AI BENCHY 对比
Qwen: Qwen3.6 27B vs xAI: Grok Build 0.1
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-22
| 指标 | Qwen3.6 27B Qwen3.6 27B medium | Grok Build 0.1 Grok Build 0.1 none |
|---|---|---|
| 分数 | 6.6 | 6.6 |
| 排名 | #83 | #82 |
| 可靠性 | 9.9 | 10.0 |
| 一致性 | 8.1 | 8.0 |
| 测试正确 | ||
| 尝试通过率 | 58.3% | 60.4% |
| 不稳定测试 | 5 | 4 |
| 总运行次数 | 60 | 57 |
| 每个结果成本 | 3.015 | 7.805 |
| 总成本 | $0.272 | $0.547 |
| ???? | $0.317 / 1M | $1.000 / 1M |
| ???? | $3.200 / 1M | $2.000 / 1M |
| 输出令牌 | 13,007 | 267,275 |
| 推理令牌 | 105,697 | 0 |
| 响应时间（平均） | 57.65s | 28.69s |
| 响应时间（最大） | 168.22s | 138.35s |
| 响应时间（总计） | 1153.04s | 459.00s |
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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.6 27B | 8.3 | 10.0 | 75.0% | 0 | 12.62s | 582 | 4,311 | |
| Grok Build 0.1 | 8.7 | 7.9 | 91.7% | 1 | 6.30s | 11,162 | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.6 27B | 6.6 | 10.0 | 50.0% | 0 | 165.39s | 4,760 | 26,668 | |
| Grok Build 0.1 | 10.0 | 10.0 | 100.0% | 0 | 21.41s | 16,568 | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.6 27B | 7.0 | 3.7 | 66.7% | 1 | 83.07s | 2,088 | 14,689 | |
| Grok Build 0.1 | 0.0 | 0.0 | 0.0% | 0 | 0ms | 0 | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.6 27B | 3.5 | 1.4 | 50.0% | 2 | 37.30s | 568 | 9,404 | |
| Grok Build 0.1 | 4.7 | 1.6 | 66.7% | 1 | 9.33s | 6,359 | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.6 27B | 2.9 | 7.2 | 11.1% | 1 | 73.38s | 3,510 | 20,352 | |
| Grok Build 0.1 | 3.6 | 7.2 | 22.2% | 1 | 103.71s | 179,469 | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.6 27B | 6.5 | 3.4 | 66.7% | 1 | 39.53s | 81 | 3,045 | |
| Grok Build 0.1 | 4.3 | 10.0 | 0.0% | 0 | 12.47s | 6,647 | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.6 27B | 10.0 | 10.0 | 100.0% | 0 | 37.96s | 346 | 6,548 | |
| Grok Build 0.1 | 9.8 | 10.0 | 100.0% | 0 | 7.36s | 8,970 | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.6 27B | 7.7 | 10.0 | 66.7% | 0 | 60.21s | 281 | 11,919 | |
| Grok Build 0.1 | 6.4 | 7.7 | 55.6% | 1 | 9.55s | 14,982 | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.6 27B | 10.0 | 10.0 | 100.0% | 0 | 16.88s | 390 | 2,954 | |
| Grok Build 0.1 | 0.0 | 0.0 | 0.0% | 0 | 0ms | 0 | 0 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.6 27B | 3.0 | 10.0 | 0.0% | 0 | 80.99s | 401 | 5,807 | |
| Grok Build 0.1 | 3.0 | 10.0 | 0.0% | 0 | 36.09s | 23,118 | 0 |
快速对比
切换对比组合
DeepSeek V4 ProhighvsGrok Build 0.1noneGemini 3.1 Flash LitenonevsQwen3.6 27BmediumGPT-5.5nonevsQwen3.6 27BmediumKimi K2.5mediumvsGrok Build 0.1noneGemini 3.1 Flash LiteminimalvsGrok Build 0.1noneDeepSeek V4 ProhighvsQwen3.6 27BmediumGemini 3.1 Flash LiteminimalvsQwen3.6 27BmediumGemma 4 31Bnone免费可用vsQwen3.6 27BmediumQwen3.6 27BmediumvsGLM 5noneGPT-5 MinimediumvsGrok Build 0.1noneGrok Build 0.1nonevsMiMo-V2-OmnimediumMercury 2mediumvsGrok Build 0.1none