Qwen3.5-27B
性价比更高: Ling 3.0 Flash $0.115/M 即可获得 Index 51.7,便宜 86%。
有 36 个更便宜的已排名模型得分更高:DeepSeek V4.1 Flash (58.5, $0.525)、GPT-5.6 Luna (58.2, $0.450)、Inkling 2 Small (57.9, $0.475),另有 33 个。
截至 2026年11月16日,Qwen3.5-27B(Alibaba)在 BenchLeader Index 上得分 52.0(共 608 个已排名配置)。表现最好的是推理(58),最弱的是编程(44)。API 价格为输入每百万 token $0.300、输出每百万 token $2.40(按 3:1 混合为 $0.825),为 2026年11月16日的标价。输出速度约为 38 token/秒(OpenRouter)。发布于 2026年2月24日。
要点(截至 2026年11月16日)
- Qwen3.5-27B 的 API 价格为输入每百万 token $0.300、输出每百万 token $2.40(按 3:1 混合为 $0.825)(标价,2026年11月16日)。
- Qwen3.5-27B 的输出速度约为 38 token/秒(OpenRouter,2026年11月16日)。
- Qwen3.5-27B 于 2026年2月24日发布(Alibaba)。
详细说明:Qwen3.5-27B 是 Alibaba 的开放权重模型,发布于 2026年2月24日。其最佳配置在 BenchLeader Index 上得分 52.0 ±5.6,在 608 个配置中排第 292 名,处于上半区。关键在于这个“±”:另有 305 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,推理得分最高(58),编程最低(44)。按混合价格计,每百万 token $0.825,价格居中。输出速度为 38 token/秒,首 token 延迟 2.9 秒,位于最慢的四分之一。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
- $0.825/M
- 输入 $0.300 · 输出 $2.40
- 来源:models.dev
- 输出速度
- 38 tok/s
- OpenRouter 流量,7 天中位数;Artificial Analysis 尚未测量
- 首次回答
- 2.87 s
- 上下文
- 262k
- 来源:models.dev
- 单任务成本
- –
- 单任务 token 数
- –
- 发布日期
- 2026年2月24日
- 综合 Index52
- 推理58
- 编程44
- 数学46
- 人类偏好58
- 多模态57
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/qwen3-5-27b)粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。
版本
Alibaba 以这个名称发布过 3 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 |
|---|---|---|---|
| Qwen3.8 27B | 2026年8月14日 | 55.1 | #221 |
| Qwen3.6 27Bthinking | 2026年4月22日 | 55.9 | #200 |
| Qwen3.5-27B本页 | 2026年2月24日 | 52.0 | #292 |
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。
元数据
| 基准测试 | 无推理 | thinking | 来源 | 趋势 |
|---|---|---|---|---|
| AA Openness Index不计入 Index | 38.9#155 | 38.9#155 | Artificial Analysis |
推理
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| Arena Hard Prompts推理强度未说明 | – | – | 1427#147 | Arena (LMArena) | |
| GPQA Diamond (AA)不计入 Index | 84.2%#148 | 85.8%#122 | – | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | 13.9%#280 | 23.9%#207 | – | Artificial Analysis | |
| CritPt不计入 Index | 0.3%#291 | 0.8%#272 | – | Artificial Analysis | |
| Arena Expert不计入 Index推理强度未说明 | – | – | 1441#131 | Arena (LMArena) | |
| LMCA不计入 Index推理强度未说明 | – | – | 34.0%#136 | Epoch AI Benchmarking Hub | |
| DTBench不计入 Index推理强度未说明 | – | – | 82.4%#128 | Epoch AI Benchmarking Hub |
编程
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| WeirdML | 39.5%#105 | WeirdML | |
| Arena Coding | 1452#152 | Arena (LMArena) | |
| Arena WebDev | 1357#118 | Arena (LMArena) | |
| ALE-Bench不计入 Index | 349.4#125 | Epoch AI Benchmarking Hub |
智能体与工具
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| Terminal-Bench Hard | 31.8%#103 | 32.6%#98 | – | Artificial Analysis | |
| τ²-Bench Telecom (AA)不计入 Index | 87.1%#81 | 93.9%#38 | – | Artificial Analysis | |
| ITBench SRE (AA)不计入 Index | – | 35.5%#26 | – | Artificial Analysis | |
| Vending-Bench 2不计入 Index推理强度未说明 | – | – | 202.0#64 | Andon Labs |
数学
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AIME 2026可能存在污染 | 91.7%#25 | MathArena | |
| HMMT February 2026可能存在污染 | 81.1%#27 | MathArena | |
| MathArena Apex可能存在污染 | 2.1%#29 | MathArena | |
| Arena Maths | 1423#122 | Arena (LMArena) |
知识
| 基准测试 | 无推理 | thinking | 来源 | 趋势 |
|---|---|---|---|---|
| Global-MMLU-Lite (AA)不计入 Index | 83.8%#47 | 86.8%#29 | Artificial Analysis |
指令遵循
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| IFBench | 46.9%#195 | 75.6%#29 | – | Artificial Analysis | |
| Arena Instruction Following不计入 Index推理强度未说明 | – | – | 1400#145 | Arena (LMArena) |
人类偏好
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Text | 1409#150 | Arena (LMArena) | |
| Arena Creative Writing不计入 Index | 1358#168 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1414#141 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1422#133 | Arena (LMArena) |
多模态
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| Arena Vision推理强度未说明 | – | – | 1240#73 | Arena (LMArena) | |
| MMMU-Pro | 70.0%#163 | 75.0%#116 | – | Artificial Analysis |
长上下文
| 基准测试 | 无推理 | thinking | 来源 | 趋势 |
|---|---|---|---|---|
| AA-LCR v1.1 | 64.0%#279 | 77.7%#144 | Artificial Analysis |
综合
| 基准测试 | 无推理 | thinking | 来源 | 趋势 |
|---|---|---|---|---|
| AA Intelligence Index v4.3.2不计入 Index | 19.4#251 | 22.9#201 | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 250.2#260 | 267.3#212 | Artificial Analysis |
API 价格:在哪里调用
通过 OpenRouter 提供这个模型的所有提供商:吞吐量和首 token 延迟基于过去 30 分钟的实时流量测得,价格为各提供商自己的报价。紫色标出每列的最佳值。
| 提供商 | 速度 | 首 token | 输入 $/M | 输出 $/M | 上下文 | 量化 |
|---|---|---|---|---|---|---|
| DeepInfra | 69 tok/s | 0.56 s | $0.260 | $2.60 | 262k | fp8 |
| AtlasCloud | 50 tok/s | 1.35 s | $0.270 | $2.16 | 262k | fp8 |
| Alibaba Cloud Int. | 50 tok/s | 6.06 s | $0.195 | $1.56 | 262k | – |
| Chutes | 47 tok/s | 2.06 s | $0.200 | $1.75 | 262k | fp8 |
| NovitaAI | 41 tok/s | 1.61 s | $0.300 | $2.40 | 262k | bf16 |
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 | $0.0008 | – | 10.9 s |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.0050 | – | 18.9 s |
| 代码编辑 | 6,000 / 1,500 | $0.0054 | – | 42.9 s |
| 智能体编程会话 | 60,000 / 4,000 | $0.028 | – | 1.8 min |
| 结构化信息提取 | 2,000 / 200 | $0.0011 | – | 8.2 s |
Alibaba 的更多模型
将 Qwen3.5-27B 与以下模型对比
另请参阅
嵌入或引用
在模型卡片或 README 中展示 Qwen3.5-27B 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。
[](https://www.benchleader.com/models/qwen3-5-27b)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). Qwen3.5-27B on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/qwen3-5-27b
BibTeX:
@misc{benchleader_qwen3_5_27b_20261116,
author = {{BenchLeader}},
title = {{Qwen3.5-27B on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/qwen3-5-27b}},
note = {Data as of 2026-11-16}
}常见问题
- Qwen3.5-27B 的基准测试得分是多少?
- 截至 2026年11月16日,Qwen3.5-27B 的 BenchLeader Index 为 52.0 ±5.6。最强的是推理(58),最弱的是编程(44)。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。
- Qwen3.5-27B 排名第几?
- 截至 2026年11月16日,Qwen3.5-27B 在 608 个已排名配置中排第 292 名。另有 305 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。
- Qwen3.5-27B 每百万 token 的价格是多少?
- 截至 2026年11月16日,Qwen3.5-27B 的价格为输入每百万 token $0.300、输出每百万 token $2.40,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $0.825。
- Qwen3.5-27B 比 Muse Ember 更好吗?
- 截至 2026年11月16日,Muse Ember(推理强度 max)与 Qwen3.5-27B 的质量不相上下(BenchLeader Index 52.1 比 52.0,在 ±6.8 的误差范围内),可根据价格、速度和你看重的类别来选择。逐项基准测试的详细对比见对比页面。
- Qwen3.5-27B 是什么时候发布的?
- Alibaba 于 2026年2月24日发布了 Qwen3.5-27B。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,《Qwen3.5-27B: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/qwen3-5-27b。