Qwen3.8 2.4T A95B (low) vs Grok 4.5 (medium)

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: #39
总输出令牌: 280,567
响应时间（平均）: 61.71s
总成本: $1.928

推荐模型 Grok 4.5 (medium)

它在这里得分最高（8.3），同时成本比Qwen3.8 2.4T A95B (low)低约 1.6 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	Grok 4.5 Grok 4.5 medium 发布日期: 2026-07-08

指标	Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B low 发布日期: 2026-08-12	Grok 4.5 Grok 4.5 medium 发布日期: 2026-07-08
分数	8.2	8.3
排名	#46	#39
可靠性	9.1	10.0
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%	78.8%
不稳定测试	3	3
总运行次数	66	66
每个结果成本	19.453	12.049
总成本	$3.113	$1.928
输入价格	$2.000 / 1M	$2.000 / 1M
输出价格	$6.000 / 1M	$6.000 / 1M
总输入令牌	113,340	122,146
输出令牌	107,311	5,514
推理令牌	447,174	275,053
响应时间（平均）	132.39s	61.71s
响应时间（最大）	534.21s	436.38s
响应时间（总计）	2912.56s	1357.56s
参数量	2.4T 总计 (95B 激活)	~1.7T 总计 (~170B 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.

#46 Qwen3.8 2.4T A95B

low

成本: $0.100
时间: 193.2s
令牌: 16,767 tok

#39 xAI: Grok 4.5

medium

成本: $0.044
时间: 59.4s
令牌: 7,512 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
Grok 4.5	10.0	10.0	100.0%	0		23.50s	2,991	147	4,018

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
Grok 4.5	7.6	7.2	77.8%	1		155.69s	9,579	390	104,634

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
Grok 4.5	10.0	10.0	100.0%	0		29.01s	83,730	4,154	16,180

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
Grok 4.5	10.0	10.0	100.0%	0		6.29s	8,937	225	3,657

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
Grok 4.5	2.9	7.2	11.1%	1		198.89s	2,212	11	121,922

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
Grok 4.5	6.5	3.4	66.7%	1		12.84s	1,077	71	2,384

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
Grok 4.5	9.8	10.0	100.0%	0		6.06s	1,857	57	2,728

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
Grok 4.5	10.0	10.0	100.0%	0		7.75s	2,430	254	3,641

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
Grok 4.5	10.0	10.0	100.0%	0		6.57s	8,544	192	968

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
Grok 4.5	3.0	10.0	0.0%	0		74.44s	789	13	14,921

快速对比

切换对比组合

Inkling SmallhighvsGrok 4.5medium Muse Glimmer 30BxhighvsQwen3.8 2.4T A95Blow GPT-5 MinimediumvsQwen3.8 2.4T A95Blow Muse Spark 1.1lowvsGrok 4.5medium Muse Spark 1.1highvsQwen3.8 2.4T A95Blow Gemini 2.5 FlashmediumvsQwen3.8 2.4T A95Blow Qwen3.8 2.4T A95BlowvsInklinghigh Qwen3.8 2.4T A95BlowvsStep 3.7 Flashmedium GPT-5.2 ChatnonevsQwen3.8 2.4T A95Blow Muse Spark 1.2lowvsGrok 4.5medium Qwen3.8 2.4T A95BlowvsGLM 5.2high DeepSeek V4 Flash 0731highvsQwen3.8 2.4T A95Blow