AI BENCHY 对比
Qwen: Qwen3.5-Flash vs Qwen: Qwen3.6 27B
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-28
| 指标 | Qwen3.5-Flash Qwen3.5-Flash none | Qwen3.6 27B Qwen3.6 27B medium |
|---|---|---|
| 分数 | 5.9 | 6.6 |
| 排名 | #100 | #83 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.7 | 8.1 |
| 测试正确 | ||
| 尝试通过率 | 41.7% | 58.3% |
| 不稳定测试 | 1 | 5 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 0.073 | 3.017 |
| 总成本 | $0.004 | $0.380 |
| 输入价格 | $0.065 / 1M | $0.290 / 1M |
| 输出价格 | $0.260 / 1M | $3.200 / 1M |
| 输出令牌 | 4,270 | 12,981 |
| 推理令牌 | 0 | 105,822 |
| 响应时间（平均） | 3.74s | 57.79s |
| 响应时间（最大） | 27.18s | 168.22s |
| 响应时间（总计） | 74.71s | 1155.83s |
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-Flash | 3.5 | 8.3 | 8.3% | 1 | 1.32s | 690 | 0 | |
| Qwen3.6 27B | 8.3 | 10.0 | 75.0% | 0 | 12.62s | 582 | 4,311 |
| 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-Flash | 6.8 | 10.0 | 50.0% | 0 | 993ms | 513 | 0 | |
| Qwen3.6 27B | 6.6 | 10.0 | 50.0% | 0 | 165.39s | 4,760 | 26,668 |
| 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-Flash | 3.0 | 10.0 | 0.0% | 0 | 6.22s | 1,794 | 0 | |
| Qwen3.6 27B | 7.0 | 3.7 | 66.7% | 1 | 83.07s | 2,088 | 14,689 |
| 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-Flash | 10.0 | 10.0 | 100.0% | 0 | 1.57s | 243 | 0 | |
| Qwen3.6 27B | 3.5 | 1.4 | 50.0% | 2 | 37.30s | 568 | 9,404 |
| 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-Flash | 7.7 | 10.0 | 66.7% | 0 | 905ms | 15 | 0 | |
| Qwen3.6 27B | 2.9 | 7.2 | 11.1% | 1 | 73.38s | 3,510 | 20,352 |
| 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-Flash | 10.0 | 10.0 | 100.0% | 0 | 803ms | 100 | 0 | |
| Qwen3.6 27B | 6.5 | 3.4 | 66.7% | 1 | 39.53s | 81 | 3,045 |
| 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-Flash | 6.3 | 10.0 | 50.0% | 0 | 8.81s | 63 | 0 | |
| Qwen3.6 27B | 10.0 | 10.0 | 100.0% | 0 | 37.96s | 346 | 6,548 |
| 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-Flash | 3.1 | 10.0 | 0.0% | 0 | 10.89s | 579 | 0 | |
| Qwen3.6 27B | 7.7 | 10.0 | 66.7% | 0 | 61.14s | 255 | 12,044 |
| 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-Flash | 10.0 | 10.0 | 100.0% | 0 | 3.67s | 264 | 0 | |
| Qwen3.6 27B | 10.0 | 10.0 | 100.0% | 0 | 16.88s | 390 | 2,954 |
| 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-Flash | 3.0 | 10.0 | 0.0% | 0 | 588ms | 9 | 0 | |
| Qwen3.6 27B | 3.0 | 10.0 | 0.0% | 0 | 80.99s | 401 | 5,807 |
快速对比
切换对比组合
gpt-oss-120bmedium免费可用vsQwen3.5-FlashnoneNemotron 3 Supermedium免费可用vsQwen3.5-FlashnoneDeepSeek V4 ProhighvsQwen3.6 27BmediumGemini 3.1 Flash LitenonevsQwen3.6 27BmediumGPT-5.5nonevsQwen3.6 27BmediumOwl AlphamediumvsQwen3.5-FlashnoneGemini 3.1 Flash LiteminimalvsQwen3.6 27BmediumGemma 4 31Bnone免费可用vsQwen3.6 27BmediumCobuddymediumvsQwen3.5-FlashnoneGPT-5 NanomediumvsQwen3.5-FlashnoneGemini 2.5 FlashnonevsQwen3.6 27BmediumQwen3.6 27BmediumvsGLM 5none