导航
AI BENCHY
Advertise here

AI BENCHY 对比

Qwen: Qwen3.5 Plus 2026-04-20 vs xAI: Grok 4.5

摘要

Qwen3.5 Plus 2026-04-20 (medium) vs Grok 4.5 (low) benchmark 对比：平均分几乎持平，为 7.8 vs 7.8。 Qwen3.5 Plus 2026-04-20 (medium) benchmark 成本更低，为 $0.317 vs $0.760。 Grok 4.5 (low) 更快，为 15.48s vs 46.36s，通过率为 66.7% vs 74.6%。

推荐模型: Qwen3.5 Plus 2026-04-20 (medium) - 它在这里得分最高（7.8），同时成本比Grok 4.5 (low)低约 2.4 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-08

指标 Qwen3.5 Plus 2026-04-20 Qwen3.5 Plus 2026-04-20 medium 发布日期: 2026-04-20 Grok 4.5 Grok 4.5 low 发布日期: 2026-07-08
分数 7.8 7.8
排名 #36 #34
可靠性 10.0 10.0
一致性 9.0 9.7
测试正确
尝试通过率 66.7% 74.6%
不稳定测试 2 1
总运行次数 63 63
每个结果成本 3.023 5.061
总成本 $0.317 $0.760
输入价格 $0.300 / 1M $2.000 / 1M
输出价格 $1.800 / 1M $6.000 / 1M
总输入令牌 42,097 58,652
输出令牌 2,280 1,735
推理令牌 166,613 105,233
响应时间（平均） 46.36s 15.48s
响应时间（最大） 189.38s 205.28s
响应时间（总计） 973.57s 324.98s

生成展示

Hamster playing table tennis

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

#36 Qwen3.5 Plus 2026-04-20

medium
成本
$0.008
时间
76.7s
令牌
4,355 tok

#34 xAI: Grok 4.5

low
成本
$0.011
时间
12.4s
令牌
2,018 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

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） 输入令牌 输出令牌 推理令牌
Qwen3.5 Plus 2026-04-20 10.0 10.0 100.0% 0 10.84s 672 215 7,748
Grok 4.5 10.0 10.0 100.0% 0 2.75s 2,991 261 3,000
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 Plus 2026-04-20 6.2 8.7 33.3% 0 125.25s 7,630 308 58,682
Grok 4.5 10.0 10.0 100.0% 0 13.72s 9,579 303 15,641
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） 输入令牌 输出令牌 推理令牌
Qwen3.5 Plus 2026-04-20 10.0 10.0 100.0% 0 92.41s 14,934 483 17,490
Grok 4.5 3.0 10.0 0.0% 0 8.16s 15,084 261 2,370
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） 输入令牌 输出令牌 推理令牌
Qwen3.5 Plus 2026-04-20 10.0 10.0 100.0% 0 38.32s 7,782 270 14,668
Grok 4.5 10.0 10.0 100.0% 0 3.44s 8,937 225 2,549
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） 输入令牌 输出令牌 推理令牌
Qwen3.5 Plus 2026-04-20 2.9 7.2 11.1% 1 53.10s 771 63 28,414
Grok 4.5 3.0 10.0 0.0% 0 72.64s 2,514 14 70,275
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） 输入令牌 输出令牌 推理令牌
Qwen3.5 Plus 2026-04-20 4.9 9.6 0.0% 0 25.30s 516 125 4,792
Grok 4.5 6.1 3.1 66.7% 1 4.88s 1,077 98 1,253
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） 输入令牌 输出令牌 推理令牌
Qwen3.5 Plus 2026-04-20 10.0 10.0 100.0% 0 20.25s 699 103 7,689
Grok 4.5 9.8 10.0 100.0% 0 2.80s 1,857 57 1,878
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） 输入令牌 输出令牌 推理令牌
Qwen3.5 Plus 2026-04-20 8.2 7.2 88.9% 1 17.67s 696 338 9,800
Grok 4.5 10.0 10.0 100.0% 0 3.20s 2,430 217 2,590
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） 输入令牌 输出令牌 推理令牌
Qwen3.5 Plus 2026-04-20 10.0 10.0 100.0% 0 14.72s 8,193 348 2,164
Grok 4.5 10.0 10.0 100.0% 0 5.83s 13,394 284 871
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） 输入令牌 输出令牌 推理令牌
Qwen3.5 Plus 2026-04-20 3.0 10.0 0.0% 0 92.57s 204 27 15,166
Grok 4.5 3.0 10.0 0.0% 0 13.98s 789 15 4,806

快速对比

切换对比组合

Claude Sonnet 4.6mediumvsGrok 4.5lowQwen3.6 PlusmediumvsGrok 4.5lowClaude Opus 4.8lowvsQwen3.5 Plus 2026-04-20mediumGemini 3.1 Flash Lite PreviewmediumvsGrok 4.5lowClaude Sonnet 5mediumvsGrok 4.5lowGemini 3.1 Flash LitemediumvsGrok 4.5lowKimi K2.6medium免费可用vsGrok 4.5lowQwen3.5-27BmediumvsGrok 4.5lowQwen3.5-122B-A10BmediumvsGrok 4.5lowQwen3.5 Plus 2026-04-20mediumvsStep 3.7 FlashlowClaude Opus 4.6mediumvsGrok 4.5lowDeepSeek V4 ProhighvsQwen3.5 Plus 2026-04-20medium