AI BENCHY 对比
Qwen: Qwen3.5-Flash vs Z.ai: GLM 5
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-14
| 指标 | Qwen3.5-Flash Qwen3.5-Flash none | GLM 5 GLM 5 none |
|---|---|---|
| 分数 | 6.2 | 6.6 |
| 排名 | #56 | #50 |
| 一致性 | 9.6 | 9.6 |
| 测试正确 | ||
| 尝试通过率 | 46.3% | 51.9% |
| 不稳定测试 | 1 | 1 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 0.070 | 0.217 |
| 总成本 | $0.006 | $0.020 |
| ???? | $0.065 / 1M | $0.720 / 1M |
| ???? | $0.260 / 1M | $2.300 / 1M |
| 输出令牌 | 4,266 | 1,959 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 3.25s | 4.23s |
| 响应时间（最大） | 13.73s | 11.07s |
| 响应时间（总计） | 58.44s | 46.51s |
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 | |
| GLM 5 | 4.8 | 10.0 | 25.0% | 0 | 2.37s | 275 | 0 |
| 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 | 10.0 | 10.0 | 100.0% | 0 | 1.29s | 489 | 0 | |
| GLM 5 | 5.6 | 3.5 | 33.3% | 1 | 8.84s | 408 | 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-Flash | 3.0 | 10.0 | 0.0% | 0 | 6.22s | 1,794 | 0 | |
| GLM 5 | 3.0 | 10.0 | 0.0% | 0 | 4.98s | 406 | 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-Flash | 10.0 | 10.0 | 100.0% | 0 | 1.57s | 243 | 0 | |
| GLM 5 | 10.0 | 10.0 | 100.0% | 0 | 5.78s | 203 | 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-Flash | 7.7 | 10.0 | 66.7% | 0 | 905ms | 15 | 0 | |
| GLM 5 | 3.0 | 10.0 | 0.0% | 0 | 2.24s | 19 | 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-Flash | 10.0 | 10.0 | 100.0% | 0 | 803ms | 100 | 0 | |
| GLM 5 | 10.0 | 10.0 | 100.0% | 0 | 3.27s | 103 | 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-Flash | 6.3 | 10.0 | 50.0% | 0 | 8.81s | 63 | 0 | |
| GLM 5 | 10.0 | 10.0 | 100.0% | 0 | 1.48s | 61 | 0 |
| 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 | 3.3 | 10.0 | 0.0% | 0 | 5.90s | 608 | 0 | |
| GLM 5 | 7.7 | 10.0 | 66.7% | 0 | 2.05s | 264 | 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-Flash | 10.0 | 10.0 | 100.0% | 0 | 3.67s | 264 | 0 | |
| GLM 5 | 10.0 | 10.0 | 100.0% | 0 | 11.07s | 220 | 0 |
快速对比
切换对比组合
Grok 4.1 FastmediumvsGLM 5noneGPT-5 NanomediumvsQwen3.5-FlashnoneNemotron 3 Supermedium免费可用vsGLM 5noneMercury 2mediumvsGLM 5noneMercury 2mediumvsQwen3.5-FlashnoneGrok 4.20mediumvsGLM 5noneKimi K2.5mediumvsGLM 5nonegpt-oss-120bmedium免费可用vsQwen3.5-FlashnoneGPT-5 MinimediumvsGLM 5noneGPT-5 NanomediumvsGLM 5noneQwen3.5-FlashnonevsGrok 4.1 FastmediumNemotron 3 Supermedium免费可用vsQwen3.5-Flashnone