Qwen: Qwen3.5-27B vs Qwen: Qwen3.7 Max

平均分几乎持平，为 7.4 vs 7.4。 Qwen3.7 Max benchmark 成本更低，为 $0.197 vs $1.627。 Qwen3.7 Max 更快，为 4.52s vs 111.94s，通过率为 72.7% vs 68.2%。

推荐模型Qwen3.7 Max它在这里得分最高（7.4），同时成本比Qwen3.5-27B (medium)低约 8.3 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-18

指标	Qwen3.5-27B Qwen3.5-27B medium 发布日期: 2026-02-24	Qwen3.7 Max Qwen3.7 Max none 发布日期: 2026-05-22

指标	Qwen3.5-27B Qwen3.5-27B medium 发布日期: 2026-02-24	Qwen3.7 Max Qwen3.7 Max none 发布日期: 2026-05-22
分数	7.4	7.4
排名	#58	#59
可靠性	10.0	9.9
一致性	8.2	10.0
测试正确
尝试通过率	72.7%	68.2%
不稳定测试	5	0
总运行次数	66	66
每个结果成本	8.324	1.582
总成本	$1.627	$0.197
输入价格	$0.260 / 1M	$1.475 / 1M
输出价格	$2.600 / 1M	$4.425 / 1M
总输入令牌	111,635	95,983
输出令牌	15,999	12,446
推理令牌	598,430	0
响应时间（平均）	111.94s	4.52s
响应时间（最大）	1026.43s	72.30s
响应时间（总计）	2462.67s	99.52s

Hamster playing table tennis

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

#58 Qwen3.5-27B

medium

成本: $0.008
时间: 62.0s
令牌: 3,099 tok

#59 Qwen3.7 Max

none

成本: $0.046
时间: 195.0s
令牌: 12,171 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

类别:

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
Qwen3.5-27B	8.7	7.9	91.7%	1		19.75s	672	569	31,505
Qwen3.7 Max	6.5	10.0	50.0%	0		1.08s	696	242	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）	输入令牌	输出令牌	推理令牌
Qwen3.5-27B	6.2	7.1	55.6%	1		160.69s	7,895	6,381	89,388
Qwen3.7 Max	5.5	10.0	33.3%	0		1.35s	7,911	582	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）	输入令牌	输出令牌	推理令牌
Qwen3.5-27B	7.3	5.8	83.3%	1		595.19s	84,417	7,948	279,132
Qwen3.7 Max	6.5	10.0	50.0%	0		37.23s	68,425	10,623	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）	输入令牌	输出令牌	推理令牌
Qwen3.5-27B	10.0	10.0	100.0%	0		30.26s	7,782	270	16,150
Qwen3.7 Max	10.0	10.0	100.0%	0		1.35s	7,794	243	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）	输入令牌	输出令牌	推理令牌
Qwen3.5-27B	5.3	10.0	33.3%	0		79.53s	553	43	52,368
Qwen3.7 Max	7.7	10.0	66.7%	0		975ms	789	15	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）	输入令牌	输出令牌	推理令牌
Qwen3.5-27B	6.1	3.1	66.7%	1		101.41s	524	70	23,147
Qwen3.7 Max	10.0	10.0	100.0%	0		1.04s	522	120	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）	输入令牌	输出令牌	推理令牌
Qwen3.5-27B	10.0	10.0	100.0%	0		19.66s	699	97	11,638
Qwen3.7 Max	10.0	10.0	100.0%	0		943ms	711	72	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）	输入令牌	输出令牌	推理令牌
Qwen3.5-27B	8.2	7.7	77.8%	1		59.60s	696	242	70,096
Qwen3.7 Max	10.0	10.0	100.0%	0		1.13s	714	314	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）	输入令牌	输出令牌	推理令牌
Qwen3.5-27B	10.0	10.0	100.0%	0		7.45s	8,193	348	1,323
Qwen3.7 Max	10.0	10.0	100.0%	0		3.92s	8,211	222	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）	输入令牌	输出令牌	推理令牌
Qwen3.5-27B	3.0	10.0	0.0%	0		85.11s	204	31	23,683
Qwen3.7 Max	3.0	10.0	0.0%	0		856ms	210	13	0

快速对比

切换对比组合

GPT-5.6 TerralowvsQwen3.5-27Bmedium GPT-5.4 MinimediumvsQwen3.7 Maxnone GPT-5.6 TerralowvsQwen3.7 Maxnone Gemini 3 Flash PreviewlowvsQwen3.7 Maxnone GPT-5.3 ChatnonevsQwen3.5-27Bmedium Gemini 3 Flash PreviewlowvsQwen3.5-27Bmedium KAT-Coder-Pro V2.5lowvsQwen3.7 Maxnone KAT-Coder-Pro V2.5lowvsQwen3.5-27Bmedium GPT-5.4 NanomediumvsQwen3.7 Maxnone Kimi K2.7 CodemediumvsQwen3.7 Maxnone Claude Sonnet 4.6nonevsQwen3.5-27Bmedium Nemotron 3 Ultramedium免费可用vsQwen3.7 Maxnone