AI BENCHY 对比
Qwen: Qwen3.6 Plus vs Qwen: Qwen3.7 Max
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-22
| 指标 | Qwen3.6 Plus Qwen3.6 Plus medium | Qwen3.7 Max Qwen3.7 Max none |
|---|---|---|
| 分数 | 7.8 | 7.9 |
| 排名 | #35 | #27 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.2 | 10.0 |
| 测试正确 | ||
| 尝试通过率 | 68.3% | 70.0% |
| 不稳定测试 | 2 | 0 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 0.630 | 0.719 |
| 总成本 | $0.082 | $0.101 |
| ???? | $0.325 / 1M | $2.500 / 1M |
| ???? | $1.950 / 1M | $7.500 / 1M |
| 输出令牌 | 1,822 | 1,988 |
| 推理令牌 | 124,938 | 0 |
| 响应时间（平均） | 26.78s | 1.30s |
| 响应时间（最大） | 201.68s | 3.92s |
| 响应时间（总计） | 508.74s | 25.95s |
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 Plus | 10.0 | 10.0 | 100.0% | 0 | 9.90s | 207 | 7,557 | |
| Qwen3.7 Max | 6.5 | 10.0 | 50.0% | 0 | 1.08s | 242 | 0 |
| 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 Plus | 4.1 | 6.7 | 16.7% | 1 | 201.68s | 38 | 33,395 | |
| Qwen3.7 Max | 6.8 | 10.0 | 50.0% | 0 | 1.39s | 576 | 0 |
| 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 Plus | 10.0 | 10.0 | 100.0% | 0 | 34.95s | 452 | 13,073 | |
| Qwen3.7 Max | 3.0 | 10.0 | 0.0% | 0 | 2.17s | 171 | 0 |
| 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 Plus | 10.0 | 10.0 | 100.0% | 0 | 14.95s | 270 | 10,706 | |
| Qwen3.7 Max | 10.0 | 10.0 | 100.0% | 0 | 1.35s | 243 | 0 |
| 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 Plus | 2.9 | 7.2 | 11.1% | 1 | 29.59s | 56 | 33,464 | |
| Qwen3.7 Max | 7.7 | 10.0 | 66.7% | 0 | 975ms | 15 | 0 |
| 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 Plus | 5.1 | 10.0 | 0.0% | 0 | 27.05s | 111 | 5,232 | |
| Qwen3.7 Max | 10.0 | 10.0 | 100.0% | 0 | 1.04s | 120 | 0 |
| 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 Plus | 10.0 | 10.0 | 100.0% | 0 | 7.54s | 102 | 5,552 | |
| Qwen3.7 Max | 10.0 | 10.0 | 100.0% | 0 | 943ms | 72 | 0 |
| 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 Plus | 10.0 | 10.0 | 100.0% | 0 | 6.11s | 298 | 6,868 | |
| Qwen3.7 Max | 10.0 | 10.0 | 100.0% | 0 | 1.13s | 314 | 0 |
| 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 Plus | 10.0 | 10.0 | 100.0% | 0 | 5.87s | 267 | 1,330 | |
| Qwen3.7 Max | 10.0 | 10.0 | 100.0% | 0 | 3.92s | 222 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.6 Plus | 3.0 | 10.0 | 0.0% | 0 | 47.51s | 21 | 7,761 | |
| Qwen3.7 Max | 3.0 | 10.0 | 0.0% | 0 | 856ms | 13 | 0 |
快速对比
切换对比组合
GPT-5.4mediumvsQwen3.7 MaxnoneQwen3.7 MaxnonevsGLM 5 TurbomediumGemini 3.5 FlashminimalvsQwen3.7 MaxnoneQwen3.7 MaxnonevsMiMo-V2.5mediumGemma 4 31Bmedium免费可用vsQwen3.7 MaxnoneGemini 3 Flash PreviewnonevsQwen3.6 PlusmediumQwen3.7 MaxnonevsGrok 4.3mediumGemini 3.1 Flash Lite PreviewlowvsQwen3.6 PlusmediumGPT-5.2 ChatnonevsQwen3.6 PlusmediumSeed-2.0-LitemediumvsQwen3.7 MaxnoneGemini 3.1 Flash Lite PreviewmediumvsQwen3.7 MaxnoneGemini 3.5 FlashminimalvsQwen3.6 Plusmedium