 10.0 |
| 一致性 | 8.3 | 9.6 |
| 尝试次数 | 66/66 | 66/66 |
| 测试正确 | ||
| 尝试通过率 | 74.2% | 60.6% |
| 不稳定测试 | 4 | 1 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 16.832 | 8.691 |
| 总成本 | $2.357 | $1.130 |
| 输入价格 | $2.000 / 1M | $1.000 / 1M |
| 输出价格 | $6.000 / 1M | $2.000 / 1M |
| 总输入令牌 | 108,931 | 106,946 |
| 输出令牌 | 112,801 | 7,993 |
| 推理令牌 | 343,227 | 503,413 |
| 响应时间（平均） | 120.59s | 54.50s |
| 响应时间（最大） | 532.28s | 252.69s |
| 响应时间（总计） | 2653.05s | 1199.07s |
| 参数量 | 2.4T 总计 (95B 激活) | ~300B 总计 (~30B 激活) |
| 开放状态 | 权重可用 | 闭源 |
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#92 Qwen3.8 2.4T A95B
high
无效SVG
- 成本
- $0.000
- 时间
- 600.0s
- 令牌
- 0 tok
#86 SpaceXAI: Grok Build 0.1
medium- 成本
- $0.028
- 时间
- 81.3s
- 令牌
- 14,009 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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.8 2.4T A95B | 10.0 | 10.0 | 100.0% | 0 | 24.22s | 1,128 | 305 | 4,864 | |
| Grok Build 0.1 | 8.3 | 10.0 | 75.0% | 0 | 7.43s | 2,010 | 220 | 12,162 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.8 2.4T A95B | 5.9 | 6.3 | 55.6% | 1 | 160.52s | 6,399 | 3,310 | 48,078 | |
| Grok Build 0.1 | 5.7 | 9.7 | 33.3% | 0 | 108.46s | 8,304 | 1,138 | 161,452 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.8 2.4T A95B | 6.9 | 5.9 | 66.7% | 1 | 266.12s | 81,205 | 7,791 | 41,921 | |
| Grok Build 0.1 | 10.0 | 10.0 | 100.0% | 0 | 65.08s | 75,242 | 5,442 | 65,569 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.8 2.4T A95B | 10.0 | 10.0 | 100.0% | 0 | 13.67s | 7,928 | 550 | 2,307 | |
| Grok Build 0.1 | 10.0 | 10.0 | 100.0% | 0 | 10.72s | 7,761 | 180 | 8,876 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.8 2.4T A95B | 4.1 | 6.5 | 22.2% | 1 | 301.08s | 964 | 11,279 | 139,028 | |
| Grok Build 0.1 | 2.9 | 7.2 | 11.1% | 1 | 175.94s | 1,959 | 492 | 192,037 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.8 2.4T A95B | 6.1 | 3.1 | 66.7% | 1 | 11.38s | 630 | 2,020 | 2,165 | |
| Grok Build 0.1 | 4.4 | 9.9 | 0.0% | 0 | 18.41s | 825 | 76 | 6,345 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.8 2.4T A95B | 9.8 | 10.0 | 100.0% | 0 | 11.45s | 927 | 245 | 1,727 | |
| Grok Build 0.1 | 9.8 | 10.0 | 100.0% | 0 | 12.36s | 1,362 | 57 | 9,599 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.8 2.4T A95B | 10.0 | 10.0 | 100.0% | 0 | 65.54s | 989 | 698 | 15,073 | |
| Grok Build 0.1 | 7.7 | 10.0 | 66.7% | 0 | 18.26s | 1,689 | 195 | 20,841 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.8 2.4T A95B | 10.0 | 10.0 | 100.0% | 0 | 32.93s | 8,481 | 302 | 656 | |
| Grok Build 0.1 | 10.0 | 10.0 | 100.0% | 0 | 13.12s | 7,263 | 180 | 4,969 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Qwen3.8 2.4T A95B | 3.0 | 10.0 | 0.0% | 0 | 347.95s | 280 | 86,301 | 87,408 | |
| Grok Build 0.1 | 3.0 | 10.0 | 0.0% | 0 | 53.51s | 531 | 13 | 21,563 |
快速对比
切换对比组合
Qwen3.8 2.4T A95BhighvsGrok 4.6lowQwen3.7 MaxnonevsGrok Build 0.1mediumGemini 3 Flash PreviewlowvsQwen3.8 2.4T A95BhighGPT 5.3 ChatnonevsGrok Build 0.1mediumLongCat 2.0mediumvsQwen3.8 2.4T A95BhighGPT-5.6 TerralowvsGrok Build 0.1mediumGPT-5.6 LunamediumvsQwen3.8 2.4T A95BhighKimi K2.7 CodemediumvsQwen3.8 2.4T A95BhighClaude Sonnet 4.6nonevsQwen3.8 2.4T A95BhighGemini 3.1 Flash Lite PreviewmediumvsQwen3.8 2.4T A95BhighKAT-Coder-Pro V2.5lowvsQwen3.8 2.4T A95BhighGPT-5.4 MinimediumvsQwen3.8 2.4T A95Bhigh