- 排名
- #46
- 总输出令牌
- 554,485
- 响应时间（平均）
- 132.39s
- 总成本
- $3.113
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 9.2 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 $1.809。 Grok 4.6 (high) 最快，为 79.38s。
- 排名
- #85
- 总输出令牌
- 512,351
- 响应时间（平均）
- 134.41s
- 总成本
- $2.755
- 排名
- #11
- 总输出令牌
- 265,604
- 响应时间（平均）
- 79.38s
- 总成本
- $1.809
推荐模型
Grok 4.6 (high)
它在这里得分最高（9.2），同时成本比本次比较中的其他模型低约 1.6 倍。
详细对比
| 指标 | Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B low | Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B high | Grok 4.6 Grok 4.6 high |
|---|---|---|---|
| 分数 | 8.2 | 7.5 | 9.2 |
| 排名 | #46 | #85 | #11 |
| 可靠性 | 9.1 | 8.8 | 10.0 |
| 一致性 | 8.9 | 8.4 | 9.6 |
| 尝试次数 | 66/66 | 66/66 | 66/66 |
| 测试正确 | |||
| 尝试通过率 | 78.8% | 77.3% | 84.9% |
| 不稳定测试 | 3 | 4 | 1 |
| 总运行次数 | 66 | 66 | 66 |
| 每个结果成本 | 19.453 | 18.365 | 10.046 |
| 总成本 | $3.113 | $2.755 | $1.809 |
| 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 |
| 总输入令牌 | 113,340 | 109,036 | 107,266 |
| 输出令牌 | 107,311 | 103,736 | 5,094 |
| 推理令牌 | 447,174 | 408,615 | 260,510 |
| 响应时间（平均） | 132.39s | 134.41s | 79.38s |
| 响应时间（最大） | 534.21s | 532.28s | 618.49s |
| 响应时间（总计） | 2912.56s | 2956.97s | 1746.29s |
| 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 |
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#46 Qwen3.8 2.4T A95B
low- 成本
- $0.100
- 时间
- 193.2s
- 令牌
- 16,767 tok
#85 Qwen3.8 2.4T A95B
high
无效SVG
- 成本
- $0.000
- 时间
- 600.0s
- 令牌
- 0 tok
#11 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
| 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 | 22.04s | 1,104 | 397 | 4,814 | |
| Qwen3.8 2.4T A95B | 10.0 | 10.0 | 100.0% | 0 | 24.22s | 1,128 | 305 | 4,864 | |
| Grok 4.6 | 10.0 | 10.0 | 100.0% | 0 | 14.44s | 2,991 | 79 | 6,805 |
| 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 | 7.6 | 7.2 | 77.8% | 1 | 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 |
| 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 | 8.2 | 6.9 | 66.7% | 1 | 231.85s | 85,267 | 8,008 | 50,681 | |
| Qwen3.8 2.4T A95B | 6.9 | 5.9 | 66.7% | 1 | 266.12s | 81,205 | 7,791 | 41,921 | |
| Grok 4.6 | 10.0 | 10.0 | 100.0% | 0 | 91.77s | 68,548 | 3,931 | 34,529 |
| 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 | 22.27s | 7,956 | 839 | 2,445 | |
| Qwen3.8 2.4T A95B | 10.0 | 10.0 | 100.0% | 0 | 13.67s | 7,928 | 550 | 2,307 | |
| Grok 4.6 | 10.0 | 10.0 | 100.0% | 0 | 16.08s | 8,937 | 225 | 6,590 |
| 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 | 5.5 | 9.3 | 33.3% | 0 | 386.04s | 1,069 | 2,399 | 228,792 | |
| Qwen3.8 2.4T A95B | 5.6 | 7.2 | 44.4% | 1 | 402.39s | 1,069 | 2,214 | 204,416 | |
| Grok 4.6 | 3.6 | 7.2 | 22.2% | 1 | 334.95s | 2,514 | 14 | 137,858 |
| 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 | 22.97s | 606 | 44 | 1,497 | |
| Qwen3.8 2.4T A95B | 6.1 | 3.1 | 66.7% | 1 | 11.38s | 630 | 2,020 | 2,165 | |
| Grok 4.6 | 10.0 | 10.0 | 100.0% | 0 | 19.51s | 1,077 | 56 | 2,448 |
| 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 | 19.54s | 903 | 263 | 1,480 | |
| Qwen3.8 2.4T A95B | 9.8 | 10.0 | 100.0% | 0 | 11.45s | 927 | 245 | 1,727 | |
| Grok 4.6 | 9.8 | 10.0 | 100.0% | 0 | 13.82s | 1,857 | 57 | 4,318 |
| 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 | 43.37s | 1,026 | 1,154 | 25,563 | |
| Qwen3.8 2.4T A95B | 10.0 | 10.0 | 100.0% | 0 | 65.54s | 989 | 698 | 15,073 | |
| Grok 4.6 | 10.0 | 10.0 | 100.0% | 0 | 15.56s | 2,430 | 122 | 5,706 |
| 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 | 25.88s | 8,481 | 302 | 975 | |
| Qwen3.8 2.4T A95B | 10.0 | 10.0 | 100.0% | 0 | 32.93s | 8,481 | 302 | 656 | |
| Grok 4.6 | 10.0 | 10.0 | 100.0% | 0 | 13.30s | 8,544 | 216 | 1,505 |
| 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 | 422.46s | 212 | 72,500 | 73,528 | |
| Qwen3.8 2.4T A95B | 3.0 | 10.0 | 0.0% | 0 | 347.95s | 280 | 86,301 | 87,408 | |
| Grok 4.6 | 3.0 | 10.0 | 0.0% | 0 | 54.22s | 789 | 15 | 8,922 |
快速对比
切换对比组合
GPT-5.4 MinimediumvsQwen3.8 2.4T A95BhighGPT-5.6 TerralowvsQwen3.8 2.4T A95BhighGemini 3.1 Pro PreviewmediumvsGrok 4.6highClaude Opus 5mediumvsGrok 4.6highGPT-5.3 ChatnonevsQwen3.8 2.4T A95BhighMuse Glimmer 30BxhighvsQwen3.8 2.4T A95BlowGPT-5.4 NanomediumvsQwen3.8 2.4T A95BhighKimi K2.7 CodemediumvsQwen3.8 2.4T A95BhighGPT-5 MinimediumvsQwen3.8 2.4T A95BlowLongCat 2.0mediumvsQwen3.8 2.4T A95BhighClaude Opus 5nonevsQwen3.8 2.4T A95BhighNemotron 3 Ultramedium免费可用vsQwen3.8 2.4T A95Bhigh