AI BENCHY 对比

IBM: Granite 4.1 8B vs Qwen: Qwen3 Coder Next

摘要

Granite 4.1 8B vs Qwen3 Coder Next benchmark 对比：Qwen3 Coder Next 平均分领先，为 4.7 vs 4.0。 Granite 4.1 8B benchmark 成本更低，为 $0.003 vs $0.008。 Granite 4.1 8B 更快，为 728ms vs 8.58s，通过率为 9.5% vs 28.6%。

推荐模型: Granite 4.1 8B - 它的得分接近这里的最高分（4.0 vs 4.7），同时成本比Qwen3 Coder Next低约 3.0 倍。

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 Coder Next Qwen3 Coder Next medium 发布日期: 2026-02-03

指标	Granite 4.1 8B Granite 4.1 8B none 发布日期: 2026-05-01	Qwen3 Coder Next Qwen3 Coder Next medium 发布日期: 2026-02-03
分数	4.0	4.7
排名	#163	#153
可靠性	10.0	10.0
一致性	10.0	8.9
测试正确
尝试通过率	9.5%	28.6%
不稳定测试	0	3
总运行次数	63	63
每个结果成本	0.131	0.201
总成本	$0.003	$0.008
输入价格	$0.050 / 1M	$0.110 / 1M
输出价格	$0.100 / 1M	$0.800 / 1M
总输入令牌	46,285	47,250
输出令牌	2,911	3,319
推理令牌	0	0
响应时间（平均）	728ms	8.58s
响应时间（最大）	2.17s	81.80s
响应时间（总计）	15.29s	128.68s

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

#153 Qwen3 Coder Next

medium

Invalid SVG

Cost: $0.000
Time: 300.0s
Tokens: 0 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 Coder Next	3.5	8.1	16.7%	1		8.64s	645	1,252	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 Coder Next	3.7	7.2	22.2%	1		924ms	7,185	336	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 Coder Next	3.0	10.0	0.0%	0		4.28s	20,469	317	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 Coder Next	6.5	10.0	50.0%	0		81.80s	7,758	246	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 Coder Next	5.3	10.0	33.3%	0		638ms	753	25	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 Coder Next	6.3	3.4	66.7%	1		1.39s	498	142	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 Coder Next	6.3	10.0	50.0%	0		7.49s	684	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
Granite 4.1 8B	3.2	10.0	0.0%	0		608ms	672	432	0
Qwen3 Coder Next	3.0	10.0	0.0%	0		1.25s	678	671	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 Coder Next	10.0	10.0	100.0%	0		2.64s	8,364	255	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 Coder Next	3.0	10.0	0.0%	0		399ms	216	12	0

快速对比

切换对比组合