导航
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

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: Seed 2.1 Turbo (low) 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 $0.881。 Seed-2.0-Code (low) 最快,为 73.02s。

基准结果生成自 AI BENCHY 测试套件,时间:: 2026-11-22

已对比模型

排名
#124
总输出令牌
312,614
响应时间(平均)
87.48s
总成本
$2.629
排名
#48
总输出令牌
609,333
响应时间(平均)
161.25s
总成本
$1.645
排名
#132
总输出令牌
424,019
响应时间(平均)
120.40s
总成本
$4.016
排名
#161
总输出令牌
253,807
响应时间(平均)
73.02s
总成本
$0.881
推荐模型 Seed 2.1 Turbo (low)

它在这里得分最高(9.3),同时成本比本次比较中的其他模型低约 1.5 倍。

详细对比

指标 Grok 4.6 Grok 4.6 high 发布日期: 2026-08-12 Seed 2.1 Turbo Seed 2.1 Turbo low 发布日期: 2026-08-12 Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B low 发布日期: 2026-08-12 Seed-2.0-Code Seed-2.0-Code low 发布日期: 2026-08-12
分数 8.5 9.3 8.4 8.1
排名 #124 #48 #132 #161
可靠性 10.0 10.0 9.6 8.9
一致性 10.0 9.3 9.2 7.9
尝试次数 69/69 69/69 69/69 69/69
测试正确
尝试通过率 82.6% 81.2% 73.9% 78.3%
不稳定测试 0 2 2 6
总运行次数 69 69 69 69
每个结果成本 13.833 9.135 19.825 6.288
总成本 $2.629 $1.645 $4.016 $0.881
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
缓存读取价格 $0.500 / 1M 不适用 $0.250 / 1M 不适用
缓存写入价格 不适用 不适用 不适用 不适用
总输入令牌 376,233 241,855 313,881 237,604
输出令牌 6,687 8,387 123,706 9,617
推理令牌 305,927 600,946 388,328 244,190
响应时间(平均) 87.48s 161.25s 120.40s 73.02s
响应时间(最大) 618.49s 739.98s 534.21s 485.92s
响应时间(总计) 2012.15s 3708.70s 2769.16s 1679.49s
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

缓存价格适用于输入令牌。读取会复用已缓存的提示词;写入会存储提示词,可能产生额外费用。输出令牌按输出价格计费。

模型生成展示

Hamster playing table tennis

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

#124 SpaceXAI: Grok 4.6

high
成本
$0.107
时间
265.1s
令牌
18,001 tok

#48 Seed 2.1 Turbo

low
成本
$0.049
时间
298.8s
令牌
19,730 tok

#132 Qwen3.8 2.4T A95B

low
成本
$0.100
时间
193.2s
令牌
16,767 tok

#161 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

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

切换对比组合