Qwen3.8 Max (medium) vs Grok 4.5 (high)

排名: #14
总输出令牌: 84,826
响应时间（平均）: 21.53s
总成本: $0.728

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 (medium)

它在这里得分最高（9.1），同时成本比Grok 4.5 (high)低约 2.3 倍。

详细对比

指标	Qwen3.8 Max Qwen3.8 Max medium 发布日期: 2026-08-04	Grok 4.5 Grok 4.5 high 发布日期: 2026-07-08

指标	Qwen3.8 Max Qwen3.8 Max medium 发布日期: 2026-08-04	Grok 4.5 Grok 4.5 high 发布日期: 2026-07-08
分数	9.1	8.9
排名	#14	#17
可靠性	10.0	10.0
一致性	9.7	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	1	2
总运行次数	66	66
每个结果成本	4.040	10.041
总成本	$0.728	$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	109,046	151,562
输出令牌	6,567	5,655
推理令牌	78,259	247,540
响应时间（平均）	21.53s	76.50s
响应时间（最大）	126.60s	676.83s
响应时间（总计）	473.75s	1683.07s

模型生成展示

Hamster playing table tennis

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

#14 Qwen3.8 Max

medium

成本: $0.028
时间: 71.9s
令牌: 4,750 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

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		4.17s	672	312	2,075
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	10.0	10.0	100.0%	0		41.35s	7,893	430	23,804
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	8.7	6.9	83.3%	1		91.25s	81,584	4,526	30,688
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		8.72s	7,782	270	2,519
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	10.0	33.3%	0		28.52s	771	63	13,581
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	10.0	10.0	100.0%	0		6.41s	516	168	700
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		3.49s	699	102	914
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	10.0	10.0	100.0%	0		4.93s	696	401	1,575
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		7.83s	8,229	267	636
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		11.49s	204	28	1,767
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 4.5high Gemini 3.5 FlashlowvsGrok 4.5high GPT-5.5mediumvsGrok 4.5high Claude Opus 4.8mediumvsGrok 4.5high Claude Opus 5highvsQwen3.8 Maxmedium Gemini 3.5 FlashlowvsQwen3.8 Maxmedium Gemini 3.5 FlashmediumvsGrok 4.5high Gemini 3.6 FlashlowvsGrok 4.5high GPT-5.5lowvsQwen3.8 Maxmedium Qwen3.7 MaxmediumvsGrok 4.5high Claude Opus 4.7mediumvsGrok 4.5high GPT-5.6 SolhighvsQwen3.8 Maxmedium