AI BENCHY Compare
OpenAI: GPT-5.3 Chat vs Qwen: Qwen3.5-122B-A10B
Bandingkan:
Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-03-03
| Metrik | OpenAI: GPT-5.3 Chat none Rilis: 2026-03-03 | Qwen: Qwen3.5-122B-A10B medium Rilis: 2026-02-24 |
|---|---|---|
| Peringkat | #14 | #21 |
| Skor Rata-rata | 7.27 | 6.77 |
| Konsistensi | 8.26 | 8.22 |
| Biaya per hasil | 2.835 | 5.137 |
| Total Biaya | $0.256 | $0.463 |
| Tes benar | ||
| Tingkat lulus per percobaan | 73.8% | 76.2% |
| Tes tidak stabil | 3 | 3 |
| Token output | 16,339 | 16,751 |
| Token penalaran | 0 | 125,394 |
Skor vs Total Biaya
Rincian Kategori
| Trik anti-AI | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| 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 |
| Parsing dan ekstraksi data | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| 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 |
| Spesifik domain | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| 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 |
| Kepatuhan instruksi | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| 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 | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| 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 |
| Pemanggilan alat | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| 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 |
Perbandingan Cepat
Ganti Pasangan Perbandingan
GPT-5.3 ChatnonevsGLM 5mediumClaude Sonnet 4.6mediumvsGPT-5.3 ChatnoneGemini 2.5 FlashmediumvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsStep 3.5 FlashmediumTersedia 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