- 排名
- #78
- 总输出令牌
- 495,541
- 响应时间（平均）
- 118.97s
- 总成本
- $2.672
Qwen3.8 2.4T A95B (low) vs GLM 5.2 (high)
Qwen3.8 2.4T A95B (low) 平均分领先，为 8.1 vs 8.0。 GLM 5.2 (high) benchmark 成本更低，为 $0.799 vs $2.672。 GLM 5.2 (high) 更快，为 69.86s vs 118.97s，通过率为 72.7% vs 69.7%。
已对比模型
- 排名
- #86
- 总输出令牌
- 364,655
- 响应时间（平均）
- 69.86s
- 总成本
- $0.799
推荐模型
GLM 5.2 (high)
它的得分接近这里的最高分（8.0 vs 8.1），同时成本比Qwen3.8 2.4T A95B (low)低约 3.3 倍。
详细对比
| 指标 | Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B low | GLM 5.2 GLM 5.2 high |
|---|---|---|
| 分数 | 8.1 | 8.0 |
| 排名 | #78 | #86 |
| 可靠性 | 9.4 | 10.0 |
| 一致性 | 9.2 | 8.6 |
| 尝试次数 | 66/66 | 66/66 |
| 测试正确 | ||
| 尝试通过率 | 72.7% | 69.7% |
| 不稳定测试 | 2 | 3 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 17.812 | 6.849 |
| 总成本 | $2.672 | $0.799 |
| 输入价格 | $2.000 / 1M | $0.650 / 1M |
| 输出价格 | $6.000 / 1M | $2.042 / 1M |
| 总输入令牌 | 113,279 | 83,822 |
| 输出令牌 | 121,045 | 72,040 |
| 推理令牌 | 374,496 | 292,615 |
| 响应时间（平均） | 118.97s | 69.86s |
| 响应时间（最大） | 534.21s | 599.43s |
| 响应时间（总计） | 2617.41s | 1536.98s |
| 参数量 | 2.4T 总计 (95B 激活) | 744B 总计 (40B 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.
#78 Qwen3.8 2.4T A95B
low- 成本
- $0.100
- 时间
- 193.2s
- 令牌
- 16,767 tok
#86 GLM 5.2
high
Reached the allocated time limit (300 seconds) without receiving showcase output.
- 成本
- $0.000
- 时间
- 300.0s
- 令牌
- 0 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 | |
| GLM 5.2 | 10.0 | 10.0 | 100.0% | 0 | 5.80s | 639 | 406 | 2,660 |
| 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 | |
| GLM 5.2 | 6.4 | 8.6 | 33.3% | 0 | 73.03s | 5,124 | 2,302 | 22,546 |
| 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 | |
| GLM 5.2 | 10.0 | 10.0 | 100.0% | 0 | 321.47s | 61,516 | 18,824 | 63,861 |
| 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 | |
| GLM 5.2 | 10.0 | 10.0 | 100.0% | 0 | 5.81s | 7,143 | 435 | 1,414 |
| 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 | |
| GLM 5.2 | 3.1 | 6.5 | 11.1% | 1 | 126.85s | 560 | 49,045 | 157,522 |
| 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 | |
| GLM 5.2 | 10.0 | 10.0 | 100.0% | 0 | 12.90s | 498 | 63 | 1,743 |
| 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 | |
| GLM 5.2 | 10.0 | 10.0 | 100.0% | 0 | 4.26s | 678 | 151 | 1,210 |
| 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 | |
| GLM 5.2 | 6.0 | 4.6 | 66.7% | 2 | 33.71s | 665 | 568 | 22,392 |
| 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 | |
| GLM 5.2 | 10.0 | 10.0 | 100.0% | 0 | 9.25s | 6,861 | 246 | 503 |
| 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 | |
| GLM 5.2 | 3.0 | 10.0 | 0.0% | 0 | 127.82s | 138 | 0 | 18,764 |
快速对比
切换对比组合
GPT-5 MinimediumvsQwen3.8 2.4T A95BlowMuse Glimmer 30BxhighvsQwen3.8 2.4T A95BlowDeepSeek V4 Flash 0731lowvsGLM 5.2highInklingmediumvsGLM 5.2highQwen3.8 2.4T A95BlowvsGrok 4.7mediumQwen3.8 2.4T A95BlowvsInklinghighMuse Spark 1.1highvsQwen3.8 2.4T A95BlowGrok 4.7mediumvsGLM 5.2highGrok 4.7lowvsGLM 5.2highKimi K3maxvsGLM 5.2highDeepSeek V4 Flash 0731highvsQwen3.8 2.4T A95BlowGPT-5.2 ChatnonevsGLM 5.2high