Qwen3.5-9B

阿里巴巴· 2026-02-24 上线国产开源

综合榜暂不排名：评测成绩还不够

编程

26.3

科研

33.8第 87 名

专业办公

—

知识问答

43.2

价格：人民币 / 百万 Token。没有名次的领域是成绩还不够，暂不排名。

编程

评测	原始成绩	标准分	最好成绩的档位	比较模型数
Terminal-Bench	9.2%	26.3	默认	29

评测	原始成绩	标准分	最好成绩的档位	比较模型数
CritPt	0.3%	38.9	默认	101
OTIS Mock AIME	61.7%	33.4	none	87
SciCode	29.5%	29.2	默认	97

评测	原始成绩	标准分	最好成绩的档位	比较模型数
GPQA Diamond	79.0%	43.2	默认	84

这些评测测的能力不在四个领域里，或者我们还没把握归到哪个领域。

评测	原始成绩	标准分	最好成绩的档位	比较模型数
国际象棋谜题	12.0%	不计分	none	88

原始成绩取这个模型各个推理档位（none）和各种评测配置里最好的一次；标准分 = 50 + 10 × （成绩 − 平均）÷ 标准差，在近 12 个月上线的模型里比较。「不计分」是这项评测有成绩的模型太少或不在计分范围。数据 10月16日 06:10 更新。

数据来源：Epoch AI（CC BY 4.0），本站按公开方法折算排名，不代表 Epoch AI 的观点。