AI BENCHY 对比
Qwen: Qwen3 Coder Next 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 Coder Next Qwen3 Coder Next medium | Grok 4.20 Grok 4.20 none |
|---|---|---|
| 分数 | 4.8 | 5.4 |
| 排名 | #81 | #69 |
| 一致性 | 9.2 | 9.5 |
| 测试正确 | ||
| 尝试通过率 | 25.5% | 31.4% |
| 不稳定测试 | 2 | 1 |
| 总运行次数 | 51 | 51 |
| 每个结果成本 | 0.230 | 1.809 |
| 总成本 | $0.007 | $0.091 |
| ???? | $0.120 / 1M | $2.000 / 1M |
| ???? | $0.750 / 1M | $6.000 / 1M |
| 输出令牌 | 2,941 | 1,655 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 11.57s | 1.11s |
| 响应时间（最大） | 81.80s | 6.04s |
| 响应时间（总计） | 127.32s | 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 Coder Next | 3.5 | 8.1 | 16.7% | 1 | 8.64s | 1,252 | 0 | |
| 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 Coder Next | 3.0 | 10.0 | 0.0% | 0 | 4.28s | 317 | 0 | |
| 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 Coder Next | 6.5 | 10.0 | 50.0% | 0 | 81.80s | 246 | 0 | |
| 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 Coder Next | 5.3 | 10.0 | 33.3% | 0 | 638ms | 25 | 0 | |
| 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 Coder Next | 6.3 | 3.4 | 66.7% | 1 | 1.39s | 142 | 0 | |
| 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 Coder Next | 4.8 | 10.0 | 0.0% | 0 | 7.34s | 63 | 0 | |
| 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 Coder Next | 3.1 | 10.0 | 0.0% | 0 | 2.30s | 641 | 0 | |
| 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 Coder Next | 10.0 | 10.0 | 100.0% | 0 | 2.64s | 255 | 0 | |
| Grok 4.20 | 10.0 | 10.0 | 100.0% | 0 | 4.63s | 189 | 0 |
快速对比
切换对比组合
GPT-5.4 MininonevsQwen3 Coder NextmediumMercury 2nonevsQwen3 Coder NextmediumMistral Small 4mediumvsGrok 4.20noneGPT-4o-mininonevsQwen3 Coder NextmediumQwen3 Coder NextmediumvsGrok 4.1 FastnoneQwen3 Coder NextmediumvsMiMo-V2-FlashnoneMiniMax M2.7mediumvsGrok 4.20noneNemotron 3 Supernone免费可用vsQwen3 Coder NextmediumMistral Small 4nonevsQwen3 Coder NextmediumGPT-5.4 NanononevsQwen3 Coder NextmediumTrinity Large Previewnone免费可用vsQwen3 Coder NextmediumMiniMax M2.5medium免费可用vsGrok 4.20none