AI BENCHY Compare

OpenAI: GPT-5.5 vs Qwen: Qwen3.5-Flash

Resumen

GPT-5.5 lidera en puntuación media con 6.3 vs 6.1. Qwen3.5-Flash tiene menor coste de benchmark con $0.005 vs $0.231. GPT-5.5 es más rápido con 1.89s vs 3.58s, con tasas de acierto de 54.0% vs 39.7%.

Modelo recomendadoQwen3.5-FlashSu puntuación se mantiene cerca de la mejor aquí (6.1 vs 6.3) y cuesta aproximadamente 55.7x menos que GPT-5.5.

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-14

Métrica	GPT-5.5 GPT-5.5 none Lanzamiento: 2026-04-24	Qwen3.5-Flash Qwen3.5-Flash none Lanzamiento: 2026-02-24

Métrica	GPT-5.5 GPT-5.5 none Lanzamiento: 2026-04-24	Qwen3.5-Flash Qwen3.5-Flash none Lanzamiento: 2026-02-24
Puntuación	6.3	6.1
Rango	#109	#119
Fiabilidad	10.0	10.0
Consistencia	8.8	9.7
Pruebas correctas
Tasa de aciertos por intento	54.0%	39.7%
Pruebas inestables	3	1
Ejecuciones totales	63	63
Costo por resultado	2.302	0.075
Costo total	$0.231	$0.005
Precio de entrada	$5.000 / 1M	$0.065 / 1M
Precio de salida	$30.000 / 1M	$0.260 / 1M
Total de tokens de entrada	34,212	46,439
Tokens de salida	1,971	4,276
Tokens de razonamiento	0	0
Tiempo de respuesta (promedio)	1.89s	3.58s
Tiempo de respuesta (máximo)	5.56s	27.18s
Tiempo de respuesta (total)	39.64s	75.28s

Generación showcase

Hamster playing table tennis

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

#109 GPT-5.5

none

Coste: $0.090
Tiempo: 54.3s
Tokens: 3,063 tok

#119 Qwen3.5-Flash

none

Coste: $0.003
Tiempo: 47.4s
Tokens: 7,799 tok

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntuación vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntuación vs Total de tokens de salida

Desglose por categoría

Categoría:

Trucos anti-IA	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
GPT-5.5	6.9	7.9	66.7%	1		1.31s	606	213	0
Qwen3.5-Flash	3.5	8.3	8.3%	1		1.32s	696	690	0

Programación	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
GPT-5.5	5.5	10.0	33.3%	0		1.35s	7,305	462	0
Qwen3.5-Flash	5.5	10.0	33.3%	0		850ms	7,913	519	0

Combinado	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
GPT-5.5	3.0	10.0	0.0%	0		5.56s	11,019	300	0
Qwen3.5-Flash	3.0	10.0	0.0%	0		6.22s	18,879	1,794	0

Análisis y extracción de datos	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
GPT-5.5	10.0	10.0	100.0%	0		1.18s	7,140	222	0
Qwen3.5-Flash	10.0	10.0	100.0%	0		1.57s	7,794	243	0

Específico del dominio	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
GPT-5.5	2.9	7.2	11.1%	1		1.31s	723	52	0
Qwen3.5-Flash	7.7	10.0	66.7%	0		905ms	789	15	0

Inteligencia general	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
GPT-5.5	10.0	10.0	100.0%	0		3.41s	477	124	0
Qwen3.5-Flash	10.0	10.0	100.0%	0		803ms	522	100	0

Seguimiento de instrucciones	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
GPT-5.5	6.2	5.8	66.7%	1		1.15s	660	81	0
Qwen3.5-Flash	6.3	10.0	50.0%	0		8.81s	711	63	0

Resolución de acertijos	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
GPT-5.5	7.7	10.0	66.7%	0		1.29s	642	252	0
Qwen3.5-Flash	3.1	10.0	0.0%	0		10.89s	714	579	0

Llamada de herramientas	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
GPT-5.5	10.0	10.0	100.0%	0		3.90s	5,445	247	0
Qwen3.5-Flash	10.0	10.0	100.0%	0		3.67s	8,211	264	0

Cultura general	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
GPT-5.5	3.0	10.0	0.0%	0		5.01s	195	18	0
Qwen3.5-Flash	3.0	10.0	0.0%	0		588ms	210	9	0

Comparación rápida

Cambiar par de comparación

GPT-5.5nonevsQwen3.5-35B-A3Bmedium Gemini 3.1 Flash LiteminimalvsQwen3.5-Flashnone Gemma 4 31BmediumDisponible gratisvsGPT-5.5none KAT-Coder-Air V2.5highvsGPT-5.5none Nemotron 3 SupermediumDisponible gratisvsGPT-5.5none KAT-Coder-Air V2.5mediumvsQwen3.5-Flashnone GPT-5.6 LunalowvsQwen3.5-Flashnone KAT-Coder-Air V2.5lowvsQwen3.5-Flashnone KAT-Coder-Air V2.5mediumvsGPT-5.5none KAT-Coder-Air V2.5highvsQwen3.5-Flashnone Gemini 3.1 Flash LiteminimalvsGPT-5.5none Gemini 3.1 Flash LitelowvsGPT-5.5none