AI BENCHY 对比
Elephant Alpha vs Qwen: Qwen3.5-9B
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-22
| 指标 | Elephant Alpha Elephant Alpha none | Qwen3.5-9B Qwen3.5-9B none |
|---|---|---|
| 分数 | 5.2 | 4.6 |
| 排名 | #130 | #142 |
| 可靠性 | 不适用 | 10.0 |
| 一致性 | 9.6 | 9.7 |
| 测试正确 | ||
| 尝试通过率 | 29.8% | 21.7% |
| 不稳定测试 | 1 | 1 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 0.000 | 0.120 |
| 总成本 | $0.000 | $0.005 |
| ???? | $0.000 / 1M | $0.040 / 1M |
| ???? | $0.000 / 1M | $0.150 / 1M |
| 输出令牌 | 2,573 | 3,984 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 1.23s | 1.69s |
| 响应时间（最大） | 3.81s | 5.91s |
| 响应时间（总计） | 22.16s | 33.84s |
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 | 963ms | 610 | 0 | |
| Qwen3.5-9B | 3.1 | 9.9 | 0.0% | 0 | 1.71s | 582 | 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 | 4.7 | 6.7 | 33.3% | 1 | 1.39s | 375 | 0 | |
| Qwen3.5-9B | 4.4 | 6.7 | 16.7% | 1 | 5.39s | 1,033 | 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 | 3.81s | 731 | 0 | |
| Qwen3.5-9B | 3.0 | 10.0 | 0.0% | 0 | 5.91s | 1,255 | 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 | 1.04s | 246 | 0 | |
| Qwen3.5-9B | 10.0 | 10.0 | 100.0% | 0 | 847ms | 249 | 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 | 927ms | 24 | 0 | |
| Qwen3.5-9B | 3.0 | 10.0 | 0.0% | 0 | 464ms | 24 | 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 | 4.0 | 10.0 | 0.0% | 0 | 854ms | 106 | 0 | |
| Qwen3.5-9B | 4.4 | 9.9 | 0.0% | 0 | 552ms | 99 | 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 | 1.03s | 81 | 0 | |
| Qwen3.5-9B | 6.5 | 10.0 | 50.0% | 0 | 514ms | 75 | 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 | 4.0 | 10.0 | 0.0% | 0 | 849ms | 170 | 0 | |
| Qwen3.5-9B | 3.1 | 10.0 | 0.0% | 0 | 683ms | 388 | 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 | 2.79s | 230 | 0 | |
| Qwen3.5-9B | 10.0 | 10.0 | 100.0% | 0 | 1.27s | 273 | 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 |
|---|---|---|---|---|---|---|---|---|
| Elephant Alpha | 0.0 | 0.0 | 0.0% | 0 | 0ms | 0 | 0 | |
| Qwen3.5-9B | 3.0 | 10.0 | 0.0% | 0 | 2.32s | 6 | 0 |
快速对比
切换对比组合
MiniMax M2.7mediumvsElephant AlphanoneQwen3.5-9BnonevsGLM 4.7 FlashmediumMistral Small 4mediumvsElephant AlphanoneMiniMax M2.5medium免费可用vsElephant Alphanonegpt-oss-120bmedium免费可用vsElephant AlphanoneMiniMax M2.7mediumvsQwen3.5-9BnoneElephant AlphanonevsQwen3 Coder NextmediumCobuddymedium免费可用vsElephant AlphanoneNemotron 3 Supermedium免费可用vsElephant AlphanoneElephant AlphanonevsGLM 4.7 FlashmediumElephant AlphamediumvsQwen3.5-9BnoneMistral Small 4mediumvsQwen3.5-9Bnone