AI BENCHY 对比
Qwen: Qwen3.5-35B-A3B vs xAI: Grok 4.20 Beta
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-03-12
| 指标 | Qwen3.5-35B-A3B Qwen3.5-35B-A3B medium | Grok 4.20 Beta Grok 4.20 Beta none |
|---|---|---|
| 排名 | #39 | #52 |
| 平均分 | 5.5 | 4.4 |
| 一致性 | 6.3 | 9.1 |
| 每个结果成本 | 4.251 | 2.214 |
| 总成本 | $0.341 | $0.089 |
| 测试正确 | ||
| 尝试通过率 | 77.1% | 33.3% |
| 不稳定测试 | 7 | 2 |
| 总运行次数 | 48 | 48 |
| 输出令牌 | 5,495 | 1,511 |
| 推理令牌 | 169,266 | 0 |
| 响应时间（平均） | 43.93s | 1.22s |
| 响应时间（最大） | 106.00s | 6.48s |
| 响应时间（总计） | 702.85s | 19.53s |
分数 vs 总成本
响应时间（平均）
平均分 vs 响应时间（平均）
总输出令牌
平均分 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-35B-A3B | 10.0 | 10.0 | 100.0% | 0 | 21.75s | 429 | 36,235 | |
| Grok 4.20 Beta | 3.3 | 7.9 | 22.2% | 1 | 562ms | 245 | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-35B-A3B | 10.0 | 1.6 | 66.7% | 1 | 75.34s | 775 | 12,485 | |
| Grok 4.20 Beta | 10.0 | 10.0 | 0.0% | 0 | 6.48s | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-35B-A3B | 5.5 | 5.9 | 83.3% | 1 | 59.33s | 235 | 19,493 | |
| Grok 4.20 Beta | 9.9 | 10.0 | 100.0% | 0 | 601ms | 197 | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-35B-A3B | 10.0 | 4.4 | 44.5% | 2 | 88.34s | 41 | 46,368 | |
| Grok 4.20 Beta | 10.0 | 10.0 | 0.0% | 0 | 611ms | 160 | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-35B-A3B | 10.0 | 1.6 | 33.3% | 1 | 30.30s | 20 | 3,753 | |
| Grok 4.20 Beta | 5.0 | 10.0 | 0.0% | 0 | 541ms | 87 | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-35B-A3B | 10.0 | 10.0 | 100.0% | 0 | 24.45s | 97 | 17,361 | |
| Grok 4.20 Beta | 4.5 | 10.0 | 0.0% | 0 | 687ms | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-35B-A3B | 4.0 | 4.4 | 77.8% | 2 | 31.58s | 3,589 | 32,206 | |
| Grok 4.20 Beta | 4.0 | 7.2 | 55.6% | 1 | 541ms | 291 | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-35B-A3B | 10.0 | 10.0 | 100.0% | 0 | 4.65s | 309 | 1,365 | |
| Grok 4.20 Beta | 10.0 | 10.0 | 100.0% | 0 | 4.79s | 189 | 0 |
快速对比
切换对比组合
DeepSeek V3.2nonevsQwen3.5-35B-A3BmediumGemini 2.5 FlashnonevsQwen3.5-35B-A3BmediumMiniMax M2.5mediumvsGrok 4.20 BetanoneQwen3.5-35B-A3BmediumvsGLM 5noneSeed-2.0-LitenonevsQwen3.5-35B-A3Bmediumgpt-oss-120bmedium免费可用vsGrok 4.20 BetanoneMercury 2mediumvsGrok 4.20 BetanoneQwen3 Coder NextmediumvsGrok 4.20 BetanoneHunter AlphanonevsQwen3.5-35B-A3BmediumGPT-5.4nonevsQwen3.5-35B-A3BmediumGPT-5 NanomediumvsGrok 4.20 BetanoneClaude Sonnet 4.6nonevsQwen3.5-35B-A3Bmedium