AI BENCHY 对比
Qwen3.6 Plus vs xAI: Grok 4.20
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-02
| 指标 | Qwen3.6 Plus Qwen3.6 Plus medium 免费可用 | Grok 4.20 Grok 4.20 none |
|---|---|---|
| 分数 | 8.4 | 5.4 |
| 排名 | #9 | #69 |
| 一致性 | 9.5 | 9.5 |
| 测试正确 | ||
| 尝试通过率 | 78.4% | 31.4% |
| 不稳定测试 | 1 | 1 |
| 总运行次数 | 51 | 51 |
| 每个结果成本 | 0.000 | 1.809 |
| 总成本 | $0.000 | $0.091 |
| ???? | $0.000 / 1M | $2.000 / 1M |
| ???? | $0.000 / 1M | $6.000 / 1M |
| 输出令牌 | 1,763 | 1,655 |
| 推理令牌 | 83,782 | 0 |
| 响应时间（平均） | 15.27s | 1.11s |
| 响应时间（最大） | 43.55s | 6.04s |
| 响应时间（总计） | 259.55s | 18.80s |
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 | |
| Grok 4.20 | 4.8 | 10.0 | 25.0% | 0 | 501ms | 267 | 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 | |
| Grok 4.20 | 3.0 | 10.0 | 0.0% | 0 | 6.04s | 282 | 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 | |
| Grok 4.20 | 10.0 | 10.0 | 100.0% | 0 | 522ms | 207 | 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 | |
| Grok 4.20 | 3.0 | 10.0 | 0.0% | 0 | 687ms | 325 | 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 | |
| Grok 4.20 | 4.8 | 10.0 | 0.0% | 0 | 659ms | 83 | 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 | |
| Grok 4.20 | 4.8 | 10.0 | 0.0% | 0 | 455ms | 60 | 0 |
| Puzzle Solving | 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 | |
| Grok 4.20 | 5.3 | 7.4 | 44.4% | 1 | 487ms | 242 | 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 | |
| Grok 4.20 | 10.0 | 10.0 | 100.0% | 0 | 4.63s | 189 | 0 |
快速对比
切换对比组合
Mistral Small 4mediumvsGrok 4.20noneGemini 3 Flash PreviewlowvsQwen3.6 Plusmedium免费可用MiniMax M2.7mediumvsGrok 4.20noneGemini 3.1 Flash Lite PreviewlowvsQwen3.6 Plusmedium免费可用Gemini 3 Flash PreviewnonevsQwen3.6 Plusmedium免费可用MiniMax M2.5medium免费可用vsGrok 4.20noneQwen3 Coder NextmediumvsGrok 4.20nonegpt-oss-120bmedium免费可用vsGrok 4.20noneGemini 3.1 Flash Lite PreviewnonevsQwen3.6 Plusmedium免费可用GPT-5.2 ChatnonevsQwen3.6 Plusmedium免费可用Grok 4.20nonevsGLM 4.7 FlashmediumGPT-5.3 ChatnonevsQwen3.6 Plusmedium免费可用