AI BENCHY Compare

OpenAI: GPT-5.5 vs Qwen: Qwen3.5-35B-A3B

Ringkasan

Perbandingan benchmark GPT-5.5 (low) vs Qwen3.5-35B-A3B (medium): GPT-5.5 (low) unggul dalam skor rata-rata dengan 9.3 vs 6.3. Qwen3.5-35B-A3B (medium) memiliki biaya benchmark lebih rendah di $0.401 vs $0.907. GPT-5.5 (low) lebih cepat di 9.76s vs 72.57s, dengan tingkat keberhasilan 85.7% vs 69.8%.

Model yang direkomendasikan: GPT-5.5 (low) - It has the best score here (9.3), while responding about 7.4x faster than Qwen3.5-35B-A3B (medium).

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-10

Metrik	GPT-5.5 GPT-5.5 low Rilis: 2026-04-24	Qwen3.5-35B-A3B Qwen3.5-35B-A3B medium Rilis: 2026-02-24

Metrik	GPT-5.5 GPT-5.5 low Rilis: 2026-04-24	Qwen3.5-35B-A3B Qwen3.5-35B-A3B medium Rilis: 2026-02-24
Skor	9.3	6.3
Peringkat	#7	#104
Keandalan	10.0	10.0
Konsistensi	10.0	7.5
Tes benar
Tingkat lulus per percobaan	85.7%	69.8%
Tes tidak stabil	0	6
Total Run	63	63
Biaya per hasil	5.035	5.162
Total Biaya	$0.907	$0.401
Harga input	$5.000 / 1M	$0.140 / 1M
Harga output	$30.000 / 1M	$1.000 / 1M
Total token input	34,209	42,196
Token output	2,046	40,630
Token penalaran	22,460	353,577
Waktu respons (rata-rata)	9.76s	72.57s
Waktu respons (maks)	56.19s	409.98s
Waktu respons (total)	204.92s	1524.04s

Showcase generasi

Hamster playing table tennis

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

#7 GPT-5.5

low

Biaya: $0.068
Waktu: 37.0s
Token: 2,339 tok

#104 Qwen3.5-35B-A3B

medium

Biaya: $0.009
Waktu: 71.4s
Token: 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-5.5	10.0	10.0	100.0%	0		4.41s	606	238	1,020
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-5.5	10.0	10.0	100.0%	0		15.04s	7,302	423	6,402
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-5.5	10.0	10.0	100.0%	0		9.56s	11,019	303	717
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-5.5	10.0	10.0	100.0%	0		3.28s	7,140	228	157
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-5.5	5.3	10.0	33.3%	0		28.05s	723	69	11,609
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-5.5	10.0	10.0	100.0%	0		5.17s	477	133	245
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-5.5	9.9	10.0	100.0%	0		3.74s	660	93	415
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-5.5	10.0	10.0	100.0%	0		4.74s	642	279	954
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-5.5	10.0	10.0	100.0%	0		4.96s	5,445	250	101
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-5.5	3.0	10.0	0.0%	0		10.06s	195	30	840
Qwen3.5-35B-A3B	3.0	10.0	0.0%	0		177.35s	204	10,919	72,053

Perbandingan Cepat

Ganti Pasangan Perbandingan