AI BENCHY Compare

Qwen: Qwen3.6 27B vs xAI: Grok Build 0.1

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-05-22

Метрика	Qwen3.6 27B Qwen3.6 27B medium Релиз: 2026-04-20	Grok Build 0.1 Grok Build 0.1 none Релиз: 2026-05-21

Метрика	Qwen3.6 27B Qwen3.6 27B medium Релиз: 2026-04-20	Grok Build 0.1 Grok Build 0.1 none Релиз: 2026-05-21
Оценка	6.6	6.6
Ранг	#83	#82
Надежность	9.9	10.0
Стабильность	8.1	8.0
Тестов верно
Доля успешных попыток	58.3%	60.4%
Нестабильные тесты	5	4
Всего запусков	60	57
Стоимость за результат	3.015	7.805
Общая стоимость	$0.272	$0.547
???? ?????	$0.317 / 1M	$1.000 / 1M
???? ??????	$3.200 / 1M	$2.000 / 1M
Выходные токены	13,007	267,275
Токены рассуждений	105,697	0
Время ответа (среднее)	57.65s	28.69s
Время ответа (макс.)	168.22s	138.35s
Время ответа (суммарно)	1153.04s	459.00s

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
Qwen3.6 27B	8.3	10.0	75.0%	0		12.62s	582	4,311
Grok Build 0.1	8.7	7.9	91.7%	1		6.30s	11,162	0

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Qwen3.6 27B	6.6	10.0	50.0%	0		165.39s	4,760	26,668
Grok Build 0.1	10.0	10.0	100.0%	0		21.41s	16,568	0

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Qwen3.6 27B	7.0	3.7	66.7%	1		83.07s	2,088	14,689
Grok Build 0.1	0.0	0.0	0.0%	0		0ms	0	0

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Qwen3.6 27B	3.5	1.4	50.0%	2		37.30s	568	9,404
Grok Build 0.1	4.7	1.6	66.7%	1		9.33s	6,359	0

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Qwen3.6 27B	2.9	7.2	11.1%	1		73.38s	3,510	20,352
Grok Build 0.1	3.6	7.2	22.2%	1		103.71s	179,469	0

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Qwen3.6 27B	6.5	3.4	66.7%	1		39.53s	81	3,045
Grok Build 0.1	4.3	10.0	0.0%	0		12.47s	6,647	0

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Qwen3.6 27B	10.0	10.0	100.0%	0		37.96s	346	6,548
Grok Build 0.1	9.8	10.0	100.0%	0		7.36s	8,970	0

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Qwen3.6 27B	7.7	10.0	66.7%	0		60.21s	281	11,919
Grok Build 0.1	6.4	7.7	55.6%	1		9.55s	14,982	0

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Qwen3.6 27B	10.0	10.0	100.0%	0		16.88s	390	2,954
Grok Build 0.1	0.0	0.0	0.0%	0		0ms	0	0

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Qwen3.6 27B	3.0	10.0	0.0%	0		80.99s	401	5,807
Grok Build 0.1	3.0	10.0	0.0%	0		36.09s	23,118	0

Быстрое сравнение

Сменить пару сравнения

DeepSeek V4 ProhighvsGrok Build 0.1none Gemini 3.1 Flash LitenonevsQwen3.6 27Bmedium GPT-5.5nonevsQwen3.6 27Bmedium Kimi K2.5mediumvsGrok Build 0.1none Gemini 3.1 Flash LiteminimalvsGrok Build 0.1none DeepSeek V4 ProhighvsQwen3.6 27Bmedium Gemini 3.1 Flash LiteminimalvsQwen3.6 27Bmedium Gemma 4 31BnoneБесплатно доступноvsQwen3.6 27Bmedium Qwen3.6 27BmediumvsGLM 5none GPT-5 MinimediumvsGrok Build 0.1none Grok Build 0.1nonevsMiMo-V2-Omnimedium Mercury 2mediumvsGrok Build 0.1none