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

Grok 4.20 unggul dalam skor rata-rata dengan 4.1 vs 3.8. Qwen3.5-9B (medium) memiliki biaya benchmark lebih rendah di $0.036 vs $0.057. Grok 4.20 lebih cepat di 1.11s vs 82.24s, dengan tingkat keberhasilan 25.8% vs 27.3%.

Model yang direkomendasikanGrok 4.20It has the best score here (4.1), while responding about 74.2x faster than Qwen3.5-9B (medium).

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-25

Ringkasan perbandingan

Peringkat: #220
Total token output: 238,561
Waktu respons (rata-rata): 82.24s
Total Biaya: $0.036

Peringkat: #213
Total token output: 1,923
Waktu respons (rata-rata): 1.11s
Total Biaya: $0.057

Perbandingan terperinci

Metrik	Qwen3.5-9B Qwen3.5-9B medium Rilis: 2026-03-02	Grok 4.20 Grok 4.20 none Rilis: 2026-03-31

Metrik	Qwen3.5-9B Qwen3.5-9B medium Rilis: 2026-03-02	Grok 4.20 Grok 4.20 none Rilis: 2026-03-31
Skor	3.8	4.1
Peringkat	#220	#213
Keandalan	5.0	T/A
Konsistensi	8.1	8.1
Tes benar
Tingkat lulus per percobaan	25.8%	27.3%
Tes tidak stabil	5	0
Total Run	66	54
Biaya per hasil	1.187	1.570
Total Biaya	$0.036	$0.057
Harga input	$0.100 / 1M	$1.250 / 1M
Harga output	$0.150 / 1M	$2.500 / 1M
Total token input	17,070	41,313
Token output	29,045	1,923
Token penalaran	209,516	0
Waktu respons (rata-rata)	82.24s	1.11s
Waktu respons (maks)	226.38s	6.04s
Waktu respons (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

Biaya: $0.001
Waktu: 35.9s
Token: 3,030 tok

#213 xAI: Grok 4.20

none

Biaya: $0.004
Waktu: 6.5s
Token: 1,367 tok

Model teratas berdasarkan skor

Skor vs Total Biaya

Waktu respons (rata-rata)

Skor vs Waktu respons (rata-rata)

Total token output

Skor vs Total token output

Rincian Kategori

Kategori:

Trik anti-AI	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
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

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
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

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
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

Parsing dan ekstraksi data	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
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

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
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

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
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

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
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

Pemecahan teka-teki	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
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

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
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

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
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

Perbandingan Cepat

Ganti Pasangan Perbandingan

gpt-oss-120bnoneTersedia 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 2.1noneTersedia gratisvsQwen3.5-9Bmedium Mercury 2nonevsQwen3.5-9Bmedium Laguna S 2.1lowTersedia gratisvsGrok 4.20none MiniMax M2.7mediumvsGrok 4.20none Trinity Large PreviewnonevsQwen3.5-9Bmedium KAT-Coder-Air V2.5nonevsQwen3.5-9Bmedium