导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 对比

Qwen: Qwen3.6 Max Preview vs xAI: Grok 4.20

摘要

Qwen3.6 Max Preview vs Grok 4.20 benchmark 对比：Grok 4.20 平均分领先，为 7.1 vs 6.9。 Qwen3.6 Max Preview benchmark 成本更低，为 $0.075 vs $0.609。 Qwen3.6 Max Preview 更快，为 3.30s vs 27.68s，通过率为 58.7% vs 63.5%。

推荐模型: Qwen3.6 Max Preview - 它的得分接近这里的最高分（6.9 vs 7.1），同时成本比Grok 4.20低约 8.2 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-10

指标 Qwen3.6 Max Preview Qwen3.6 Max Preview none 发布日期: 2026-04-20 Grok 4.20 Grok 4.20 medium 发布日期: 2026-03-31
分数 6.9 7.1
排名 #75 #66
可靠性 10.0 10.0
一致性 9.2 8.8
测试正确
尝试通过率 58.7% 63.5%
不稳定测试 2 3
总运行次数 63 63
每个结果成本 0.824 8.309
总成本 $0.075 $0.609
输入价格 $1.040 / 1M $1.250 / 1M
输出价格 $6.240 / 1M $2.500 / 1M
总输入令牌 42,509 44,433
输出令牌 4,779 1,819
推理令牌 0 219,524
响应时间（平均） 3.30s 27.68s
响应时间（最大） 20.51s 199.66s
响应时间（总计） 69.40s 581.26s

Generation showcase

Hamster playing table tennis

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

#75 Qwen3.6 Max Preview

none
Cost
$0.025
Time
83.9s
Tokens
4,066 tok

#66 xAI: Grok 4.20

medium
Cost
$0.041
Time
110.3s
Tokens
16,336 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
Qwen3.6 Max Preview 5.2 7.9 41.7% 1 2.63s 696 513 0
Grok 4.20 8.2 7.9 83.3% 1 3.95s 2,010 287 8,312
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 3.8 7.3 22.2% 1 3.12s 7,913 456 0
Grok 4.20 6.3 6.6 55.6% 1 109.93s 8,307 268 103,150
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 3.0 10.0 0.0% 0 20.51s 14,949 2,842 0
Grok 4.20 10.0 10.0 100.0% 0 17.40s 12,909 232 9,556
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 2.87s 7,794 243 0
Grok 4.20 10.0 10.0 100.0% 0 4.17s 7,761 180 5,333
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 7.7 10.0 66.7% 0 1.22s 789 18 0
Grok 4.20 5.3 10.0 33.3% 0 27.03s 1,764 375 49,339
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 4.3 10.0 0.0% 0 1.62s 522 76 0
Grok 4.20 3.9 2.6 33.3% 1 24.48s 825 65 6,440
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 9.8 10.0 100.0% 0 1.40s 711 69 0
Grok 4.20 9.8 10.0 100.0% 0 4.26s 1,362 57 6,419
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 2.65s 714 321 0
Grok 4.20 7.7 10.0 66.7% 0 6.22s 1,689 149 7,913
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 5.27s 8,211 222 0
Grok 4.20 3.0 10.0 0.0% 0 13.68s 7,275 197 6,620
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 1.97s 210 19 0
Grok 4.20 3.0 10.0 0.0% 0 63.48s 531 9 16,442

快速对比

切换对比组合

Ring-2.6-1TmediumvsQwen3.6 Max PreviewnoneSeed-2.0-MinimediumvsQwen3.6 Max PreviewnoneKimi K2.5mediumvsQwen3.6 Max PreviewnoneGPT-5.3 ChatnonevsGrok 4.20mediumGemini 3.1 Flash LitelowvsGrok 4.20mediumClaude Opus 4.8nonevsGrok 4.20mediumGemini 3.1 Flash Lite PreviewnonevsGrok 4.20mediumStep 3.7 FlashhighvsGrok 4.20mediumDeepSeek V3.2mediumvsQwen3.6 Max PreviewnoneStep 3.7 FlashlowvsGrok 4.20mediumQwen3.6 Max PreviewnonevsStep 3.7 FlashhighGPT-5.4 NanomediumvsQwen3.6 Max Previewnone