AI BENCHY Compare

Qwen: Qwen3.5-27B vs xAI: Grok 4.20

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-04-14

Метрика	Qwen3.5-27B Qwen3.5-27B none Релиз: 2026-02-24	Grok 4.20 Grok 4.20 medium Релиз: 2026-03-31

Метрика	Qwen3.5-27B Qwen3.5-27B none Релиз: 2026-02-24	Grok 4.20 Grok 4.20 medium Релиз: 2026-03-31
Оценка	5.9	7.0
Ранг	#64	#44
Стабильность	9.2	7.8
Тестов верно
Доля успешных попыток	38.9%	66.7%
Нестабильные тесты	2	5
Всего запусков	54	54
Стоимость за результат	0.265	8.252
Общая стоимость	$0.016	$0.743
???? ?????	$0.195 / 1M	$2.000 / 1M
???? ??????	$1.560 / 1M	$6.000 / 1M
Выходные токены	3,545	1,744
Токены рассуждений	0	109,882
Время ответа (среднее)	1.74s	10.33s
Время ответа (макс.)	9.39s	29.87s
Время ответа (суммарно)	31.32s	185.87s

Лучшие модели по оценке

Оценка vs общая стоимость

Время ответа (среднее)

Оценка vs Время ответа (среднее)

Общее число выходных токенов

Оценка vs Общее число выходных токенов

Разбивка по категориям

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Qwen3.5-27B	4.8	10.0	25.0%	0		788ms	267	0
Grok 4.20	8.2	7.9	83.3%	1		3.36s	280	8,476

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Qwen3.5-27B	10.0	10.0	100.0%	0		2.51s	381	0
Grok 4.20	4.3	1.1	66.7%	1		24.33s	250	12,804

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Qwen3.5-27B	2.8	1.6	33.3%	1		9.39s	1,461	0
Grok 4.20	10.0	10.0	100.0%	0		17.40s	232	9,556

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Qwen3.5-27B	10.0	10.0	100.0%	0		1.43s	243	0
Grok 4.20	10.0	10.0	100.0%	0		4.17s	180	5,333

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Qwen3.5-27B	3.0	10.0	0.0%	0		540ms	15	0
Grok 4.20	5.3	10.0	33.3%	0		27.03s	375	49,339

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Qwen3.5-27B	5.0	10.0	0.0%	0		2.51s	126	0
Grok 4.20	5.8	2.8	66.7%	1		7.09s	47	4,252

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Qwen3.5-27B	4.8	10.0	0.0%	0		815ms	69	0
Grok 4.20	7.3	5.9	83.3%	1		4.42s	40	5,474

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Qwen3.5-27B	6.7	7.9	55.6%	1		1.37s	680	0
Grok 4.20	6.4	7.7	55.6%	1		3.89s	143	8,028

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Qwen3.5-27B	10.0	10.0	100.0%	0		3.54s	303	0
Grok 4.20	3.0	10.0	0.0%	0		13.68s	197	6,620

Быстрое сравнение

Сменить пару сравнения

gpt-oss-120bmediumБесплатно доступноvsQwen3.5-27Bnone Gemma 4 31BnoneБесплатно доступноvsGrok 4.20medium MiniMax M2.5mediumБесплатно доступноvsQwen3.5-27Bnone Qwen3.5 Plus 2026-02-15nonevsGrok 4.20medium Mistral Small 4mediumvsQwen3.5-27Bnone Grok 4.20mediumvsGLM 5none GPT-5 NanomediumvsQwen3.5-27Bnone Claude Sonnet 4.6nonevsGrok 4.20medium Grok 4.20mediumvsMiMo-V2-Omninone MiniMax M2.7mediumvsQwen3.5-27Bnone Mercury 2mediumvsQwen3.5-27Bnone ElephantmediumvsQwen3.5-27Bnone