导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 对比

已对比模型

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-26

指标 GLM 5 GLM 5 medium 发布日期: 2026-02-12 GLM 5.1 GLM 5.1 medium 发布日期: 2026-04-07 Kimi K2.5 Kimi K2.5 medium 发布日期: 2026-01-27 Qwen3.6 Plus Preview Qwen3.6 Plus Preview medium 发布日期: 2026-04-20 免费可用
分数 8.2 7.4 6.7 8.2
排名 #18 #54 #79 #17
可靠性 10.0 3.3 10.0 不适用
一致性 8.4 8.3 6.8 10.0
测试正确
尝试通过率 81.7% 71.7% 66.7% 75.0%
不稳定测试 4 4 8 0
总运行次数 98 98 98 57
每个结果成本 1.818 2.890 4.008 0.000
总成本 $0.255 $0.347 $0.361 $0.000
???? $0.600 / 1M $0.980 / 1M $0.400 / 1M $0.000 / 1M
???? $1.920 / 1M $3.080 / 1M $1.900 / 1M $0.000 / 1M
输出令牌 21,596 13,107 70,680 1,153
推理令牌 105,424 88,661 150,779 62,197
响应时间（平均） 32.67s 33.45s 89.02s 15.25s
响应时间（最大） 99.85s 172.60s 281.00s 43.55s
响应时间（总计） 392.01s 635.63s 1157.32s 182.96s

按分数排名的模型

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
GLM 5 10.0 10.0 100.0% 0 23.66s 480 7,056
GLM 5.1 10.0 10.0 100.0% 0 8.31s 401 5,122
Kimi K2.5 7.3 5.8 83.3% 2 51.38s 2,789 8,880
Qwen3.6 Plus Preview 10.0 10.0 100.0% 0 11.69s 61 5,812
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
GLM 5 10.0 10.0 100.0% 0 89.47s 2,985 45,706
GLM 5.1 4.7 1.6 66.7% 2 145.56s 4,727 34,384
Kimi K2.5 4.1 1.9 50.0% 2 215.89s 5,700 45,419
Qwen3.6 Plus Preview 0.0 0.0 0.0% 0 0ms 0 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
GLM 5 10.0 10.0 100.0% 0 28.96s 662 3,242
GLM 5.1 9.5 10.0 100.0% 0 43.11s 327 4,206
Kimi K2.5 10.0 10.0 100.0% 0 71.37s 703 3,713
Qwen3.6 Plus Preview 10.0 10.0 100.0% 0 34.95s 452 13,073
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
GLM 5 7.1 5.6 83.3% 1 8.90s 567 3,734
GLM 5.1 10.0 10.0 100.0% 0 9.33s 991 4,552
Kimi K2.5 10.0 10.0 100.0% 0 49.78s 563 7,940
Qwen3.6 Plus Preview 10.0 10.0 100.0% 0 14.95s 270 10,706
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
GLM 5 3.5 4.4 33.3% 2 0ms 13,176 14,137
GLM 5.1 5.3 10.0 33.3% 0 29.77s 969 11,314
Kimi K2.5 3.5 4.4 33.3% 2 137.29s 20,753 30,564
Qwen3.6 Plus Preview 3.0 10.0 0.0% 0 22.08s 49 26,895
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
GLM 5 6.1 3.1 66.7% 1 14.69s 2,020 2,248
GLM 5.1 10.0 10.0 100.0% 0 20.95s 2,875 2,875
Kimi K2.5 6.5 3.4 66.7% 1 69.73s 3,815 4,262
Qwen3.6 Plus Preview 0.0 0.0 0.0% 0 0ms 0 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
GLM 5 10.0 10.0 100.0% 0 7.25s 1,001 2,129
GLM 5.1 6.4 5.8 66.7% 1 7.47s 204 1,617
Kimi K2.5 10.0 10.0 100.0% 0 92.47s 5,371 6,547
Qwen3.6 Plus Preview 10.0 10.0 100.0% 0 3.40s 27 1,383
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
GLM 5 10.0 10.0 100.0% 0 11.33s 71 13,728
GLM 5.1 8.2 7.2 88.9% 1 31.64s 2,531 22,412
Kimi K2.5 5.3 7.3 44.4% 1 43.23s 30,732 34,998
Qwen3.6 Plus Preview 10.0 10.0 100.0% 0 7.52s 27 2,998
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
GLM 5 10.0 10.0 100.0% 0 15.93s 233 994
GLM 5.1 3.0 10.0 0.0% 0 0ms 0 0
Kimi K2.5 10.0 10.0 100.0% 0 31.74s 242 812
Qwen3.6 Plus Preview 10.0 10.0 100.0% 0 5.87s 267 1,330
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
GLM 5 3.0 10.0 0.0% 0 67.37s 401 12,450
GLM 5.1 3.0 10.0 0.0% 0 29.40s 82 2,179
Kimi K2.5 3.0 10.0 0.0% 0 83.95s 12 7,644
Qwen3.6 Plus Preview 0.0 0.0 0.0% 0 0ms 0 0

快速对比

切换对比组合

Gemini 3.1 Flash LiteminimalvsKimi K2.5mediumGemini 3.1 Flash LitelowvsGLM 5.1mediumGPT-5.3 ChatnonevsGLM 5.1mediumGemma 4 31Bnone免费可用vsKimi K2.5mediumGemini 3.1 Flash Lite PreviewnonevsGLM 5.1mediumKimi K2.5mediumvsGrok Build 0.1noneDeepSeek V4 ProhighvsKimi K2.5mediumGemini 3.1 Flash LitenonevsKimi K2.5mediumKimi K2.5mediumvsGPT-5.5noneRing-2.6-1TnonevsGLM 5.1mediumGemini 3.1 Flash Lite PreviewlowvsGLM 5.1mediumDeepSeek V4 Flashhigh免费可用vsGLM 5.1medium