AI BENCHY Compare

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

Сводка

Сравнение benchmark GPT-5.5 vs Qwen3.5-35B-A3B: Средний балл практически равен: 6.3 vs 6.3. GPT-5.5 имеет более низкую стоимость benchmark: $0.231 vs $0.401. GPT-5.5 быстрее: 1.89s vs 72.57s, с долей успешных попыток 54.0% vs 69.8%.

Рекомендуемая модель: GPT-5.5 - Здесь у него лучший балл (6.3), при этом он примерно в 1.7 раза дешевле, чем Qwen3.5-35B-A3B.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-06-12

Метрика	GPT-5.5 GPT-5.5 none Релиз: 2026-04-24	Qwen3.5-35B-A3B Qwen3.5-35B-A3B medium Релиз: 2026-02-24

Метрика	GPT-5.5 GPT-5.5 none Релиз: 2026-04-24	Qwen3.5-35B-A3B Qwen3.5-35B-A3B medium Релиз: 2026-02-24
Оценка	6.3	6.3
Ранг	#89	#88
Надежность	10.0	10.0
Стабильность	8.8	7.5
Тестов верно
Доля успешных попыток	54.0%	69.8%
Нестабильные тесты	3	6
Всего запусков	63	63
Стоимость за результат	2.302	5.162
Общая стоимость	$0.231	$0.401
Цена входа	$5.000 / 1M	$0.140 / 1M
Цена выхода	$30.000 / 1M	$1.000 / 1M
Общее число входных токенов	34,212	42,196
Выходные токены	1,971	40,630
Токены рассуждений	0	353,577
Время ответа (среднее)	1.89s	72.57s
Время ответа (макс.)	5.56s	409.98s
Время ответа (суммарно)	39.64s	1524.04s

Generation showcase

Hamster playing table tennis

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

#89 GPT-5.5

none

Cost: $0.090
Time: 54.3s
Tokens: 3,063 tok

#88 Qwen3.5-35B-A3B

medium

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

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)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.5	6.9	7.9	66.7%	1		1.31s	606	213	0
Qwen3.5-35B-A3B	10.0	10.0	100.0%	0		21.13s	672	798	42,652

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.5	5.5	10.0	33.3%	0		1.35s	7,305	462	0
Qwen3.5-35B-A3B	5.9	9.3	33.3%	0		206.65s	4,106	23,844	111,462

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.5	3.0	10.0	0.0%	0		5.56s	11,019	300	0
Qwen3.5-35B-A3B	4.7	1.6	66.7%	1		75.34s	20,992	775	12,485

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.5	10.0	10.0	100.0%	0		1.18s	7,140	222	0
Qwen3.5-35B-A3B	7.3	5.9	83.3%	1		59.33s	6,061	235	19,493

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.5	2.9	7.2	11.1%	1		1.31s	723	52	0
Qwen3.5-35B-A3B	4.1	4.4	44.5%	2		88.34s	500	41	46,368

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.5	10.0	10.0	100.0%	0		3.41s	477	124	0
Qwen3.5-35B-A3B	2.8	1.6	33.3%	1		30.30s	172	20	3,753

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.5	6.2	5.8	66.7%	1		1.15s	660	81	0
Qwen3.5-35B-A3B	10.0	10.0	100.0%	0		24.45s	699	97	17,361

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.5	7.7	10.0	66.7%	0		1.29s	642	252	0
Qwen3.5-35B-A3B	8.2	7.2	88.9%	1		33.13s	597	3,592	26,585

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.5	10.0	10.0	100.0%	0		3.90s	5,445	247	0
Qwen3.5-35B-A3B	10.0	10.0	100.0%	0		4.65s	8,193	309	1,365

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.5	3.0	10.0	0.0%	0		5.01s	195	18	0
Qwen3.5-35B-A3B	3.0	10.0	0.0%	0		177.35s	204	10,919	72,053

Быстрое сравнение

Сменить пару сравнения

DeepSeek V4 ProhighvsGPT-5.5none DeepSeek V4 ProhighvsQwen3.5-35B-A3Bmedium Gemma 4 31BmediumБесплатно доступноvsGPT-5.5none Nemotron 3 SupermediumБесплатно доступноvsGPT-5.5none DeepSeek V4 PrononevsQwen3.5-35B-A3Bmedium Seed-2.0-LitenonevsQwen3.5-35B-A3Bmedium Gemini 2.5 FlashnonevsQwen3.5-35B-A3Bmedium Gemini 3.1 Flash LitelowvsQwen3.5-35B-A3Bmedium Gemini 3.1 Flash LiteminimalvsGPT-5.5none Gemini 3.1 Flash Lite PreviewnonevsQwen3.5-35B-A3Bmedium Gemini 3.1 Flash LitelowvsGPT-5.5none Gemini 3.1 Flash LiteminimalvsQwen3.5-35B-A3Bmedium