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

排名: #16
总输出令牌: 84,826
响应时间（平均）: 21.53s
总成本: $0.728

排名: #11
总输出令牌: 265,604
响应时间（平均）: 79.38s
总成本: $1.809

推荐模型 Qwen3.8 Max (medium)

它的得分接近这里的最高分（9.1 vs 9.2），同时成本比Grok 4.6 (high)低约 2.5 倍。

详细对比

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

指标	Qwen3.8 Max Qwen3.8 Max medium 发布日期: 2026-08-04	Grok 4.6 Grok 4.6 high 发布日期: 2026-08-12
分数	9.1	9.2
排名	#16	#11
可靠性	10.0	10.0
一致性	9.7	9.6
尝试次数	66/66	66/66
测试正确
尝试通过率	84.9%	84.9%
不稳定测试	1	1
总运行次数	66	66
每个结果成本	4.040	10.046
总成本	$0.728	$1.809
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	107,266
输出令牌	6,567	5,094
推理令牌	78,259	260,510
响应时间（平均）	21.53s	79.38s
响应时间（最大）	126.60s	618.49s
响应时间（总计）	473.75s	1746.29s
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.

#16 Qwen3.8 Max

medium

成本: $0.028
时间: 71.9s
令牌: 4,750 tok

#11 SpaceXAI: Grok 4.6

high

成本: $0.107
时间: 265.1s
令牌: 18,001 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 4.6	10.0	10.0	100.0%	0		14.44s	2,991	79	6,805

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 4.6	10.0	10.0	100.0%	0		102.20s	9,579	379	51,829

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 4.6	10.0	10.0	100.0%	0		91.77s	68,548	3,931	34,529

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 4.6	10.0	10.0	100.0%	0		16.08s	8,937	225	6,590

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 4.6	3.6	7.2	22.2%	1		334.95s	2,514	14	137,858

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 4.6	10.0	10.0	100.0%	0		19.51s	1,077	56	2,448

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 4.6	9.8	10.0	100.0%	0		13.82s	1,857	57	4,318

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 4.6	10.0	10.0	100.0%	0		15.56s	2,430	122	5,706

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 4.6	10.0	10.0	100.0%	0		13.30s	8,544	216	1,505

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 4.6	3.0	10.0	0.0%	0		54.22s	789	15	8,922

快速对比

切换对比组合

Seed 2.1 TurbolowvsQwen3.8 Maxmedium Gemini 3.1 Pro PreviewmediumvsGrok 4.6high Claude Opus 5mediumvsGrok 4.6high Qwen3.7 MaxmediumvsGrok 4.6high Gemini 3.5 FlashmediumvsGrok 4.6high GPT-5.5lowvsGrok 4.6high Seed 2.1 TurbolowvsGrok 4.6high Claude Opus 5highvsQwen3.8 Maxmedium GPT-5.6 SolmediumvsGrok 4.6high Gemini 3.5 FlashlowvsQwen3.8 Maxmedium Qwen3.8 MaxmediumvsGrok 4.5high GPT-5.5lowvsQwen3.8 Maxmedium