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

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-04-26

Métrica Qwen3.5-9B Qwen3.5-9B none Lanzamiento: 2026-03-02 Grok 4.20 Grok 4.20 none Lanzamiento: 2026-03-31
Puntuación 4.8 5.2
Rango #105 #96
Fiabilidad N/D N/D
Consistencia 9.6 9.5
Pruebas correctas
Tasa de aciertos por intento 24.1% 29.6%
Pruebas inestables 1 1
Ejecuciones totales 54 54
Costo por resultado 0.116 1.889
Costo total $0.005 $0.095
Precio de entrada $0.100 / 1M $2.000 / 1M
Precio de salida $0.150 / 1M $6.000 / 1M
Tokens de salida 3,951 1,967
Tokens de razonamiento 0 0
Tiempo de respuesta (promedio) 1.47s 1.11s
Tiempo de respuesta (máximo) 5.91s 6.04s
Tiempo de respuesta (total) 26.43s 20.02s

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 salida Tokens de razonamiento
Qwen3.5-9B 3.1 9.9 0.0% 0 1.71s 582 0
Grok 4.20 4.8 10.0 25.0% 0 501ms 267 0
Programación Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Qwen3.5-9B 5.2 3.4 33.3% 1 5.69s 1,006 0
Grok 4.20 3.4 9.3 0.0% 0 1.22s 312 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 3.0 10.0 0.0% 0 5.91s 1,255 0
Grok 4.20 3.0 10.0 0.0% 0 6.04s 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 10.0 10.0 100.0% 0 847ms 249 0
Grok 4.20 10.0 10.0 100.0% 0 522ms 207 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 3.0 10.0 0.0% 0 464ms 24 0
Grok 4.20 3.0 10.0 0.0% 0 687ms 325 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 4.4 9.9 0.0% 0 552ms 99 0
Grok 4.20 4.8 10.0 0.0% 0 659ms 83 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 6.5 10.0 50.0% 0 514ms 75 0
Grok 4.20 4.8 10.0 0.0% 0 455ms 60 0
Resolución de acertijos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Qwen3.5-9B 3.2 9.9 0.0% 0 683ms 388 0
Grok 4.20 5.3 7.4 44.4% 1 487ms 242 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 1.27s 273 0
Grok 4.20 10.0 10.0 100.0% 0 4.63s 189 0

Comparación rápida

Cambiar par de comparación

Elephant AlphamediumvsGrok 4.20noneMiniMax M2.7mediumvsGrok 4.20noneQwen3.5-9BnonevsGLM 4.7 FlashmediumMistral Small 4mediumvsGrok 4.20noneElephant AlphamediumvsQwen3.5-9BnoneMiniMax M2.7mediumvsQwen3.5-9BnoneMiniMax M2.5mediumDisponible gratisvsGrok 4.20noneQwen3 Coder NextmediumvsGrok 4.20noneGrok 4.20nonevsGLM 4.7 Flashmediumgpt-oss-120bmediumDisponible gratisvsGrok 4.20noneQwen3.5-9BmediumvsGrok 4.20noneMistral Small 4mediumvsQwen3.5-9Bnone