GLM-4.6V (Reasoning) 对比 Qwen2.5 Coder Instruct 32B
GLM-4.6V (Reasoning) vs Qwen2.5 Coder Instruct 32B. 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-4.6V (Reasoning)未排名 · 基准数据缺失
- 智能得分 (Intelligence Index)
- 11.20
- 基准测试费用（美元）
- -
- 智能得分 (Intelligence Index)
- 6.70
- 基准测试费用（美元）
- -
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-4.6V (Reasoning) | Qwen2.5 Coder Instruct 32B | 差异 |
|---|---|---|---|
| 智能分（越高越好） | 11.2 | 6.7 | −40.2% Qwen2.5 Coder Instruc… 智能低 40.2% |
| AA 总成本（越低越好） | 未公布 | 未公布 | — 无法比较 |
| 端到端时间（越低越好） | 33.79s | 未公布 | — 无法比较 |
| 每 100 万个代币的价格（输入/输出） | $0.30 / $0.90 | — | |
| 输入类型 | 文字、图像 | 文本 |
一对一对比