Qwen3.8 Max (low) vs Grok 4.6 (medium)

排名: #35
总输出令牌: 83,821
响应时间（平均）: 21.83s
总成本: $0.702

排名: #39
总输出令牌: 249,808
响应时间（平均）: 73.46s
总成本: $1.713

推荐模型 Qwen3.8 Max (low)

它在这里得分最高（8.6），同时成本比Grok 4.6 (medium)低约 2.4 倍。

详细对比

指标	Qwen3.8 Max Qwen3.8 Max low 发布日期: 2026-08-04	Grok 4.6 Grok 4.6 medium 发布日期: 2026-08-12

指标	Qwen3.8 Max Qwen3.8 Max low 发布日期: 2026-08-04	Grok 4.6 Grok 4.6 medium 发布日期: 2026-08-12
分数	8.6	8.4
排名	#35	#39
可靠性	10.0	10.0
一致性	9.0	8.6
尝试次数	66/66	66/66
测试正确
尝试通过率	80.3%	81.8%
不稳定测试	3	4
总运行次数	66	66
每个结果成本	4.384	10.703
总成本	$0.702	$1.713
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	99,181	106,787
输出令牌	6,132	4,811
推理令牌	77,689	244,997
响应时间（平均）	21.83s	73.46s
响应时间（最大）	155.75s	514.35s
响应时间（总计）	480.37s	1616.12s
参数量	2.4T 总计 (~100B 激活)	~1.7T 总计 (~170B 激活)
开放状态	闭源	闭源

模型生成展示

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#35 Qwen3.8 Max

low

成本: $0.026
时间: 68.5s
令牌: 4,280 tok

#39 SpaceXAI: Grok 4.6

medium

成本: $0.028
时间: 72.1s
令牌: 4,771 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 Max	10.0	10.0	100.0%	0		3.93s	984	228	1,750
Grok 4.6	10.0	10.0	100.0%	0		10.84s	2,991	78	6,335

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 4.6	8.2	7.2	88.9%	1		120.05s	9,579	351	64,226

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 4.6	10.0	10.0	100.0%	0		62.66s	68,060	3,687	21,366

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 4.6	10.0	10.0	100.0%	0		11.46s	8,937	225	4,400

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	2.9	7.2	11.1%	1		40.12s	1,014	62	19,512
Grok 4.6	5.3	7.2	44.4%	1		304.33s	2,523	15	127,702

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 4.6	4.1	2.7	33.3%	1		17.27s	1,077	47	2,052

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 4.6	9.8	10.0	100.0%	0		12.75s	1,857	57	4,500

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 4.6	8.7	7.7	88.9%	1		16.30s	2,430	123	5,799

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 4.6	10.0	10.0	100.0%	0		12.83s	8,544	216	1,068

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 4.6	3.0	10.0	0.0%	0		46.88s	789	12	7,549

快速对比

切换对比组合

Muse Spark 1.2lowvsGrok 4.6medium GPT-5.4mediumvsQwen3.8 Maxlow Qwen3.8 27BhighvsGrok 4.6medium Inkling SmallhighvsGrok 4.6medium Claude Fable 5mediumvsQwen3.8 Maxlow Muse Spark 1.1mediumvsQwen3.8 Maxlow Muse Spark 1.2mediumvsQwen3.8 Maxlow Qwen3.8 MaxlowvsGrok 4.5medium Muse Spark 1.2highvsQwen3.8 Maxlow Muse Spark 1.1lowvsGrok 4.6medium Claude Opus 4.7mediumvsQwen3.8 Maxlow GPT-5.2mediumvsQwen3.8 Maxlow