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

AI BENCHY Compare

Qwen: Qwen3.5-9B vs xAI: Grok 4.20 Beta

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-03-12

Métrica Qwen3.5-9B Qwen3.5-9B medium Lanzamiento: 2026-03-02 Grok 4.20 Beta Grok 4.20 Beta none Lanzamiento: 2026-03-12
Rango #66 #52
Puntaje prom. 2.6 4.4
Consistencia 7.4 9.1
Costo por resultado 0.779 2.214
Costo total $0.024 $0.089
Pruebas correctas
Tasa de aciertos por intento 35.4% 33.3%
Pruebas inestables 5 2
Ejecuciones totales 48 48
Tokens de salida 17,930 1,511
Tokens de razonamiento 139,706 0
Tiempo de respuesta (promedio) 71.44s 1.22s
Tiempo de respuesta (máximo) 226.38s 6.48s
Tiempo de respuesta (total) 928.77s 19.53s

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntaje prom. vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntaje prom. vs Total de tokens de salida

Desglose por categoría

Trucos anti-IA Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Qwen3.5-9B 4.0 7.2 55.6% 1 31.54s 2,410 10,913
Grok 4.20 Beta 3.3 7.9 22.2% 1 562ms 245 0
Combinado Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Qwen3.5-9B 10.0 10.0 0.0% 0 0ms 0 0
Grok 4.20 Beta 10.0 10.0 0.0% 0 6.48s 282 0
Análisis y extracción de datos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Qwen3.5-9B 5.0 5.6 33.3% 1 87.31s 1,383 32,113
Grok 4.20 Beta 9.9 10.0 100.0% 0 601ms 197 0
Específico del dominio Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Qwen3.5-9B 10.0 7.2 22.2% 1 137.75s 11,549 48,475
Grok 4.20 Beta 10.0 10.0 0.0% 0 611ms 160 0
Inteligencia general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Qwen3.5-9B 10.0 1.6 33.3% 1 226.38s 0 30,695
Grok 4.20 Beta 5.0 10.0 0.0% 0 541ms 87 0
Seguimiento de instrucciones Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Qwen3.5-9B 5.5 5.8 66.7% 1 17.15s 599 4,517
Grok 4.20 Beta 4.5 10.0 0.0% 0 687ms 60 0
Puzzle Solving Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Qwen3.5-9B 10.0 10.0 0.0% 0 33.38s 1,545 11,844
Grok 4.20 Beta 4.0 7.2 55.6% 1 541ms 291 0
Llamada de herramientas Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Qwen3.5-9B 10.0 10.0 100.0% 0 4.31s 444 1,149
Grok 4.20 Beta 10.0 10.0 100.0% 0 4.79s 189 0

Comparación rápida

Cambiar par de comparación

Qwen3.5-9BmediumvsMiMo-V2-FlashnoneMiniMax M2.5mediumvsGrok 4.20 BetanoneQwen3.5-9BmediumvsGrok 4.1 Fastnonegpt-oss-120bmediumDisponible gratisvsGrok 4.20 BetanoneMercury 2nonevsQwen3.5-9BmediumNemotron 3 Super 120b A12bnoneDisponible gratisvsQwen3.5-9BmediumMercury 2mediumvsGrok 4.20 BetanoneQwen3 Coder NextmediumvsGrok 4.20 BetanoneQwen3.5-35B-A3BmediumvsGrok 4.20 BetanoneGPT-5 NanomediumvsGrok 4.20 BetanoneQwen3.5-9BmediumvsGLM 4.7 FlashnoneGrok 4.20 BetanonevsGLM 4.7 Flashmedium