AI BENCHY 对比
Elephant vs Qwen: Qwen3.5-Flash
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-14
| 指标 | Elephant Elephant medium | Qwen3.5-Flash Qwen3.5-Flash none |
|---|---|---|
| 分数 | 5.2 | 6.2 |
| 排名 | #77 | #56 |
| 一致性 | 9.6 | 9.6 |
| 测试正确 | ||
| 尝试通过率 | 29.6% | 46.3% |
| 不稳定测试 | 1 | 1 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 0.000 | 0.070 |
| 总成本 | $0.000 | $0.006 |
| ???? | $0.000 / 1M | $0.065 / 1M |
| ???? | $0.000 / 1M | $0.260 / 1M |
| 输出令牌 | 2,596 | 4,266 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 1.27s | 3.25s |
| 响应时间（最大） | 3.70s | 13.73s |
| 响应时间（总计） | 22.82s | 58.44s |
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 |
|---|---|---|---|---|---|---|---|---|
| Elephant | 6.6 | 10.0 | 50.0% | 0 | 1.19s | 815 | 0 | |
| Qwen3.5-Flash | 3.5 | 8.3 | 8.3% | 1 | 1.32s | 690 | 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 |
|---|---|---|---|---|---|---|---|---|
| Elephant | 5.1 | 3.3 | 33.3% | 1 | 1.30s | 365 | 0 | |
| Qwen3.5-Flash | 10.0 | 10.0 | 100.0% | 0 | 1.29s | 489 | 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 |
|---|---|---|---|---|---|---|---|---|
| Elephant | 3.0 | 10.0 | 0.0% | 0 | 3.70s | 562 | 0 | |
| Qwen3.5-Flash | 3.0 | 10.0 | 0.0% | 0 | 6.22s | 1,794 | 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 |
|---|---|---|---|---|---|---|---|---|
| Elephant | 6.5 | 10.0 | 50.0% | 0 | 979ms | 246 | 0 | |
| Qwen3.5-Flash | 10.0 | 10.0 | 100.0% | 0 | 1.57s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Elephant | 3.0 | 10.0 | 0.0% | 0 | 925ms | 24 | 0 | |
| Qwen3.5-Flash | 7.7 | 10.0 | 66.7% | 0 | 905ms | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Elephant | 4.3 | 10.0 | 0.0% | 0 | 920ms | 105 | 0 | |
| Qwen3.5-Flash | 10.0 | 10.0 | 100.0% | 0 | 803ms | 100 | 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 |
|---|---|---|---|---|---|---|---|---|
| Elephant | 9.8 | 10.0 | 100.0% | 0 | 987ms | 82 | 0 | |
| Qwen3.5-Flash | 6.3 | 10.0 | 50.0% | 0 | 8.81s | 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 |
|---|---|---|---|---|---|---|---|---|
| Elephant | 3.7 | 10.0 | 0.0% | 0 | 867ms | 166 | 0 | |
| Qwen3.5-Flash | 3.3 | 10.0 | 0.0% | 0 | 5.90s | 608 | 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 |
|---|---|---|---|---|---|---|---|---|
| Elephant | 3.0 | 10.0 | 0.0% | 0 | 2.83s | 231 | 0 | |
| Qwen3.5-Flash | 10.0 | 10.0 | 100.0% | 0 | 3.67s | 264 | 0 |
快速对比
切换对比组合
ElephantmediumvsGrok 4.20noneMistral Small 4nonevsElephantmediumgpt-oss-120bnone免费可用vsElephantmediumGPT-5 NanomediumvsQwen3.5-FlashnoneTrinity Large Previewnone免费可用vsElephantmediumGPT-5.4 MininonevsElephantmediumElephantmediumvsQwen3 Coder NextnoneNemotron 3 Supernone免费可用vsElephantmediumMercury 2mediumvsQwen3.5-FlashnoneElephantmediumvsGLM 5 TurbononeKimi K2.5nonevsElephantmediumElephantmediumvsGLM 5.1none