导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 对比

Qwen: Qwen3.5-Flash vs Z.ai: GLM 5.1

摘要

Qwen3.5-Flash (medium) vs GLM 5.1 (medium) benchmark 对比：GLM 5.1 (medium) 平均分领先，为 7.1 vs 6.8。 Qwen3.5-Flash (medium) benchmark 成本更低，为 $0.080 vs $0.288。 GLM 5.1 (medium) 更快，为 33.67s vs 63.29s，通过率为 71.4% vs 68.3%。

推荐模型: Qwen3.5-Flash (medium) - 它的得分接近这里的最高分（6.8 vs 7.1），同时成本比GLM 5.1 (medium)低约 3.6 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-10

指标 Qwen3.5-Flash Qwen3.5-Flash medium 发布日期: 2026-02-24 GLM 5.1 GLM 5.1 medium 发布日期: 2026-04-07
分数 6.8 7.1
排名 #84 #77
可靠性 10.0 6.7
一致性 8.1 8.3
测试正确
尝试通过率 71.4% 68.3%
不稳定测试 5 4
总运行次数 63 63
每个结果成本 0.871 2.496
总成本 $0.080 $0.288
输入价格 $0.065 / 1M $0.966 / 1M
输出价格 $0.260 / 1M $3.036 / 1M
总输入令牌 38,926 32,995
输出令牌 2,088 11,655
推理令牌 294,598 75,421
响应时间（平均） 63.29s 33.67s
响应时间（最大） 234.29s 172.60s
响应时间（总计） 1265.85s 673.41s

生成展示

Hamster playing table tennis

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

#84 Qwen3.5-Flash

medium
成本
$0.002
时间
25.8s
令牌
4,294 tok

#77 GLM 5.1

medium
无效SVG
成本
$0.000
时间
300.0s
令牌
0 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

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-Flash 10.0 10.0 100.0% 0 59.11s 672 383 32,992
GLM 5.1 10.0 10.0 100.0% 0 8.31s 555 401 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） 输入令牌 输出令牌 推理令牌
Qwen3.5-Flash 3.7 7.2 22.2% 1 58.87s 6,685 302 90,081
GLM 5.1 4.6 3.7 44.5% 2 109.63s 5,702 4,871 37,826
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-Flash 10.0 10.0 100.0% 0 17.78s 14,934 483 8,270
GLM 5.1 9.5 10.0 100.0% 0 43.11s 17,298 327 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） 输入令牌 输出令牌 推理令牌
Qwen3.5-Flash 7.3 5.9 83.3% 1 56.99s 6,061 235 16,237
GLM 5.1 10.0 10.0 100.0% 0 9.33s 7,107 991 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） 输入令牌 输出令牌 推理令牌
Qwen3.5-Flash 5.3 7.2 44.4% 1 146.50s 581 58 43,615
GLM 5.1 5.3 10.0 33.3% 0 29.77s 489 969 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） 输入令牌 输出令牌 推理令牌
Qwen3.5-Flash 6.1 3.1 66.7% 1 40.05s 516 99 38,486
GLM 5.1 10.0 10.0 100.0% 0 20.95s 477 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） 输入令牌 输出令牌 推理令牌
Qwen3.5-Flash 10.0 10.0 100.0% 0 63.49s 699 98 14,139
GLM 5.1 6.4 5.8 66.7% 1 7.47s 634 204 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） 输入令牌 输出令牌 推理令牌
Qwen3.5-Flash 8.2 7.2 88.9% 1 27.61s 381 89 12,457
GLM 5.1 8.2 7.2 88.9% 1 31.64s 609 935 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） 输入令牌 输出令牌 推理令牌
Qwen3.5-Flash 10.0 10.0 100.0% 0 10.33s 8,193 309 1,284
GLM 5.1 3.0 10.0 0.0% 0 0ms 0 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） 输入令牌 输出令牌 推理令牌
Qwen3.5-Flash 3.0 10.0 0.0% 0 48.98s 204 32 37,037
GLM 5.1 3.0 10.0 0.0% 0 29.40s 124 82 2,179

快速对比

切换对比组合

Step 3.7 FlashhighvsGLM 5.1mediumGemini 3.5 FlashminimalvsQwen3.5-FlashmediumGemini 3 Flash PreviewnonevsQwen3.5-FlashmediumQwen3.7 PlusnonevsGLM 5.1mediumDeepSeek V4 PrononevsGLM 5.1mediumGemini 3.5 FlashnonevsGLM 5.1mediumClaude Opus 4.8nonevsGLM 5.1mediumGemini 3.5 FlashnonevsQwen3.5-FlashmediumGemini 3 Flash PreviewnonevsGLM 5.1mediumClaude Sonnet 4.6nonevsGLM 5.1mediumQwen3.7 MaxnonevsGLM 5.1mediumQwen3.5-FlashmediumvsStep 3.7 Flashhigh