BenchLeader

Qwen3.5-9B

推理强度
质量第 167 / 339 名
50.4Index
高于中位数
较中位数 +0.2
价格第 33 / 255 名
$0.155每百万 token
最便宜的四分之一
中位数的 0.2 倍
速度第 105 / 216 名
83token/秒
高于中位数
中位数的 1.0 倍
性价比第 28 / 255 名
325.2分/$
前四分之一
中位数的 5.9 倍

性价比更高: Ling 3.0 Flash $0.115/M 即可获得 Index 51.7,便宜 26%。

有 7 个更便宜的已排名模型得分更高:MiMo-V2.5 (56.3, $0.138)、Step 3.5 Flash (56.3, $0.150)、GPT-5 nano (56.2, $0.138),另有 4 个。

截至 2026年11月16日,Qwen3.5-9B(Alibaba)在 BenchLeader Index 上得分 50.4(共 608 个已排名配置)。表现最好的是指令遵循(66),最弱的是推理(35)。API 价格为输入每百万 token $0.170、输出每百万 token $0.250(按 3:1 混合为 $0.190),为 2026年11月16日的标价。输出速度约为 83 token/秒(Artificial Analysis)。发布于 2026年2月24日。

要点(截至 2026年11月16日)

  • Qwen3.5-9B 的 API 价格为输入每百万 token $0.170、输出每百万 token $0.250(按 3:1 混合为 $0.190)(标价,2026年11月16日)。
  • Qwen3.5-9B 的输出速度约为 83 token/秒(Artificial Analysis,2026年11月16日)。
  • Qwen3.5-9B 于 2026年2月24日发布(Alibaba)。

详细说明:Qwen3.5-9B 是 Alibaba 的开放权重推理模型,发布于 2026年2月24日。其最佳配置(推理强度 thinking)在 BenchLeader Index 上得分 50.4 ±9.5,在 608 个配置中排第 339 名,处于下半区。关键在于这个“±”:另有 426 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(66),推理最低(35)。按混合价格计,每百万 token $0.155,属于已排名模型中最便宜的五分之一。输出速度为 83 token/秒,首次回答需 42.0 秒,比大多数模型快。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
$0.155/M
输入 $0.140 · 输出 $0.200
来源:Artificial Analysis
输出速度
83 tok/s
由 Artificial Analysis 测量
首次回答
42 s
首 token 0.51 s
上下文
262k
来源:models.dev
完整回答
122 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24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35
  3. 智能体与工具41
  4. 指令遵循66
  5. 多模态51
  6. 长上下文59

嵌入这个排名

更多徽章样式
[![Qwen3.5-9B on BenchLeader: 综合第 167 名](https://www.benchleader.com/badge/qwen3-5-9b.svg?style=compact)](https://www.benchleader.com/models/qwen3-5-9b)

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。

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

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49.2#366123 tok/s1.06 s$0.0001智能体与工具 50 · 指令遵循 41 · 长上下文 47 · 数学 50 · 多模态 49 · 推理 57
thinking最佳50.4#33983 tok/s42 s$0.0001智能体与工具 41 · 指令遵循 66 · 长上下文 59 · 多模态 51 · 推理 35
未说明40.4#52872 tok/s0.51 s$0.0001智能体与工具 28 · 编程 25 · 数学 36 · 推理 57

Index 走势

2026年9月9日 至 2026年11月16日
304661
  • 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 Index38.9#15538.9#155Artificial Analysis

推理

基准测试无推理thinking默认来源趋势
GPQA Diamond78.9%#142–79.0%#141Epoch AI Benchmarking Hub
GPQA Diamond (AA)不计入 Index78.6%#21180.6%#193–Artificial Analysis
Humanity's Last Exam (AA)不计入 Index9.4%#35614.9%#272–Artificial Analysis
HLE-Diamond (AA)–4.8%#149–Artificial Analysis
CritPt不计入 Index0.6%#2740.3%#291–Artificial Analysis
LMCA不计入 Index推理强度未说明––24.5%#158Epoch AI Benchmarking Hub
DTBench不计入 Index推理强度未说明––71.2%#163Epoch AI Benchmarking Hub

编程

基准测试无推理thinking默认来源趋势
SciCode推理强度未说明––29.5%#218SciCode
SciCode (AA)不计入 Index–29.5%#231–Artificial Analysis
Terminal-Bench 4.0 (AA)不计入 Index–0.5%#172–Artificial Analysis
Terminal-Bench 2.1 (AA)不计入 Index21.4%#17329.2%#160–Artificial Analysis

智能体与工具

基准测试无推理thinking默认来源趋势
Terminal-Bench推理强度未说明––9.2%#101Terminal-Bench
Terminal-Bench Hard18.2%#17524.2%#147–Artificial Analysis
τ²-Bench Telecom (AA)不计入 Index85.1%#9586.8%#84–Artificial Analysis
GDPval-AA v2.1, normalised score不计入 Index–0.0%#124–Artificial Analysis
GDPval-AA v2.1不计入 Index–426#252–Artificial Analysis
τ³-Banking (AA)–7.0%#166–Artificial Analysis
AutomationBench不计入 Index–1.1%#229–Artificial Analysis
GDP.pdf (AA)不计入 Index–6.6%#182–Artificial Analysis
AA-Briefcase v1.1不计入 Index–342#229–Artificial Analysis

数学

基准测试无推理默认来源趋势
OTIS Mock AIME61.7%#17442.8%#208Epoch AI Benchmarking Hub
AIME 2026推理强度未说明可能存在污染–92.5%#24MathArena
HMMT February 2026推理强度未说明可能存在污染–71.2%#29MathArena
MathArena Apex推理强度未说明可能存在污染–0.5%#42MathArena

指令遵循

基准测试无推理thinking来源趋势
IFBench37.8%#29366.7%#91Artificial Analysis

多模态

基准测试无推理thinking来源趋势
MMMU-Pro66.8%#18269.3%#166Artificial Analysis

长上下文

基准测试无推理thinking来源趋势
AA-LCR v1.146.0%#35470.0%#232Artificial 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––139.3#117Epoch AI Benchmarking Hub
AA Intelligence Index v4.3.2不计入 Index13.3#32211.2#369–Artificial Analysis
AA Progress Index v1不计入 Index224.8#337239.6#292–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
Together118 tok/s0.18 s$0.170$0.250262k–
Prime Intellect81 tok/s0.36 s$0.165$0.243262kbf16
Parasail72 tok/s0.88 s$0.100$0.250262kbf16
Darkbloom71 tok/s0.95 s$0.080$0.130262kfp4
DeepInfra51 tok/s1.41 s$0.100$0.150262kbf16
SiliconFlow30 tok/s1.52 s$0.100$0.150262kfp8
DeepInfra25 tok/s10 s$0.150$0.225262kbf16

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 $0.137。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$0.0001$0.000145.7 s
总结一份 30 页的报告12,000 / 600$0.0018$0.001849.3 s
代码编辑6,000 / 1,500$0.0011$0.00111.0 min
智能体编程会话60,000 / 4,000$0.0092$0.00911.5 min
结构化信息提取2,000 / 200$0.0003$0.000344.4 s

Alibaba 的更多模型

本月新上线

将 Qwen3.5-9B 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 Qwen3.5-9B 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。

[![Qwen3.5-9B on BenchLeader: 综合第 167 名](https://www.benchleader.com/badge/qwen3-5-9b.svg)](https://www.benchleader.com/models/qwen3-5-9b)

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). Qwen3.5-9B on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/qwen3-5-9b

BibTeX:

@misc{benchleader_qwen3_5_9b_20261116,
  author       = {{BenchLeader}},
  title        = {{Qwen3.5-9B on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/qwen3-5-9b}},
  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

Qwen3.5-9B 的基准测试得分是多少?
截至 2026年11月16日,Qwen3.5-9B(推理强度 thinking)的 BenchLeader Index 为 50.4 ±9.5。最强的是指令遵循(66),最弱的是推理(35)。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。
Qwen3.5-9B 排名第几?
截至 2026年11月16日,Qwen3.5-9B(推理强度 thinking)在 608 个已排名配置中排第 339 名。另有 426 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。
Qwen3.5-9B 每百万 token 的价格是多少?
截至 2026年11月16日,Qwen3.5-9B 的价格为输入每百万 token $0.140、输出每百万 token $0.200,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $0.155。
Qwen3.5-9B 比 Nemotron 3.5 Super VL 120B A12B 更好吗?
截至 2026年11月16日,Nemotron 3.5 Super VL 120B A12B 与 Qwen3.5-9B(推理强度 thinking)的质量不相上下(BenchLeader Index 50.4 比 50.4,在 ±12.9 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。
Qwen3.5-9B 是什么时候发布的?
Alibaba 于 2026年2月24日发布了 Qwen3.5-9B。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,《Qwen3.5-9B: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/qwen3-5-9b。