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 none Lanzamiento: 2026-02-24 Grok 4.20 Beta Grok 4.20 Beta medium Lanzamiento: 2026-03-12
Rango #41 #24
Puntaje prom. 5.2 7.0
Consistencia 9.6 9.0
Costo por resultado 0.077 5.989
Costo total $0.006 $0.599
Pruebas correctas
Tasa de aciertos por intento 45.8% 70.8%
Pruebas inestables 1 2
Ejecuciones totales 48 48
Tokens de salida 3,774 1,481
Tokens de razonamiento 0 86,628
Tiempo de respuesta (promedio) 3.54s 8.89s
Tiempo de respuesta (máximo) 13.73s 24.21s
Tiempo de respuesta (total) 56.70s 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 2.3 7.8 11.1% 1 1.62s 687 0
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 0.0% 0 6.22s 1,794 0
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 9.9 10.0 100.0% 0 1.57s 243 0
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 7.0 10.0 66.7% 0 905ms 15 0
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 10.0 10.0 100.0% 0 803ms 100 0
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 5.0 10.0 50.0% 0 8.81s 63 0
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 1.3 10.0 0.0% 0 5.90s 608 0
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 3.67s 264 0
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 BetamediumMercury 2mediumvsQwen3.5-Flashnonegpt-oss-120bmediumDisponible gratisvsQwen3.5-FlashnoneGemini 3 Flash PreviewnonevsGrok 4.20 BetamediumClaude Sonnet 4.6nonevsGrok 4.20 BetamediumGPT-5 NanomediumvsQwen3.5-FlashnoneGPT-5.3 ChatnonevsGrok 4.20 BetamediumGemini 3.1 Flash Lite PreviewlowvsGrok 4.20 BetamediumQwen3.5-FlashnonevsGrok 4.20 Multi-Agent BetamediumGPT-5.2 ChatnonevsGrok 4.20 BetamediumMiniMax M2.5mediumvsQwen3.5-FlashnoneNemotron 3 Super 120b A12bmediumDisponible gratisvsQwen3.5-Flashnone