AI BENCHY 对比
Qwen3.6 Plus Preview vs Grok 4.20 Multi Agent Beta
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-01
| 指标 | Qwen3.6 Plus Preview Qwen3.6 Plus Preview medium 免费可用 | Grok 4.20 Multi Agent Beta Grok 4.20 Multi Agent Beta medium |
|---|---|---|
| 分数 | 8.5 | 6.6 |
| 排名 | #15 | #71 |
| 可靠性 | 不适用 | 不适用 |
| 一致性 | 10.0 | 7.4 |
| 测试正确 | ||
| 尝试通过率 | 76.5% | 63.0% |
| 不稳定测试 | 0 | 6 |
| 总运行次数 | 49 | 52 |
| 每个结果成本 | 0.000 | 63.414 |
| 总成本 | $0.000 | $5.074 |
| ???? | $0.000 / 1M | $0.000 / 1M |
| ???? | $0.000 / 1M | $0.000 / 1M |
| 输出令牌 | 1,756 | 299,034 |
| 推理令牌 | 77,213 | 309,670 |
| 响应时间（平均） | 13.94s | 9.80s |
| 响应时间（最大） | 43.55s | 35.28s |
| 响应时间（总计） | 237.01s | 156.75s |
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 Preview | 10.0 | 10.0 | 100.0% | 0 | 9.90s | 207 | 7,557 | |
| Grok 4.20 Multi Agent Beta | 6.9 | 5.8 | 75.0% | 2 | 3.46s | 33,706 | 33,077 |
| 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 Preview | 10.0 | 10.0 | 100.0% | 0 | 34.95s | 452 | 13,073 | |
| Grok 4.20 Multi Agent Beta | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 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 Preview | 10.0 | 10.0 | 100.0% | 0 | 14.95s | 270 | 10,706 | |
| Grok 4.20 Multi Agent Beta | 10.0 | 10.0 | 100.0% | 0 | 5.54s | 25,306 | 25,051 |
| 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 Preview | 3.0 | 10.0 | 0.0% | 0 | 22.08s | 49 | 26,895 | |
| Grok 4.20 Multi Agent Beta | 2.9 | 7.2 | 11.1% | 1 | 24.67s | 164,609 | 163,647 |
| 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 Preview | 5.1 | 10.0 | 0.0% | 0 | 27.05s | 111 | 5,232 | |
| Grok 4.20 Multi Agent Beta | 5.8 | 2.8 | 66.7% | 1 | 6.40s | 15,848 | 15,746 |
| 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 Preview | 10.0 | 10.0 | 100.0% | 0 | 7.54s | 102 | 5,552 | |
| Grok 4.20 Multi Agent Beta | 9.8 | 10.0 | 100.0% | 0 | 4.63s | 25,457 | 25,322 |
| 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 Preview | 10.0 | 10.0 | 100.0% | 0 | 6.11s | 298 | 6,868 | |
| Grok 4.20 Multi Agent Beta | 7.2 | 5.1 | 77.8% | 2 | 5.01s | 34,022 | 33,686 |
| 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 Preview | 10.0 | 10.0 | 100.0% | 0 | 5.87s | 267 | 1,330 | |
| Grok 4.20 Multi Agent Beta | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 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 Preview | - | - | - | - | - | - | - | - |
| Grok 4.20 Multi Agent Beta | 10.0 | 10.0 | 100.0% | 0 | 27.11s | 86 | 13,141 |
快速对比
切换对比组合
Qwen3.6 Plus Previewmedium免费可用vsHY3 Previewhigh免费可用Qwen3.6 Plus Previewmedium免费可用vsHY3 Previewlow免费可用Gemini 3 Flash PreviewnonevsQwen3.6 Plus Previewmedium免费可用Gemini 3 Flash PreviewlowvsQwen3.6 Plus Previewmedium免费可用Gemini 3.1 Flash Lite PreviewlowvsQwen3.6 Plus Previewmedium免费可用GPT-5.2 ChatnonevsQwen3.6 Plus Previewmedium免费可用Gemini 3.1 Flash Lite PreviewnonevsQwen3.6 Plus Previewmedium免费可用GPT-5.5lowvsQwen3.6 Plus Previewmedium免费可用GPT-5.3 ChatnonevsQwen3.6 Plus Previewmedium免费可用DeepSeek V4 FlashhighvsQwen3.6 Plus Previewmedium免费可用Claude Opus 4.7nonevsQwen3.6 Plus Previewmedium免费可用Claude Sonnet 4.6nonevsQwen3.6 Plus Previewmedium免费可用