导航
AI BENCHY
Advertise here

AI BENCHY 对比

Qwen: Qwen3.5-122B-A10B vs xAI: Grok 4.5

摘要

Qwen3.5-122B-A10B (medium) vs Grok 4.5 (low) benchmark 对比：Grok 4.5 (low) 平均分领先，为 7.8 vs 7.7。 Qwen3.5-122B-A10B (medium) benchmark 成本更低，为 $0.588 vs $0.760。 Grok 4.5 (low) 更快，为 15.48s vs 42.49s，通过率为 73.0% vs 74.6%。

推荐模型: Grok 4.5 (low) - 它在这里得分最高（7.8），同时响应速度比Qwen3.5-122B-A10B (medium)快约 2.7 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-08

指标 Qwen3.5-122B-A10B Qwen3.5-122B-A10B medium 发布日期: 2026-02-24 Grok 4.5 Grok 4.5 low 发布日期: 2026-07-08
分数 7.7 7.8
排名 #39 #34
可靠性 10.0 10.0
一致性 8.8 9.7
测试正确
尝试通过率 73.0% 74.6%
不稳定测试 3 1
总运行次数 63 63
每个结果成本 5.235 5.061
总成本 $0.588 $0.760
输入价格 $0.260 / 1M $2.000 / 1M
输出价格 $2.080 / 1M $6.000 / 1M
总输入令牌 41,832 58,652
输出令牌 26,187 1,735
推理令牌 251,028 105,233
响应时间（平均） 42.49s 15.48s
响应时间（最大） 168.16s 205.28s
响应时间（总计） 892.30s 324.98s

生成展示

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#39 Qwen3.5-122B-A10B

medium
成本
$0.019
时间
48.7s
令牌
6,034 tok

#34 xAI: Grok 4.5

low
成本
$0.011
时间
12.4s
令牌
2,018 tok

按分数排名的模型

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） 输入令牌 输出令牌 推理令牌
Qwen3.5-122B-A10B 10.0 10.0 100.0% 0 9.75s 672 269 16,835
Grok 4.5 10.0 10.0 100.0% 0 2.75s 2,991 261 3,000
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） 输入令牌 输出令牌 推理令牌
Qwen3.5-122B-A10B 6.0 7.2 55.6% 1 114.48s 7,630 8,057 82,578
Grok 4.5 10.0 10.0 100.0% 0 13.72s 9,579 303 15,641
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） 输入令牌 输出令牌 推理令牌
Qwen3.5-122B-A10B 10.0 10.0 100.0% 0 107.79s 14,947 483 11,337
Grok 4.5 3.0 10.0 0.0% 0 8.16s 15,084 261 2,370
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） 输入令牌 输出令牌 推理令牌
Qwen3.5-122B-A10B 10.0 10.0 100.0% 0 23.41s 7,782 270 16,558
Grok 4.5 10.0 10.0 100.0% 0 3.44s 8,937 225 2,549
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） 输入令牌 输出令牌 推理令牌
Qwen3.5-122B-A10B 2.9 7.2 11.1% 1 63.40s 771 15,537 64,889
Grok 4.5 3.0 10.0 0.0% 0 72.64s 2,514 14 70,275
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） 输入令牌 输出令牌 推理令牌
Qwen3.5-122B-A10B 3.4 2.2 33.3% 1 34.11s 344 66 7,592
Grok 4.5 6.1 3.1 66.7% 1 4.88s 1,077 98 1,253
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） 输入令牌 输出令牌 推理令牌
Qwen3.5-122B-A10B 10.0 10.0 100.0% 0 9.88s 593 77 7,372
Grok 4.5 9.8 10.0 100.0% 0 2.80s 1,857 57 1,878
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） 输入令牌 输出令牌 推理令牌
Qwen3.5-122B-A10B 10.0 10.0 100.0% 0 17.89s 696 284 27,575
Grok 4.5 10.0 10.0 100.0% 0 3.20s 2,430 217 2,590
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） 输入令牌 输出令牌 推理令牌
Qwen3.5-122B-A10B 10.0 10.0 100.0% 0 4.60s 8,193 322 1,226
Grok 4.5 10.0 10.0 100.0% 0 5.83s 13,394 284 871
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） 输入令牌 输出令牌 推理令牌
Qwen3.5-122B-A10B 3.0 10.0 0.0% 0 52.87s 204 822 15,066
Grok 4.5 3.0 10.0 0.0% 0 13.98s 789 15 4,806

快速对比

切换对比组合

Claude Opus 4.8lowvsQwen3.5-122B-A10BmediumClaude Sonnet 4.6mediumvsGrok 4.5lowQwen3.6 PlusmediumvsGrok 4.5lowGemini 3.1 Flash Lite PreviewmediumvsGrok 4.5lowQwen3.5 Plus 2026-04-20mediumvsGrok 4.5lowClaude Sonnet 5mediumvsGrok 4.5lowQwen3.5-122B-A10BmediumvsStep 3.7 FlashlowGemini 3.1 Flash LitemediumvsGrok 4.5lowKimi K2.6medium免费可用vsGrok 4.5lowQwen3.5-27BmediumvsGrok 4.5lowClaude Opus 4.6mediumvsGrok 4.5lowDeepSeek V4 ProhighvsQwen3.5-122B-A10Bmedium