AI BENCHY Compare

OpenAI: GPT-5.4 vs Qwen: Qwen3.5-35B-A3B

Ringkasan

Perbandingan benchmark GPT-5.4 vs Qwen3.5-35B-A3B: Qwen3.5-35B-A3B unggul dalam skor rata-rata dengan 6.3 vs 5.8. GPT-5.4 memiliki biaya benchmark lebih rendah di $0.122 vs $0.401. GPT-5.4 lebih cepat di 1.42s vs 72.57s, dengan tingkat keberhasilan 36.5% vs 69.8%.

Model yang direkomendasikan: GPT-5.4 - Its score stays close to the best score here (5.8 vs 6.3), while costing about 3.3x less than Qwen3.5-35B-A3B.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-06-12

Metrik	GPT-5.4 GPT-5.4 none Rilis: 2026-03-05	Qwen3.5-35B-A3B Qwen3.5-35B-A3B medium Rilis: 2026-02-24

Metrik	GPT-5.4 GPT-5.4 none Rilis: 2026-03-05	Qwen3.5-35B-A3B Qwen3.5-35B-A3B medium Rilis: 2026-02-24
Skor	5.8	6.3
Peringkat	#116	#88
Keandalan	10.0	10.0
Konsistensi	9.2	7.5
Tes benar
Tingkat lulus per percobaan	36.5%	69.8%
Tes tidak stabil	2	6
Total Run	63	63
Biaya per hasil	1.740	5.162
Total Biaya	$0.122	$0.401
Harga input	$2.500 / 1M	$0.140 / 1M
Harga output	$15.000 / 1M	$1.000 / 1M
Total token input	34,212	42,196
Token output	2,417	40,630
Token penalaran	0	353,577
Waktu respons (rata-rata)	1.42s	72.57s
Waktu respons (maks)	2.95s	409.98s
Waktu respons (total)	29.87s	1524.04s

Generation showcase

Hamster playing table tennis

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

#116 GPT-5.4

none

Cost: $0.026
Time: 18.1s
Tokens: 1,792 tok

#88 Qwen3.5-35B-A3B

medium

Cost: $0.009
Time: 71.4s
Tokens: 8,631 tok

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 input	Token output	Token penalaran
GPT-5.4	3.2	8.0	8.3%	1		1.21s	606	406	0
Qwen3.5-35B-A3B	10.0	10.0	100.0%	0		21.13s	672	798	42,652

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.4	5.5	10.0	33.3%	0		1.62s	7,305	516	0
Qwen3.5-35B-A3B	5.9	9.3	33.3%	0		206.65s	4,106	23,844	111,462

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.4	3.0	10.0	0.0%	0		2.89s	11,019	291	0
Qwen3.5-35B-A3B	4.7	1.6	66.7%	1		75.34s	20,992	775	12,485

Parsing dan ekstraksi data	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.4	10.0	10.0	100.0%	0		1.04s	7,140	222	0
Qwen3.5-35B-A3B	7.3	5.9	83.3%	1		59.33s	6,061	235	19,493

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.4	5.3	7.2	44.4%	1		1.07s	723	50	0
Qwen3.5-35B-A3B	4.1	4.4	44.5%	2		88.34s	500	41	46,368

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.4	4.4	9.9	0.0%	0		1.78s	477	184	0
Qwen3.5-35B-A3B	2.8	1.6	33.3%	1		30.30s	172	20	3,753

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.4	6.5	10.0	50.0%	0		1.07s	660	81	0
Qwen3.5-35B-A3B	10.0	10.0	100.0%	0		24.45s	699	97	17,361

Pemecahan teka-teki	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.4	5.6	9.8	33.3%	0		1.44s	642	381	0
Qwen3.5-35B-A3B	8.2	7.2	88.9%	1		33.13s	597	3,592	26,585

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.4	10.0	10.0	100.0%	0		2.75s	5,445	246	0
Qwen3.5-35B-A3B	10.0	10.0	100.0%	0		4.65s	8,193	309	1,365

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.4	3.0	10.0	0.0%	0		990ms	195	40	0
Qwen3.5-35B-A3B	3.0	10.0	0.0%	0		177.35s	204	10,919	72,053

Perbandingan Cepat

Ganti Pasangan Perbandingan