AI BENCHY 对比
Qwen: Qwen3.5 Plus 2026-04-20 vs xAI: Grok 4.3
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-22
| 指标 | Qwen3.5 Plus 2026-04-20 Qwen3.5 Plus 2026-04-20 medium | Grok 4.3 Grok 4.3 medium |
|---|---|---|
| 分数 | 7.6 | 7.8 |
| 排名 | #42 | #31 |
| 可靠性 | 9.6 | 10.0 |
| 一致性 | 8.7 | 8.4 |
| 测试正确 | ||
| 尝试通过率 | 71.7% | 75.0% |
| 不稳定测试 | 3 | 4 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 2.789 | 4.562 |
| 总成本 | $0.363 | $0.593 |
| ???? | $0.300 / 1M | $1.250 / 1M |
| ???? | $1.800 / 1M | $2.500 / 1M |
| 输出令牌 | 2,245 | 1,485 |
| 推理令牌 | 150,235 | 214,928 |
| 响应时间（平均） | 43.63s | 49.23s |
| 响应时间（最大） | 189.38s | 216.69s |
| 响应时间（总计） | 872.61s | 984.54s |
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 2026-04-20 | 10.0 | 10.0 | 100.0% | 0 | 10.84s | 215 | 7,748 | |
| Grok 4.3 | 10.0 | 10.0 | 100.0% | 0 | 8.83s | 88 | 8,207 |
| 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 2026-04-20 | 5.4 | 6.0 | 66.7% | 1 | 137.55s | 287 | 42,318 | |
| Grok 4.3 | 7.4 | 6.5 | 66.7% | 1 | 55.26s | 532 | 24,554 |
| 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 2026-04-20 | 10.0 | 10.0 | 100.0% | 0 | 92.41s | 483 | 17,490 | |
| Grok 4.3 | 10.0 | 10.0 | 100.0% | 0 | 63.99s | 234 | 15,301 |
| 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 2026-04-20 | 10.0 | 10.0 | 100.0% | 0 | 38.32s | 270 | 14,668 | |
| Grok 4.3 | 10.0 | 10.0 | 100.0% | 0 | 18.97s | 180 | 9,546 |
| 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 2026-04-20 | 2.9 | 7.2 | 11.1% | 1 | 53.10s | 63 | 28,414 | |
| Grok 4.3 | 5.3 | 7.2 | 44.4% | 1 | 181.74s | 14 | 111,300 |
| 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 2026-04-20 | 4.9 | 9.6 | 0.0% | 0 | 25.30s | 125 | 4,792 | |
| Grok 4.3 | 5.4 | 2.5 | 66.7% | 1 | 24.70s | 70 | 5,020 |
| 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 2026-04-20 | 10.0 | 10.0 | 100.0% | 0 | 20.25s | 103 | 7,689 | |
| Grok 4.3 | 9.8 | 10.0 | 100.0% | 0 | 18.58s | 57 | 8,713 |
| 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 2026-04-20 | 8.2 | 7.2 | 88.9% | 1 | 17.58s | 324 | 9,786 | |
| Grok 4.3 | 5.9 | 7.2 | 55.6% | 1 | 22.53s | 128 | 14,686 |
| 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 2026-04-20 | 10.0 | 10.0 | 100.0% | 0 | 14.72s | 348 | 2,164 | |
| Grok 4.3 | 10.0 | 10.0 | 100.0% | 0 | 17.66s | 168 | 4,615 |
| 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 2026-04-20 | 3.0 | 10.0 | 0.0% | 0 | 92.57s | 27 | 15,166 | |
| Grok 4.3 | 3.0 | 10.0 | 0.0% | 0 | 44.47s | 14 | 12,986 |
快速对比
切换对比组合
GPT-5.2 ChatnonevsQwen3.5 Plus 2026-04-20mediumGemini 3.1 Flash Lite PreviewlowvsQwen3.5 Plus 2026-04-20mediumGemini 3 Flash PreviewnonevsQwen3.5 Plus 2026-04-20mediumQwen3.7 MaxnonevsGrok 4.3mediumGemini 3 Flash PreviewnonevsGrok 4.3mediumGemini 3.1 Flash Lite PreviewlowvsGrok 4.3mediumGPT-5.2 ChatnonevsGrok 4.3mediumGemini 3.1 Flash Lite PreviewnonevsQwen3.5 Plus 2026-04-20mediumGemini 3.5 FlashminimalvsGrok 4.3mediumGemini 3.1 Flash LitelowvsQwen3.5 Plus 2026-04-20mediumGPT-5.3 ChatnonevsQwen3.5 Plus 2026-04-20mediumDeepSeek V4 Flashhigh免费可用vsQwen3.5 Plus 2026-04-20medium