AI BENCHY 对比
Qwen: Qwen3.5-27B vs xAI: Grok 4.20
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-02
| 指标 | Qwen3.5-27B Qwen3.5-27B none | Grok 4.20 Grok 4.20 none |
|---|---|---|
| 分数 | 5.6 | 5.4 |
| 排名 | #65 | #69 |
| 一致性 | 9.1 | 9.5 |
| 测试正确 | ||
| 尝试通过率 | 35.3% | 31.4% |
| 不稳定测试 | 2 | 1 |
| 总运行次数 | 51 | 51 |
| 每个结果成本 | 0.303 | 1.809 |
| 总成本 | $0.016 | $0.091 |
| ???? | $0.195 / 1M | $2.000 / 1M |
| ???? | $1.560 / 1M | $6.000 / 1M |
| 输出令牌 | 3,164 | 1,655 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 1.70s | 1.11s |
| 响应时间（最大） | 9.39s | 6.04s |
| 响应时间（总计） | 28.82s | 18.80s |
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 | 4.8 | 10.0 | 25.0% | 0 | 788ms | 267 | 0 | |
| Grok 4.20 | 4.8 | 10.0 | 25.0% | 0 | 501ms | 267 | 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 | 2.8 | 1.6 | 33.3% | 1 | 9.39s | 1,461 | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-27B | 10.0 | 10.0 | 100.0% | 0 | 1.43s | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-27B | 3.0 | 10.0 | 0.0% | 0 | 540ms | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-27B | 5.0 | 10.0 | 0.0% | 0 | 2.51s | 126 | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-27B | 4.8 | 10.0 | 0.0% | 0 | 815ms | 69 | 0 | |
| Grok 4.20 | 4.8 | 10.0 | 0.0% | 0 | 455ms | 60 | 0 |
| Puzzle Solving | 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 | 6.7 | 7.9 | 55.6% | 1 | 1.37s | 680 | 0 | |
| Grok 4.20 | 5.3 | 7.4 | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-27B | 10.0 | 10.0 | 100.0% | 0 | 3.54s | 303 | 0 | |
| Grok 4.20 | 10.0 | 10.0 | 100.0% | 0 | 4.63s | 189 | 0 |
快速对比
切换对比组合
Mistral Small 4mediumvsQwen3.5-27BnoneMistral Small 4mediumvsGrok 4.20noneMiniMax M2.5medium免费可用vsQwen3.5-27BnoneMiniMax M2.7mediumvsGrok 4.20nonegpt-oss-120bmedium免费可用vsQwen3.5-27BnoneMiniMax M2.5medium免费可用vsGrok 4.20noneQwen3 Coder NextmediumvsGrok 4.20noneMiniMax M2.7mediumvsQwen3.5-27BnoneQwen3.5-27BnonevsGrok 4.20 Multi Agent Betamediumgpt-oss-120bmedium免费可用vsGrok 4.20noneGPT-5 NanomediumvsQwen3.5-27BnoneGrok 4.20nonevsGLM 4.7 Flashmedium