AI BENCHY Compare
OpenAI: GPT-5.3 Chat vs Qwen: Qwen3.5-122B-A10B
Comparar:
Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-03-03
| Métrica | OpenAI: GPT-5.3 Chat none Lanzamiento: 2026-03-03 | Qwen: Qwen3.5-122B-A10B medium Lanzamiento: 2026-02-24 |
|---|---|---|
| Rango | #14 | #21 |
| Puntaje prom. | 7.27 | 6.77 |
| Consistencia | 8.26 | 8.22 |
| Costo por resultado | 2.835 | 5.137 |
| Costo total | $0.256 | $0.463 |
| Pruebas correctas | ||
| Tasa de aciertos por intento | 73.8% | 76.2% |
| Pruebas inestables | 3 | 3 |
| Tokens de salida | 16,339 | 16,751 |
| Tokens de razonamiento | 0 | 125,394 |
Puntuación vs costo total
Desglose por categoría
| Trucos anti-IA | Puntuación | Consistencia | Tasa de aciertos por intento | Pruebas inestables | Pruebas correctas | Tokens de salida | Tokens de razonamiento |
|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.3 Chat | 7.33 | 7.49 | 77.8% | 1 | 3,091 | 0 | |
| Qwen: Qwen3.5-122B-A10B | 10.00 | 10.00 | 100.0% | 0 | 248 | 10,486 |
| Análisis y extracción de datos | Puntuación | Consistencia | Tasa de aciertos por intento | Pruebas inestables | Pruebas correctas | Tokens de salida | Tokens de razonamiento |
|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.3 Chat | 9.88 | 10.00 | 100.0% | 0 | 942 | 0 | |
| Qwen: Qwen3.5-122B-A10B | 9.88 | 10.00 | 100.0% | 0 | 270 | 16,558 |
| Específico del dominio | Puntuación | Consistencia | Tasa de aciertos por intento | Pruebas inestables | Pruebas correctas | Tokens de salida | Tokens de razonamiento |
|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.3 Chat | 1.00 | 4.41 | 33.3% | 2 | 8,264 | 0 | |
| Qwen: Qwen3.5-122B-A10B | 1.00 | 7.21 | 11.1% | 1 | 15,537 | 64,889 |
| Seguimiento de instrucciones | Puntuación | Consistencia | Tasa de aciertos por intento | Pruebas inestables | Pruebas correctas | Tokens de salida | Tokens de razonamiento |
|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.3 Chat | 8.50 | 9.99 | 50.0% | 0 | 1,455 | 0 | |
| Qwen: Qwen3.5-122B-A10B | 5.50 | 5.92 | 83.3% | 1 | 77 | 7,372 |
| Puzzle Solving | Puntuación | Consistencia | Tasa de aciertos por intento | Pruebas inestables | Pruebas correctas | Tokens de salida | Tokens de razonamiento |
|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.3 Chat | 10.00 | 10.00 | 100.0% | 0 | 1,726 | 0 | |
| Qwen: Qwen3.5-122B-A10B | 7.00 | 7.21 | 88.9% | 1 | 297 | 24,863 |
| Llamada de herramientas | Puntuación | Consistencia | Tasa de aciertos por intento | Pruebas inestables | Pruebas correctas | Tokens de salida | Tokens de razonamiento |
|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.3 Chat | 10.00 | 10.00 | 100.0% | 0 | 861 | 0 | |
| Qwen: Qwen3.5-122B-A10B | 10.00 | 10.00 | 100.0% | 0 | 322 | 1,226 |
Comparación rápida
Cambiar par de comparación
GPT-5.3 ChatnonevsGLM 5mediumClaude Sonnet 4.6mediumvsGPT-5.3 ChatnoneGemini 2.5 FlashmediumvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsStep 3.5 FlashmediumDisponible gratisDeepSeek V3.2mediumvsGPT-5.3 ChatnoneGemini 3.1 Flash Lite PreviewmediumvsGPT-5.3 ChatnoneClaude Sonnet 4.6nonevsQwen3.5-122B-A10BmediumGemini 3 Flash PreviewnonevsQwen3.5-122B-A10BmediumGemini 3.1 Flash Lite PreviewhighvsGPT-5.3 ChatnoneGemini 3.1 Flash Lite PreviewlowvsGPT-5.3 ChatnoneGPT-5.2 ChatnonevsQwen3.5-122B-A10BmediumQwen3.5-122B-A10BmediumvsGLM 5none