AI BENCHY 对比
Qwen: Qwen3.5-35B-A3B vs Z.ai: GLM 5.1
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-29
| 指标 | Qwen3.5-35B-A3B Qwen3.5-35B-A3B medium | GLM 5.1 GLM 5.1 medium |
|---|---|---|
| 分数 | 7.3 | 7.4 |
| 排名 | #68 | #56 |
| 可靠性 | 10.0 | 5.0 |
| 一致性 | 7.5 | 8.3 |
| 测试正确 | ||
| 尝试通过率 | 73.3% | 71.7% |
| 不稳定测试 | 6 | 4 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 4.865 | 2.382 |
| 总成本 | $0.536 | $0.286 |
| 输入价格 | $0.139 / 1M | $0.980 / 1M |
| 输出价格 | $1.000 / 1M | $3.080 / 1M |
| 输出令牌 | 31,242 | 11,511 |
| 推理令牌 | 330,546 | 71,979 |
| 响应时间（平均） | 69.66s | 33.45s |
| 响应时间（最大） | 409.98s | 172.60s |
| 响应时间（总计） | 1393.17s | 635.63s |
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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-35B-A3B | 10.0 | 10.0 | 100.0% | 0 | 21.13s | 798 | 42,652 | |
| GLM 5.1 | 10.0 | 10.0 | 100.0% | 0 | 8.31s | 401 | 5,122 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-35B-A3B | 6.5 | 10.0 | 50.0% | 0 | 244.54s | 14,456 | 88,431 | |
| GLM 5.1 | 4.7 | 1.6 | 66.7% | 2 | 145.56s | 4,727 | 34,384 |
| 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 | 4.7 | 1.6 | 66.7% | 1 | 75.34s | 775 | 12,485 | |
| GLM 5.1 | 9.5 | 10.0 | 100.0% | 0 | 43.11s | 327 | 4,206 |
| 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 | 7.3 | 5.9 | 83.3% | 1 | 59.33s | 235 | 19,493 | |
| GLM 5.1 | 10.0 | 10.0 | 100.0% | 0 | 9.33s | 991 | 4,552 |
| 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 | 4.1 | 4.4 | 44.5% | 2 | 88.34s | 41 | 46,368 | |
| GLM 5.1 | 5.3 | 10.0 | 33.3% | 0 | 29.77s | 969 | 11,314 |
| 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 | 2.8 | 1.6 | 33.3% | 1 | 30.30s | 20 | 3,753 | |
| GLM 5.1 | 10.0 | 10.0 | 100.0% | 0 | 20.95s | 2,875 | 2,875 |
| 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 | |
| GLM 5.1 | 6.4 | 5.8 | 66.7% | 1 | 7.47s | 204 | 1,617 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-35B-A3B | 8.2 | 7.2 | 88.9% | 1 | 33.13s | 3,592 | 26,585 | |
| GLM 5.1 | 8.2 | 7.2 | 88.9% | 1 | 31.64s | 935 | 5,730 |
| 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 | |
| GLM 5.1 | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-35B-A3B | 3.0 | 10.0 | 0.0% | 0 | 177.35s | 10,919 | 72,053 | |
| GLM 5.1 | 3.0 | 10.0 | 0.0% | 0 | 29.40s | 82 | 2,179 |
快速对比
切换对比组合
Gemini 3.1 Flash LitelowvsGLM 5.1mediumGPT-5.3 ChatnonevsGLM 5.1mediumClaude Opus 4.8nonevsQwen3.5-35B-A3BmediumRing-2.6-1TnonevsQwen3.5-35B-A3BmediumStep 3.7 FlashlowvsGLM 5.1mediumGemini 3.1 Flash Lite PreviewnonevsGLM 5.1mediumQwen3.5-35B-A3BmediumvsStep 3.7 FlashhighQwen3.5-35B-A3BmediumvsStep 3.7 FlashlowClaude Opus 4.8nonevsGLM 5.1mediumGPT-5.3 ChatnonevsQwen3.5-35B-A3BmediumGemini 3.1 Flash LitelowvsQwen3.5-35B-A3BmediumRing-2.6-1TnonevsGLM 5.1medium