Navigare
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

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-03-12

Metrică Qwen3.5-Flash Qwen3.5-Flash medium Lansare: 2026-02-24 Grok 4.20 Beta Grok 4.20 Beta medium Lansare: 2026-03-12
Rang #26 #24
Scor mediu 6.9 7.0
Consistență 7.5 9.0
Cost per rezultat 0.720 5.989
Cost total $0.072 $0.599
Teste corecte
Rată de trecere pe încercare 81.3% 70.8%
Teste instabile 5 2
Rulări totale 48 48
Tokenuri de ieșire 1,807 1,481
Tokenuri de raționament 169,952 86,628
Timp de răspuns (mediu) 70.81s 8.89s
Timp de răspuns (maxim) 234.29s 24.21s
Timp de răspuns (total) 1132.90s 142.18s

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor mediu vs Timp de răspuns (mediu)

Total tokenuri de ieșire

Scor mediu vs Total tokenuri de ieșire

Defalcare pe categorii

Trucuri anti-AI Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
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
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
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
Parsare și extragere de date Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
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
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
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
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
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
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
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 Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
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
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
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

Comparație rapidă

Schimbă perechea de comparație

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