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-Flash 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-Flash Qwen3.5-Flash medium Lanzamiento: 2026-02-24 Grok 4.20 Beta Grok 4.20 Beta medium Lanzamiento: 2026-03-12
Rango #26 #24
Puntaje prom. 6.9 7.0
Consistencia 7.5 9.0
Costo por resultado 0.720 5.989
Costo total $0.072 $0.599
Pruebas correctas
Tasa de aciertos por intento 81.3% 70.8%
Pruebas inestables 5 2
Ejecuciones totales 48 48
Tokens de salida 1,807 1,481
Tokens de razonamiento 169,952 86,628
Tiempo de respuesta (promedio) 70.81s 8.89s
Tiempo de respuesta (máximo) 234.29s 24.21s
Tiempo de respuesta (total) 1132.90s 142.18s

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-Flash 10.0 10.0 100.0% 0 71.35s 363 23,645
Grok 4.20 Beta 7.0 7.2 88.9% 1 3.19s 262 6,289
Combinado Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Qwen3.5-Flash 10.0 10.0 100.0% 0 17.78s 483 8,270
Grok 4.20 Beta 10.0 10.0 100.0% 0 20.93s 227 12,212
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-Flash 5.5 5.9 83.3% 1 56.99s 235 16,237
Grok 4.20 Beta 9.9 10.0 100.0% 0 4.01s 180 5,281
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-Flash 4.0 7.2 44.4% 1 146.50s 58 43,615
Grok 4.20 Beta 4.0 10.0 33.3% 0 21.33s 251 40,255
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-Flash 5.0 3.1 66.7% 1 40.05s 99 38,486
Grok 4.20 Beta 10.0 10.0 100.0% 0 5.78s 72 3,440
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-Flash 10.0 10.0 100.0% 0 63.49s 98 14,139
Grok 4.20 Beta 9.0 10.0 50.0% 0 4.97s 57 7,107
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-Flash 4.0 4.4 77.8% 2 56.74s 162 24,276
Grok 4.20 Beta 7.0 7.2 88.9% 1 3.85s 249 6,660
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-Flash 10.0 10.0 100.0% 0 10.33s 309 1,284
Grok 4.20 Beta 10.0 10.0 0.0% 0 12.39s 183 5,384

Comparación rápida

Cambiar par de comparación

Gemini 3.1 Flash Lite PreviewnonevsGrok 4.20 BetamediumClaude Sonnet 4.6nonevsQwen3.5-FlashmediumGemini 3.1 Flash Lite PreviewnonevsQwen3.5-FlashmediumGemini 3 Flash PreviewnonevsGrok 4.20 BetamediumClaude Sonnet 4.6nonevsGrok 4.20 BetamediumGPT-5.3 ChatnonevsGrok 4.20 BetamediumGemini 3 Flash PreviewnonevsQwen3.5-FlashmediumGemini 3.1 Flash Lite PreviewlowvsGrok 4.20 BetamediumGPT-5.3 ChatnonevsQwen3.5-FlashmediumGemini 3.1 Flash Lite PreviewlowvsQwen3.5-FlashmediumGPT-5.2 ChatnonevsGrok 4.20 BetamediumGPT-5.2 ChatnonevsQwen3.5-Flashmedium