AI BENCHY 对比

Google: Gemini 3.1 Flash Lite vs Qwen: Qwen3.5-35B-A3B

摘要

Gemini 3.1 Flash Lite (minimal) 平均分领先，为 6.1 vs 5.9。 Qwen3.5-35B-A3B benchmark 成本更低，为 $0.012 vs $0.013。 Gemini 3.1 Flash Lite (minimal) 更快，为 1.33s vs 3.37s，通过率为 54.0% vs 42.9%。

推荐模型Gemini 3.1 Flash Lite (minimal)它在这里得分最高（6.1），同时响应速度比Qwen3.5-35B-A3B快约 2.5 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-14

指标	Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite minimal 发布日期: 2026-05-08	Qwen3.5-35B-A3B Qwen3.5-35B-A3B none 发布日期: 2026-02-24

指标	Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite minimal 发布日期: 2026-05-08	Qwen3.5-35B-A3B Qwen3.5-35B-A3B none 发布日期: 2026-02-24
分数	6.1	5.9
排名	#116	#127
可靠性	10.0	10.0
一致性	8.8	8.9
测试正确
尝试通过率	54.0%	42.9%
不稳定测试	3	3
总运行次数	63	63
每个结果成本	0.130	0.230
总成本	$0.013	$0.012
输入价格	$0.250 / 1M	$0.140 / 1M
输出价格	$1.500 / 1M	$1.000 / 1M
总输入令牌	36,973	48,194
输出令牌	2,487	4,343
推理令牌	0	0
响应时间（平均）	1.33s	3.37s
响应时间（最大）	4.49s	47.43s
响应时间（总计）	27.91s	70.75s

生成展示

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#116 Gemini 3.1 Flash Lite

minimal

成本: $0.001
时间: 3.7s
令牌: 635 tok

#127 Qwen3.5-35B-A3B

none

成本: $0.005
时间: 28.4s
令牌: 4,518 tok

按分数排名的模型

分数 vs 总成本

响应时间（平均）

分数 vs 响应时间（平均）

总输出令牌

分数 vs 总输出令牌

类别细分

类别:

反AI技巧	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Gemini 3.1 Flash Lite	8.3	10.0	75.0%	0		1.10s	500	639	0
Qwen3.5-35B-A3B	3.4	7.9	16.7%	1		1.43s	696	574	0

编程	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Gemini 3.1 Flash Lite	5.5	10.0	33.3%	0		831ms	8,126	666	0
Qwen3.5-35B-A3B	5.5	10.0	33.3%	0		1.39s	7,808	571	0

综合	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Gemini 3.1 Flash Lite	3.0	10.0	0.0%	0		2.53s	12,870	357	0
Qwen3.5-35B-A3B	3.0	10.0	0.0%	0		47.43s	20,739	1,833	0

数据解析与提取	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Gemini 3.1 Flash Lite	10.0	10.0	100.0%	0		1.04s	7,552	279	0
Qwen3.5-35B-A3B	10.0	10.0	100.0%	0		1.16s	7,794	243	0

领域专项	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Gemini 3.1 Flash Lite	2.9	7.2	11.1%	1		1.02s	641	15	0
Qwen3.5-35B-A3B	7.7	10.0	66.7%	0		485ms	789	15	0

通用智能	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Gemini 3.1 Flash Lite	4.0	10.0	0.0%	0		791ms	490	63	0
Qwen3.5-35B-A3B	6.5	3.4	66.7%	1		1.19s	522	114	0

指令遵循	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Gemini 3.1 Flash Lite	10.0	10.0	100.0%	0		932ms	615	72	0
Qwen3.5-35B-A3B	6.3	10.0	50.0%	0		809ms	711	63	0

谜题求解	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Gemini 3.1 Flash Lite	6.0	4.6	66.7%	2		2.15s	564	153	0
Qwen3.5-35B-A3B	3.7	7.4	22.2%	1		1.35s	714	655	0

工具调用	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Gemini 3.1 Flash Lite	10.0	10.0	100.0%	0		3.51s	5,457	234	0
Qwen3.5-35B-A3B	10.0	10.0	100.0%	0		2.30s	8,211	264	0

常识问答	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Gemini 3.1 Flash Lite	3.0	10.0	0.0%	0		724ms	158	9	0
Qwen3.5-35B-A3B	3.0	10.0	0.0%	0		493ms	210	11	0

快速对比

切换对比组合