Qwen: Qwen3.6 Max Preview vs Z.ai: GLM 5.2

Qwen3.6 Max Preview (medium) 平均分领先，为 8.4 vs 8.0。 GLM 5.2 (high) benchmark 成本更低，为 $0.296 vs $1.143。 GLM 5.2 (high) 更快，为 62.65s vs 67.53s，通过率为 80.3% vs 71.2%。

推荐模型GLM 5.2 (high)它的得分接近这里的最高分（8.0 vs 8.4），同时成本比Qwen3.6 Max Preview (medium)低约 3.9 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-18

指标	Qwen3.6 Max Preview Qwen3.6 Max Preview medium 发布日期: 2026-04-20	GLM 5.2 GLM 5.2 high 发布日期: 2026-06-17

指标	Qwen3.6 Max Preview Qwen3.6 Max Preview medium 发布日期: 2026-04-20	GLM 5.2 GLM 5.2 high 发布日期: 2026-06-17
分数	8.4	8.0
排名	#19	#31
可靠性	9.9	10.0
一致性	8.9	8.6
测试正确
尝试通过率	80.3%	71.2%
不稳定测试	3	3
总运行次数	66	66
每个结果成本	8.173	5.873
总成本	$1.143	$0.296
输入价格	$1.040 / 1M	$0.293 / 1M
输出价格	$6.240 / 1M	$0.920 / 1M
总输入令牌	79,240	83,813
输出令牌	5,098	69,688
推理令牌	164,842	225,659
响应时间（平均）	67.53s	62.65s
响应时间（最大）	238.07s	599.43s
响应时间（总计）	1485.64s	1378.34s

Hamster playing table tennis

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

#19 Qwen3.6 Max Preview

medium

成本: $0.024
时间: 76.5s
令牌: 3,861 tok

#31 GLM 5.2

high

无效SVG

成本: $0.000
时间: 300.0s
令牌: 0 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
GLM 5.2	10.0	10.0	100.0%	0		5.80s	639	406	2,660

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
GLM 5.2	6.4	8.6	33.3%	0		73.03s	5,124	2,302	22,546

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
GLM 5.2	10.0	10.0	100.0%	0		321.47s	61,516	18,824	63,861

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
GLM 5.2	10.0	10.0	100.0%	0		5.81s	7,143	435	1,414

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
GLM 5.2	3.7	6.5	22.2%	1		73.97s	551	46,693	90,566

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
GLM 5.2	10.0	10.0	100.0%	0		12.90s	498	63	1,743

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
GLM 5.2	10.0	10.0	100.0%	0		4.26s	678	151	1,210

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
GLM 5.2	6.0	4.6	66.7%	2		33.71s	665	568	22,392

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
GLM 5.2	10.0	10.0	100.0%	0		9.25s	6,861	246	503

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
GLM 5.2	3.0	10.0	0.0%	0		127.82s	138	0	18,764

快速对比

切换对比组合

GPT-5.2 ChatnonevsGLM 5.2high Step 3.7 FlashmediumvsGLM 5.2high Qwen3.6 Max PreviewmediumvsGrok 4.5low GPT-5 MinimediumvsGLM 5.2high InklingmediumvsGLM 5.2high Kimi K3maxvsGLM 5.2high Seed-2.0-LitemediumvsGLM 5.2high Qwen3.7 PlusmediumvsGLM 5.2high Muse Spark 1.1lowvsQwen3.6 Max Previewmedium Qwen3.6 PlusmediumvsGLM 5.2high GPT-5.6 TerramediumvsGLM 5.2high Gemini 2.5 FlashmediumvsGLM 5.2high