AI BENCHY Compare

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

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-04-02

Метрика	Qwen3.5-9B Qwen3.5-9B medium Релиз: 2026-03-02	Grok 4.20 Grok 4.20 none Релиз: 2026-03-31

Метрика	Qwen3.5-9B Qwen3.5-9B medium Релиз: 2026-03-02	Grok 4.20 Grok 4.20 none Релиз: 2026-03-31
Оценка	4.5	5.4
Ранг	#83	#69
Стабильность	7.0	9.5
Тестов верно
Доля успешных попыток	35.3%	31.4%
Нестабильные тесты	6	1
Всего запусков	51	51
Стоимость за результат	0.787	1.809
Общая стоимость	$0.024	$0.091
???? ?????	$0.050 / 1M	$2.000 / 1M
???? ??????	$0.150 / 1M	$6.000 / 1M
Выходные токены	18,141	1,655
Токены рассуждений	141,204	0
Время ответа (среднее)	69.21s	1.11s
Время ответа (макс.)	226.38s	6.04s
Время ответа (суммарно)	968.99s	18.80s

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
Qwen3.5-9B	5.1	5.8	50.0%	2		34.44s	2,621	12,411
Grok 4.20	4.8	10.0	25.0%	0		501ms	267	0

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Qwen3.5-9B	3.0	10.0	0.0%	0		0ms	0	0
Grok 4.20	3.0	10.0	0.0%	0		6.04s	282	0

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Qwen3.5-9B	3.6	5.6	33.3%	1		87.31s	1,383	32,113
Grok 4.20	10.0	10.0	100.0%	0		522ms	207	0

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Qwen3.5-9B	3.6	7.2	22.2%	1		137.75s	11,549	48,475
Grok 4.20	3.0	10.0	0.0%	0		687ms	325	0

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Qwen3.5-9B	2.8	1.6	33.3%	1		226.38s	0	30,695
Grok 4.20	4.8	10.0	0.0%	0		659ms	83	0

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Qwen3.5-9B	6.4	5.8	66.7%	1		17.15s	599	4,517
Grok 4.20	4.8	10.0	0.0%	0		455ms	60	0

Puzzle Solving	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Qwen3.5-9B	3.1	10.0	0.0%	0		33.38s	1,545	11,844
Grok 4.20	5.3	7.4	44.4%	1		487ms	242	0

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Qwen3.5-9B	10.0	10.0	100.0%	0		4.31s	444	1,149
Grok 4.20	10.0	10.0	100.0%	0		4.63s	189	0

Быстрое сравнение

Сменить пару сравнения

Qwen3.5-9BmediumvsGrok 4.1 Fastnone Qwen3.5-9BmediumvsMiMo-V2-Flashnone GPT-5.4 NanononevsQwen3.5-9Bmedium Mistral Small 4mediumvsGrok 4.20none GPT-5.4 MininonevsQwen3.5-9Bmedium Mercury 2nonevsQwen3.5-9Bmedium MiniMax M2.7mediumvsGrok 4.20none MiniMax M2.5mediumБесплатно доступноvsGrok 4.20none GPT-4o-mininonevsQwen3.5-9Bmedium Qwen3 Coder NextmediumvsGrok 4.20none gpt-oss-120bmediumБесплатно доступноvsGrok 4.20none Grok 4.20nonevsGLM 4.7 Flashmedium