Qwen3.8 2.4T A95B (low) vs Inkling (high)

排名: #46
总输出令牌: 554,485
响应时间（平均）: 132.39s
总成本: $3.113

排名: #49
总输出令牌: 226,846
响应时间（平均）: 64.16s
总成本: $1.002

推荐模型 Inkling (high)

它的得分接近这里的最高分（8.0 vs 8.2），同时成本比Qwen3.8 2.4T A95B (low)低约 3.1 倍。

详细对比

指标	Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B low 发布日期: 2026-08-12	Inkling Inkling high 发布日期: 2026-07-18

指标	Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B low 发布日期: 2026-08-12	Inkling Inkling high 发布日期: 2026-07-18
分数	8.2	8.0
排名	#46	#49
可靠性	9.1	9.8
一致性	8.9	8.9
尝试次数	66/66	66/66
测试正确
尝试通过率	78.8%	77.3%
不稳定测试	3	3
总运行次数	66	66
每个结果成本	19.453	6.704
总成本	$3.113	$1.002
输入价格	$2.000 / 1M	$0.950 / 1M
输出价格	$6.000 / 1M	$4.050 / 1M
总输入令牌	113,340	86,746
输出令牌	107,311	6,055
推理令牌	447,174	220,791
响应时间（平均）	132.39s	64.16s
响应时间（最大）	534.21s	327.51s
响应时间（总计）	2912.56s	1411.59s
参数量	2.4T 总计 (95B 激活)	975B 总计 (41B 激活)
开放状态	权重可用	开源

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

#49 Thinking Machines: Inkling

high

成本: $0.005
时间: 32.2s
令牌: 1,275 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		22.04s	1,104	397	4,814
Inkling	10.0	10.0	100.0%	0		12.68s	702	455	7,204

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
Inkling	8.5	10.0	66.7%	0		148.36s	7,374	430	78,982

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
Inkling	7.3	5.8	83.3%	1		63.78s	61,296	3,854	19,895

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
Inkling	10.0	10.0	100.0%	0		8.19s	7,068	216	2,349

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
Inkling	7.7	10.0	66.7%	0		186.39s	683	59	76,777

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
Inkling	10.0	10.0	100.0%	0		6.53s	501	182	1,151

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
Inkling	9.8	10.0	100.0%	0		7.00s	708	93	2,098

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
Inkling	6.9	4.9	77.8%	2		10.69s	714	429	4,623

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
Inkling	3.0	10.0	0.0%	0		6.52s	7,481	307	601

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
Inkling	3.0	10.0	0.0%	0		153.57s	219	30	27,111

快速对比

切换对比组合

Step 3.7 FlashmediumvsInklinghigh GPT-5.2 ChatnonevsInklinghigh GPT-5 MinimediumvsInklinghigh Muse Glimmer 30BxhighvsQwen3.8 2.4T A95Blow GPT-5 MinimediumvsQwen3.8 2.4T A95Blow Muse Spark 1.1highvsQwen3.8 2.4T A95Blow Gemini 2.5 FlashmediumvsQwen3.8 2.4T A95Blow Kimi K3maxvsInklinghigh DeepSeek V4 Flash 0731lowvsInklinghigh Qwen3.8 2.4T A95BlowvsStep 3.7 Flashmedium GPT-5.2 ChatnonevsQwen3.8 2.4T A95Blow Qwen3.8 2.4T A95BlowvsGLM 5.2high