Qwen3.8 2.4T A95B
性价比更高: Ling 3.0 Flash $0.115/M 即可获得 Index 51.7,价格只有 26 分之一。
有 87 个更便宜的已排名模型得分更高:GPT-6.1 Terra (64.1, $2.00)、Muse Spark 1.1 (62.2, $2.00)、Gemini 3.7 Flash (62.1, $1.50),另有 84 个。
截至 2026年11月16日,Qwen3.8 2.4T A95B(Alibaba)在 BenchLeader Index 上得分 51.4(共 608 个已排名配置)。表现最好的是长上下文(65),最弱的是推理(46)。API 价格为输入每百万 token $2.00、输出每百万 token $6.00(按 3:1 混合为 $3.00),为 2026年11月16日的标价。输出速度约为 41 token/秒(Artificial Analysis)。发布于 2026年8月12日。
要点(截至 2026年11月16日)
- Qwen3.8 2.4T A95B 的 API 价格为输入每百万 token $2.00、输出每百万 token $6.00(按 3:1 混合为 $3.00)(标价,2026年11月16日)。
- Qwen3.8 2.4T A95B 的输出速度约为 41 token/秒(Artificial Analysis,2026年11月16日)。
- Qwen3.8 2.4T A95B 于 2026年8月12日发布(Alibaba)。
详细说明:Qwen3.8 2.4T A95B 是 Alibaba 的开放权重推理模型,发布于 2026年8月12日。其最佳配置在 BenchLeader Index 上得分 51.4 ±14.3,在 608 个配置中排第 311 名,处于下半区。关键在于这个“±”:另有 557 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,长上下文得分最高(65),推理最低(46)。按混合价格计,每百万 token $3.00,比大多数已排名模型贵。输出速度为 41 token/秒,首次回答需 107.3 秒,位于最慢的四分之一。它已在 4 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。最近一次测量:2026年8月12日。
- 混合价格
- $3.00/M
- 输入 $2.00 · 输出 $6.00
- 来源:Artificial Analysis
- 输出速度
- 41 tok/s
- 由 Artificial Analysis 测量
- 首次回答
- 107 s
- 首 token 1.83 s
- 上下文
- 1M
- 来源:models.dev
- 完整回答
- 248 s
- 最近一次测量 2026年11月13日
- 单任务成本
- –
- 单任务 token 数
- –
- 发布日期
- 2026年8月12日
- 综合 Index51
- 推理46
- 智能体与工具48
- 知识49
- 长上下文65
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/qwen3-8-2-4t-a95b)粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。
不同推理强度的配置
同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。
Index 走势
2026年10月25日 至 2026年11月16日Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。
基准测试结果
查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。
元数据
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AA Openness Index不计入 Index | 27.8#260 | Artificial Analysis |
推理
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| GPQA Diamond (AA)不计入 Index | 93.5%#14 | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | 42.5%#79 | Artificial Analysis | |
| HLE-Diamond (AA) | 20.1%#81 | Artificial Analysis | |
| CritPt不计入 Index | 20.0%#73 | Artificial Analysis |
编程
| 基准测试 | low | medium | xhigh | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|
| SciCode (AA)不计入 Index推理强度未说明 | – | – | – | 54.0%#78 | Artificial Analysis | |
| Terminal-Bench 4.0 (AA)不计入 Index推理强度未说明 | – | – | – | 11.1%#115 | Artificial Analysis | |
| Terminal-Bench 2.1 (AA)不计入 Index推理强度未说明 | – | – | – | 82.0%#39 | Artificial Analysis | |
| GameBench 2 Overall不计入 Index跨设置 | – | – | – | 52.8#30 | DuelLab GameBench 2 | |
| GameBench 2 by reasoning setting不计入 Index | 49.3#101 | 42.4#128 | 66.5#47 | – | DuelLab GameBench 2 |
智能体与工具
| 基准测试 | xhigh | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| MCP Atlas | 84.5%#7 | – | Scale AI SEAL | |
| GDPval-AA v2.1, normalised score不计入 Index推理强度未说明 | – | 55.4%#24 | Artificial Analysis | |
| GDPval-AA v2.1不计入 Index推理强度未说明 | – | 1614#38 | Artificial Analysis | |
| τ³-Banking (AA)推理强度未说明 | – | 49.1%#5 | Artificial Analysis | |
| AutomationBench不计入 Index推理强度未说明 | – | 57.3%#72 | Artificial Analysis | |
| GDP.pdf (AA)不计入 Index推理强度未说明 | – | 15.6%#120 | Artificial Analysis | |
| EnterpriseOps-Gym不计入 Index推理强度未说明 | – | 47.4%#8 | Artificial Analysis | |
| AA-Briefcase v1.1不计入 Index推理强度未说明 | – | 1430#71 | Artificial Analysis | |
| CWE-Bench (AA)推理强度未说明 | – | 28.3%#24 | Artificial Analysis | |
| DeepSec-Bench (AA)推理强度未说明 | – | 9.5%#24 | Artificial Analysis | |
| CyberGym end-to-end (AA)推理强度未说明 | – | 0.0%#23 | Artificial Analysis |
知识
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AA-Omniscience v1.1 | 7.8#66 | Artificial Analysis | |
| AA-Omniscience v1.1: accuracy不计入 Index | 31.4%#97 | Artificial Analysis | |
| AA-Omniscience v1.1: non-hallucination不计入 Index | 65.5%#44 | Artificial Analysis |
人类偏好
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| EQ-Bench Creative Writing v3不计入 Index | 1844#19 | EQ-Bench |
长上下文
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AA-LCR v1.1 | 80.3%#81 | Artificial Analysis | |
| MLCR不计入 Index | 30.6%#18 | Artificial Analysis |
综合
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AA Intelligence Index v4.3.2不计入 Index | 40.0#67 | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 317.8#74 | Artificial Analysis | |
| AA Cyber Index不计入 Index | 12.6#26 | Artificial Analysis |
安全与诚实
| 基准测试 | xhigh | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| FORTRESS不计入 Index | 21.6%#43 | – | Scale AI SEAL | |
| DistressBench不计入 Index推理强度未说明 | – | 77.5%#9 | Scale AI SEAL |
GameBench 2 Overall: 52.8. GameBench 2, best reasoning setting (XHigh): 66.5. 仅供参考,不计入 BenchLeader Index。
DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.
优势所在
在所有已测配置中,这个配置排名前五的基准测试。
API 价格:在哪里调用
通过 OpenRouter 提供这个模型的所有提供商:吞吐量和首 token 延迟基于过去 30 分钟的实时流量测得,价格为各提供商自己的报价。紫色标出每列的最佳值。
| 提供商 | 速度 | 首 token | 输入 $/M | 输出 $/M | 上下文 | 量化 |
|---|---|---|---|---|---|---|
| Venice | 125 tok/s | 0.98 s | $2.00 | $6.00 | 262k | – |
| Alibaba Cloud Int. | 39 tok/s | 1.78 s | $2.00 | $6.00 | 1M | – |
| SiliconFlow | 34 tok/s | 13 s | $2.00 | $6.00 | 1.0M | fp8 |
| NovitaAI | 26 tok/s | 6.04 s | $2.00 | $6.00 | 1M | – |
一项任务的成本
根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存,价格为每百万 token $0.250。未计入推理 token。
| 工作负载 | 输入 / 输出 token | 成本 | 使用缓存 | 耗时 |
|---|---|---|---|---|
| 聊天回复 | 400 / 300 | $0.0026 | $0.0021 | 1.9 min |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.028 | $0.012 | 2.0 min |
| 代码编辑 | 6,000 / 1,500 | $0.021 | $0.013 | 2.4 min |
| 智能体编程会话 | 60,000 / 4,000 | $0.144 | $0.065 | 3.4 min |
| 结构化信息提取 | 2,000 / 200 | $0.0052 | $0.0026 | 1.9 min |
将 Qwen3.8 2.4T A95B 与以下模型对比
- Qwen3.8 2.4T A95B vs Qwen3.8 Max
- Qwen3.8 2.4T A95B vs MiniMax M3.1 Flash
- Qwen3.8 2.4T A95B vs Gemini 3 Pro
- Qwen3.8 2.4T A95B vs Claude Sonnet 5.5
- Qwen3.8 2.4T A95B vs GPT-5.6 Sol
- Qwen3.8 2.4T A95B vs GLM 5.3
- Qwen3.8 2.4T A95B vs GLM 5.3 Flash
- Qwen3.8 2.4T A95B vs Muse Spark 1.3
- Qwen3.8 2.4T A95B vs Gemini 4 Argon
- Qwen3.8 2.4T A95B vs DeepSeek V4.1 Flash 1017
另请参阅
嵌入或引用
在模型卡片或 README 中展示 Qwen3.8 2.4T A95B 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。
[](https://www.benchleader.com/models/qwen3-8-2-4t-a95b)引用本页
排名每天都会变化,因此引用时需注明数据日期。APA 格式:
BenchLeader. (2026, November 16). Qwen3.8 2.4T A95B on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/qwen3-8-2-4t-a95b
BibTeX:
@misc{benchleader_qwen3_8_2_4t_a95b_20261116,
author = {{BenchLeader}},
title = {{Qwen3.8 2.4T A95B on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/qwen3-8-2-4t-a95b}},
note = {Data as of 2026-11-16}
}常见问题
- Qwen3.8 2.4T A95B 的基准测试得分是多少?
- 截至 2026年11月16日,Qwen3.8 2.4T A95B 的 BenchLeader Index 为 51.4 ±14.3。最强的是长上下文(65),最弱的是推理(46)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
- Qwen3.8 2.4T A95B 排名第几?
- 截至 2026年11月16日,Qwen3.8 2.4T A95B 在 608 个已排名配置中排第 311 名。另有 557 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
- Qwen3.8 2.4T A95B 每百万 token 的价格是多少?
- 截至 2026年11月16日,Qwen3.8 2.4T A95B 的价格为输入每百万 token $2.00、输出每百万 token $6.00,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $3.00。
- Qwen3.8 2.4T A95B 比 Qwen3.8-Flash-Next 更好吗?
- 截至 2026年11月16日,Qwen3.8 2.4T A95B 与 Qwen3.8-Flash-Next 的质量不相上下(BenchLeader Index 51.4 比 53.9,在 ±16.3 的误差范围内),可根据价格、速度和你看重的类别来选择。逐项基准测试的详细对比见对比页面。
- Qwen3.8 2.4T A95B 是什么时候发布的?
- Alibaba 于 2026年8月12日发布了 Qwen3.8 2.4T A95B。BenchLeader 收录了它在 4 种推理强度设置下的结果。
数据截至 2026年11月16日。 对比这些配置
引用格式:BenchLeader,《Qwen3.8 2.4T A95B:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/qwen3-8-2-4t-a95b。