AI BENCHY Compare

OpenAI: GPT-5.3 Chat vs Qwen: Qwen3.5-27B

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-04-16

Метрика	GPT-5.3 Chat GPT-5.3 Chat none Релиз: 2026-03-03	Qwen3.5-27B Qwen3.5-27B medium Релиз: 2026-02-24

Метрика	GPT-5.3 Chat GPT-5.3 Chat none Релиз: 2026-03-03	Qwen3.5-27B Qwen3.5-27B medium Релиз: 2026-02-24
Оценка	7.7	8.4
Ранг	#35	#10
Стабильность	8.6	8.8
Тестов верно
Доля успешных попыток	68.5%	81.5%
Нестабильные тесты	3	3
Всего запусков	54	54
Стоимость за результат	3.082	3.822
Общая стоимость	$0.340	$0.497
???? ?????	$1.750 / 1M	$0.195 / 1M
???? ??????	$14.000 / 1M	$1.560 / 1M
Выходные токены	20,784	2,500
Токены рассуждений	0	242,500
Время ответа (среднее)	5.88s	53.03s
Время ответа (макс.)	18.33s	163.96s
Время ответа (суммарно)	105.90s	954.46s

Лучшие модели по оценке

Оценка vs общая стоимость

Время ответа (среднее)

Оценка vs Время ответа (среднее)

Общее число выходных токенов

Оценка vs Общее число выходных токенов

Разбивка по категориям

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.3 Chat	6.7	8.1	58.3%	1		3.86s	3,167	0
Qwen3.5-27B	8.7	7.9	91.7%	1		19.75s	569	31,505

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.3 Chat	10.0	10.0	100.0%	0		9.32s	1,436	0
Qwen3.5-27B	10.0	10.0	100.0%	0		70.35s	375	19,165

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.3 Chat	10.0	10.0	100.0%	0		11.96s	2,614	0
Qwen3.5-27B	10.0	10.0	100.0%	0		163.96s	483	9,991

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.3 Chat	10.0	10.0	100.0%	0		2.21s	942	0
Qwen3.5-27B	10.0	10.0	100.0%	0		30.26s	270	16,150

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.3 Chat	3.5	4.4	33.3%	2		13.01s	8,264	0
Qwen3.5-27B	5.3	10.0	33.3%	0		79.53s	43	52,368

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.3 Chat	4.6	10.0	0.0%	0		1.99s	319	0
Qwen3.5-27B	6.1	3.1	66.7%	1		101.41s	70	23,147

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.3 Chat	8.3	10.0	50.0%	0		3.29s	1,455	0
Qwen3.5-27B	10.0	10.0	100.0%	0		19.66s	97	11,638

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.3 Chat	10.0	10.0	100.0%	0		2.93s	1,726	0
Qwen3.5-27B	8.2	7.7	77.8%	1		64.61s	245	77,213

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.3 Chat	10.0	10.0	100.0%	0		8.36s	861	0
Qwen3.5-27B	10.0	10.0	100.0%	0		7.45s	348	1,323

Быстрое сравнение

Сменить пару сравнения

Claude Opus 4.6mediumvsGPT-5.3 Chatnone GPT-5.3 ChatnonevsMiMo-V2-Omnimedium GPT-5.3 ChatnonevsGLM 5.1medium Seed-2.0-MinimediumvsGPT-5.3 Chatnone GPT-5.3 ChatnonevsQwen3.5-Flashmedium GPT-5.3 ChatnonevsGLM 5V Turbomedium GPT-5.3 ChatnonevsMiMo-V2-Flashmedium GPT-5.3 ChatnonevsStep 3.5 Flashmedium GPT-5.3 ChatnonevsQwen3.5-35B-A3Bmedium Gemini 3 Flash PreviewnonevsQwen3.5-27Bmedium DeepSeek V3.2mediumvsGPT-5.3 Chatnone Gemini 3.1 Flash Lite PreviewlowvsQwen3.5-27Bmedium