Qwen: Qwen3.5-9B vs Z.ai: GLM 4.7 Flash

GLM 4.7 Flash (medium) 平均分领先，为 4.3 vs 3.8。 Qwen3.5-9B (medium) benchmark 成本更低，为 $0.036 vs $0.166。 Qwen3.5-9B (medium) 更快，为 82.24s vs 142.59s，通过率为 25.8% vs 31.8%。

推荐模型GLM 4.7 Flash (medium)它在本次比较中得分最高（4.3），并且在全部 2 个模型中兼顾成本和响应时间最好。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-25

指标	Qwen3.5-9B Qwen3.5-9B medium 发布日期: 2026-03-02	GLM 4.7 Flash GLM 4.7 Flash medium 发布日期: 2026-01-19

指标	Qwen3.5-9B Qwen3.5-9B medium 发布日期: 2026-03-02	GLM 4.7 Flash GLM 4.7 Flash medium 发布日期: 2026-01-19
分数	3.8	4.3
排名	#220	#210
可靠性	5.0	7.8
一致性	8.1	7.0
测试正确
尝试通过率	25.8%	31.8%
不稳定测试	5	8
总运行次数	66	66
每个结果成本	1.187	4.147
总成本	$0.036	$0.166
输入价格	$0.100 / 1M	$0.060 / 1M
输出价格	$0.150 / 1M	$0.400 / 1M
总输入令牌	17,070	79,051
输出令牌	29,045	43,754
推理令牌	209,516	374,109
响应时间（平均）	82.24s	142.59s
响应时间（最大）	226.38s	1539.97s
响应时间（总计）	1315.88s	1996.21s

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#220 Qwen3.5-9B

medium

成本: $0.001
时间: 35.9s
令牌: 3,030 tok

#210 GLM 4.7 Flash

medium

无效SVG

成本: $0.000
时间: 186.2s
令牌: 12,112 tok

按分数排名的模型

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

类别:

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）	输入令牌	输出令牌	推理令牌
Qwen3.5-9B	5.1	5.8	50.0%	2		34.44s	369	2,621	12,411
GLM 4.7 Flash	4.7	5.9	41.7%	2		14.95s	555	1,122	6,110

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）	输入令牌	输出令牌	推理令牌
Qwen3.5-9B	2.9	10.0	0.0%	0		100.88s	2,396	7,890	41,129
GLM 4.7 Flash	3.2	7.4	11.1%	1		55.33s	3,106	4,981	22,387

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）	输入令牌	输出令牌	推理令牌
Qwen3.5-9B	3.0	10.0	0.0%	0		0ms	0	0	0
GLM 4.7 Flash	2.9	6.0	16.7%	1		802.77s	59,030	2,585	305,678

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）	输入令牌	输出令牌	推理令牌
Qwen3.5-9B	3.6	5.6	33.3%	1		87.31s	4,722	1,383	32,113
GLM 4.7 Flash	6.3	10.0	50.0%	0		1.51s	7,107	584	2,755

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）	输入令牌	输出令牌	推理令牌
Qwen3.5-9B	3.6	7.2	22.2%	1		137.75s	295	11,549	48,475
GLM 4.7 Flash	3.5	4.4	33.3%	2		174.55s	643	33,000	25,394

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）	输入令牌	输出令牌	推理令牌
Qwen3.5-9B	2.8	1.6	33.3%	1		226.38s	180	0	30,695
GLM 4.7 Flash	3.6	9.7	0.0%	0		18.14s	318	18	2,138

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）	输入令牌	输出令牌	推理令牌
Qwen3.5-9B	6.5	10.0	50.0%	0		5.75s	381	491	1,824
GLM 4.7 Flash	6.2	5.8	66.7%	1		2.97s	636	388	2,181

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）	输入令牌	输出令牌	推理令牌
Qwen3.5-9B	3.0	10.0	0.0%	0		32.27s	376	1,593	12,026
GLM 4.7 Flash	2.9	7.2	11.1%	1		12.93s	521	781	5,255

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）	输入令牌	输出令牌	推理令牌
Qwen3.5-9B	10.0	10.0	100.0%	0		4.31s	8,283	444	1,149
GLM 4.7 Flash	10.0	10.0	100.0%	0		15.95s	6,949	224	1,014

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）	输入令牌	输出令牌	推理令牌
Qwen3.5-9B	3.0	10.0	0.0%	0		177.02s	68	3,074	29,694
GLM 4.7 Flash	3.0	10.0	0.0%	0		11.13s	186	71	1,197

快速对比

切换对比组合

gpt-oss-120bnone免费可用vsQwen3.5-9Bmedium Grok 4.20nonevsGLM 4.7 Flashmedium Granite 4.1 8BnonevsQwen3.5-9Bmedium Laguna S 2.1none免费可用vsGLM 4.7 Flashmedium Granite 4.1 8BnonevsGLM 4.7 Flashmedium Mercury 2nonevsGLM 4.7 Flashmedium Qwen3.5-9BmediumvsGrok 4.20none Trinity Large PreviewnonevsGLM 4.7 Flashmedium KAT-Coder-Air V2.5nonevsGLM 4.7 Flashmedium GPT-5.4 NanononevsGLM 4.7 Flashmedium Ring-2.6-1TnonevsGLM 4.7 Flashmedium gpt-oss-120bnone免费可用vsGLM 4.7 Flashmedium