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

已对比模型

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-10

指标 Qwen3.5 Plus 2026-02-15 Qwen3.5 Plus 2026-02-15 medium 发布日期: 2026-02-15 Qwen3.6 Plus Preview Qwen3.6 Plus Preview medium 发布日期: 2026-04-20 免费可用 GLM 5 Turbo GLM 5 Turbo medium 发布日期: 2026-03-15
分数 8.2 8.2 8.1
排名 #12 #15 #20
可靠性 10.0 不适用 6.7
一致性 9.1 10.0 8.4
测试正确
尝试通过率 79.0% 75.0% 77.2%
不稳定测试 2 0 4
总运行次数 57 57 57
每个结果成本 1.758 0.000 1.438
总成本 $0.247 $0.000 $0.187
???? $0.260 / 1M $0.000 / 1M $1.200 / 1M
???? $1.560 / 1M $0.000 / 1M $4.000 / 1M
输出令牌 2,145 1,153 12,217
推理令牌 129,019 62,197 40,252
响应时间（平均） 51.33s 15.25s 18.85s
响应时间（最大） 120.91s 43.55s 194.23s
响应时间（总计） 616.01s 182.96s 358.15s

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） 输出令牌 推理令牌
Qwen3.5 Plus 2026-02-15 8.2 7.9 83.3% 1 45.78s 205 21,236
Qwen3.6 Plus Preview 10.0 10.0 100.0% 0 11.69s 61 5,812
GLM 5 Turbo 10.0 10.0 100.0% 0 4.82s 362 3,137
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 Plus 2026-02-15 10.0 10.0 100.0% 0 120.91s 367 19,367
Qwen3.6 Plus Preview 0.0 0.0 0.0% 0 0ms 0 0
GLM 5 Turbo 10.0 10.0 100.0% 0 12.26s 332 3,301
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 Plus 2026-02-15 10.0 10.0 100.0% 0 46.85s 421 7,906
Qwen3.6 Plus Preview 10.0 10.0 100.0% 0 34.95s 452 13,073
GLM 5 Turbo 10.0 10.0 100.0% 0 13.88s 390 2,037
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 Plus 2026-02-15 10.0 10.0 100.0% 0 46.91s 270 14,916
Qwen3.6 Plus Preview 10.0 10.0 100.0% 0 14.95s 270 10,706
GLM 5 Turbo 10.0 10.0 100.0% 0 6.19s 577 3,632
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 Plus 2026-02-15 5.3 10.0 33.3% 0 17.50s 35 16,680
Qwen3.6 Plus Preview 3.0 10.0 0.0% 0 22.08s 49 26,895
GLM 5 Turbo 2.9 4.4 22.2% 2 71.07s 9,665 19,279
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 Plus 2026-02-15 4.7 1.6 66.7% 1 79.86s 73 8,675
Qwen3.6 Plus Preview 0.0 0.0 0.0% 0 0ms 0 0
GLM 5 Turbo 6.1 3.1 66.7% 1 10.05s 60 2,216
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 Plus 2026-02-15 10.0 10.0 100.0% 0 31.93s 101 7,704
Qwen3.6 Plus Preview 10.0 10.0 100.0% 0 3.40s 27 1,383
GLM 5 Turbo 10.0 10.0 100.0% 0 5.38s 255 2,183
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 Plus 2026-02-15 10.0 10.0 100.0% 0 34.57s 340 14,496
Qwen3.6 Plus Preview 10.0 10.0 100.0% 0 7.52s 27 2,998
GLM 5 Turbo 8.7 7.9 77.8% 1 5.44s 315 2,702
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 Plus 2026-02-15 10.0 10.0 100.0% 0 7.54s 309 909
Qwen3.6 Plus Preview 10.0 10.0 100.0% 0 5.87s 267 1,330
GLM 5 Turbo 10.0 10.0 100.0% 0 9.84s 241 446
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 Plus 2026-02-15 3.0 10.0 0.0% 0 103.81s 24 17,130
Qwen3.6 Plus Preview 0.0 0.0 0.0% 0 0ms 0 0
GLM 5 Turbo 3.0 10.0 0.0% 0 40.17s 20 1,319

快速对比

切换对比组合

Gemini 3 Flash PreviewnonevsGLM 5 TurbomediumGemini 3.1 Flash Lite PreviewlowvsGLM 5 TurbomediumGemini 3 Flash PreviewnonevsQwen3.5 Plus 2026-02-15mediumGemini 3.1 Flash Lite PreviewlowvsQwen3.5 Plus 2026-02-15mediumGemini 3.1 Flash Lite PreviewnonevsGLM 5 TurbomediumGPT-5.2 ChatnonevsGLM 5 TurbomediumGemini 3.1 Flash LitelowvsGLM 5 TurbomediumGPT-5.3 ChatnonevsGLM 5 TurbomediumDeepSeek V4 FlashhighvsGLM 5 TurbomediumGemini 3.1 Flash Lite PreviewnonevsQwen3.5 Plus 2026-02-15mediumGemini 3 Flash PreviewlowvsQwen3.5 Plus 2026-02-15mediumGPT-5.2 ChatnonevsQwen3.5 Plus 2026-02-15medium