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

已对比模型

排名: #29
总输出令牌: 92,047
响应时间（平均）: 23.34s
总成本: $0.771

排名: #30
总输出令牌: 324,462
响应时间（平均）: 72.30s
总成本: $2.252

推荐模型 Qwen3.8 Max (medium)

它在这里得分最高（9.0），同时成本比Grok 4.5 (high)低约 2.9 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	9.0	9.0
排名	#29	#30
可靠性	10.0	10.0
一致性	9.7	8.9
尝试次数	66/66	66/66
测试正确
尝试通过率	80.3%	86.4%
不稳定测试	1	3
总运行次数	66	66
每个结果成本	4.532	12.565
总成本	$0.771	$2.252
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	109,055	152,175
输出令牌	6,566	5,655
推理令牌	85,481	318,807
响应时间（平均）	23.34s	72.30s
响应时间（最大）	126.60s	676.83s
响应时间（总计）	513.47s	1590.56s
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.

#29 Qwen3.8 Max

medium

成本: $0.028
时间: 71.9s
令牌: 4,750 tok

#30 SpaceXAI: 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	3.0	10.0	0.0%	0		41.77s	780	62	20,803
Grok 4.5	4.1	4.4	44.5%	2		301.27s	2,523	6	173,117

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

Claude Fable 5.1highvsQwen3.8 Maxmedium GPT-5.3-CodexmediumvsGrok 4.5high GPT-5.5mediumvsGrok 4.5high Gemini 3.5 FlashmediumvsGrok 4.5high ParetononevsGrok 4.5high Muse Spark 1.3highvsQwen3.8 Maxmedium Qwen3.7 MaxmediumvsGrok 4.5high Qwen3.8 MaxmediumvsParetonone Seed 2.1 TurbohighvsQwen3.8 Maxmedium Seed 2.1 TurbolowvsQwen3.8 Maxmedium Seed 2.1 TurbolowvsGrok 4.5high Gemini 3.5 FlashlowvsGrok 4.5high