AI BENCHY Compare

OpenAI: GPT-5.4 vs Qwen: Qwen3.5-27B

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

Метрика	GPT-5.4 GPT-5.4 medium Релиз: 2026-03-05	Qwen3.5-27B Qwen3.5-27B medium Релиз: 2026-02-24

Метрика	GPT-5.4 GPT-5.4 medium Релиз: 2026-03-05	Qwen3.5-27B Qwen3.5-27B medium Релиз: 2026-02-24
Оценка	8.2	8.4
Ранг	#16	#10
Стабильность	8.7	8.8
Тестов верно
Доля успешных попыток	79.6%	81.5%
Нестабильные тесты	3	3
Всего запусков	54	54
Стоимость за результат	6.399	3.822
Общая стоимость	$0.832	$0.497
???? ?????	$2.500 / 1M	$0.195 / 1M
???? ??????	$15.000 / 1M	$1.560 / 1M
Выходные токены	2,169	2,500
Токены рассуждений	48,732	242,500
Время ответа (среднее)	18.63s	53.03s
Время ответа (макс.)	100.41s	163.96s
Время ответа (суммарно)	335.26s	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-5.4	8.3	10.0	75.0%	0		4.11s	240	1,511
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-5.4	10.0	10.0	100.0%	0		13.03s	389	2,045
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-5.4	10.0	10.0	100.0%	0		20.57s	301	3,543
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-5.4	10.0	10.0	100.0%	0		5.32s	234	804
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-5.4	5.3	7.2	44.4%	1		74.27s	61	34,748
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-5.4	4.7	3.1	33.3%	1		4.92s	145	321
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-5.4	10.0	10.0	100.0%	0		3.11s	93	897
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-5.4	8.2	7.2	88.9%	1		9.13s	442	3,832
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-5.4	10.0	10.0	100.0%	0		13.28s	264	1,031
Qwen3.5-27B	10.0	10.0	100.0%	0		7.45s	348	1,323

Быстрое сравнение

Сменить пару сравнения

Gemini 3 Flash PreviewnonevsGPT-5.4medium Gemini 3.1 Flash Lite PreviewlowvsGPT-5.4medium Gemini 3.1 Flash Lite PreviewnonevsGPT-5.4medium Gemini 3 Flash PreviewnonevsQwen3.5-27Bmedium Gemini 3.1 Flash Lite PreviewlowvsQwen3.5-27Bmedium Gemini 3 Flash PreviewlowvsQwen3.5-27Bmedium GPT-5.2 ChatnonevsQwen3.5-27Bmedium Gemini 3.1 Flash Lite PreviewnonevsQwen3.5-27Bmedium Gemini 3 Flash PreviewlowvsGPT-5.4medium Claude Opus 4.7nonevsQwen3.5-27Bmedium GPT-5.3 ChatnonevsQwen3.5-27Bmedium Claude Sonnet 4.6nonevsGPT-5.4medium