Qwen3 235B A22B
性价比更高: Ling 3.0 Flash $0.115/M 即可获得 Index 51.7,价格只有 11 分之一。
有 69 个更便宜的已排名模型得分更高:Kimi K2.5 (59.4, $1.20)、Qwen3.6 Plus (59.0, $1.13)、Gemini 3 Flash (58.9, $1.13),另有 66 个。
截至 2026年11月16日,Qwen3 235B A22B(Alibaba)在 BenchLeader Index 上得分 50.1(共 608 个已排名配置)。表现最好的是数学(59),最弱的是推理(45)。API 价格为输入每百万 token $0.700、输出每百万 token $2.80(按 3:1 混合为 $1.23),为 2026年11月16日的标价。发布于 2025年4月28日。
要点(截至 2026年11月16日)
- Qwen3 235B A22B 的 API 价格为输入每百万 token $0.700、输出每百万 token $2.80(按 3:1 混合为 $1.23)(标价,2026年11月16日)。
- Qwen3 235B A22B 于 2025年4月28日发布(Alibaba)。
详细说明:Qwen3 235B A22B 是 Alibaba 的开放权重推理模型,发布于 2025年4月28日。其最佳配置在 BenchLeader Index 上得分 50.1 ±3.6,在 608 个配置中排第 345 名,处于下半区。关键在于这个“±”:另有 264 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,数学得分最高(59),推理最低(45)。按混合价格计,每百万 token $1.23,价格居中。它已被 Qwen3 235B A22B 2507 取代,如今应与后者进行比较。它已在 3 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。最近一次测量:2026年11月11日。
- 混合价格
- $1.23/M
- 输入 $0.700 · 输出 $2.80
- 来源:models.dev
- 输出速度
- –
- 首次回答
- –
- 上下文
- 131k
- 来源:models.dev
- 单任务成本
- –
- 单任务 token 数
- –
- 发布日期
- 2025年4月28日
- 综合 Index50
- 推理45
- 编程46
- 数学59
- 知识50
- 指令遵循47
- 人类偏好54
版本
Alibaba 以这个名称发布过 2 个模型。每个版本都只按自身结果排名;较新的版本往往结果较少,在更多结果出炉之前,其 Index 会更接近平均水平。
| 模型 | 发布日期 | Index | 排名 |
|---|---|---|---|
| Qwen3 235B A22B 2507thinking | 2025年7月22日 | 51.8 | #299 |
| Qwen3 235B A22B本页 | 2025年4月28日 | 50.1 | #345 |
不同推理强度的配置
同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。
Index 走势
2026年9月8日 至 2026年11月16日- 默认
- 无推理
Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。
基准测试结果
查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。
推理
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| GPQA Diamond推理强度未说明 | – | – | 70.7%#182 | Epoch AI Benchmarking Hub | |
| SimpleBench推理强度未说明 | – | – | 31.0%#88 | SimpleBench | |
| Arena Hard Prompts | 1420#155 | – | 1392#186 | Arena (LMArena) | |
| GPQA Diamond (AA)不计入 Index | 61.3%#374 | 70.0%#304 | – | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | 4.2%#550 | 11.0%#324 | – | Artificial Analysis | |
| GPQA Diamond (Vals)不计入 Index推理强度未说明 | – | – | 70.2%#90 | Vals AI | |
| Kagi LLM Benchmark | 55.0%#66 | 69.4%#29 | – | Kagi LLM Benchmark | |
| GPQA Diamond (HELM)不计入 Index推理强度未说明 | – | – | 62.3%#24 | HELM Capabilities | |
| CritPt不计入 Index | 0.0%#337 | 0.0%#337 | – | Artificial Analysis | |
| SciPredict不计入 Index推理强度未说明 | – | – | 16.6%#13 | Scale AI SEAL | |
| Arena Expert不计入 Index | 1394#181 | – | 1386#190 | Arena (LMArena) | |
| LMCA不计入 Index推理强度未说明 | – | – | 25.0%#157 | Epoch AI Benchmarking Hub | |
| DTBench不计入 Index推理强度未说明 | – | – | 75.7%#155 | Epoch AI Benchmarking Hub | |
| ForecastBench不计入 Index推理强度未说明 | – | – | 63.9%#35 | ForecastBench |
编程
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| WeirdML推理强度未说明 | – | – | 37.3%#119 | WeirdML | |
| Arena Coding | 1444#158 | – | 1432#180 | Arena (LMArena) | |
| LiveCodeBench推理强度未说明 | – | – | 70.6%#85 | Vals AI | |
| SWE-Bench Pro推理强度未说明 | – | – | 21.4%#18 | Scale AI SEAL | |
| Aider Polyglot | 59.6%#23 | – | – | Aider polyglot leaderboard | |
| Design Arena Website不计入 Index推理强度未说明 | – | – | 1022#165 | Design Arena | |
| LiveCodeBench (AA)不计入 Index | 34.3%#188 | 62.2%#104 | – | Artificial Analysis |
智能体与工具
| 基准测试 | 无推理 | thinking | 来源 | 趋势 |
|---|---|---|---|---|
| Terminal-Bench Hard | 6.1%#271 | 6.1%#271 | Artificial Analysis | |
| τ²-Bench Telecom (AA)不计入 Index | 27.2%#282 | 24.0%#308 | Artificial Analysis |
数学
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| MATH Level 5推理强度未说明 | – | – | 68.9%#41 | Epoch AI Benchmarking Hub | |
| AIME (Vals)推理强度未说明 | – | – | 84.0%#40 | Vals AI | |
| MGSM推理强度未说明 | – | – | 92.5%#17 | Vals AI | |
| Omni-MATH (HELM)推理强度未说明 | – | – | 54.8%#15 | HELM Capabilities | |
| MATH 500不计入 Index推理强度未说明 | – | – | 94.6%#8 | Vals AI | |
| Arena Maths | 1390#166 | – | 1391#165 | Arena (LMArena) | |
| AIME 2025 (AA)不计入 Index | 23.7%#192 | 82.0%#58 | – | Artificial Analysis |
知识
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| MMLU-Pro | 81.3%#80 | Vals AI | |
| LegalBench | 80.2%#88 | Vals AI | |
| TaxEval | 70.7%#87 | Vals AI | |
| MedQA | 90.6%#44 | Vals AI | |
| MultiNRC | 17.6%#38 | Scale AI SEAL | |
| MMLU-Pro (HELM)不计入 Index | 81.7%#15 | HELM Capabilities |
指令遵循
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| IFBench | 36.6%#304 | 38.7%#282 | – | Artificial Analysis | |
| MultiChallenge推理强度未说明 | – | – | 41.2%#35 | Scale AI SEAL | |
| IFEval (HELM)推理强度未说明 | – | – | 81.6%#40 | HELM Capabilities | |
| WildBench (HELM)推理强度未说明 | – | – | 82.8%#20 | HELM Capabilities | |
| Arena Instruction Following不计入 Index | 1381#170 | – | 1357#192 | Arena (LMArena) |
人类偏好
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| Arena Text | 1402#155 | – | 1375#185 | Arena (LMArena) | |
| EQ-Bench Creative Writing v3不计入 Index | – | 1366#78 | – | EQ-Bench | |
| Arena Creative Writing不计入 Index | 1366#157 | – | 1323#202 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1409#151 | – | 1369#188 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1410#153 | – | 1378#188 | Arena (LMArena) | |
| Lech Mazur Creative Writing不计入 Index推理强度未说明 | – | – | 83.0%#9 | Lech Mazur |
长上下文
| 基准测试 | 无推理 | thinking | 来源 | 趋势 |
|---|---|---|---|---|
| AA-LCR v1.1 | 0.0%#517 | 0.0%#517 | Artificial Analysis |
综合
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| Epoch Capabilities Index不计入 Index推理强度未说明 | – | – | 138.4#120 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2不计入 Index | 8.3#451 | 9.5#407 | – | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 175.4#492 | 208.9#385 | – | Artificial Analysis | |
| HELM Capabilities mean不计入 Index推理强度未说明 | – | – | 72.6%#19 | HELM Capabilities |
安全与诚实
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| FORTRESS不计入 Index | 61.4%#81 | Scale AI SEAL | |
| MASK不计入 Index可能存在污染 | 56.4%#43 | Scale AI SEAL |
价格历史
上述价格(每百万 token)在每个变动日的数值。
一项任务的成本
根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存。未计入推理 token。
| 工作负载 | 输入 / 输出 token | 成本 | 使用缓存 | 耗时 |
|---|---|---|---|---|
| 聊天回复 | 400 / 300 | $0.0011 | – | – |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.010 | – | – |
| 代码编辑 | 6,000 / 1,500 | $0.0084 | – | – |
| 智能体编程会话 | 60,000 / 4,000 | $0.053 | – | – |
| 结构化信息提取 | 2,000 / 200 | $0.0020 | – | – |
Alibaba 的更多模型
另请参阅
嵌入或引用
引用本页
排名每天都会变化,因此引用时需注明数据日期。APA 格式:
BenchLeader. (2026, November 16). Qwen3 235B A22B on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/qwen3-235b-a22b
BibTeX:
@misc{benchleader_qwen3_235b_a22b_20261116,
author = {{BenchLeader}},
title = {{Qwen3 235B A22B on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/qwen3-235b-a22b}},
note = {Data as of 2026-11-16}
}常见问题
- Qwen3 235B A22B 的基准测试得分是多少?
- 截至 2026年11月16日,Qwen3 235B A22B 的 BenchLeader Index 为 50.1 ±3.6。最强的是数学(59),最弱的是推理(45)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
- Qwen3 235B A22B 排名第几?
- 截至 2026年11月16日,Qwen3 235B A22B 在 608 个已排名配置中排第 345 名。另有 264 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
- Qwen3 235B A22B 每百万 token 的价格是多少?
- 截至 2026年11月16日,Qwen3 235B A22B 的价格为输入每百万 token $0.700、输出每百万 token $2.80,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $1.23。标价最近一次变动是在 2026年11月4日。
- Qwen3 235B A22B 是什么时候发布的?
- Alibaba 于 2025年4月28日发布了 Qwen3 235B A22B。BenchLeader 收录了它在 3 种推理强度设置下的结果。
数据截至 2026年11月16日。 对比这些配置
引用格式:BenchLeader,《Qwen3 235B A22B:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/qwen3-235b-a22b。