Navigare
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

OpenAI: GPT-5.4 vs Qwen: Qwen3.5-9B

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-03-12

Metrică GPT-5.4 GPT-5.4 none Lansare: 2026-03-05 Qwen3.5-9B Qwen3.5-9B medium Lansare: 2026-03-02
Rang #51 #66
Scor mediu 4.5 2.6
Consistență 8.9 7.4
Cost per rezultat 1.562 0.779
Cost total $0.094 $0.024
Teste corecte
Rată de trecere pe încercare 41.7% 35.4%
Teste instabile 2 5
Rulări totale 48 48
Tokenuri de ieșire 1,819 17,930
Tokenuri de raționament 0 139,706
Timp de răspuns (mediu) 1.48s 71.44s
Timp de răspuns (maxim) 2.89s 226.38s
Timp de răspuns (total) 23.64s 928.77s

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor mediu vs Timp de răspuns (mediu)

Total tokenuri de ieșire

Scor mediu vs Total tokenuri de ieșire

Defalcare pe categorii

Trucuri anti-AI Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5.4 10.0 7.3 11.1% 1 1.41s 388 0
Qwen3.5-9B 4.0 7.2 55.6% 1 31.54s 2,410 10,913
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5.4 10.0 10.0 0.0% 0 2.89s 291 0
Qwen3.5-9B 10.0 10.0 0.0% 0 0ms 0 0
Parsare și extragere de date Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5.4 9.9 10.0 100.0% 0 1.04s 222 0
Qwen3.5-9B 5.0 5.6 33.3% 1 87.31s 1,383 32,113
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5.4 4.0 7.2 44.4% 1 1.07s 50 0
Qwen3.5-9B 10.0 7.2 22.2% 1 137.75s 11,549 48,475
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5.4 3.0 9.9 0.0% 0 1.78s 184 0
Qwen3.5-9B 10.0 1.6 33.3% 1 226.38s 0 30,695
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5.4 5.5 10.0 50.0% 0 1.07s 81 0
Qwen3.5-9B 5.5 5.8 66.7% 1 17.15s 599 4,517
Puzzle Solving Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5.4 4.0 9.8 33.3% 0 1.52s 357 0
Qwen3.5-9B 10.0 10.0 0.0% 0 33.38s 1,545 11,844
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
GPT-5.4 10.0 10.0 100.0% 0 2.75s 246 0
Qwen3.5-9B 10.0 10.0 100.0% 0 4.31s 444 1,149

Comparație rapidă

Schimbă perechea de comparație

MiniMax M2.5mediumvsGPT-5.4noneQwen3.5-9BmediumvsMiMo-V2-FlashnoneQwen3.5-9BmediumvsGrok 4.1 FastnoneGPT-5.4nonevsGrok 4.20 Multi-Agent BetamediumMercury 2nonevsQwen3.5-9BmediumNemotron 3 Super 120b A12bnoneDisponibil gratuitvsQwen3.5-9BmediumMercury 2mediumvsGPT-5.4noneGPT-5.4nonevsQwen3 Coder NextmediumGPT-5.4nonevsQwen3.5-35B-A3BmediumQwen3.5-9BmediumvsGLM 4.7 FlashnoneNemotron 3 Super 120b A12bmediumDisponibil gratuitvsGPT-5.4noneGPT-5.4nonevsGLM 4.7 Flashmedium