Qwen3.5 397B A17B
性价比更高: MiMo-V2.5 $0.138/M 即可获得 Index 56.3,便宜 90%。
有 17 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 14 个。
截至 2026年11月16日,Qwen3.5 397B A17B(Alibaba)在 BenchLeader Index 上得分 56.4(共 608 个已排名配置)。表现最好的是指令遵循(77),最弱的是推理(40)。API 价格为输入每百万 token $0.172、输出每百万 token $1.03(按 3:1 混合为 $0.387),为 2026年11月16日的标价。输出速度约为 54 token/秒(Artificial Analysis)。发布于 2026年2月13日。
要点(截至 2026年11月16日)
- Qwen3.5 397B A17B 的 API 价格为输入每百万 token $0.172、输出每百万 token $1.03(按 3:1 混合为 $0.387)(标价,2026年11月16日)。
- Qwen3.5 397B A17B 的输出速度约为 54 token/秒(Artificial Analysis,2026年11月16日)。
- Qwen3.5 397B A17B 于 2026年2月13日发布(Alibaba)。
详细说明:Qwen3.5 397B A17B 是 Alibaba 的开放权重模型,发布于 2026年2月13日。其最佳配置(推理强度 thinking)在 BenchLeader Index 上得分 56.4 ±9.4,在 608 个配置中排第 182 名,处于上半区。关键在于这个“±”:另有 402 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,指令遵循得分最高(77),推理最低(40)。按混合价格计,每百万 token $1.35,比大多数已排名模型贵。输出速度为 54 token/秒,首次回答需 36.2 秒,比大多数模型慢。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3月2日。数据较旧:六个月内没有新结果
- 混合价格
- $1.35/M
- 输入 $0.600 · 输出 $3.60
- 来源:Artificial Analysis
- 输出速度
- 54 tok/s
- 由 Artificial Analysis 测量
- 首次回答
- 36 s
- 首 token 1.01 s
- 上下文
- 262k
- 来源:models.dev
- 完整回答
- 101 s
- 最近一次测量 2026年11月13日
- 单任务成本
- –
- 单任务 token 数
- –
- 发布日期
- 2026年2月13日
- 综合 Index56
- 推理40
- 智能体与工具56
- 指令遵循77
- 多模态60
- 长上下文63
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/qwen3-5-397b-a17b)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。
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- thinking
- 无推理
- 默认
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 |
|---|---|---|---|---|---|
| GPQA Diamond | 86.4%#89 | – | 85.9%#95 | Epoch AI Benchmarking Hub | |
| Arena Hard Prompts推理强度未说明 | – | – | 1463#92 | Arena (LMArena) | |
| GPQA Diamond (AA)不计入 Index | 86.1%#117 | 89.3%#80 | – | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | 19.8%#234 | 29.0%#175 | – | Artificial Analysis | |
| HLE-Diamond (AA) | – | 12.4%#114 | – | Artificial Analysis | |
| Kagi LLM Benchmark推理强度未说明 | – | – | 73.7%#16 | Kagi LLM Benchmark | |
| CritPt不计入 Index | 0.9%#256 | 1.7%#225 | – | Artificial Analysis | |
| Arena Expert不计入 Index推理强度未说明 | – | – | 1478#82 | Arena (LMArena) | |
| Mystery Game Puzzles不计入 Index | 18.0%#74 | – | – | Epoch AI Benchmarking Hub | |
| LMCA不计入 Index推理强度未说明 | – | – | 37.9%#121 | Epoch AI Benchmarking Hub | |
| DTBench不计入 Index推理强度未说明 | – | – | 87.5%#106 | Epoch AI Benchmarking Hub |
编程
| 基准测试 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| Arena Coding推理强度未说明 | – | 1490#97 | Arena (LMArena) | |
| Arena WebDev推理强度未说明 | – | 1400#101 | Arena (LMArena) | |
| SciCode (AA)不计入 Index | 44.8%#166 | – | Artificial Analysis | |
| ALE-Bench不计入 Index推理强度未说明 | – | 621.9#107 | Epoch AI Benchmarking Hub | |
| Terminal-Bench 4.0 (AA)不计入 Index | 0.0%#186 | – | Artificial Analysis | |
| Terminal-Bench 2.1 (AA)不计入 Index | 51.3%#120 | – | Artificial Analysis | |
| Design Arena Website不计入 Index推理强度未说明 | – | 1183#95 | Design Arena |
智能体与工具
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| APEX-Agents推理强度未说明 | – | – | 24.9%#62 | Mercor | |
| Terminal-Bench Hard | 35.6%#74 | 40.9%#53 | – | Artificial Analysis | |
| τ²-Bench Telecom (AA)不计入 Index | 83.9%#106 | 95.6%#19 | – | Artificial Analysis | |
| τ²-bench | – | 87.9%#1 | – | τ²-bench | |
| τ³-bench Banking不计入 Index | – | 9.8%#26 | – | τ²-bench | |
| GDPval-AA v2.1, normalised score不计入 Index | – | 14.6%#105 | – | Artificial Analysis | |
| GDPval-AA v2.1不计入 Index | – | 800#209 | – | Artificial Analysis | |
| τ³-Banking (AA) | – | 13.4%#129 | – | Artificial Analysis | |
| ITBench SRE (AA)不计入 Index | – | 34.1%#28 | – | Artificial Analysis | |
| APEX-Agents (AA)不计入 Index | – | 15.3%#22 | – | Artificial Analysis | |
| AutomationBench不计入 Index | – | 6.9%#190 | – | Artificial Analysis | |
| GDP.pdf (AA)不计入 Index | – | 12.2%#143 | – | Artificial Analysis | |
| EnterpriseOps-Gym不计入 Index | – | 30.9%#42 | – | Artificial Analysis | |
| AA-Briefcase v1.1不计入 Index | – | 563#211 | – | Artificial Analysis |
数学
| 基准测试 | 无推理 | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| FrontierMath Tiers 1–3 | 31.2%#78 | 29.5%#80 | Epoch AI Benchmarking Hub | |
| OTIS Mock AIME | 82.2%#119 | 88.9%#86 | Epoch AI Benchmarking Hub | |
| AIME 2026推理强度未说明可能存在污染 | – | 94.2%#20 | MathArena | |
| HMMT February 2026推理强度未说明可能存在污染 | – | 87.9%#17 | MathArena | |
| USAMO 2026不计入 Index推理强度未说明 | – | 36.3%#8 | MathArena | |
| Arena Maths推理强度未说明 | – | 1450#80 | Arena (LMArena) |
知识
| 基准测试 | 无推理 | thinking | 来源 | 趋势 |
|---|---|---|---|---|
| Global-MMLU-Lite (AA)不计入 Index | 86.5%#31 | 90.0%#14 | Artificial Analysis |
指令遵循
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| IFBench | 51.6%#167 | 78.8%#13 | – | Artificial Analysis | |
| Arena Instruction Following不计入 Index推理强度未说明 | – | – | 1435#91 | Arena (LMArena) |
人类偏好
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Text | 1441#96 | Arena (LMArena) | |
| EQ-Bench Creative Writing v3不计入 Index | 1478#64 | EQ-Bench | |
| Arena Creative Writing不计入 Index | 1406#102 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1452#88 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1454#86 | 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 | – | – | 1262#54 | Arena (LMArena) | |
| MMMU-Pro | 52.7%#250 | 77.3%#94 | – | Artificial Analysis | |
| SAGE不计入 Index推理强度未说明 | – | – | 85.5%#15 | Vals AI |
长上下文
| 基准测试 | 无推理 | thinking | 来源 | 趋势 |
|---|---|---|---|---|
| AA-LCR v1.1 | 64.3%#276 | 77.3%#148 | Artificial Analysis | |
| MLCR不计入 Index | – | 8.9%#133 | 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 | – | – | 147.9#74 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2不计入 Index | 21.4#223 | 18.4#263 | – | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 252.7#257 | 270.7#200 | – | 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 |
|---|---|---|---|---|---|---|
| Parasail | 92 tok/s | 0.73 s | $0.500 | $3.60 | 262k | fp8 |
| Venice | 74 tok/s | 1.39 s | $0.750 | $4.50 | 128k | – |
| NovitaAI | 60 tok/s | 1.28 s | $0.600 | $3.60 | 262k | – |
| Alibaba Cloud Int. | 57 tok/s | 0.60 s | $0.390 | $2.34 | 262k | – |
| GMICloud | 54 tok/s | 1.39 s | $0.600 | $3.60 | 262k | fp8 |
| AtlasCloud | 54 tok/s | 1.19 s | $0.550 | $3.50 | 262k | fp8 |
| DeepInfra | 45 tok/s | 0.81 s | $0.450 | $3.00 | 262k | fp8 |
| StreamLake | 40 tok/s | 2.29 s | $0.600 | $3.60 | 256k | – |
| DeepInfra | 39 tok/s | 0.83 s | $0.675 | $4.50 | 262k | fp8 |
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,价格为每百万 token $0.330。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 | $0.0013 | $0.0012 | 41.8 s |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.0094 | $0.0069 | 47.3 s |
| 代码编辑 | 6,000 / 1,500 | $0.0090 | $0.0078 | 1.1 min |
| 智能体编程会话 | 60,000 / 4,000 | $0.050 | $0.038 | 1.8 min |
| 结构化信息提取 | 2,000 / 200 | $0.0019 | $0.0015 | 39.9 s |
另请参阅
嵌入或引用
在模型卡片或 README 中展示 Qwen3.5 397B A17B 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/qwen3-5-397b-a17b)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 397B A17B on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/qwen3-5-397b-a17b
BibTeX:
@misc{benchleader_qwen3_5_397b_a17b_20261116,
author = {{BenchLeader}},
title = {{Qwen3.5 397B A17B on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/qwen3-5-397b-a17b}},
note = {Data as of 2026-11-16}
}常见问题
- Qwen3.5 397B A17B 的基准测试得分是多少?
- 截至 2026年11月16日,Qwen3.5 397B A17B(推理强度 thinking)的 BenchLeader Index 为 56.4 ±9.4。最强的是指令遵循(77),最弱的是推理(40)。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 397B A17B 排名第几?
- 截至 2026年11月16日,Qwen3.5 397B A17B(推理强度 thinking)在 608 个已排名配置中排第 182 名。另有 402 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 397B A17B 每百万 token 的价格是多少?
- 截至 2026年11月16日,Qwen3.5 397B A17B 的价格为输入每百万 token $0.600、输出每百万 token $3.60,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $1.35。标价最近一次变动是在 2026年9月9日。
- Qwen3.5 397B A17B 是什么时候发布的?
- Alibaba 于 2026年2月13日发布了 Qwen3.5 397B A17B。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 397B A17B: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/qwen3-5-397b-a17b。