Qwen3.8 2.4T A95B (low) vs GLM 5.2 (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: #52
总输出令牌: 295,347
响应时间（平均）: 62.65s
总成本: $0.972

推荐模型 GLM 5.2 (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 3.2 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	GLM 5.2 GLM 5.2 high 发布日期: 2026-06-17

指标	Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B low 发布日期: 2026-08-12	GLM 5.2 GLM 5.2 high 发布日期: 2026-06-17
分数	8.2	8.0
排名	#46	#52
可靠性	9.1	10.0
一致性	8.9	8.6
尝试次数	66/66	66/66
测试正确
尝试通过率	78.8%	71.2%
不稳定测试	3	3
总运行次数	66	66
每个结果成本	19.453	5.873
总成本	$3.113	$0.972
输入价格	$2.000 / 1M	$0.500 / 1M
输出价格	$6.000 / 1M	$3.150 / 1M
总输入令牌	113,340	83,813
输出令牌	107,311	69,688
推理令牌	447,174	225,659
响应时间（平均）	132.39s	62.65s
响应时间（最大）	534.21s	599.43s
响应时间（总计）	2912.56s	1378.34s
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.

#46 Qwen3.8 2.4T A95B

low

成本: $0.100
时间: 193.2s
令牌: 16,767 tok

#52 GLM 5.2

high

无效SVG

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

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
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	7.6	7.2	77.8%	1		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	5.5	9.3	33.3%	0		386.04s	1,069	2,399	228,792
GLM 5.2	3.7	6.5	22.2%	1		73.97s	551	46,693	90,566

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-5.2 ChatnonevsGLM 5.2high Step 3.7 FlashmediumvsGLM 5.2high Muse Glimmer 30BxhighvsQwen3.8 2.4T A95Blow GPT-5 MinimediumvsGLM 5.2high GPT-5 MinimediumvsQwen3.8 2.4T A95Blow InklingmediumvsGLM 5.2high Kimi K3maxvsGLM 5.2high 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