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

Grok 4.20 lidera en puntuación media con 4.1 vs 3.8. Qwen3.5-9B (medium) tiene menor coste de benchmark con $0.036 vs $0.057. Grok 4.20 es más rápido con 1.11s vs 82.24s, con tasas de acierto de 25.8% vs 27.3%.

Modelo recomendadoGrok 4.20Tiene la mejor puntuación aquí (4.1) y responde aproximadamente 74.2x más rápido que Qwen3.5-9B (medium).

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-25

Métrica	Qwen3.5-9B Qwen3.5-9B medium Lanzamiento: 2026-03-02	Grok 4.20 Grok 4.20 none Lanzamiento: 2026-03-31

Métrica	Qwen3.5-9B Qwen3.5-9B medium Lanzamiento: 2026-03-02	Grok 4.20 Grok 4.20 none Lanzamiento: 2026-03-31
Puntuación	3.8	4.1
Rango	#220	#213
Fiabilidad	5.0	N/D
Consistencia	8.1	8.1
Pruebas correctas
Tasa de aciertos por intento	25.8%	27.3%
Pruebas inestables	5	0
Ejecuciones totales	66	54
Costo por resultado	1.187	1.570
Costo total	$0.036	$0.057
Precio de entrada	$0.100 / 1M	$1.250 / 1M
Precio de salida	$0.150 / 1M	$2.500 / 1M
Total de tokens de entrada	17,070	41,313
Tokens de salida	29,045	1,923
Tokens de razonamiento	209,516	0
Tiempo de respuesta (promedio)	82.24s	1.11s
Tiempo de respuesta (máximo)	226.38s	6.04s
Tiempo de respuesta (total)	1315.88s	19.96s

Hamster playing table tennis

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

#220 Qwen3.5-9B

medium

Coste: $0.001
Tiempo: 35.9s
Tokens: 3,030 tok

#213 xAI: Grok 4.20

none

Coste: $0.004
Tiempo: 6.5s
Tokens: 1,367 tok

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntuación vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntuación vs Total de tokens de salida

Desglose por categoría

Categoría:

Trucos anti-IA	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Qwen3.5-9B	5.1	5.8	50.0%	2		34.44s	369	2,621	12,411
Grok 4.20	4.8	10.0	25.0%	0		501ms	1,986	267	0

Programación	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Qwen3.5-9B	2.9	10.0	0.0%	0		100.88s	2,396	7,890	41,129
Grok 4.20	1.1	3.1	0.0%	0		1.22s	1,074	312	0

Combinado	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Qwen3.5-9B	3.0	10.0	0.0%	0		0ms	0	0	0
Grok 4.20	1.5	5.0	0.0%	0		6.04s	17,673	282	0

Análisis y extracción de datos	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Qwen3.5-9B	3.6	5.6	33.3%	1		87.31s	4,722	1,383	32,113
Grok 4.20	10.0	10.0	100.0%	0		522ms	7,749	207	0

Específico del dominio	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Qwen3.5-9B	3.6	7.2	22.2%	1		137.75s	295	11,549	48,475
Grok 4.20	3.0	10.0	0.0%	0		687ms	1,746	325	0

Inteligencia general	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Qwen3.5-9B	2.8	1.6	33.3%	1		226.38s	180	0	30,695
Grok 4.20	4.8	10.0	0.0%	0		659ms	819	83	0

Seguimiento de instrucciones	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Qwen3.5-9B	6.5	10.0	50.0%	0		5.75s	381	491	1,824
Grok 4.20	6.3	10.0	50.0%	0		445ms	1,350	60	0

Resolución de acertijos	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Qwen3.5-9B	3.0	10.0	0.0%	0		32.27s	376	1,593	12,026
Grok 4.20	5.3	10.0	33.3%	0		473ms	1,671	198	0

Llamada de herramientas	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Qwen3.5-9B	10.0	10.0	100.0%	0		4.31s	8,283	444	1,149
Grok 4.20	10.0	10.0	100.0%	0		4.63s	7,245	189	0

Cultura general	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Qwen3.5-9B	3.0	10.0	0.0%	0		177.02s	68	3,074	29,694
Grok 4.20	0.0	0.0	0.0%	0		0ms	0	0	0

Comparación rápida

Cambiar par de comparación

gpt-oss-120bnoneDisponible gratisvsQwen3.5-9Bmedium Grok 4.20nonevsGLM 4.7 Flashmedium Granite 4.1 8BnonevsQwen3.5-9Bmedium MiniMax M2.5mediumvsGrok 4.20none CobuddymediumvsGrok 4.20none Qwen3 Coder NextmediumvsGrok 4.20none Laguna S 2.1noneDisponible gratisvsQwen3.5-9Bmedium Mercury 2nonevsQwen3.5-9Bmedium Laguna S 2.1lowDisponible gratisvsGrok 4.20none MiniMax M2.7mediumvsGrok 4.20none Trinity Large PreviewnonevsQwen3.5-9Bmedium KAT-Coder-Air V2.5nonevsQwen3.5-9Bmedium