AI BENCHY 对比
Elephant Alpha vs Qwen: Qwen3.6 Flash
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-27
| 指标 | Elephant Alpha Elephant Alpha medium | Qwen3.6 Flash Qwen3.6 Flash none |
|---|---|---|
| 分数 | 5.2 | 5.8 |
| 排名 | #104 | #90 |
| 可靠性 | 不适用 | 10.0 |
| 一致性 | 9.6 | 10.0 |
| 测试正确 | ||
| 尝试通过率 | 29.6% | 38.9% |
| 不稳定测试 | 1 | 0 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 0.000 | 0.250 |
| 总成本 | $0.000 | $0.018 |
| ???? | $0.000 / 1M | $0.250 / 1M |
| ???? | $0.000 / 1M | $1.500 / 1M |
| 输出令牌 | 2,596 | 4,161 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 1.27s | 1.65s |
| 响应时间（最大） | 3.70s | 4.60s |
| 响应时间（总计） | 22.82s | 29.78s |
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 Alpha | 6.6 | 10.0 | 50.0% | 0 | 1.19s | 815 | 0 | |
| Qwen3.6 Flash | 3.1 | 10.0 | 0.0% | 0 | 1.63s | 1,554 | 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 Alpha | 5.1 | 3.3 | 33.3% | 1 | 1.30s | 365 | 0 | |
| Qwen3.6 Flash | 10.0 | 10.0 | 100.0% | 0 | 2.23s | 867 | 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 Alpha | 3.0 | 10.0 | 0.0% | 0 | 3.70s | 562 | 0 | |
| Qwen3.6 Flash | 3.0 | 10.0 | 0.0% | 0 | 4.22s | 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 |
|---|---|---|---|---|---|---|---|---|
| Elephant Alpha | 6.5 | 10.0 | 50.0% | 0 | 979ms | 246 | 0 | |
| Qwen3.6 Flash | 10.0 | 10.0 | 100.0% | 0 | 2.13s | 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 Alpha | 3.0 | 10.0 | 0.0% | 0 | 925ms | 24 | 0 | |
| Qwen3.6 Flash | 5.3 | 10.0 | 33.3% | 0 | 1.11s | 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 Alpha | 4.3 | 10.0 | 0.0% | 0 | 920ms | 105 | 0 | |
| Qwen3.6 Flash | 10.0 | 10.0 | 100.0% | 0 | 947ms | 132 | 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 Alpha | 9.8 | 10.0 | 100.0% | 0 | 987ms | 82 | 0 | |
| Qwen3.6 Flash | 6.3 | 10.0 | 50.0% | 0 | 1.10s | 66 | 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 Alpha | 3.7 | 10.0 | 0.0% | 0 | 867ms | 166 | 0 | |
| Qwen3.6 Flash | 3.5 | 10.0 | 0.0% | 0 | 1.20s | 697 | 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 Alpha | 3.0 | 10.0 | 0.0% | 0 | 2.83s | 231 | 0 | |
| Qwen3.6 Flash | 10.0 | 10.0 | 100.0% | 0 | 2.49s | 272 | 0 |
快速对比
切换对比组合
Elephant AlphamediumvsGrok 4.20noneMistral Small 4nonevsElephant Alphamediumgpt-oss-120bnone免费可用vsElephant AlphamediumDeepSeek V4 FlashnonevsElephant Alphamediumgpt-oss-120bmedium免费可用vsQwen3.6 FlashnoneMiniMax M2.5medium免费可用vsQwen3.6 FlashnoneTrinity Large PreviewnonevsElephant AlphamediumGPT-5.4 MininonevsElephant AlphamediumLing 2.6 Flashnone免费可用vsElephant AlphamediumElephant AlphamediumvsQwen3 Coder NextnoneMistral Small 4mediumvsQwen3.6 FlashnoneElephant AlphamediumvsMiMo-V2.5none