导航
Advertise here

已对比模型

Qwen3.8 2.4T A95B (low) vs Qwen3.8 2.4T A95B (high) vs Grok 4.6 (high) 基准对比: Grok 4.6 (high) 在分数上以 8.5 领先。 Grok 4.6 (high) 在可靠性上以 10.0 领先。 Grok 4.6 (high) 的总成本最低,为 $2.629。 Grok 4.6 (high) 最快,为 87.48s。

基准结果生成自 AI BENCHY 测试套件,时间:: 2026-11-22

已对比模型

排名
#132
总输出令牌
424,019
响应时间(平均)
120.40s
总成本
$4.016
排名
#180
总输出令牌
368,836
响应时间(平均)
120.88s
总成本
$2.949
排名
#124
总输出令牌
312,614
响应时间(平均)
87.48s
总成本
$2.629
推荐模型 Grok 4.6 (high)

它在本次比较中得分最高(8.5),并且在 3 个模型中兼顾成本和响应时间最好。

详细对比

指标 Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B low 发布日期: 2026-08-12 Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B high 发布日期: 2026-08-12 Grok 4.6 Grok 4.6 high 发布日期: 2026-08-12
分数 8.4 7.9 8.5
排名 #132 #180 #124
可靠性 9.6 9.6 10.0
一致性 9.2 8.4 10.0
尝试次数 69/69 69/69 69/69
测试正确
尝试通过率 73.9% 75.4% 82.6%
不稳定测试 2 4 0
总运行次数 69 69 69
每个结果成本 19.825 18.696 13.833
总成本 $4.016 $2.949 $2.629
输入价格 $2.000 / 1M $2.000 / 1M $2.000 / 1M
输出价格 $6.000 / 1M $6.000 / 1M $6.000 / 1M
缓存读取价格 $0.250 / 1M $0.250 / 1M $0.500 / 1M
缓存写入价格 不适用 不适用 不适用
总输入令牌 313,881 295,642 376,233
输出令牌 123,706 115,041 6,687
推理令牌 388,328 353,398 305,927
响应时间(平均) 120.40s 120.88s 87.48s
响应时间(最大) 534.21s 532.28s 618.49s
响应时间(总计) 2769.16s 2780.16s 2012.15s
参数量 2.4T 总计 (95B 激活) 2.4T 总计 (95B 激活) ~1.7T 总计 (~170B 激活)
开放状态 权重可用 权重可用 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.

#132 Qwen3.8 2.4T A95B

low
成本
$0.100
时间
193.2s
令牌
16,767 tok

#180 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

#124 SpaceXAI: Grok 4.6

high
成本
$0.107
时间
265.1s
令牌
18,001 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

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 7.8 9.3 66.7% 0 172.53s 6,716 21,405 57,399
Qwen3.8 2.4T A95B 5.9 6.3 55.6% 1 160.52s 6,399 3,310 48,078
Grok 4.6 10.0 10.0 100.0% 0 102.20s 9,579 379 51,829

切换对比组合