AI BENCHY Compare

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

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-04-26

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

Метрика	Qwen3.5-9B Qwen3.5-9B none Релиз: 2026-03-02	Grok 4.20 Grok 4.20 none Релиз: 2026-03-31
Оценка	4.8	5.2
Ранг	#105	#96
Надежность	Н/Д	Н/Д
Стабильность	9.6	9.5
Тестов верно
Доля успешных попыток	24.1%	29.6%
Нестабильные тесты	1	1
Всего запусков	54	54
Стоимость за результат	0.116	1.889
Общая стоимость	$0.005	$0.095
???? ?????	$0.100 / 1M	$2.000 / 1M
???? ??????	$0.150 / 1M	$6.000 / 1M
Выходные токены	3,951	1,967
Токены рассуждений	0	0
Время ответа (среднее)	1.47s	1.11s
Время ответа (макс.)	5.91s	6.04s
Время ответа (суммарно)	26.43s	20.02s

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	3.1	9.9	0.0%	0		1.71s	582	0
Grok 4.20	4.8	10.0	25.0%	0		501ms	267	0

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Qwen3.5-9B	5.2	3.4	33.3%	1		5.69s	1,006	0
Grok 4.20	3.4	9.3	0.0%	0		1.22s	312	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		5.91s	1,255	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	10.0	10.0	100.0%	0		847ms	249	0
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	3.0	10.0	0.0%	0		464ms	24	0
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	4.4	9.9	0.0%	0		552ms	99	0
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	6.5	10.0	50.0%	0		514ms	75	0
Grok 4.20	4.8	10.0	0.0%	0		455ms	60	0

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Qwen3.5-9B	3.2	9.9	0.0%	0		683ms	388	0
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		1.27s	273	0
Grok 4.20	10.0	10.0	100.0%	0		4.63s	189	0

Быстрое сравнение

Сменить пару сравнения

Elephant AlphamediumvsGrok 4.20none MiniMax M2.7mediumvsGrok 4.20none Qwen3.5-9BnonevsGLM 4.7 Flashmedium Mistral Small 4mediumvsGrok 4.20none Elephant AlphamediumvsQwen3.5-9Bnone MiniMax M2.7mediumvsQwen3.5-9Bnone MiniMax M2.5mediumБесплатно доступноvsGrok 4.20none Qwen3 Coder NextmediumvsGrok 4.20none Grok 4.20nonevsGLM 4.7 Flashmedium gpt-oss-120bmediumБесплатно доступноvsGrok 4.20none Qwen3.5-9BmediumvsGrok 4.20none Mistral Small 4mediumvsQwen3.5-9Bnone