AI BENCHY Compare

Qwen: Qwen3.6 Plus vs xAI: Grok Build 0.1

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-05-21

Метрика	Qwen3.6 Plus Qwen3.6 Plus medium Релиз: 2026-04-20	Grok Build 0.1 Grok Build 0.1 medium Релиз: 2026-05-21

Метрика	Qwen3.6 Plus Qwen3.6 Plus medium Релиз: 2026-04-20	Grok Build 0.1 Grok Build 0.1 medium Релиз: 2026-05-21
Оценка	7.9	7.8
Ранг	#33	#41
Надежность	10.0	10.0
Стабильность	9.6	8.9
Тестов верно
Доля успешных попыток	70.2%	71.9%
Нестабильные тесты	1	3
Всего запусков	57	57
Стоимость за результат	0.118	4.064
Общая стоимость	$0.016	$0.488
???? ?????	$0.325 / 1M	$1.000 / 1M
???? ??????	$1.950 / 1M	$2.000 / 1M
Выходные токены	1,784	1,947
Токены рассуждений	91,543	223,372
Время ответа (среднее)	17.06s	22.28s
Время ответа (макс.)	47.51s	88.28s
Время ответа (суммарно)	307.07s	423.30s

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 Plus	10.0	10.0	100.0%	0		9.90s	207	7,557
Grok Build 0.1	10.0	10.0	100.0%	0		5.46s	195	9,825

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Qwen3.6 Plus	3.0	10.0	0.0%	0		0ms	0	0
Grok Build 0.1	7.3	3.7	66.7%	1		30.98s	354	17,734

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Qwen3.6 Plus	10.0	10.0	100.0%	0		34.95s	452	13,073
Grok Build 0.1	10.0	10.0	100.0%	0		30.81s	231	18,779

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Qwen3.6 Plus	10.0	10.0	100.0%	0		14.95s	270	10,706
Grok Build 0.1	10.0	10.0	100.0%	0		7.76s	180	10,343

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Qwen3.6 Plus	2.9	7.2	11.1%	1		29.59s	56	33,464
Grok Build 0.1	5.3	10.0	33.3%	0		77.75s	501	111,807

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Qwen3.6 Plus	5.1	10.0	0.0%	0		27.05s	111	5,232
Grok Build 0.1	3.8	2.5	33.3%	1		10.14s	78	5,386

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Qwen3.6 Plus	10.0	10.0	100.0%	0		7.54s	102	5,552
Grok Build 0.1	9.8	10.0	100.0%	0		9.62s	57	12,436

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Qwen3.6 Plus	10.0	10.0	100.0%	0		6.11s	298	6,868
Grok Build 0.1	6.2	7.5	55.6%	1		8.67s	161	15,476

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Qwen3.6 Plus	10.0	10.0	100.0%	0		5.87s	267	1,330
Grok Build 0.1	10.0	10.0	100.0%	0		9.40s	180	5,319

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
Qwen3.6 Plus	3.0	10.0	0.0%	0		47.51s	21	7,761
Grok Build 0.1	3.0	10.0	0.0%	0		26.07s	10	16,267

Быстрое сравнение

Сменить пару сравнения

Gemini 3 Flash PreviewnonevsQwen3.6 Plusmedium Gemini 3.1 Flash Lite PreviewlowvsQwen3.6 Plusmedium Gemini 3.1 Flash Lite PreviewnonevsGrok Build 0.1medium Gemini 3.1 Flash Lite PreviewlowvsGrok Build 0.1medium Gemini 3 Flash PreviewnonevsGrok Build 0.1medium GPT-5.2 ChatnonevsGrok Build 0.1medium Gemini 3.1 Flash LitelowvsGrok Build 0.1medium GPT-5.3 ChatnonevsGrok Build 0.1medium DeepSeek V4 FlashhighБесплатно доступноvsGrok Build 0.1medium Gemini 3.1 Flash Lite PreviewnonevsQwen3.6 Plusmedium Gemini 3.5 FlashminimalvsQwen3.6 Plusmedium GPT-5.2 ChatnonevsQwen3.6 Plusmedium