导航
AI BENCHY
Advertise here

Qwen3.5-Flash vs GLM 5.3 Flash (low)

Qwen3.5-Flash 平均分领先，为 6.0 vs 5.9。 GLM 5.3 Flash (low) benchmark 成本更低，为 $0.015 vs $0.073。 GLM 5.3 Flash (low) 更快，为 9.65s vs 25.28s，通过率为 34.9% vs 56.1%。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-08-26

排名
#189
总输出令牌
209,201
响应时间（平均）
25.28s
总成本
$0.073
排名
#195
总输出令牌
23,736
响应时间（平均）
9.65s
总成本
$0.015
推荐模型 GLM 5.3 Flash (low)

它的得分接近这里的最高分（5.9 vs 6.0），同时成本比Qwen3.5-Flash低约 4.9 倍。

详细对比

指标 Qwen3.5-Flash Qwen3.5-Flash none 发布日期: 2026-02-24 GLM 5.3 Flash GLM 5.3 Flash low 发布日期: 2026-08-26
分数 6.0 5.9
排名 #189 #195
可靠性 10.0 10.0
一致性 9.3 8.4
尝试次数 66/66 66/66
测试正确
尝试通过率 34.9% 56.1%
不稳定测试 2 4
总运行次数 66 66
每个结果成本 1.066 0.148
总成本 $0.073 $0.015
输入价格 $0.065 / 1M $0.075 / 1M
输出价格 $0.260 / 1M $0.250 / 1M
总输入令牌 282,356 117,551
输出令牌 209,201 9,199
推理令牌 0 14,537
响应时间（平均） 25.28s 9.65s
响应时间（最大） 480.96s 90.45s
响应时间（总计） 556.14s 212.22s
参数量 ~35B 总计 (~3B 激活) 320B 总计 (18B 激活)
开放状态 闭源 开源

模型生成展示

Hamster playing table tennis

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

#189 Qwen3.5-Flash

none
成本
$0.003
时间
47.4s
令牌
7,799 tok

#195 GLM 5.3 Flash

low
成本
$0.001
时间
20.7s
令牌
1,482 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

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 5.5 10.0 33.3% 0 850ms 7,913 519 0
GLM 5.3 Flash 5.4 7.2 44.4% 1 10.38s 7,317 398 3,973

快速对比

切换对比组合

GPT-5.4 MininonevsGLM 5.3 FlashlowGPT-5 NanomediumvsQwen3.5-FlashnoneSeed 2.1 TurbononevsGLM 5.3 FlashlowQwen3.5-FlashnonevsStep 3.5 FlashmediumDots 3 Note Previewmedium免费可用vsQwen3.5-FlashnoneDots 3 Note Previewmedium免费可用vsGLM 5.3 FlashlowStep 3.5 FlashmediumvsGLM 5.3 FlashlowQwen3.5-35B-A3BnonevsGLM 5.3 FlashlowGPT-5 NanomediumvsGLM 5.3 FlashlowTrinity Large ThinkinglowvsQwen3.5-FlashnoneGPT-5.6 TerranonevsGLM 5.3 FlashlowGPT-5.4nonevsGLM 5.3 Flashlow