AI BENCHY 对比
Qwen: Qwen3.5-27B vs Z.ai: GLM 5V Turbo
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-14
| 指标 | Qwen3.5-27B Qwen3.5-27B medium | GLM 5V Turbo GLM 5V Turbo none |
|---|---|---|
| 分数 | 8.4 | 6.2 |
| 排名 | #8 | #55 |
| 一致性 | 8.8 | 10.0 |
| 测试正确 | ||
| 尝试通过率 | 81.5% | 44.4% |
| 不稳定测试 | 3 | 0 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 3.822 | 0.542 |
| 总成本 | $0.497 | $0.044 |
| ???? | $0.195 / 1M | $1.200 / 1M |
| ???? | $1.560 / 1M | $4.000 / 1M |
| 输出令牌 | 2,500 | 1,724 |
| 推理令牌 | 242,500 | 0 |
| 响应时间（平均） | 53.03s | 3.10s |
| 响应时间（最大） | 163.96s | 6.51s |
| 响应时间（总计） | 954.46s | 55.87s |
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 5V Turbo | 4.8 | 10.0 | 25.0% | 0 | 3.13s | 281 | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-27B | 10.0 | 10.0 | 100.0% | 0 | 70.35s | 375 | 19,165 | |
| GLM 5V Turbo | 10.0 | 10.0 | 100.0% | 0 | 5.30s | 336 | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-27B | 10.0 | 10.0 | 100.0% | 0 | 163.96s | 483 | 9,991 | |
| GLM 5V Turbo | 3.0 | 10.0 | 0.0% | 0 | 6.51s | 276 | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-27B | 10.0 | 10.0 | 100.0% | 0 | 30.26s | 270 | 16,150 | |
| GLM 5V Turbo | 10.0 | 10.0 | 100.0% | 0 | 3.81s | 204 | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-27B | 5.3 | 10.0 | 33.3% | 0 | 79.53s | 43 | 52,368 | |
| GLM 5V Turbo | 5.3 | 10.0 | 33.3% | 0 | 2.09s | 24 | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-27B | 6.1 | 3.1 | 66.7% | 1 | 101.41s | 70 | 23,147 | |
| GLM 5V Turbo | 4.6 | 10.0 | 0.0% | 0 | 2.22s | 114 | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-27B | 10.0 | 10.0 | 100.0% | 0 | 19.66s | 97 | 11,638 | |
| GLM 5V Turbo | 6.5 | 10.0 | 50.0% | 0 | 1.97s | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-27B | 8.2 | 7.7 | 77.8% | 1 | 64.61s | 245 | 77,213 | |
| GLM 5V Turbo | 5.3 | 10.0 | 33.3% | 0 | 2.22s | 207 | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-27B | 10.0 | 10.0 | 100.0% | 0 | 7.45s | 348 | 1,323 | |
| GLM 5V Turbo | 10.0 | 10.0 | 100.0% | 0 | 4.86s | 222 | 0 |
快速对比
切换对比组合
GPT-5 NanomediumvsGLM 5V TurbononeMercury 2mediumvsGLM 5V TurbononeGemini 3 Flash PreviewnonevsQwen3.5-27BmediumGemini 3.1 Flash Lite PreviewlowvsQwen3.5-27Bmediumgpt-oss-120bmedium免费可用vsGLM 5V TurbononeGemini 3 Flash PreviewlowvsQwen3.5-27BmediumGrok 4.1 FastmediumvsGLM 5V TurbononeNemotron 3 Supermedium免费可用vsGLM 5V TurbononeGPT-5.2 ChatnonevsQwen3.5-27BmediumMiniMax M2.5medium免费可用vsGLM 5V TurbononeGemini 3.1 Flash Lite PreviewnonevsQwen3.5-27BmediumMistral Small 4mediumvsGLM 5V Turbonone