AI BENCHY Compare
Qwen: Qwen3.5-9B vs xAI: Grok 4.20 Beta
ベンチマークは AI BENCHY テストスイートから次の日時に生成: 2026-03-12
| 指標 | Qwen3.5-9B Qwen3.5-9B medium | Grok 4.20 Beta Grok 4.20 Beta none |
|---|---|---|
| 順位 | #66 | #52 |
| 平均スコア | 2.6 | 4.4 |
| 一貫性 | 7.4 | 9.1 |
| 結果あたりのコスト | 0.779 | 2.214 |
| 合計コスト | $0.024 | $0.089 |
| 正解テスト | ||
| 試行ごとの合格率 | 35.4% | 33.3% |
| 不安定なテスト | 5 | 2 |
| 総実行回数 | 48 | 48 |
| 出力トークン | 17,930 | 1,511 |
| 推論トークン | 139,706 | 0 |
| 応答時間（平均） | 71.44s | 1.22s |
| 応答時間（最大） | 226.38s | 6.48s |
| 応答時間（合計） | 928.77s | 19.53s |
スコア vs 総コスト
応答時間（平均）
平均スコア vs 応答時間（平均）
合計出力トークン
平均スコア vs 合計出力トークン
カテゴリ内訳
| 反AIトリック | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-9B | 4.0 | 7.2 | 55.6% | 1 | 31.54s | 2,410 | 10,913 | |
| Grok 4.20 Beta | 3.3 | 7.9 | 22.2% | 1 | 562ms | 245 | 0 |
| 複合 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-9B | 10.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 | |
| Grok 4.20 Beta | 10.0 | 10.0 | 0.0% | 0 | 6.48s | 282 | 0 |
| データ解析と抽出 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-9B | 5.0 | 5.6 | 33.3% | 1 | 87.31s | 1,383 | 32,113 | |
| Grok 4.20 Beta | 9.9 | 10.0 | 100.0% | 0 | 601ms | 197 | 0 |
| ドメイン特化 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-9B | 10.0 | 7.2 | 22.2% | 1 | 137.75s | 11,549 | 48,475 | |
| Grok 4.20 Beta | 10.0 | 10.0 | 0.0% | 0 | 611ms | 160 | 0 |
| 汎用知能 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-9B | 10.0 | 1.6 | 33.3% | 1 | 226.38s | 0 | 30,695 | |
| Grok 4.20 Beta | 5.0 | 10.0 | 0.0% | 0 | 541ms | 87 | 0 |
| 指示追従 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-9B | 5.5 | 5.8 | 66.7% | 1 | 17.15s | 599 | 4,517 | |
| Grok 4.20 Beta | 4.5 | 10.0 | 0.0% | 0 | 687ms | 60 | 0 |
| Puzzle Solving | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-9B | 10.0 | 10.0 | 0.0% | 0 | 33.38s | 1,545 | 11,844 | |
| Grok 4.20 Beta | 4.0 | 7.2 | 55.6% | 1 | 541ms | 291 | 0 |
| ツール呼び出し | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-9B | 10.0 | 10.0 | 100.0% | 0 | 4.31s | 444 | 1,149 | |
| Grok 4.20 Beta | 10.0 | 10.0 | 100.0% | 0 | 4.79s | 189 | 0 |
クイック比較
比較ペアを切り替え
Qwen3.5-9BmediumvsMiMo-V2-FlashnoneMiniMax M2.5mediumvsGrok 4.20 BetanoneQwen3.5-9BmediumvsGrok 4.1 Fastnonegpt-oss-120bmedium無料で利用可能vsGrok 4.20 BetanoneMercury 2nonevsQwen3.5-9BmediumNemotron 3 Super 120b A12bnone無料で利用可能vsQwen3.5-9BmediumMercury 2mediumvsGrok 4.20 BetanoneQwen3 Coder NextmediumvsGrok 4.20 BetanoneQwen3.5-35B-A3BmediumvsGrok 4.20 BetanoneGPT-5 NanomediumvsGrok 4.20 BetanoneQwen3.5-9BmediumvsGLM 4.7 FlashnoneGrok 4.20 BetanonevsGLM 4.7 Flashmedium