AI BENCHY 对比
Qwen: Qwen3.5-122B-A10B vs Z.ai: GLM 4.7 Flash
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-01
| 指标 | Qwen3.5-122B-A10B Qwen3.5-122B-A10B none | GLM 4.7 Flash GLM 4.7 Flash medium |
|---|---|---|
| 分数 | 5.4 | 4.5 |
| 排名 | #131 | #155 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.5 | 6.7 |
| 测试正确 | ||
| 尝试通过率 | 33.3% | 35.0% |
| 不稳定测试 | 1 | 8 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 0.380 | 1.337 |
| 总成本 | $0.019 | $0.054 |
| 输入价格 | $0.260 / 1M | $0.060 / 1M |
| 输出价格 | $2.080 / 1M | $0.400 / 1M |
| 输出令牌 | 3,374 | 43,754 |
| 推理令牌 | 0 | 89,079 |
| 响应时间（平均） | 3.38s | 35.10s |
| 响应时间（最大） | 46.00s | 174.55s |
| 响应时间（总计） | 67.55s | 456.24s |
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 | |
| GLM 4.7 Flash | 4.7 | 5.9 | 41.7% | 2 | 14.95s | 1,122 | 6,110 |
| 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 | |
| GLM 4.7 Flash | 3.4 | 6.0 | 16.7% | 1 | 55.33s | 4,981 | 22,387 |
| 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 | |
| GLM 4.7 Flash | 2.8 | 2.1 | 33.3% | 1 | 65.57s | 2,585 | 20,648 |
| 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 | |
| GLM 4.7 Flash | 6.3 | 10.0 | 50.0% | 0 | 1.51s | 584 | 2,755 |
| 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 | |
| GLM 4.7 Flash | 3.5 | 4.4 | 33.3% | 2 | 174.55s | 33,000 | 25,394 |
| 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 | |
| GLM 4.7 Flash | 3.6 | 9.7 | 0.0% | 0 | 18.14s | 18 | 2,138 |
| 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 | 513ms | 69 | 0 | |
| GLM 4.7 Flash | 6.2 | 5.8 | 66.7% | 1 | 2.97s | 388 | 2,181 |
| 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 | 3.8 | 10.0 | 0.0% | 0 | 1.00s | 575 | 0 | |
| GLM 4.7 Flash | 2.9 | 7.2 | 11.1% | 1 | 12.93s | 781 | 5,255 |
| 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 | |
| GLM 4.7 Flash | 10.0 | 10.0 | 100.0% | 0 | 15.95s | 224 | 1,014 |
| 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 | |
| GLM 4.7 Flash | 3.0 | 10.0 | 0.0% | 0 | 11.13s | 71 | 1,197 |
快速对比
切换对比组合
Ling-2.6-1TnonevsGLM 4.7 FlashmediumMiniMax M2.7mediumvsQwen3.5-122B-A10BnoneElephant AlphamediumvsQwen3.5-122B-A10BnoneMistral Small 4mediumvsQwen3.5-122B-A10BnoneMiniMax M2.5mediumvsQwen3.5-122B-A10BnoneMercury 2nonevsGLM 4.7 FlashmediumMiMo-V2-FlashnonevsGLM 4.7 FlashmediumQwen3.5-9BnonevsGLM 4.7 FlashmediumGPT-5.4 NanononevsGLM 4.7 FlashmediumTrinity Large PreviewnonevsGLM 4.7 FlashmediumGranite 4.1 8BnonevsGLM 4.7 FlashmediumCobuddymediumvsQwen3.5-122B-A10Bnone