AI BENCHY 对比
Qwen: Qwen3.5-27B vs Z.ai: GLM 5 Turbo
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-08
| 指标 | Qwen3.5-27B Qwen3.5-27B medium | GLM 5 Turbo GLM 5 Turbo medium |
|---|---|---|
| 分数 | 8.1 | 8.1 |
| 排名 | #17 | #20 |
| 可靠性 | 10.0 | 6.7 |
| 一致性 | 8.8 | 8.4 |
| 测试正确 | ||
| 尝试通过率 | 77.2% | 77.2% |
| 不稳定测试 | 3 | 4 |
| 总运行次数 | 57 | 57 |
| 每个结果成本 | 4.107 | 1.438 |
| 总成本 | $0.534 | $0.187 |
| ???? | $0.195 / 1M | $1.200 / 1M |
| ???? | $1.560 / 1M | $4.000 / 1M |
| 输出令牌 | 2,531 | 12,217 |
| 推理令牌 | 266,183 | 40,252 |
| 响应时间（平均） | 54.71s | 18.85s |
| 响应时间（最大） | 163.96s | 194.23s |
| 响应时间（总计） | 1039.57s | 358.15s |
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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-27B | 8.7 | 7.9 | 91.7% | 1 | 19.75s | 569 | 31,505 | |
| GLM 5 Turbo | 10.0 | 10.0 | 100.0% | 0 | 4.82s | 362 | 3,137 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-27B | 10.0 | 10.0 | 100.0% | 0 | 70.35s | 375 | 19,165 | |
| GLM 5 Turbo | 10.0 | 10.0 | 100.0% | 0 | 12.26s | 332 | 3,301 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-27B | 10.0 | 10.0 | 100.0% | 0 | 163.96s | 483 | 9,991 | |
| GLM 5 Turbo | 10.0 | 10.0 | 100.0% | 0 | 13.88s | 390 | 2,037 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-27B | 10.0 | 10.0 | 100.0% | 0 | 30.26s | 270 | 16,150 | |
| GLM 5 Turbo | 10.0 | 10.0 | 100.0% | 0 | 6.19s | 577 | 3,632 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-27B | 5.3 | 10.0 | 33.3% | 0 | 79.53s | 43 | 52,368 | |
| GLM 5 Turbo | 2.9 | 4.4 | 22.2% | 2 | 71.07s | 9,665 | 19,279 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-27B | 6.1 | 3.1 | 66.7% | 1 | 101.41s | 70 | 23,147 | |
| GLM 5 Turbo | 6.1 | 3.1 | 66.7% | 1 | 10.05s | 60 | 2,216 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-27B | 10.0 | 10.0 | 100.0% | 0 | 19.66s | 97 | 11,638 | |
| GLM 5 Turbo | 10.0 | 10.0 | 100.0% | 0 | 5.38s | 255 | 2,183 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-27B | 8.2 | 7.7 | 77.8% | 1 | 64.61s | 245 | 77,213 | |
| GLM 5 Turbo | 8.7 | 7.9 | 77.8% | 1 | 5.44s | 315 | 2,702 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-27B | 10.0 | 10.0 | 100.0% | 0 | 7.45s | 348 | 1,323 | |
| GLM 5 Turbo | 10.0 | 10.0 | 100.0% | 0 | 9.84s | 241 | 446 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-27B | 3.0 | 10.0 | 0.0% | 0 | 85.11s | 31 | 23,683 | |
| GLM 5 Turbo | 3.0 | 10.0 | 0.0% | 0 | 40.17s | 20 | 1,319 |
快速对比
切换对比组合
Gemini 3 Flash PreviewnonevsGLM 5 TurbomediumGemini 3.1 Flash Lite PreviewlowvsGLM 5 TurbomediumGemini 3 Flash PreviewnonevsQwen3.5-27BmediumGemini 3.1 Flash Lite PreviewlowvsQwen3.5-27BmediumGemini 3.1 Flash Lite PreviewnonevsGLM 5 TurbomediumGPT-5.2 ChatnonevsGLM 5 TurbomediumGemini 3.1 Flash Lite PreviewnonevsQwen3.5-27BmediumGemini 3.1 Flash LitelowvsGLM 5 TurbomediumGPT-5.2 ChatnonevsQwen3.5-27BmediumGPT-5.3 ChatnonevsGLM 5 TurbomediumGemini 3.1 Flash LitelowvsQwen3.5-27BmediumDeepSeek V4 FlashhighvsGLM 5 Turbomedium