Qwen3.8 2.4T A95B (low) vs Grok 4.7 (medium)

已对比模型

排名: #70
总输出令牌: 495,541
响应时间（平均）: 118.97s
总成本: $2.672

排名: #73
总输出令牌: 433,733
响应时间（平均）: 106.09s
总成本: $2.254

推荐模型 Grok 4.7 (medium)

它在本次比较中得分最高（8.1），并且在全部 2 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	Grok 4.7 Grok 4.7 medium 发布日期: 2026-09-21

指标	Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B low 发布日期: 2026-08-12	Grok 4.7 Grok 4.7 medium 发布日期: 2026-09-21
分数	8.1	8.1
排名	#70	#73
可靠性	9.4	9.9
一致性	9.2	8.3
尝试次数	66/66	66/66
测试正确
尝试通过率	72.7%	81.8%
不稳定测试	2	5
总运行次数	66	66
每个结果成本	17.812	15.023
总成本	$2.672	$2.254
输入价格	$2.000 / 1M	$1.600 / 1M
输出价格	$6.000 / 1M	$4.800 / 1M
总输入令牌	113,279	107,193
输出令牌	121,045	4,661
推理令牌	374,496	429,072
响应时间（平均）	118.97s	106.09s
响应时间（最大）	534.21s	660.89s
响应时间（总计）	2617.41s	2333.94s
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.

#70 Qwen3.8 2.4T A95B

low

成本: $0.100
时间: 193.2s
令牌: 16,767 tok

#73 SpaceXAI: Grok 4.7

medium

成本: $0.047
时间: 132.3s
令牌: 9,954 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 4.7	10.0	10.0	100.0%	0		16.01s	2,991	54	7,224

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
Grok 4.7	6.6	4.6	77.8%	2		312.17s	10,266	349	172,347

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 4.7	10.0	10.0	100.0%	0		96.50s	67,788	3,524	38,447

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 4.7	10.0	10.0	100.0%	0		5.16s	8,937	225	2,344

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	3.2	9.3	0.0%	0		287.65s	1,008	16,133	156,114
Grok 4.7	5.3	7.2	44.4%	1		300.37s	2,523	15	169,756

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 4.7	5.4	2.5	66.7%	1		32.39s	1,077	76	5,830

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 4.7	8.4	6.9	83.3%	1		6.68s	1,857	57	2,742

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 4.7	10.0	10.0	100.0%	0		18.46s	2,430	135	9,678

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 4.7	10.0	10.0	100.0%	0		4.79s	8,535	206	406

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 4.7	3.0	10.0	0.0%	0		123.05s	789	20	20,298

快速对比

切换对比组合

InklinghighvsGrok 4.7medium GPT-5 MinimediumvsQwen3.8 2.4T A95Blow Muse Glimmer 30BxhighvsQwen3.8 2.4T A95Blow Muse Spark 1.1highvsGrok 4.7medium DeepSeek V4 Flash 0731lowvsGrok 4.7medium Muse Glimmer 30BxhighvsGrok 4.7medium DeepSeek V4 Flash 0731highvsGrok 4.7medium Qwen3.8 2.4T A95BlowvsInklinghigh Muse Spark 1.1highvsQwen3.8 2.4T A95Blow Grok 4.7mediumvsGLM 5.2high DeepSeek V4 Flash 0731highvsQwen3.8 2.4T A95Blow Claude Sonnet 5mediumvsQwen3.8 2.4T A95Blow