在 AA-PersonalityBench 中，Qwen3.8 27B 的回答是所有受测模型中最长的，平均约 1,030 词，约为 GPT-6 Sol（174 词）的 6 倍。针对相同问题，各模型的平均回答长度差异很大，从 174 词到约 1,030 词不等。平均每回答词数：最长：Qwen3.8 27B（1,030）、K2 Horizon 375B A23B（922）、Qwen3.8 Max (0902)（863）、Muse Spark Open（809）和 Gemini 4 Argon（790）；最短：GPT-6 Sol（174）、GPT-3.5 Turbo（180）、GPT-6 Luna（270）、GPT-6.1 Sol（337）和 GPT-6 Astra（352）。

Artificial Analysis 的 AA-PersonalityBench 发现，各模型的啰嗦程度差距很大：针对相同问题，Qwen3.8 27B 平均每回答约 1,030 词，约为 GPT-6 Sol（174 词）的 6 倍。回答最长的是 Qwen3.8 27B、K2 Horizon 375B A23B 和 Qwen3.8 Max，最短的是 GPT-6 Sol、GPT-3.5 Turbo 和 GPT-6 Luna。这一差距之所以重要，是因为回答长度直接影响成本、延迟和用户体验，因此词数是除质量之外选择模型时的一个实际考量。

• Artificial Analysis2026-11-06 19:20