Qwen3.8 27B (high) vs Grok 4.5 (low)

排名: #42
总输出令牌: 656,635
响应时间（平均）: 167.89s
总成本: 不适用

排名: #40
总输出令牌: 115,489
响应时间（平均）: 16.17s
总成本: $0.945

推荐模型 Grok 4.5 (low)

它在这里得分最高（8.4），同时响应速度比Qwen3.8 27B (high)快约 10.4 倍。

详细对比

指标	Qwen3.8 27B Qwen3.8 27B high 发布日期: 2026-08-14	Grok 4.5 Grok 4.5 low 发布日期: 2026-07-08

指标	Qwen3.8 27B Qwen3.8 27B high 发布日期: 2026-08-14	Grok 4.5 Grok 4.5 low 发布日期: 2026-07-08
分数	8.4	8.4
排名	#42	#40
可靠性	9.6	10.0
一致性	9.2	9.3
尝试次数	66/66	66/66
测试正确
尝试通过率	77.3%	77.3%
不稳定测试	2	2
总运行次数	66	66
每个结果成本	不适用	5.901
总成本	不适用	$0.945
输入价格	不适用	$2.000 / 1M
输出价格	不适用	$6.000 / 1M
总输入令牌	100,179	125,605
输出令牌	904	7,505
推理令牌	655,731	107,984
响应时间（平均）	167.89s	16.17s
响应时间（最大）	640.85s	205.28s
响应时间（总计）	3693.54s	355.67s
参数量	27.3B	~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.

#42 Qwen3.8 27B

high

成本: 不适用
时间: 270.1s
令牌: 18,963 tok

#40 SpaceXAI: Grok 4.5

low

成本: $0.011
时间: 12.4s
令牌: 2,018 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 27B	10.0	10.0	100.0%	0		8.10s	1,128	114	5,319
Grok 4.5	10.0	10.0	100.0%	0		2.75s	2,991	261	3,000

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 27B	8.1	7.0	88.9%	1		248.62s	8,235	346	143,335
Grok 4.5	10.0	10.0	100.0%	0		13.72s	9,579	303	15,641

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 27B	10.0	10.0	100.0%	0		185.57s	68,997	66	72,556
Grok 4.5	6.5	10.0	50.0%	0		12.75s	82,028	6,031	3,583

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 27B	10.0	10.0	100.0%	0		34.85s	9,675	123	10,320
Grok 4.5	10.0	10.0	100.0%	0		3.44s	8,937	225	2,549

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 27B	5.3	10.0	33.3%	0		526.74s	975	6	234,555
Grok 4.5	2.9	7.2	11.1%	1		77.09s	2,523	14	71,813

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 27B	5.0	10.0	0.0%	0		8.45s	630	63	1,191
Grok 4.5	6.1	3.1	66.7%	1		4.88s	1,077	98	1,253

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 27B	9.8	10.0	100.0%	0		8.24s	927	42	2,871
Grok 4.5	9.8	10.0	100.0%	0		2.80s	1,857	57	1,878

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 27B	7.6	7.2	77.8%	1		199.90s	1,038	120	138,427
Grok 4.5	10.0	10.0	100.0%	0		3.20s	2,430	217	2,590

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 27B	10.0	10.0	100.0%	0		5.62s	8,256	21	912
Grok 4.5	10.0	10.0	100.0%	0		5.83s	13,394	284	871

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 27B	3.0	10.0	0.0%	0		263.98s	318	3	46,245
Grok 4.5	3.0	10.0	0.0%	0		13.98s	789	15	4,806

快速对比

切换对比组合

GPT-5.2mediumvsQwen3.8 27Bhigh Seed 2.1 TurbomediumvsQwen3.8 27Bhigh GPT-5.2mediumvsGrok 4.5low Seed 2.1 TurbomediumvsGrok 4.5low Inkling SmallhighvsGrok 4.5low Qwen3.8 27BhighvsGrok 4.6medium Muse Spark 1.2lowvsQwen3.8 27Bhigh Qwen3.8 27BhighvsGrok 4.5medium Muse Spark 1.1lowvsQwen3.8 27Bhigh GPT-5.4mediumvsGrok 4.5low GPT-5.4mediumvsQwen3.8 27Bhigh Gemini 2.5 FlashmediumvsQwen3.8 27Bhigh