AI BENCHY 对比
Qwen: Qwen3.6 Max Preview vs Z.ai: GLM 5.1
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-30
| 指标 | Qwen3.6 Max Preview Qwen3.6 Max Preview none | GLM 5.1 GLM 5.1 medium |
|---|---|---|
| 分数 | 7.5 | 7.8 |
| 排名 | #51 | #45 |
| 可靠性 | 10.0 | 不适用 |
| 一致性 | 9.1 | 8.6 |
| 测试正确 | ||
| 尝试通过率 | 68.5% | 75.9% |
| 不稳定测试 | 2 | 3 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 0.752 | 1.674 |
| 总成本 | $0.083 | $0.201 |
| ???? | $1.040 / 1M | $1.050 / 1M |
| ???? | $6.240 / 1M | $3.500 / 1M |
| 输出令牌 | 4,732 | 8,005 |
| 推理令牌 | 0 | 49,090 |
| 响应时间（平均） | 3.38s | 24.13s |
| 响应时间（最大） | 20.51s | 118.52s |
| 响应时间（总计） | 60.83s | 410.25s |
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 Max Preview | 5.2 | 7.9 | 41.7% | 1 | 2.63s | 513 | 0 | |
| GLM 5.1 | 10.0 | 10.0 | 100.0% | 0 | 8.31s | 401 | 5,122 |
| 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 Max Preview | 5.0 | 2.0 | 66.7% | 1 | 3.45s | 426 | 0 | |
| GLM 5.1 | 4.7 | 1.6 | 66.7% | 1 | 118.52s | 1,339 | 13,777 |
| 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 Max Preview | 3.0 | 10.0 | 0.0% | 0 | 20.51s | 2,842 | 0 | |
| GLM 5.1 | 9.5 | 10.0 | 100.0% | 0 | 43.11s | 327 | 4,206 |
| 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 Max Preview | 10.0 | 10.0 | 100.0% | 0 | 2.87s | 243 | 0 | |
| GLM 5.1 | 10.0 | 10.0 | 100.0% | 0 | 9.33s | 991 | 4,552 |
| 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 Max Preview | 7.7 | 10.0 | 66.7% | 0 | 1.22s | 18 | 0 | |
| GLM 5.1 | 5.3 | 10.0 | 33.3% | 0 | 29.77s | 969 | 11,314 |
| 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 Max Preview | 4.3 | 10.0 | 0.0% | 0 | 1.62s | 76 | 0 | |
| GLM 5.1 | 10.0 | 10.0 | 100.0% | 0 | 20.95s | 2,875 | 2,875 |
| 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 Max Preview | 9.8 | 10.0 | 100.0% | 0 | 1.45s | 69 | 0 | |
| GLM 5.1 | 6.4 | 5.8 | 66.7% | 1 | 7.47s | 204 | 1,617 |
| 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 Max Preview | 10.0 | 10.0 | 100.0% | 0 | 2.38s | 323 | 0 | |
| GLM 5.1 | 8.2 | 7.2 | 88.9% | 1 | 23.85s | 899 | 5,627 |
| 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 Max Preview | 10.0 | 10.0 | 100.0% | 0 | 5.27s | 222 | 0 | |
| GLM 5.1 | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 |
快速对比
切换对比组合
Seed-2.0-MinimediumvsQwen3.6 Max PreviewnoneGPT-5.4 NanomediumvsQwen3.6 Max PreviewnoneDeepSeek V4 FlashhighvsGLM 5.1mediumGPT-5.3 ChatnonevsGLM 5.1mediumGPT-5.2mediumvsQwen3.6 Max PreviewnoneQwen3.6 Max PreviewnonevsMiMo-V2-FlashmediumClaude Opus 4.6mediumvsQwen3.6 Max PreviewnoneGemini 3.1 Flash Lite PreviewnonevsGLM 5.1mediumGPT-5.2 ChatnonevsGLM 5.1mediumQwen3.6 Max PreviewnonevsMiMo-V2-OmnimediumKimi K2.6mediumvsQwen3.6 Max PreviewnoneQwen3.6 Max PreviewnonevsMiMo-V2.5medium