Qwen: Qwen3.6 Max Preview vs xAI: Grok 4.5

Qwen3.6 Max Preview (medium) 平均分领先，为 8.4 vs 8.3。 Qwen3.6 Max Preview (medium) benchmark 成本更低，为 $1.143 vs $1.928。 Grok 4.5 (medium) 更快，为 61.71s vs 67.53s，通过率为 80.3% vs 78.8%。

推荐模型Qwen3.6 Max Preview (medium)它在这里得分最高（8.4），同时成本比Grok 4.5 (medium)低约 1.7 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-25

指标	Qwen3.6 Max Preview Qwen3.6 Max Preview medium 发布日期: 2026-04-20	Grok 4.5 Grok 4.5 medium 发布日期: 2026-07-08

指标	Qwen3.6 Max Preview Qwen3.6 Max Preview medium 发布日期: 2026-04-20	Grok 4.5 Grok 4.5 medium 发布日期: 2026-07-08
分数	8.4	8.3
排名	#25	#28
可靠性	9.9	10.0
一致性	8.9	8.9
测试正确
尝试通过率	80.3%	78.8%
不稳定测试	3	3
总运行次数	66	66
每个结果成本	8.173	12.049
总成本	$1.143	$1.928
输入价格	$1.040 / 1M	$2.000 / 1M
输出价格	$6.240 / 1M	$6.000 / 1M
总输入令牌	79,240	122,146
输出令牌	5,098	5,514
推理令牌	164,842	275,053
响应时间（平均）	67.53s	61.71s
响应时间（最大）	238.07s	436.38s
响应时间（总计）	1485.64s	1357.56s

Hamster playing table tennis

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

#25 Qwen3.6 Max Preview

medium

成本: $0.024
时间: 76.5s
令牌: 3,861 tok

#28 xAI: Grok 4.5

medium

成本: $0.044
时间: 59.4s
令牌: 7,512 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

类别:

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
Qwen3.6 Max Preview	10.0	10.0	100.0%	0		22.13s	672	228	10,075
Grok 4.5	10.0	10.0	100.0%	0		23.50s	2,991	147	4,018

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
Qwen3.6 Max Preview	8.8	7.8	88.9%	1		146.48s	7,895	427	52,957
Grok 4.5	7.6	7.2	77.8%	1		155.69s	9,579	390	104,634

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
Qwen3.6 Max Preview	7.3	5.8	83.3%	1		177.48s	51,812	3,215	35,050
Grok 4.5	10.0	10.0	100.0%	0		29.01s	83,730	4,154	16,180

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
Qwen3.6 Max Preview	10.0	10.0	100.0%	0		41.15s	7,782	270	10,106
Grok 4.5	10.0	10.0	100.0%	0		6.29s	8,937	225	3,657

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
Qwen3.6 Max Preview	2.9	7.2	11.1%	1		95.91s	771	60	30,371
Grok 4.5	2.9	7.2	11.1%	1		198.89s	2,212	11	121,922

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
Qwen3.6 Max Preview	10.0	10.0	100.0%	0		32.24s	516	129	3,510
Grok 4.5	6.5	3.4	66.7%	1		12.84s	1,077	71	2,384

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
Qwen3.6 Max Preview	10.0	10.0	100.0%	0		24.31s	699	103	5,848
Grok 4.5	9.8	10.0	100.0%	0		6.06s	1,857	57	2,728

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
Qwen3.6 Max Preview	10.0	10.0	100.0%	0		24.32s	696	329	7,693
Grok 4.5	10.0	10.0	100.0%	0		7.75s	2,430	254	3,641

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
Qwen3.6 Max Preview	10.0	10.0	100.0%	0		18.32s	8,193	309	1,571
Grok 4.5	10.0	10.0	100.0%	0		6.57s	8,544	192	968

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
Qwen3.6 Max Preview	3.0	10.0	0.0%	0		60.56s	204	28	7,661
Grok 4.5	3.0	10.0	0.0%	0		74.44s	789	13	14,921

快速对比

切换对比组合

Qwen3.6 Max PreviewmediumvsGrok 4.5low Muse Spark 1.1lowvsGrok 4.5medium Claude Opus 5lowvsQwen3.6 Max Previewmedium Muse Spark 1.1lowvsQwen3.6 Max Previewmedium Muse Spark 1.1highvsGrok 4.5medium Claude Opus 5lowvsGrok 4.5medium Gemini 3.5 Flash-LitehighvsGrok 4.5medium InklinghighvsGrok 4.5medium GPT-5.2 ChatnonevsGrok 4.5medium Grok 4.5mediumvsGLM 5.2high Muse Spark 1.1highvsQwen3.6 Max Previewmedium Kimi K3maxvsGrok 4.5medium