BenchLeader

Qwen3 235B A22B

推理强度
质量第 171 / 339 名
50.1Index
低于中位数
较中位数 −0.1
价格第 150 / 255 名
$1.23每百万 token
比多数贵
中位数的 1.4 倍
性价比第 154 / 255 名
40.9分/$
低于中位数
中位数的 0.7 倍

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
各类别得分虚线 = 平均模型(50)。每 15 分为一个标准差。
  1. 综合 Index50
  2. 推理45
  3. 编程46
  4. 数学59
  5. 知识50
  6. 指令遵循47
  7. 人类偏好54

Alibaba 发布新模型时邮件通知我

进入排名时再通知一次,每周一另有每周回顾。

选择提供商和邮件类型

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 2507thinking2025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。

推理强度Index排名速度首次回答聊天回复成本类别
无推理47.4#406––$0.0011智能体与工具 39 · 编程 57 · 人类偏好 57 · 指令遵循 40 · 长上下文 23 · 数学 56 · 推理 54
thinking––––$0.0011智能体与工具 39 · 指令遵循 42 · 长上下文 23 · 推理 63
未说明最佳50.1#345––$0.0011编程 46 · 人类偏好 54 · 指令遵循 47 · 知识 50 · 数学 59 · 推理 45

Index 走势

2026年9月8日 至 2026年11月16日
394755
  • 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%#182Epoch AI Benchmarking Hub
SimpleBench推理强度未说明––31.0%#88SimpleBench
Arena Hard Prompts1420#155–1392#186Arena (LMArena)
GPQA Diamond (AA)不计入 Index61.3%#37470.0%#304–Artificial Analysis
Humanity's Last Exam (AA)不计入 Index4.2%#55011.0%#324–Artificial Analysis
GPQA Diamond (Vals)不计入 Index推理强度未说明––70.2%#90Vals AI
Kagi LLM Benchmark55.0%#6669.4%#29–Kagi LLM Benchmark
GPQA Diamond (HELM)不计入 Index推理强度未说明––62.3%#24HELM Capabilities
CritPt不计入 Index0.0%#3370.0%#337–Artificial Analysis
SciPredict不计入 Index推理强度未说明––16.6%#13Scale AI SEAL
Arena Expert不计入 Index1394#181–1386#190Arena (LMArena)
LMCA不计入 Index推理强度未说明––25.0%#157Epoch AI Benchmarking Hub
DTBench不计入 Index推理强度未说明––75.7%#155Epoch AI Benchmarking Hub
ForecastBench不计入 Index推理强度未说明––63.9%#35ForecastBench

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%#119WeirdML
Arena Coding1444#158–1432#180Arena (LMArena)
LiveCodeBench推理强度未说明––70.6%#85Vals AI
SWE-Bench Pro推理强度未说明––21.4%#18Scale AI SEAL
Aider Polyglot59.6%#23––Aider polyglot leaderboard
Design Arena Website不计入 Index推理强度未说明––1022#165Design Arena
LiveCodeBench (AA)不计入 Index34.3%#18862.2%#104–Artificial Analysis

智能体与工具

基准测试无推理thinking来源趋势
Terminal-Bench Hard6.1%#2716.1%#271Artificial Analysis
τ²-Bench Telecom (AA)不计入 Index27.2%#28224.0%#308Artificial 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%#41Epoch AI Benchmarking Hub
AIME (Vals)推理强度未说明––84.0%#40Vals AI
MGSM推理强度未说明––92.5%#17Vals AI
Omni-MATH (HELM)推理强度未说明––54.8%#15HELM Capabilities
MATH 500不计入 Index推理强度未说明––94.6%#8Vals AI
Arena Maths1390#166–1391#165Arena (LMArena)
AIME 2025 (AA)不计入 Index23.7%#19282.0%#58–Artificial Analysis

知识

基准测试默认来源趋势
MMLU-Pro81.3%#80Vals AI
LegalBench80.2%#88Vals AI
TaxEval70.7%#87Vals AI
MedQA90.6%#44Vals AI
MultiNRC17.6%#38Scale AI SEAL
MMLU-Pro (HELM)不计入 Index81.7%#15HELM Capabilities

指令遵循

基准测试无推理thinking默认来源趋势
IFBench36.6%#30438.7%#282–Artificial Analysis
MultiChallenge推理强度未说明––41.2%#35Scale AI SEAL
IFEval (HELM)推理强度未说明––81.6%#40HELM Capabilities
WildBench (HELM)推理强度未说明––82.8%#20HELM Capabilities
Arena Instruction Following不计入 Index1381#170–1357#192Arena (LMArena)

人类偏好

基准测试无推理thinking默认来源趋势
Arena Text1402#155–1375#185Arena (LMArena)
EQ-Bench Creative Writing v3不计入 Index–1366#78–EQ-Bench
Arena Creative Writing不计入 Index1366#157–1323#202Arena (LMArena)
Arena Multi-turn不计入 Index1409#151–1369#188Arena (LMArena)
Arena Longer Queries不计入 Index1410#153–1378#188Arena (LMArena)
Lech Mazur Creative Writing不计入 Index推理强度未说明––83.0%#9Lech Mazur

长上下文

基准测试无推理thinking来源趋势
AA-LCR v1.10.0%#5170.0%#517Artificial 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#120Epoch AI Benchmarking Hub
AA Intelligence Index v4.3.2不计入 Index8.3#4519.5#407–Artificial Analysis
AA Progress Index v1不计入 Index175.4#492208.9#385–Artificial Analysis
HELM Capabilities mean不计入 Index推理强度未说明––72.6%#19HELM Capabilities

安全与诚实

基准测试默认来源趋势
FORTRESS不计入 Index61.4%#81Scale AI SEAL
MASK不计入 Index可能存在污染56.4%#43Scale AI SEAL

价格历史

上述价格(每百万 token)在每个变动日的数值。

$0.00$0.770$1.54$2.31$3.0826年9月26年10月26年11月
输入 输出
当前:输入 $0.700 · 输出 $2.80

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

本月新上线

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}
}

全部徽章样式、可嵌入的前 10 名小组件,以及如何引用 Index

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。