Agnes 2.5 Pro Theta vs Qwen3.5-9B
完整资料:Agnes 2.5 Pro Theta(Sapiens AI)和 Qwen3.5-9B(Alibaba),包括全部基准测试、价格和排名。
更新于 · 数据来自 3 个来源
截至 2026年11月16日,Agnes 2.5 Pro Theta 与 Qwen3.5-9B 的质量不相上下(BenchLeader Index 50.8 比 50.4,在 ±12.5 的误差范围内)。Agnes 2.5 Pro Theta 更便宜,对方的价格是它的 1.3 倍(每百万 token 混合价格 $0.150 比 $0.190)。在两者都有成绩的所有类别中,Agnes 2.5 Pro Theta 均领先。Agnes 2.5 Pro Theta 输出更快(约 2 倍)。
要点(截至 2026年11月16日)
- Agnes 2.5 Pro Theta 的 BenchLeader Index 为 50.8,Qwen3.5-9B 为 50.4(BenchLeader,2026年11月16日)。
- Agnes 2.5 Pro Theta 每百万 token 混合价格为 $0.150(标价,2026年11月16日)。
- Qwen3.5-9B 每百万 token 混合价格为 $0.190(标价,2026年11月16日)。
- Agnes 2.5 Pro Theta 比 Qwen3.5-9B 输出更快(约 2 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
- 在两者都有结果的 11 项基准测试中,Agnes 2.5 Pro Theta 领先 11 项(BenchLeader,2026年11月16日)。
按用途怎么选
推荐模型的数值列在前面。类别得分采用 BenchLeader 标尺(50 为模型平均水平,15 分为一个标准差)。领先半个标准差及以上为“高”置信度;相差不到 1 分则视为“均可”。
| 用途 | 推荐 | 理由 | 置信度 |
|---|---|---|---|
| 推理 | Agnes 2.5 Pro Theta | 类别得分 44 比 35;HLE-Diamond (AA) 16.8% 比 4.8% | 高 |
| 长文档 | Agnes 2.5 Pro Theta | 类别得分 67 比 59;AA-LCR v1.1 84.7% 比 70.0% | 高 |
| 图像及其他媒体 | Agnes 2.5 Pro Theta | 类别得分 61 比 51;MMMU-Pro 78.4% 比 69.3% | 高 |
| 成本最低 | 均可 | 每百万 token 混合价格 $0.150 比 $0.155;智能体编程会话 $0.007 比 $0.009 | – |
| 首次回答最快 | Agnes 2.5 Pro Theta | 首个回答 token 8.1 秒(Agnes 2.5 Pro Theta)比 42.0 秒(Qwen3.5-9B (thinking)) | – |
| 低预算大批量 | 两者都不选 | 通常更小的模型更合适:便宜好用的大模型、最快的大模型 | – |
主要差异
- Agnes 2.5 Pro Theta 与 Qwen3.5-9B (thinking) 的质量不相上下(50.8 比 50.4,在 ±12.5 的误差范围内)。
- Agnes 2.5 Pro Theta 在长上下文、多模态、推理方面更强。
- Agnes 2.5 Pro Theta 更便宜,对方的价格是它的 1.3 倍(每百万 token 混合价格 $0.150 比 $0.190)。
- Agnes 2.5 Pro Theta 的输出速度是对方的 2.3 倍(190 比 83 token/秒)。
概览
| 规格 | Agnes 2.5 Pro Theta | Qwen3.5-9B |
|---|---|---|
| 提供商 | Sapiens AI | Alibaba |
| 发布日期 | 2026年11月7日 | 2026年2月24日 |
| 上下文窗口(token) | 1,000,000 | 262,144 |
| 对比时的配置 | Agnes 2.5 Pro Theta | Qwen3.5-9B (thinking) |
| 开放权重 | 否 | 是 |
| 每百万 token 价格(输入 / 输出 / 缓存输入) | $0.100 / $0.300 / – | $0.140 / $0.200 / $0.137 |
逐类别对比
类别得分采用 BenchLeader 标尺:50 为参评模型的平均水平,15 分为一个标准差。差距不到 1 分视为持平。
| 类别 | Agnes 2.5 Pro Theta | Qwen3.5-9B (thinking) | 领先者 |
|---|---|---|---|
| 推理 | 43.7 | 34.6 | Agnes 2.5 Pro Theta |
| 编程 | 45.7 | – | 无法比较 |
| 智能体与工具 | – | 41.3 | 无法比较 |
| 知识 | 38.7 | – | 无法比较 |
| 指令遵循 | – | 66.0 | 无法比较 |
| 多模态 | 60.8 | 51.4 | Agnes 2.5 Pro Theta |
| 长上下文 | 67.1 | 59.4 | Agnes 2.5 Pro Theta |
同一图表对比
各领域采用与 Index 相同的标尺,平均模型为 50 分。单击某个领域可查看构成它的基准测试。 可从列表中最多选择 5 个模型。
未绘制(测得的模型少于两个):编程, 智能体与工具, 数学, 知识, 指令遵循, 人类偏好。
各来源的分歧
在两者都有结果的 11 项基准测试中,Agnes 2.5 Pro Theta 领先 11 项,Qwen3.5-9B 领先 0 项。
| 综合 Index | Agnes 2.5 Pro Theta | Qwen3.5-9B (thinking) | 领先者 |
|---|---|---|---|
| BenchLeader Index | 50.8 | 50.4 | 不相上下 |
各发布方使用各自的任务、评测框架和推理强度设置,因此总体结论可能不同;BenchLeader 将它们统一到同一标尺上。† 表示同一模型在另一推理强度设置下的测量值(发布方未测试本页对比的设置)。
价格、速度与延迟
标价按每 1 个输出 token 对应 3 个输入 token 混合计算。每项任务的价格采用方法论页面中的 token 数量。每项基准测试任务的成本、token 数和耗时均为实测值,取自 Artificial Analysis 整个 Intelligence Index 测试的平均值。
| 指标 | Agnes 2.5 Pro Theta | Qwen3.5-9B (thinking) |
|---|---|---|
| 每百万 token 混合价格 | $0.150 | $0.155 |
| 每百万 token 输入 / 输出 | $0.100 / $0.300 | $0.140 / $0.200 |
| 每百万 token 缓存输入 | – | $0.137 |
| 每项任务价格:聊天回复 | $0.0001 | $0.0001 |
| 每项任务价格:总结一份 30 页的报告 | $0.0014 | $0.0018 |
| 每项任务价格:代码编辑 | $0.0011 | $0.0011 |
| 每项任务价格:智能体编程会话 | $0.0072 | $0.0092 |
| 每项任务价格:结构化信息提取 | $0.0003 | $0.0003 |
| 智能体编程会话(输入大多命中缓存) | – | $0.0091 |
| 每项基准测试任务成本(AA Index) | $0.575 | – |
| 每项任务输出 token(AA Index) | 278k | – |
| 其中推理部分 | 229k | – |
| 每项任务耗时(AA Index) | 24 min | – |
| 输出速度 | 190 tok/s | 83 tok/s |
| 首次回答时间 | 8.1 秒 | 42.0 秒 |
| 完整回答耗时(最近一次测量 2026年11月13日) | 16.9 秒 | 122.5 秒 |
每个模型都按其排名最高的推理强度设置进行对比。Agnes 2.5 Pro Theta 得分 50.8,首个回答 token 需 8 秒。Qwen3.5-9B (thinking) 得分 50.4,首个回答 token 需 42 秒;Qwen3.5-9B (无推理) 为 49.2(1 秒),Qwen3.5-9B 为 40.4(1 秒)。推理强度越高,回答前思考越久:得分更高,但等待更长、计费 token 也更多。 推理强度如何影响得分和成本
全部基准测试
共 38 项基准测试,按类别分组;点击名称可查看该排行榜及领先模型。† 表示同一模型在另一推理强度设置下的测量值,仅供参考,不计入胜场。
| 指标 | 发布方 | Agnes 2.5 Pro Theta | Qwen3.5-9B (thinking) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 50.8 | 50.4 |
| 编程得分 | BenchLeader | 45.7 | – |
| 知识得分 | BenchLeader | 38.7 | – |
| 长上下文得分 | BenchLeader | 67.1 | 59.4 |
| 多模态得分 | BenchLeader | 60.8 | 51.4 |
| 推理得分 | BenchLeader | 43.7 | 34.6 |
| 智能体与工具得分 | BenchLeader | – | 41.3 |
| 指令遵循得分 | BenchLeader | – | 66.0 |
| 混合价格(美元/百万 token) | BenchLeader | $0.150 | $0.155 |
| 输出速度 | BenchLeader | 190 tok/s | 83 tok/s |
| 首次回答时间 | BenchLeader | 8.1 秒 | 42.0 秒 |
| 上下文窗口 | BenchLeader | 1,000,000 token | 262,144 token |
| 推理 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | – | 79.0%† |
| GPQA Diamond (AA) | Artificial Analysis | – | 80.6% |
| Humanity's Last Exam (AA) | Artificial Analysis | 37.2% | 14.9% |
| HLE-Diamond (AA) | Artificial Analysis | 16.8% | 4.8% |
| CritPt | Artificial Analysis | 15.1% | 0.3% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 26.0% | – |
| LMCA | Epoch AI Benchmarking Hub | – | 24.5%† |
| DTBench | Epoch AI Benchmarking Hub | – | 71.2%† |
| 编程 | |||
| SciCode | SciCode | – | 29.5%† |
| SciCode (AA) | Artificial Analysis | 56.0% | 29.5% |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 10.1% | 0.5% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | – | 29.2% |
| FrontierCode 2.0 (AA) | Artificial Analysis | 16.6% | – |
| 智能体与工具 | |||
| Terminal-Bench | Terminal-Bench | – | 9.2%† |
| Terminal-Bench Hard | Artificial Analysis | – | 24.2% |
| τ²-Bench Telecom (AA) | Artificial Analysis | – | 86.8% |
| GDPval-AA v2.1, normalised score | Artificial Analysis | – | 0.0% |
| GDPval-AA v2.1 | Artificial Analysis | 1507 | 426 |
| τ³-Banking (AA) | Artificial Analysis | – | 7.0% |
| AutomationBench | Artificial Analysis | 48.8% | 1.1% |
| GDP.pdf (AA) | Artificial Analysis | 14.2% | 6.6% |
| AA-Briefcase v1.1 | Artificial Analysis | 1496 | 342 |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 3.8% | – |
| 数学 | |||
| OTIS Mock AIME | Epoch AI Benchmarking Hub | – | 42.8%† |
| AIME 2026 | MathArena | – | 92.5%† |
显示全部 38 项基准测试
| 指标 | 发布方 | Agnes 2.5 Pro Theta | Qwen3.5-9B (thinking) |
|---|---|---|---|
| 数学 | |||
| HMMT February 2026 | MathArena | – | 71.2%† |
| MathArena Apex | MathArena | – | 0.5%† |
| 知识 | |||
| AA-Omniscience v1.1 | Artificial Analysis | -11.2 | – |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 21.3% | – |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 58.6% | – |
| 指令遵循 | |||
| IFBench | Artificial Analysis | – | 66.7% |
| 多模态 | |||
| MMMU-Pro | Artificial Analysis | 78.4% | 69.3% |
| 长上下文 | |||
| AA-LCR v1.1 | Artificial Analysis | 84.7% | 70.0% |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | – | 139.3† |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 24.0 | – |
| AA Intelligence Index v4.3.2 | Artificial Analysis | – | 11.2 |
| AA Progress Index v1 | Artificial Analysis | – | 239.6 |
| 元数据 | |||
| AA Openness Index | Artificial Analysis | – | 38.9 |
数据截至 2026年11月16日。对比的是每个模型的最佳配置;每项分数的来源链接都在模型页面上。
变化
- Qwen3.5-9B (thinking):价格 $0.063/M → $0.14/M。
- Qwen3.5-9B (thinking):价格 $0.060/M → $0.063/M。
- Agnes 2.5 Pro Theta:首批结果。
- Qwen3.5-9B (thinking):1 项新结果(AA-Briefcase v1.1)。
- Qwen3.5-9B (thinking):BenchLeader Index 51.0 → 50.5。
- Qwen3.5-9B (thinking):2 项新结果(AA Progress Index v1, HLE-Diamond (AA))。
- Qwen3.5-9B (thinking):2 项新结果(AutomationBench, GDP.pdf (AA))。
相关对比
- Agnes 2.5 Pro Theta vs Nemotron 3 Super 120B A12B
- Agnes 2.5 Pro Theta vs GLM 4.7 Flash
- Agnes 2.5 Pro Theta vs Ling 3.1 Flash
排行榜: 综合最佳大模型 · 最适合智能体的大模型 · 便宜好用的大模型
Agnes 2.5 Pro Theta vs Qwen3.5-9B:常见问题
- Agnes 2.5 Pro Theta 比 Qwen3.5-9B 更好吗?
- Agnes 2.5 Pro Theta 与 Qwen3.5-9B (thinking) 的质量不相上下(50.8 比 50.4,在 ±12.5 的误差范围内)。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,两者差距在误差范围内,请结合你的用途查看各类别得分。
- Agnes 2.5 Pro Theta 和 Qwen3.5-9B 哪个更便宜?价格会变吗?
- 目前 Agnes 2.5 Pro Theta 更便宜:每百万 token $0.150 比 $0.190(按每 1 个输出 token 对应 3 个输入 token 混合计算)。两者均未公布价格调整。
- Agnes 2.5 Pro Theta 和 Qwen3.5-9B 哪个更快?
- Agnes 2.5 Pro Theta 输出更快(约 2 倍;输出 190 比 83 token/秒,Artificial Analysis 7 日中位数)。
- 处理长文档哪个更好?
- Agnes 2.5 Pro Theta 在长上下文基准测试上得分更高(67 比 59)。Agnes 2.5 Pro Theta 支持更长的上下文:1,000,000 token,Qwen3.5-9B 为 262,144 token。
- 哪个延迟更低?
- Agnes 2.5 Pro Theta 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 8.1 秒比 42.0 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
更多问题(2)
- 第三方基准测试对 Agnes 2.5 Pro Theta 和 Qwen3.5-9B 的看法一致吗?
- 在两者都有结果的 11 项基准测试中,Agnes 2.5 Pro Theta 领先 11 项,Qwen3.5-9B 领先 0 项。
- Agnes 2.5 Pro Theta 是什么时候发布的?
- Agnes 2.5 Pro Theta 于 2026年11月7日 发布。