Qwen3.8 2.4T A95B (high) vs GLM 5.3 (high)

排名: #95
总输出令牌: 456,028
响应时间（平均）: 120.59s
总成本: $2.357

排名: #99
总输出令牌: 63,667
响应时间（平均）: 27.82s
总成本: $0.403

推荐模型 GLM 5.3 (high)

它的得分接近这里的最高分（7.3 vs 7.4），同时成本比Qwen3.8 2.4T A95B (high)低约 5.9 倍。

详细对比

指标	Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B high 发布日期: 2026-08-12	GLM 5.3 GLM 5.3 high 发布日期: 2026-08-20

指标	Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B high 发布日期: 2026-08-12	GLM 5.3 GLM 5.3 high 发布日期: 2026-08-20
分数	7.4	7.3
排名	#95	#99
可靠性	9.4	10.0
一致性	8.3	7.5
尝试次数	66/66	66/66
测试正确
尝试通过率	74.2%	74.2%
不稳定测试	4	7
总运行次数	66	66
每个结果成本	16.832	3.099
总成本	$2.357	$0.403
输入价格	$2.000 / 1M	$1.400 / 1M
输出价格	$6.000 / 1M	$4.400 / 1M
总输入令牌	108,931	87,601
输出令牌	112,801	6,006
推理令牌	343,227	57,661
响应时间（平均）	120.59s	27.82s
响应时间（最大）	532.28s	159.91s
响应时间（总计）	2653.05s	612.06s
参数量	2.4T 总计 (95B 激活)	744B 总计 (40B 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.

#95 Qwen3.8 2.4T A95B

high

无效SVG

成本: $0.000
时间: 600.0s
令牌: 0 tok

#99 GLM 5.3

high

成本: $0.085
时间: 362.5s
令牌: 19,310 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
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		24.22s	1,128	305	4,864
GLM 5.3	10.0	10.0	100.0%	0		3.72s	639	237	481

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
GLM 5.3	6.6	5.0	66.7%	2		18.89s	7,317	473	8,190

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
GLM 5.3	6.4	5.8	66.7%	1		63.96s	62,821	3,936	12,203

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
GLM 5.3	10.0	10.0	100.0%	0		3.55s	7,149	210	189

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
GLM 5.3	2.9	4.4	22.2%	2		112.33s	759	238	33,423

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
GLM 5.3	6.1	3.1	66.7%	1		8.00s	498	192	407

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
GLM 5.3	9.8	10.0	100.0%	0		3.62s	678	72	182

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
GLM 5.3	8.2	7.2	88.9%	1		4.74s	672	332	452

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
GLM 5.3	10.0	10.0	100.0%	0		17.05s	6,861	231	91

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
GLM 5.3	3.0	10.0	0.0%	0		21.98s	207	85	2,043

快速对比

切换对比组合

Claude Sonnet 4.6nonevsGLM 5.3high KAT-Coder-Pro V2.5lowvsGLM 5.3high Qwen3.8 2.4T A95BhighvsGrok 4.6low Gemini 3 Flash PreviewlowvsQwen3.8 2.4T A95Bhigh LongCat 2.0mediumvsQwen3.8 2.4T A95Bhigh Gemini 3 Flash PreviewlowvsGLM 5.3high Grok 4.6lowvsGLM 5.3high Gemini 3.1 Flash LitemediumvsGLM 5.3high GPT-5.6 LunamediumvsQwen3.8 2.4T A95Bhigh Kimi K2.7 CodemediumvsQwen3.8 2.4T A95Bhigh Claude Sonnet 4.6nonevsQwen3.8 2.4T A95Bhigh Qwen3.7 PlusnonevsGLM 5.3high