AI BENCHY 对比
inclusionAI: Ling-2.6-flash vs Owl Alpha
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-22
| 指标 | Ling-2.6-flash Ling-2.6-flash none | Owl Alpha Owl Alpha none |
|---|---|---|
| 分数 | 5.3 | 5.7 |
| 排名 | #128 | #106 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.2 | 9.2 |
| 测试正确 | ||
| 尝试通过率 | 35.1% | 41.7% |
| 不稳定测试 | 2 | 2 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 0.005 | 0.000 |
| 总成本 | $0.001 | $0.000 |
| ???? | $0.010 / 1M | $0.000 / 1M |
| ???? | $0.030 / 1M | $0.000 / 1M |
| 输出令牌 | 2,878 | 4,864 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 9.76s | 8.84s |
| 响应时间（最大） | 35.34s | 47.10s |
| 响应时间（总计） | 185.37s | 176.83s |
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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Ling-2.6-flash | 6.8 | 8.1 | 58.3% | 1 | 11.81s | 573 | 0 | |
| Owl Alpha | 3.4 | 7.9 | 16.7% | 1 | 2.78s | 57 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Ling-2.6-flash | 10.0 | 10.0 | 100.0% | 0 | 11.21s | 381 | 0 | |
| Owl Alpha | 7.0 | 9.9 | 50.0% | 0 | 39.68s | 3,629 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Ling-2.6-flash | 3.0 | 10.0 | 0.0% | 0 | 35.34s | 1,069 | 0 | |
| Owl Alpha | 3.0 | 10.0 | 0.0% | 0 | 21.74s | 315 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Ling-2.6-flash | 6.5 | 10.0 | 50.0% | 0 | 8.48s | 246 | 0 | |
| Owl Alpha | 10.0 | 10.0 | 100.0% | 0 | 3.60s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Ling-2.6-flash | 3.0 | 10.0 | 0.0% | 0 | 4.95s | 24 | 0 | |
| Owl Alpha | 5.3 | 10.0 | 33.3% | 0 | 3.00s | 27 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Ling-2.6-flash | 4.0 | 10.0 | 0.0% | 0 | 1.45s | 109 | 0 | |
| Owl Alpha | 4.3 | 10.0 | 0.0% | 0 | 4.61s | 80 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Ling-2.6-flash | 9.8 | 10.0 | 100.0% | 0 | 5.52s | 81 | 0 | |
| Owl Alpha | 6.4 | 10.0 | 50.0% | 0 | 2.63s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Ling-2.6-flash | 2.9 | 7.2 | 11.1% | 1 | 9.14s | 151 | 0 | |
| Owl Alpha | 5.9 | 7.2 | 55.6% | 1 | 4.43s | 202 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Ling-2.6-flash | 3.0 | 10.0 | 0.0% | 0 | 18.80s | 229 | 0 | |
| Owl Alpha | 10.0 | 10.0 | 100.0% | 0 | 22.78s | 231 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Ling-2.6-flash | 3.0 | 10.0 | 0.0% | 0 | 1.06s | 15 | 0 | |
| Owl Alpha | 3.0 | 10.0 | 0.0% | 0 | 2.50s | 14 | 0 |
快速对比
切换对比组合
Cobuddymedium免费可用vsOwl AlphanoneLing-2.6-flashnonevsElephant AlphamediumLing-2.6-flashnonevsMistral Small 4mediumLing-2.6-flashnonevsMiniMax M2.5medium免费可用gpt-oss-120bmedium免费可用vsOwl AlphanoneNemotron 3 Supermedium免费可用vsOwl AlphanoneLing-2.6-flashnonevsMiniMax M2.7mediumLing-2.6-flashnonevsgpt-oss-120bmedium免费可用MiniMax M2.5medium免费可用vsOwl AlphanoneMistral Small 4mediumvsOwl AlphanoneGPT-5 NanomediumvsOwl AlphanoneCobuddymedium免费可用vsLing-2.6-flashnone