AI BENCHY Compare

OpenAI: GPT-5.6 Luna vs Qwen: Qwen3.5-35B-A3B

Zusammenfassung

GPT-5.6 Luna (low) vs Qwen3.5-35B-A3B (medium) Benchmark-Vergleich: Qwen3.5-35B-A3B (medium) führt beim Durchschnittsscore mit 6.3 vs 6.2. GPT-5.6 Luna (low) hat die niedrigeren Benchmark-Kosten mit $0.141 vs $0.401. GPT-5.6 Luna (low) ist schneller mit 4.35s vs 72.57s, mit Erfolgsraten von 57.1% vs 69.8%.

Empfohlenes Modell: GPT-5.6 Luna (low) - Die Punktzahl bleibt nah an der besten hier (6.2 vs 6.3) und es kostet etwa 2.9x weniger als Qwen3.5-35B-A3B (medium).

Benchmarks aus AI BENCHY-Test-Suites generiert am: 2026-07-09

Metrik	GPT-5.6 Luna GPT-5.6 Luna low Veröffentlichung: 2026-07-09	Qwen3.5-35B-A3B Qwen3.5-35B-A3B medium Veröffentlichung: 2026-02-24

Metrik	GPT-5.6 Luna GPT-5.6 Luna low Veröffentlichung: 2026-07-09	Qwen3.5-35B-A3B Qwen3.5-35B-A3B medium Veröffentlichung: 2026-02-24
Punktzahl	6.2	6.3
Rang	#107	#103
Zuverlässigkeit	10.0	10.0
Konsistenz	8.5	7.5
Korrekte Tests
Erfolgsquote pro Versuch	57.1%	69.8%
Instabile Tests	4	6
Gesamtläufe	63	63
Kosten pro Ergebnis	1.404	5.162
Gesamtkosten	$0.141	$0.401
Eingabepreis	$1.000 / 1M	$0.140 / 1M
Ausgabepreis	$6.000 / 1M	$1.000 / 1M
Gesamte Eingabe-Token	34,218	42,196
Ausgabe-Token	2,110	40,630
Denk-Token	15,571	353,577
Antwortzeit (Durchschnitt)	4.35s	72.57s
Antwortzeit (Maximum)	18.06s	409.98s
Antwortzeit (Gesamt)	91.45s	1524.04s

Generierungs-Showcase

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#107 GPT-5.6 Luna

low

Kosten: $0.011
Zeit: 10.2s
Token: 1,897 tok

#103 Qwen3.5-35B-A3B

medium

Kosten: $0.009
Zeit: 71.4s
Token: 8,631 tok

Top-Modelle nach Score

Score vs. Gesamtkosten

Antwortzeit (Durchschnitt)

Punktzahl vs Antwortzeit (Durchschnitt)

Gesamte Ausgabe-Token

Punktzahl vs Gesamte Ausgabe-Token

Kategorieaufschlüsselung

Anti-KI-Tricks	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.6 Luna	8.3	10.0	75.0%	0		2.21s	606	186	722
Qwen3.5-35B-A3B	10.0	10.0	100.0%	0		21.13s	672	798	42,652

Programmierung	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.6 Luna	5.5	10.0	33.3%	0		4.61s	7,302	557	3,535
Qwen3.5-35B-A3B	5.9	9.3	33.3%	0		206.65s	4,106	23,844	111,462

Kombiniert	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.6 Luna	2.8	1.6	33.3%	1		7.99s	11,019	300	1,060
Qwen3.5-35B-A3B	4.7	1.6	66.7%	1		75.34s	20,992	775	12,485

Datenanalyse und -extraktion	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.6 Luna	10.0	10.0	100.0%	0		2.14s	7,140	234	292
Qwen3.5-35B-A3B	7.3	5.9	83.3%	1		59.33s	6,061	235	19,493

Domänenspezifisch	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.6 Luna	3.6	7.2	22.2%	1		10.05s	723	70	6,718
Qwen3.5-35B-A3B	4.1	4.4	44.5%	2		88.34s	500	41	46,368

Allgemeine Intelligenz	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.6 Luna	5.0	10.0	0.0%	0		2.25s	477	122	169
Qwen3.5-35B-A3B	2.8	1.6	33.3%	1		30.30s	172	20	3,753

Befolgung von Anweisungen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.6 Luna	8.5	6.8	83.3%	1		2.04s	660	93	259
Qwen3.5-35B-A3B	10.0	10.0	100.0%	0		24.45s	699	97	17,361

Rätsellösen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.6 Luna	7.6	7.2	77.8%	1		3.59s	642	271	1,207
Qwen3.5-35B-A3B	8.2	7.2	88.9%	1		33.13s	597	3,592	26,585

Werkzeugaufrufe	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.6 Luna	10.0	10.0	100.0%	0		4.43s	5,454	250	177
Qwen3.5-35B-A3B	10.0	10.0	100.0%	0		4.65s	8,193	309	1,365

Allgemeinwissen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.6 Luna	3.0	10.0	0.0%	0		4.86s	195	27	1,432
Qwen3.5-35B-A3B	3.0	10.0	0.0%	0		177.35s	204	10,919	72,053

Schnellvergleich

Vergleichspaar wechseln

Seed-2.0-LitenonevsGPT-5.6 Lunalow GPT-5.5nonevsQwen3.5-35B-A3Bmedium GPT-5.6 SolnonevsQwen3.5-35B-A3Bmedium Gemini 2.5 FlashnonevsGPT-5.6 Lunalow Gemini 3.1 Flash LiteminimalvsGPT-5.6 Lunalow Gemini 3.1 Flash LitenonevsGPT-5.6 Lunalow Seed-2.0-LitenonevsQwen3.5-35B-A3Bmedium GPT-5.6 LunalowvsQwen3.5-Flashnone Gemma 4 31BnoneKostenlos verfügbarvsGPT-5.6 Lunalow Gemma 4 31BmediumKostenlos verfügbarvsGPT-5.6 Lunalow Nemotron 3 SupermediumKostenlos verfügbarvsGPT-5.6 Lunalow Gemini 2.5 FlashnonevsQwen3.5-35B-A3Bmedium