- 排名
- #23
- 总输出令牌
- 81,411
- 响应时间（平均）
- 21.19s
- 总成本
- $0.687
Qwen3.8 Max (low) vs Grok 4.5 (high)
Grok 4.5 (high) 平均分领先，为 8.9 vs 8.7。 Qwen3.8 Max (low) benchmark 成本更低，为 $0.687 vs $1.707。 Qwen3.8 Max (low) 更快，为 21.19s vs 76.50s，通过率为 84.9% vs 83.3%。
- 排名
- #17
- 总输出令牌
- 253,195
- 响应时间（平均）
- 76.50s
- 总成本
- $1.707
推荐模型
Qwen3.8 Max (low)
它的得分接近这里的最高分（8.7 vs 8.9），同时成本比Grok 4.5 (high)低约 2.5 倍。
详细对比
| 指标 | Qwen3.8 Max Qwen3.8 Max low | Grok 4.5 Grok 4.5 high |
|---|---|---|
| 分数 | 8.7 | 8.9 |
| 排名 | #23 | #17 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.0 | 9.2 |
| 基准测试覆盖率 | 22/22 项测试 · 66/66 次尝试 | 22/22 项测试 · 66/66 次尝试 |
| 测试正确 | ||
| 尝试通过率 | 84.9% | 83.3% |
| 不稳定测试 | 3 | 2 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 4.041 | 10.041 |
| 总成本 | $0.687 | $1.707 |
| 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 | 99,172 | 151,562 |
| 输出令牌 | 6,132 | 5,655 |
| 推理令牌 | 75,279 | 247,540 |
| 响应时间（平均） | 21.19s | 76.50s |
| 响应时间（最大） | 155.75s | 676.83s |
| 响应时间（总计） | 466.14s | 1683.07s |
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#23 Qwen3.8 Max
low- 成本
- $0.026
- 时间
- 68.5s
- 令牌
- 4,280 tok
#17 xAI: Grok 4.5
high- 成本
- $0.015
- 时间
- 29.7s
- 令牌
- 2,737 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 Max | 10.0 | 10.0 | 100.0% | 0 | 3.93s | 984 | 228 | 1,750 | |
| Grok 4.5 | 10.0 | 10.0 | 100.0% | 0 | 5.67s | 2,991 | 204 | 4,545 |
| 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 Max | 8.4 | 7.4 | 88.9% | 1 | 28.69s | 8,127 | 512 | 15,952 | |
| Grok 4.5 | 10.0 | 10.0 | 100.0% | 0 | 155.16s | 9,579 | 357 | 100,752 |
| 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 Max | 10.0 | 10.0 | 100.0% | 0 | 98.19s | 69,994 | 4,221 | 32,937 | |
| Grok 4.5 | 10.0 | 10.0 | 100.0% | 0 | 35.56s | 113,448 | 4,299 | 13,004 |
| 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 Max | 10.0 | 10.0 | 100.0% | 0 | 7.87s | 7,938 | 270 | 2,257 | |
| Grok 4.5 | 10.0 | 10.0 | 100.0% | 0 | 7.63s | 8,937 | 225 | 3,888 |
| 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 Max | 5.3 | 7.2 | 44.4% | 1 | 35.37s | 1,005 | 62 | 17,102 | |
| Grok 4.5 | 3.6 | 7.2 | 22.2% | 1 | 332.11s | 1,910 | 6 | 101,850 |
| 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 Max | 6.5 | 3.4 | 66.7% | 1 | 5.29s | 594 | 128 | 568 | |
| Grok 4.5 | 4.7 | 1.6 | 66.7% | 1 | 9.82s | 1,077 | 83 | 1,899 |
| 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 Max | 10.0 | 10.0 | 100.0% | 0 | 4.01s | 855 | 102 | 851 | |
| Grok 4.5 | 9.8 | 10.0 | 100.0% | 0 | 6.23s | 1,857 | 57 | 3,154 |
| 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 Max | 9.9 | 10.0 | 100.0% | 0 | 4.11s | 930 | 286 | 1,304 | |
| Grok 4.5 | 10.0 | 10.0 | 100.0% | 0 | 7.88s | 2,430 | 220 | 4,312 |
| 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 Max | 10.0 | 10.0 | 100.0% | 0 | 8.06s | 8,463 | 295 | 693 | |
| Grok 4.5 | 10.0 | 10.0 | 100.0% | 0 | 5.71s | 8,544 | 192 | 901 |
| 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 Max | 3.0 | 10.0 | 0.0% | 0 | 12.43s | 282 | 28 | 1,865 | |
| Grok 4.5 | 3.0 | 10.0 | 0.0% | 0 | 60.58s | 789 | 12 | 13,235 |
快速对比
切换对比组合
GPT-5.3-CodexmediumvsGrok 4.5highGemini 3.5 FlashlowvsGrok 4.5highClaude Opus 4.7mediumvsQwen3.8 MaxlowMuse Spark 1.1mediumvsQwen3.8 MaxlowClaude Fable 5mediumvsQwen3.8 MaxlowGemini 3.5 Flash LitehighvsQwen3.8 MaxlowGPT-5.5mediumvsGrok 4.5highClaude Opus 4.8mediumvsGrok 4.5highGPT-5.4mediumvsQwen3.8 MaxlowClaude Opus 4.8mediumvsQwen3.8 MaxlowQwen3.8 MaxmediumvsGrok 4.5highGemini 3.5 FlashmediumvsGrok 4.5high