AI BENCHY 对比
Elephant vs Qwen: Qwen3.5-9B
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-14
| 指标 | Elephant Elephant none | Qwen3.5-9B Qwen3.5-9B medium |
|---|---|---|
| 分数 | 5.2 | 4.4 |
| 排名 | #81 | #93 |
| 一致性 | 9.6 | 7.2 |
| 测试正确 | ||
| 尝试通过率 | 31.5% | 33.3% |
| 不稳定测试 | 1 | 6 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 0.000 | 0.976 |
| 总成本 | $0.000 | $0.030 |
| ???? | $0.000 / 1M | $0.050 / 1M |
| ???? | $0.000 / 1M | $0.150 / 1M |
| 输出令牌 | 2,573 | 24,291 |
| 推理令牌 | 0 | 172,597 |
| 响应时间（平均） | 1.23s | 73.64s |
| 响应时间（最大） | 3.81s | 226.38s |
| 响应时间（总计） | 22.16s | 1104.60s |
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 | 963ms | 610 | 0 | |
| Qwen3.5-9B | 5.1 | 5.8 | 50.0% | 2 | 34.44s | 2,621 | 12,411 |
| 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 | 6.4 | 3.3 | 66.7% | 1 | 1.39s | 375 | 0 | |
| Qwen3.5-9B | 2.6 | 10.0 | 0.0% | 0 | 135.61s | 6,150 | 31,393 |
| 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 | 3.81s | 731 | 0 | |
| Qwen3.5-9B | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 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 | 1.04s | 246 | 0 | |
| Qwen3.5-9B | 3.6 | 5.6 | 33.3% | 1 | 87.31s | 1,383 | 32,113 |
| 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 | 927ms | 24 | 0 | |
| Qwen3.5-9B | 3.6 | 7.2 | 22.2% | 1 | 137.75s | 11,549 | 48,475 |
| 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 | 4.0 | 10.0 | 0.0% | 0 | 854ms | 106 | 0 | |
| Qwen3.5-9B | 2.8 | 1.6 | 33.3% | 1 | 226.38s | 0 | 30,695 |
| 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 | 1.03s | 81 | 0 | |
| Qwen3.5-9B | 6.4 | 5.8 | 66.7% | 1 | 17.15s | 599 | 4,517 |
| 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 | 3.3 | 10.0 | 0.0% | 0 | 849ms | 170 | 0 | |
| Qwen3.5-9B | 3.1 | 10.0 | 0.0% | 0 | 33.38s | 1,545 | 11,844 |
| 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 | 2.79s | 230 | 0 | |
| Qwen3.5-9B | 10.0 | 10.0 | 100.0% | 0 | 4.31s | 444 | 1,149 |
快速对比
切换对比组合
GPT-5.4 NanononevsQwen3.5-9BmediumMiniMax M2.7mediumvsElephantnoneQwen3.5-9BmediumvsGrok 4.1 FastnoneQwen3.5-9BmediumvsMiMo-V2-FlashnoneMercury 2nonevsQwen3.5-9BmediumMistral Small 4mediumvsElephantnoneElephantnonevsQwen3 Coder NextmediumGPT-4o-mininonevsQwen3.5-9BmediumMiniMax M2.5medium免费可用vsElephantnoneElephantnonevsGLM 4.7 Flashmediumgpt-oss-120bmedium免费可用vsElephantnoneNemotron 3 Supernone免费可用vsQwen3.5-9Bmedium