BenchLeader

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 ThetaQwen3.5-9B
提供商Sapiens AIAlibaba
发布日期2026年11月7日2026年2月24日
上下文窗口(token)1,000,000262,144
对比时的配置Agnes 2.5 Pro ThetaQwen3.5-9B (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 ThetaQwen3.5-9B (thinking)领先者
推理43.734.6Agnes 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60.851.4Agnes 2.5 Pro Theta
长上下文67.159.4Agnes 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。

2550 avg75推理长上下文多模态Agnes 2.5 Pro Theta, 推理: 43.7Agnes 2.5 Pro Theta, 长上下文: 67.1Agnes 2.5 Pro Theta, 多模态: 60.8Qwen3.5-9B, 推理: 34.6Qwen3.5-9B, 长上下文: 59.4Qwen3.5-9B, 多模态: 51.4

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。

模型(单击添加或移除)Index

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 IndexAgnes 2.5 Pro ThetaQwen3.5-9B (thinking)领先者
BenchLeader Index50.850.4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 ThetaQwen3.5-9B (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/s83 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 ThetaQwen3.5-9B (thinking)
BenchLeader IndexBenchLeader50.850.4
编程得分BenchLeader45.7–
知识得分BenchLeader38.7–
长上下文得分BenchLeader67.159.4
多模态得分BenchLeader60.851.4
推理得分BenchLeader43.734.6
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BenchLeader190 tok/s83 tok/s
首次回答时间BenchLeader8.1 秒42.0 秒
上下文窗口BenchLeader1,000,000 token262,144 token
推理
GPQA DiamondEpoch AI Benchmarking Hub–79.0%†
GPQA Diamond (AA)Artificial Analysis–80.6%
Humanity's Last Exam (AA)Artificial Analysis37.2%14.9%
HLE-Diamond (AA)Artificial Analysis16.8%4.8%
CritPtArtificial Analysis15.1%0.3%
CritPt v2 hard subset (AA)Artificial Analysis26.0%–
LMCAEpoch AI Benchmarking Hub–24.5%†
DTBenchEpoch AI Benchmarking Hub–71.2%†
编程
SciCodeSciCode–29.5%†
SciCode (AA)Artificial Analysis56.0%29.5%
Terminal-Bench 4.0 (AA)Artificial Analysis10.1%0.5%
Terminal-Bench 2.1 (AA)Artificial Analysis–29.2%
FrontierCode 2.0 (AA)Artificial Analysis16.6%–
智能体与工具
Terminal-BenchTerminal-Bench–9.2%†
Terminal-Bench HardArtificial Analysis–24.2%
τ²-Bench Telecom (AA)Artificial Analysis–86.8%
GDPval-AA v2.1, normalised scoreArtificial Analysis–0.0%
GDPval-AA v2.1Artificial Analysis1507426
τ³-Banking (AA)Artificial Analysis–7.0%
AutomationBenchArtificial Analysis48.8%1.1%
GDP.pdf (AA)Artificial Analysis14.2%6.6%
AA-Briefcase v1.1Artificial Analysis1496342
Terminal-Bench-Science 0.1 (AA)Artificial Analysis3.8%–
数学
OTIS Mock AIMEEpoch AI Benchmarking Hub–42.8%†
AIME 2026MathArena–92.5%†
显示全部 38 项基准测试
指标发布方Agnes 2.5 Pro ThetaQwen3.5-9B (thinking)
数学
HMMT February 2026MathArena–71.2%†
MathArena ApexMathArena–0.5%†
知识
AA-Omniscience v1.1Artificial Analysis-11.2–
AA-Omniscience v1.1: accuracyArtificial Analysis21.3%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis58.6%–
指令遵循
IFBenchArtificial Analysis–66.7%
多模态
MMMU-ProArtificial Analysis78.4%69.3%
长上下文
AA-LCR v1.1Artificial Analysis84.7%70.0%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–139.3†
AA Intelligence Index v5.0.1Artificial Analysis24.0–
AA Intelligence Index v4.3.2Artificial Analysis–11.2
AA Progress Index v1Artificial Analysis–239.6
元数据
AA Openness IndexArtificial 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))。

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。