AI BENCHY Compare

OpenAI: GPT-5.3 Chat vs Qwen: Qwen3.5-35B-A3B

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-05-01

Metrik	GPT-5.3 Chat GPT-5.3 Chat none Rilis: 2026-03-03	Qwen3.5-35B-A3B Qwen3.5-35B-A3B medium Rilis: 2026-02-24

Metrik	GPT-5.3 Chat GPT-5.3 Chat none Rilis: 2026-03-03	Qwen3.5-35B-A3B Qwen3.5-35B-A3B medium Rilis: 2026-02-24
Skor	7.9	7.4
Peringkat	#42	#57
Keandalan	T/A	T/A
Konsistensi	8.6	6.7
Tes benar
Tingkat lulus per percobaan	74.1%	79.6%
Tes tidak stabil	3	7
Total Run	54	54
Biaya per hasil	2.826	3.976
Total Biaya	$0.340	$0.398
Harga input	$1.750 / 1M	$0.163 / 1M
Harga output	$14.000 / 1M	$1.300 / 1M
Token output	20,784	10,137
Token penalaran	0	208,761
Waktu respons (rata-rata)	5.88s	44.51s
Waktu respons (maks)	18.33s	106.00s
Waktu respons (total)	105.90s	801.21s

Model teratas berdasarkan skor

Skor vs Total Biaya

Waktu respons (rata-rata)

Skor vs Waktu respons (rata-rata)

Total token output

Skor vs Total token output

Rincian Kategori

Trik anti-AI	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token output	Token penalaran
GPT-5.3 Chat	6.7	8.1	58.3%	1		3.86s	3,167	0
Qwen3.5-35B-A3B	10.0	10.0	100.0%	0		21.13s	798	42,652

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token output	Token penalaran
GPT-5.3 Chat	10.0	10.0	100.0%	0		9.32s	1,436	0
Qwen3.5-35B-A3B	10.0	10.0	100.0%	0		79.09s	4,273	33,078

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token output	Token penalaran
GPT-5.3 Chat	10.0	10.0	100.0%	0		11.96s	2,614	0
Qwen3.5-35B-A3B	4.7	1.6	66.7%	1		75.34s	775	12,485

Parsing dan ekstraksi data	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token output	Token penalaran
GPT-5.3 Chat	10.0	10.0	100.0%	0		2.21s	942	0
Qwen3.5-35B-A3B	7.3	5.9	83.3%	1		59.33s	235	19,493

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token output	Token penalaran
GPT-5.3 Chat	3.5	4.4	33.3%	2		13.01s	8,264	0
Qwen3.5-35B-A3B	4.1	4.4	44.5%	2		88.34s	41	46,368

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token output	Token penalaran
GPT-5.3 Chat	4.6	10.0	0.0%	0		1.99s	319	0
Qwen3.5-35B-A3B	2.8	1.6	33.3%	1		30.30s	20	3,753

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token output	Token penalaran
GPT-5.3 Chat	9.8	10.0	100.0%	0		3.29s	1,455	0
Qwen3.5-35B-A3B	10.0	10.0	100.0%	0		24.45s	97	17,361

Pemecahan teka-teki	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token output	Token penalaran
GPT-5.3 Chat	10.0	10.0	100.0%	0		2.93s	1,726	0
Qwen3.5-35B-A3B	6.4	4.4	77.8%	2		31.58s	3,589	32,206

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token output	Token penalaran
GPT-5.3 Chat	10.0	10.0	100.0%	0		8.36s	861	0
Qwen3.5-35B-A3B	10.0	10.0	100.0%	0		4.65s	309	1,365

Perbandingan Cepat

Ganti Pasangan Perbandingan

Claude Sonnet 4.6nonevsQwen3.5-35B-A3Bmedium DeepSeek V4 FlashhighvsGPT-5.3 Chatnone GPT-5.3 ChatnonevsGLM 5V Turbomedium GPT-5.3 ChatnonevsStep 3.5 Flashmedium GPT-5.3 ChatnonevsQwen3.5-Flashmedium GPT-5.3 ChatnonevsGLM 5.1medium GPT-5.3 ChatnonevsMiMo-V2.5medium Kimi K2.6mediumvsGPT-5.3 Chatnone DeepSeek V3.2mediumvsGPT-5.3 Chatnone GPT-5.3 ChatnonevsMiMo-V2-Omnimedium Claude Sonnet 4.6mediumvsGPT-5.3 Chatnone Gemma 4 26B A4BmediumTersedia gratisvsGPT-5.3 Chatnone