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

Resumen

Comparación benchmark de Qwen3.5-9B vs Grok 4.20: Grok 4.20 lidera en puntuación media con 5.4 vs 4.2. Qwen3.5-9B 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 27.0% vs 33.3%.

Modelo recomendado: Grok 4.20 - Tiene la mejor puntuación aquí (5.4) y responde aproximadamente 74.2x más rápido que Qwen3.5-9B.

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-06-10

Métrica Qwen3.5-9B Qwen3.5-9B medium Lanzamiento: 2026-03-02 Grok 4.20 Grok 4.20 none Lanzamiento: 2026-03-31
Puntuación 4.2 5.4
Rango #162 #128
Fiabilidad 6.7 N/D
Consistencia 8.0 10.0
Pruebas correctas
Tasa de aciertos por intento 27.0% 33.3%
Pruebas inestables 5 0
Ejecuciones totales 63 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

Generation showcase

Hamster playing table tennis

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

#162 Qwen3.5-9B

medium
Cost
$0.001
Time
35.9s
Tokens
3,030 tok

#128 xAI: Grok 4.20

none
Cost
$0.004
Time
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

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 3.4 9.3 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 3.0 10.0 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 - - - - - - - - -

Comparación rápida

Cambiar par de comparación

Ling-2.6-1TnonevsQwen3.5-9BmediumMiniMax M2.5mediumvsGrok 4.20noneMiniMax M2.7mediumvsGrok 4.20noneGranite 4.1 8BnonevsQwen3.5-9BmediumMistral Small 4mediumvsGrok 4.20noneCobuddymediumvsGrok 4.20noneNemotron 3 SupermediumDisponible gratisvsGrok 4.20noneMercury 2nonevsQwen3.5-9BmediumQwen3.5-9BmediumvsMiMo-V2-FlashnoneTrinity Large PreviewnonevsQwen3.5-9BmediumGPT-5.4 NanononevsQwen3.5-9BmediumDeepSeek V4 ProhighvsGrok 4.20none