AI BENCHY 对比
Qwen: Qwen3.5-122B-A10B vs xAI: Grok 4.20
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-22
| 指标 | Qwen3.5-122B-A10B Qwen3.5-122B-A10B none | Grok 4.20 Grok 4.20 none |
|---|---|---|
| 分数 | 5.4 | 5.4 |
| 排名 | #124 | #120 |
| 可靠性 | 10.0 | 不适用 |
| 一致性 | 9.2 | 9.5 |
| 测试正确 | ||
| 尝试通过率 | 35.0% | 35.2% |
| 不稳定测试 | 2 | 1 |
| 总运行次数 | 60 | 54 |
| 每个结果成本 | 0.380 | 1.574 |
| 总成本 | $0.023 | $0.095 |
| ???? | $0.260 / 1M | $1.250 / 1M |
| ???? | $2.080 / 1M | $2.500 / 1M |
| 输出令牌 | 3,375 | 1,967 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 3.38s | 1.11s |
| 响应时间（最大） | 46.00s | 6.04s |
| 响应时间（总计） | 67.64s | 20.02s |
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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-122B-A10B | 4.8 | 10.0 | 25.0% | 0 | 1.59s | 312 | 0 | |
| Grok 4.20 | 4.8 | 10.0 | 25.0% | 0 | 501ms | 267 | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-122B-A10B | 4.0 | 5.5 | 33.3% | 1 | 2.14s | 684 | 0 | |
| Grok 4.20 | 3.4 | 9.3 | 0.0% | 0 | 1.22s | 312 | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-122B-A10B | 3.0 | 10.0 | 0.0% | 0 | 46.00s | 1,137 | 0 | |
| Grok 4.20 | 3.0 | 10.0 | 0.0% | 0 | 6.04s | 282 | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-122B-A10B | 10.0 | 10.0 | 100.0% | 0 | 1.01s | 243 | 0 | |
| Grok 4.20 | 10.0 | 10.0 | 100.0% | 0 | 522ms | 207 | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-122B-A10B | 5.3 | 10.0 | 33.3% | 0 | 465ms | 15 | 0 | |
| Grok 4.20 | 3.0 | 10.0 | 0.0% | 0 | 687ms | 325 | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-122B-A10B | 5.0 | 10.0 | 0.0% | 0 | 1.12s | 66 | 0 | |
| Grok 4.20 | 4.8 | 10.0 | 0.0% | 0 | 659ms | 83 | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-122B-A10B | 6.3 | 10.0 | 50.0% | 0 | 585ms | 70 | 0 | |
| Grok 4.20 | 6.3 | 10.0 | 50.0% | 0 | 455ms | 60 | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-122B-A10B | 3.7 | 7.7 | 11.1% | 1 | 982ms | 575 | 0 | |
| Grok 4.20 | 5.3 | 7.2 | 44.4% | 1 | 487ms | 242 | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-122B-A10B | 10.0 | 10.0 | 100.0% | 0 | 2.04s | 264 | 0 | |
| Grok 4.20 | 10.0 | 10.0 | 100.0% | 0 | 4.63s | 189 | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-122B-A10B | 3.0 | 10.0 | 0.0% | 0 | 295ms | 9 | 0 | |
| Grok 4.20 | - | - | - | - | - | - | - | - |
快速对比
切换对比组合
Mistral Small 4mediumvsGrok 4.20noneElephant AlphamediumvsQwen3.5-122B-A10BnoneMiniMax M2.5medium免费可用vsGrok 4.20noneElephant AlphamediumvsGrok 4.20noneMistral Small 4mediumvsQwen3.5-122B-A10BnoneMiniMax M2.5medium免费可用vsQwen3.5-122B-A10Bnonegpt-oss-120bmedium免费可用vsGrok 4.20nonegpt-oss-120bmedium免费可用vsQwen3.5-122B-A10BnoneMiniMax M2.7mediumvsQwen3.5-122B-A10BnoneCobuddymedium免费可用vsGrok 4.20noneMiniMax M2.7mediumvsGrok 4.20noneCobuddymedium免费可用vsQwen3.5-122B-A10Bnone