- 排名
- #19
- 总输出令牌
- 282,217
- 响应时间（平均）
- 84.15s
- 总成本
- $1.908
已对比模型
Grok 4.6 (high) vs Seed 2.1 Turbo (low) vs Qwen3.8 2.4T A95B (low) vs Seed-2.0-Code (low) 基准对比: Grok 4.6 (high) 在分数上以 9.3 领先。 Grok 4.6 (high) 在可靠性上以 10.0 领先。 Seed-2.0-Code (low) 的总成本最低，为 $0.767。 Seed-2.0-Code (low) 最快，为 72.24s。
已对比模型
- 排名
- #28
- 总输出令牌
- 597,236
- 响应时间（平均）
- 163.90s
- 总成本
- $1.546
- 排名
- #78
- 总输出令牌
- 495,541
- 响应时间（平均）
- 118.97s
- 总成本
- $2.672
- 排名
- #106
- 总输出令牌
- 241,309
- 响应时间（平均）
- 72.24s
- 总成本
- $0.767
推荐模型
Grok 4.6 (high)
它在本次比较中得分最高（9.3），并且在全部 4 个模型中兼顾成本和响应时间最好。
详细对比
| 指标 | Grok 4.6 Grok 4.6 high | Seed 2.1 Turbo Seed 2.1 Turbo low | Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B low | Seed-2.0-Code Seed-2.0-Code low |
|---|---|---|---|---|
| 分数 | 9.3 | 9.1 | 8.1 | 7.7 |
| 排名 | #19 | #28 | #78 | #106 |
| 可靠性 | 10.0 | 10.0 | 9.4 | 8.5 |
| 一致性 | 10.0 | 9.2 | 9.2 | 7.8 |
| 尝试次数 | 66/66 | 66/66 | 66/66 | 66/66 |
| 测试正确 | ||||
| 尝试通过率 | 86.4% | 80.3% | 72.7% | 77.3% |
| 不稳定测试 | 0 | 2 | 2 | 6 |
| 总运行次数 | 66 | 66 | 66 | 66 |
| 每个结果成本 | 10.042 | 9.091 | 17.812 | 5.899 |
| 总成本 | $1.908 | $1.546 | $2.672 | $0.767 |
| 输入价格 | $2.000 / 1M | $0.500 / 1M | $2.000 / 1M | $0.500 / 1M |
| 输出价格 | $6.000 / 1M | $2.500 / 1M | $6.000 / 1M | $3.000 / 1M |
| 总输入令牌 | 107,275 | 104,464 | 113,279 | 85,657 |
| 输出令牌 | 5,094 | 6,844 | 121,045 | 8,142 |
| 推理令牌 | 277,123 | 590,392 | 374,496 | 233,167 |
| 响应时间（平均） | 84.15s | 163.90s | 118.97s | 72.24s |
| 响应时间（最大） | 618.49s | 739.98s | 534.21s | 485.92s |
| 响应时间（总计） | 1851.26s | 3605.87s | 2617.41s | 1589.31s |
| 参数量 | ~1.7T 总计 (~170B 激活) | ~200B 总计 (~20B 激活) | 2.4T 总计 (95B 激活) | ~200B 总计 (~20B 激活) |
| 开放状态 | 闭源 | 闭源 | 权重可用 | 闭源 |
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#19 SpaceXAI: Grok 4.6
high- 成本
- $0.107
- 时间
- 265.1s
- 令牌
- 18,001 tok
#28 Seed 2.1 Turbo
low- 成本
- $0.049
- 时间
- 298.8s
- 令牌
- 19,730 tok
#78 Qwen3.8 2.4T A95B
low- 成本
- $0.100
- 时间
- 193.2s
- 令牌
- 16,767 tok
#106 Seed-2.0-Code
low
Provider returned error
- 成本
- $0.000
- 时间
- 0.3s
- 令牌
- 0 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 |
|---|---|---|---|---|---|---|---|---|---|
| Grok 4.6 | 10.0 | 10.0 | 100.0% | 0 | 14.44s | 2,991 | 79 | 6,805 | |
| Seed 2.1 Turbo | 8.2 | 7.9 | 83.3% | 1 | 34.78s | 906 | 624 | 22,595 | |
| Qwen3.8 2.4T A95B | 10.0 | 10.0 | 100.0% | 0 | 22.04s | 1,104 | 397 | 4,814 | |
| Seed-2.0-Code | 8.7 | 7.9 | 91.7% | 1 | 39.56s | 930 | 2,650 | 15,987 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Grok 4.6 | 10.0 | 10.0 | 100.0% | 0 | 102.20s | 9,579 | 379 | 51,829 | |
| Seed 2.1 Turbo | 10.0 | 10.0 | 100.0% | 0 | 360.85s | 8,220 | 385 | 207,368 | |
| Qwen3.8 2.4T A95B | 7.8 | 9.3 | 66.7% | 0 | 172.53s | 6,716 | 21,405 | 57,399 | |
| Seed-2.0-Code | 7.0 | 7.1 | 55.6% | 1 | 109.70s | 7,948 | 455 | 55,759 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Grok 4.6 | 10.0 | 10.0 | 100.0% | 0 | 91.77s | 68,548 | 3,931 | 34,529 | |
| Seed 2.1 Turbo | 10.0 | 10.0 | 100.0% | 0 | 359.97s | 74,199 | 4,604 | 132,545 | |
| Qwen3.8 2.4T A95B | 8.2 | 6.9 | 66.7% | 1 | 231.85s | 85,267 | 8,008 | 50,681 | |
| Seed-2.0-Code | 7.3 | 5.8 | 83.3% | 1 | 99.12s | 55,969 | 3,774 | 21,408 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Grok 4.6 | 10.0 | 10.0 | 100.0% | 0 | 16.08s | 8,937 | 225 | 6,590 | |
| Seed 2.1 Turbo | 10.0 | 10.0 | 100.0% | 0 | 34.55s | 8,544 | 246 | 12,576 | |
| Qwen3.8 2.4T A95B | 10.0 | 10.0 | 100.0% | 0 | 22.27s | 7,956 | 839 | 2,445 | |
| Seed-2.0-Code | 10.0 | 10.0 | 100.0% | 0 | 24.88s | 8,046 | 246 | 1,639 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Grok 4.6 | 5.3 | 10.0 | 33.3% | 0 | 369.95s | 2,523 | 14 | 154,471 | |
| Seed 2.1 Turbo | 2.9 | 7.2 | 11.1% | 1 | 424.53s | 775 | 8 | 166,776 | |
| Qwen3.8 2.4T A95B | 3.2 | 9.3 | 0.0% | 0 | 287.65s | 1,008 | 16,133 | 156,114 | |
| Seed-2.0-Code | 4.1 | 4.4 | 44.5% | 2 | 238.45s | 975 | 16 | 132,626 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Grok 4.6 | 10.0 | 10.0 | 100.0% | 0 | 19.51s | 1,077 | 56 | 2,448 | |
| Seed 2.1 Turbo | 10.0 | 10.0 | 100.0% | 0 | 41.83s | 573 | 235 | 6,851 | |
| Qwen3.8 2.4T A95B | 6.1 | 3.1 | 66.7% | 1 | 22.97s | 606 | 44 | 1,497 | |
| Seed-2.0-Code | 6.5 | 3.4 | 66.7% | 1 | 11.14s | 579 | 179 | 1,117 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Grok 4.6 | 9.8 | 10.0 | 100.0% | 0 | 13.82s | 1,857 | 57 | 4,318 | |
| Seed 2.1 Turbo | 9.8 | 10.0 | 100.0% | 0 | 5.05s | 816 | 72 | 1,271 | |
| Qwen3.8 2.4T A95B | 9.8 | 10.0 | 100.0% | 0 | 19.54s | 903 | 263 | 1,480 | |
| Seed-2.0-Code | 9.8 | 10.0 | 100.0% | 0 | 12.20s | 828 | 72 | 1,034 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Grok 4.6 | 10.0 | 10.0 | 100.0% | 0 | 15.56s | 2,430 | 122 | 5,706 | |
| Seed 2.1 Turbo | 10.0 | 10.0 | 100.0% | 0 | 23.45s | 867 | 430 | 12,087 | |
| Qwen3.8 2.4T A95B | 10.0 | 10.0 | 100.0% | 0 | 43.37s | 1,026 | 1,154 | 25,563 | |
| Seed-2.0-Code | 9.9 | 10.0 | 100.0% | 0 | 12.50s | 885 | 445 | 2,470 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Grok 4.6 | 10.0 | 10.0 | 100.0% | 0 | 13.30s | 8,544 | 216 | 1,505 | |
| Seed 2.1 Turbo | 10.0 | 10.0 | 100.0% | 0 | 27.40s | 9,297 | 228 | 1,452 | |
| Qwen3.8 2.4T A95B | 10.0 | 10.0 | 100.0% | 0 | 25.88s | 8,481 | 302 | 975 | |
| Seed-2.0-Code | 10.0 | 10.0 | 100.0% | 0 | 55.56s | 9,315 | 296 | 637 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Grok 4.6 | 3.0 | 10.0 | 0.0% | 0 | 54.22s | 789 | 15 | 8,922 | |
| Seed 2.1 Turbo | 3.0 | 10.0 | 0.0% | 0 | 171.92s | 267 | 12 | 26,871 | |
| Qwen3.8 2.4T A95B | 3.0 | 10.0 | 0.0% | 0 | 422.46s | 212 | 72,500 | 73,528 | |
| Seed-2.0-Code | 3.0 | 10.0 | 0.0% | 0 | 10.02s | 182 | 9 | 490 |
快速对比
切换对比组合
Seed-2.0-CodelowvsGLM 5mediumGPT-5.5lowvsGrok 4.6highGPT-5 MinimediumvsQwen3.8 2.4T A95BlowMuse Glimmer 30BxhighvsQwen3.8 2.4T A95BlowClaude Opus 4.6mediumvsSeed-2.0-CodelowClaude Opus 5.5lowvsGrok 4.6highSeed 2.1 TurbolowvsGemini 3.8 FlashmediumSeed-2.0-CodelowvsQwen3.7 FlashhighGPT-6 AstramediumvsGrok 4.6highGPT-5.6 SolmediumvsGrok 4.6highGPT-6 SolmediumvsGrok 4.6highQwen3.8 2.4T A95BlowvsGrok 4.7medium