导航
AI BENCHY
Advertise here

AI BENCHY 对比

IBM: Granite 4.1 8B vs Qwen: Qwen3.5-122B-A10B

摘要

Granite 4.1 8B vs Qwen3.5-122B-A10B benchmark 对比：Qwen3.5-122B-A10B 平均分领先，为 5.3 vs 4.0。 Granite 4.1 8B benchmark 成本更低，为 $0.003 vs $0.020。 Granite 4.1 8B 更快，为 728ms vs 3.41s，通过率为 9.5% vs 31.8%。

推荐模型: Granite 4.1 8B - 它提供了最佳整体取舍：得分有竞争力（4.0），成本低于Qwen3.5-122B-A10B，响应时间也较均衡。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-12

指标 Granite 4.1 8B Granite 4.1 8B none 发布日期: 2026-05-01 Qwen3.5-122B-A10B Qwen3.5-122B-A10B none 发布日期: 2026-02-24
分数 4.0 5.3
排名 #163 #132
可靠性 10.0 10.0
一致性 10.0 9.6
测试正确
尝试通过率 9.5% 31.8%
不稳定测试 0 1
总运行次数 63 63
每个结果成本 0.131 0.393
总成本 $0.003 $0.020
输入价格 $0.050 / 1M $0.260 / 1M
输出价格 $0.100 / 1M $2.080 / 1M
总输入令牌 46,285 47,735
输出令牌 2,911 3,383
推理令牌 0 0
响应时间（平均） 728ms 3.41s
响应时间（最大） 2.17s 46.00s
响应时间（总计） 15.29s 71.59s

Generation showcase

Hamster playing table tennis

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

#163 IBM: Granite 4.1 8B

none
Cost
$0.001
Time
3.2s
Tokens
491 tok

#132 Qwen3.5-122B-A10B

none
Cost
$0.016
Time
44.5s
Tokens
6,431 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

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
Granite 4.1 8B 4.9 10.0 25.0% 0 844ms 645 903 0
Qwen3.5-122B-A10B 4.8 10.0 25.0% 0 1.59s 696 312 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
Granite 4.1 8B 4.5 10.0 0.0% 0 775ms 8,344 525 0
Qwen3.5-122B-A10B 3.7 7.0 22.2% 1 2.77s 7,913 693 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
Granite 4.1 8B 3.0 10.0 0.0% 0 1.88s 19,089 396 0
Qwen3.5-122B-A10B 3.0 10.0 0.0% 0 46.00s 20,175 1,137 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
Granite 4.1 8B 3.0 10.0 0.0% 0 575ms 7,617 195 0
Qwen3.5-122B-A10B 10.0 10.0 100.0% 0 1.01s 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
Granite 4.1 8B 3.0 10.0 0.0% 0 357ms 768 24 0
Qwen3.5-122B-A10B 5.3 10.0 33.3% 0 465ms 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
Granite 4.1 8B 4.0 10.0 0.0% 0 499ms 528 115 0
Qwen3.5-122B-A10B 5.0 10.0 0.0% 0 1.12s 522 66 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
Granite 4.1 8B 3.6 9.9 0.0% 0 344ms 687 66 0
Qwen3.5-122B-A10B 6.3 10.0 50.0% 0 513ms 711 69 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
Granite 4.1 8B 3.2 10.0 0.0% 0 608ms 672 432 0
Qwen3.5-122B-A10B 3.8 10.0 0.0% 0 1.00s 714 575 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
Granite 4.1 8B 10.0 10.0 100.0% 0 2.17s 7,719 243 0
Qwen3.5-122B-A10B 10.0 10.0 100.0% 0 2.04s 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
Granite 4.1 8B 3.0 10.0 0.0% 0 306ms 216 12 0
Qwen3.5-122B-A10B 3.0 10.0 0.0% 0 295ms 210 9 0

快速对比

切换对比组合

MiniMax M2.7mediumvsQwen3.5-122B-A10BnoneMistral Small 4mediumvsQwen3.5-122B-A10BnoneGranite 4.1 8BnonevsQwen3.5-9BmediumGranite 4.1 8BnonevsGLM 4.7 FlashmediumCobuddymediumvsQwen3.5-122B-A10BnoneMiniMax M2.5mediumvsQwen3.5-122B-A10BnoneGranite 4.1 8BnonevsQwen3 Coder NextmediumGranite 4.1 8BnonevsMiniMax M2.5mediumGemini 3.1 Flash LiteminimalvsQwen3.5-122B-A10BnoneCobuddymediumvsGranite 4.1 8BnoneDeepSeek V4 ProhighvsQwen3.5-122B-A10BnoneQwen3.5-122B-A10BnonevsGLM 4.7 Flashmedium