AI BENCHY 对比

已对比模型

摘要

Qwen3.6 35B A3B vs Qwen3.5-27B vs DeepSeek V4 Flash 基准对比DeepSeek V4 Flash 在分数上以 8.3 领先。 Qwen3.6 35B A3B 在可靠性上以 10.0 领先。 DeepSeek V4 Flash 的总成本最低，为 $0.027。 Qwen3.6 35B A3B 最快，为 18.08s。

推荐模型: DeepSeek V4 Flash - 它在这里得分最高（8.3），同时成本比本次比较中的其他模型低约 13.0 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-18

指标	Qwen3.6 35B A3B Qwen3.6 35B A3B medium 发布日期: 2026-04-20	Qwen3.5-27B Qwen3.5-27B medium 发布日期: 2026-02-24	DeepSeek V4 Flash DeepSeek V4 Flash high 发布日期: 2026-04-24

指标	Qwen3.6 35B A3B Qwen3.6 35B A3B medium 发布日期: 2026-04-20	Qwen3.5-27B Qwen3.5-27B medium 发布日期: 2026-02-24	DeepSeek V4 Flash DeepSeek V4 Flash high 发布日期: 2026-04-24
分数	6.7	7.9	8.3
排名	#75	#29	#23
可靠性	10.0	10.0	10.0
一致性	9.6	8.5	8.5
测试正确
尝试通过率	63.5%	73.0%	74.6%
不稳定测试	1	4	4
总运行次数	63	63	63
每个结果成本	1.094	4.901	0.299
总成本	$0.146	$0.536	$0.027
输入价格	$0.140 / 1M	$0.195 / 1M	$0.090 / 1M
输出价格	$1.000 / 1M	$1.560 / 1M	$0.180 / 1M
总输入令牌	16,385	42,164	39,745
输出令牌	19,632	8,534	10,310
推理令牌	130,219	329,289	123,501
响应时间（平均）	18.08s	68.39s	45.85s
响应时间（最大）	86.11s	234.36s	218.13s
响应时间（总计）	343.61s	1436.24s	962.79s

生成展示

Hamster playing table tennis

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

#75 Qwen3.6 35B A3B

medium

无效SVG

成本: $0.000
时间: 300.0s
令牌: 0 tok

#29 Qwen3.5-27B

medium

成本: $0.008
时间: 62.0s
令牌: 3,099 tok

#23 DeepSeek V4 Flash

high

成本: $0.003
时间: 93.1s
令牌: 7,926 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	响应时间（平均）	输入令牌	输出令牌	推理令牌
Qwen3.6 35B A3B	10.0	10.0	100.0%	0	6.02s	672	1,154	12,385
Qwen3.5-27B	8.7	7.9	91.7%	1	19.75s	672	569	31,505
DeepSeek V4 Flash	8.3	10.0	75.0%	0	28.51s	540	140	7,770

编程	分数	一致性	尝试通过率	不稳定测试	响应时间（平均）	输入令牌	输出令牌	推理令牌
Qwen3.6 35B A3B	7.7	10.0	66.7%	0	50.55s	5,051	7,929	37,223
Qwen3.5-27B	6.2	7.1	55.6%	1	160.69s	7,895	6,381	89,388
DeepSeek V4 Flash	7.8	10.0	66.7%	0	50.60s	7,279	395	34,862

综合	分数	一致性	尝试通过率	响应时间（平均）	输入令牌	输出令牌	推理令牌
Qwen3.6 35B A3B	3.0	10.0	0.0%	0ms	0	0	0
Qwen3.5-27B	10.0	10.0	100.0%	163.96s	14,946	483	9,991
DeepSeek V4 Flash	10.0	10.0	100.0%	76.57s	14,016	465	7,347

数据解析与提取	分数	一致性	尝试通过率	响应时间（平均）	输入令牌	输出令牌	推理令牌
Qwen3.6 35B A3B	10.0	10.0	100.0%	12.99s	7,776	2,591	9,968
Qwen3.5-27B	10.0	10.0	100.0%	30.26s	7,782	270	16,150
DeepSeek V4 Flash	10.0	10.0	100.0%	28.03s	7,290	201	1,179

领域专项	分数	一致性	尝试通过率	不稳定测试	响应时间（平均）	输入令牌	输出令牌	推理令牌
Qwen3.6 35B A3B	5.3	7.2	44.4%	1	22.50s	771	6,193	39,116
Qwen3.5-27B	5.3	10.0	33.3%	0	79.53s	553	43	52,368
DeepSeek V4 Flash	4.1	4.4	44.5%	2	100.31s	666	27	59,249

通用智能	分数	一致性	尝试通过率	不稳定测试	响应时间（平均）	输入令牌	输出令牌	推理令牌
Qwen3.6 35B A3B	4.4	9.9	0.0%	0	8.66s	516	129	4,569
Qwen3.5-27B	6.1	3.1	66.7%	1	101.41s	524	70	23,147
DeepSeek V4 Flash	6.1	3.1	66.7%	1	25.15s	471	79	632

指令遵循	分数	一致性	尝试通过率	响应时间（平均）	输入令牌	输出令牌	推理令牌
Qwen3.6 35B A3B	10.0	10.0	100.0%	7.50s	699	219	7,404
Qwen3.5-27B	10.0	10.0	100.0%	19.66s	699	97	11,638
DeepSeek V4 Flash	10.0	10.0	100.0%	15.36s	627	63	1,622

谜题求解	分数	一致性	尝试通过率	不稳定测试	响应时间（平均）	输入令牌	输出令牌	推理令牌
Qwen3.6 35B A3B	8.0	10.0	66.7%	0	5.95s	696	655	9,228
Qwen3.5-27B	8.2	7.7	77.8%	1	59.60s	696	242	70,096
DeepSeek V4 Flash	8.2	7.2	88.9%	1	26.11s	594	196	1,767

工具调用	分数	一致性	尝试通过率	响应时间（平均）	输入令牌	输出令牌	推理令牌
Qwen3.6 35B A3B	3.0	10.0	0.0%	0ms	0	0	0
Qwen3.5-27B	10.0	10.0	100.0%	7.45s	8,193	348	1,323
DeepSeek V4 Flash	10.0	10.0	100.0%	74.73s	8,079	228	542

常识问答	分数	一致性	尝试通过率	响应时间（平均）	输入令牌	输出令牌	推理令牌
Qwen3.6 35B A3B	3.0	10.0	0.0%	32.90s	204	762	10,326
Qwen3.5-27B	3.0	10.0	0.0%	85.11s	204	31	23,683
DeepSeek V4 Flash	3.0	10.0	0.0%	54.46s	183	8,516	8,531

快速对比

切换对比组合