AI BENCHY 对比
Qwen: Qwen3.5-9B vs xAI: Grok 4.1 Fast
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-03-12
| 指标 | Qwen3.5-9B Qwen3.5-9B medium | Grok 4.1 Fast Grok 4.1 Fast none |
|---|---|---|
| 排名 | #66 | #63 |
| 平均分 | 2.6 | 2.9 |
| 一致性 | 7.4 | 8.9 |
| 每个结果成本 | 0.779 | 0.247 |
| 总成本 | $0.024 | $0.008 |
| 测试正确 | ||
| 尝试通过率 | 35.4% | 25.0% |
| 不稳定测试 | 5 | 2 |
| 总运行次数 | 48 | 48 |
| 输出令牌 | 17,930 | 1,148 |
| 推理令牌 | 139,706 | 0 |
| 响应时间（平均） | 71.44s | 1.90s |
| 响应时间（最大） | 226.38s | 5.51s |
| 响应时间（总计） | 928.77s | 17.14s |
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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-9B | 4.0 | 7.2 | 55.6% | 1 | 31.54s | 2,410 | 10,913 | |
| Grok 4.1 Fast | 1.3 | 10.0 | 0.0% | 0 | 1.73s | 229 | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-9B | 10.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 | |
| Grok 4.1 Fast | 10.0 | 10.0 | 0.0% | 0 | 3.33s | 105 | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-9B | 5.0 | 5.6 | 33.3% | 1 | 87.31s | 1,383 | 32,113 | |
| Grok 4.1 Fast | 9.9 | 10.0 | 100.0% | 0 | 943ms | 180 | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-9B | 10.0 | 7.2 | 22.2% | 1 | 137.75s | 11,549 | 48,475 | |
| Grok 4.1 Fast | 4.0 | 7.2 | 55.6% | 1 | 1.06s | 15 | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-9B | 10.0 | 1.6 | 33.3% | 1 | 226.38s | 0 | 30,695 | |
| Grok 4.1 Fast | 3.0 | 9.9 | 0.0% | 0 | 1.08s | 112 | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-9B | 5.5 | 5.8 | 66.7% | 1 | 17.15s | 599 | 4,517 | |
| Grok 4.1 Fast | 10.0 | 10.0 | 0.0% | 0 | 923ms | 56 | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-9B | 10.0 | 10.0 | 0.0% | 0 | 33.38s | 1,545 | 11,844 | |
| Grok 4.1 Fast | 1.3 | 10.0 | 0.0% | 0 | 1.28s | 243 | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-9B | 10.0 | 10.0 | 100.0% | 0 | 4.31s | 444 | 1,149 | |
| Grok 4.1 Fast | 10.0 | 1.6 | 33.3% | 1 | 5.51s | 208 | 0 |
快速对比
切换对比组合
Grok 4.1 FastnonevsGLM 4.7 FlashmediumQwen3.5-9BmediumvsMiMo-V2-FlashnoneQwen3 Coder NextmediumvsGrok 4.1 FastnoneMercury 2nonevsQwen3.5-9BmediumNemotron 3 Super 120b A12bnone免费可用vsQwen3.5-9BmediumQwen3.5-9BmediumvsGLM 4.7 FlashnoneGPT-4o-mininonevsQwen3.5-9BmediumKimi K2.5nonevsQwen3.5-9BmediumTrinity Large Previewnone免费可用vsQwen3.5-9BmediumMiniMax M2.5mediumvsGrok 4.1 FastnoneQwen3.5-9BmediumvsGrok 4.20 BetanoneGPT-5.4nonevsQwen3.5-9Bmedium