AI BENCHY तुलना
OpenAI: GPT-5.4 vs Qwen: Qwen3.5-Flash
तुलना करें:
बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-03-05
| मेट्रिक | OpenAI: GPT-5.4 none रिलीज़: 2026-03-05 | Qwen: Qwen3.5-Flash none रिलीज़: 2026-02-24 |
|---|---|---|
| रैंक | #44 | #40 |
| औसत स्कोर | 4.6 | 4.9 |
| सही परीक्षण | ||
| संगति | 8.9 | 9.5 |
| प्रति परिणाम लागत | 1.496 | 0.088 |
| कुल लागत | $0.090 | $0.006 |
| प्रति प्रयास पास दर | 44.4% | 42.2% |
| अस्थिर टेस्ट | 2 | 1 |
| common.totalAttempts | 45 (15 x 3) | 45 (15 x 3) |
| आउटपुट टोकन | 1,635 | 3,674 |
| रीजनिंग टोकन | 0 | 0 |
| प्रतिक्रिया समय (औसत) | 1.46s | 3.73s |
| प्रतिक्रिया समय (अधिकतम) | 2.89s | 13.73s |
| प्रतिक्रिया समय (कुल) | 21.86s | 55.90s |
प्रतिक्रिया समय (औसत)
स्कोर बनाम कुल लागत
औसत स्कोर vs प्रतिक्रिया समय (औसत)
श्रेणी विवरण
| एंटी-एआई ट्रिक्स | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 10.0 | 7.3 | 11.1% | 1 | 1.41s | 388 | 0 | |
| Qwen: Qwen3.5-Flash | 2.3 | 7.8 | 11.1% | 1 | 1.62s | 687 | 0 |
| संयुक्त | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 10.0 | 10.0 | 0.0% | 0 | 2.89s | 291 | 0 | |
| Qwen: Qwen3.5-Flash | 10.0 | 10.0 | 0.0% | 0 | 6.22s | 1,794 | 0 |
| डेटा पार्सिंग और निष्कर्षण | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 9.9 | 10.0 | 100.0% | 0 | 1.04s | 222 | 0 | |
| Qwen: Qwen3.5-Flash | 9.9 | 10.0 | 100.0% | 0 | 1.57s | 243 | 0 |
| डोमेन-विशिष्ट | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 4.0 | 7.2 | 44.4% | 1 | 1.07s | 50 | 0 | |
| Qwen: Qwen3.5-Flash | 7.0 | 10.0 | 66.7% | 0 | 905ms | 15 | 0 |
| निर्देश पालन | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 5.5 | 10.0 | 50.0% | 0 | 1.07s | 81 | 0 | |
| Qwen: Qwen3.5-Flash | 5.0 | 10.0 | 50.0% | 0 | 8.81s | 63 | 0 |
| Puzzle Solving | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 4.0 | 9.8 | 33.3% | 0 | 1.52s | 357 | 0 | |
| Qwen: Qwen3.5-Flash | 1.3 | 10.0 | 0.0% | 0 | 5.90s | 608 | 0 |
| टूल कॉलिंग | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 2.75s | 246 | 0 | |
| Qwen: Qwen3.5-Flash | 10.0 | 10.0 | 100.0% | 0 | 3.67s | 264 | 0 |
त्वरित तुलना
तुलना जोड़ी बदलें
MiniMax M2.5mediumvsQwen3.5-FlashnoneMiniMax M2.5mediumvsGPT-5.4nonegpt-oss-120bmediumनिःशुल्क उपलब्धvsQwen3.5-FlashnoneMercury 2mediumvsQwen3.5-FlashnoneGPT-5 NanomediumvsQwen3.5-FlashnoneMercury 2mediumvsGPT-5.4noneGPT-5 MinimediumvsQwen3.5-FlashnoneGPT-5.4nonevsQwen3.5-35B-A3BmediumGPT-5.4nonevsQwen3 Coder NextmediumGPT-5.4nonevsGLM 4.7 FlashmediumClaude Opus 4.6mediumvsQwen3.5-FlashnoneKimi K2.5mediumvsQwen3.5-Flashnone