GLM-4.6 (Reasoning) 对比 Qwen3 Coder Next
GLM-4.6 (Reasoning) vs Qwen3 Coder Next. 要可靠地判断智能与成本的取舍，需要两个模型的智能评分和基准测试运行成本。缺失数据不能作为性能结论。
Z AIGLM-4.6 (Reasoning)未排名 · 基准数据缺失
- 智能得分 (Intelligence Index)
- 18.50
- 基准测试费用（美元）
- -
- 智能得分 (Intelligence Index)
- 9.20
- 基准测试费用（美元）
- $405
这个模型系列的常见写法：通义千问 / 千问。
结论
比较数据不完整
要可靠地判断智能与成本的取舍，需要两个模型的智能评分和基准测试运行成本。缺失数据不能作为性能结论。
| 指标 | GLM-4.6 (Reasoning) | Qwen3 Coder Next | 差异 |
|---|---|---|---|
| 智能分（越高越好） | 18.5 | 9.2 | −50.3% Qwen3 Coder Next 智能低 50.3% |
| AA 总成本（越低越好） | 未公布 | $405.10 | — 无法比较 |
| 端到端时间（越低越好） | 79.40s | 6.20s | −92.2% Qwen3 Coder Next 快 92.2% |
| 每 100 万个代币的价格（输入/输出） | $0.55 / $2.20 | $0.31 / $1.00 | |
| 输入类型 | 文本 | 文本 |
一对一对比